基于CLD-COA-ELM的光伏陣列故障診斷方法研究

打開文本圖片集

摘 要：為提升光伏陣列故障診斷的準確率，提出一種基于改進長鼻浣熊優(yōu)化算法優(yōu)化極限學習機的光伏陣列故障診斷方法。首先，分析陣列中光伏組件在發(fā)生故障時的輸出特性，選擇合適的故障特征；其次，針對極限學習機在光伏陣列故障分類時初始權(quán)值和閾值的隨機性問題，采用長鼻浣熊優(yōu)化算法求解最優(yōu)的初始權(quán)重和閾值；進一步地，針對長鼻浣熊算法初始參數(shù)的隨機性和全局搜索能力的局限性問題，通過Circle混沌映射、萊維飛行和動態(tài)折射反向?qū)W習對該算法進行優(yōu)化，提高尋優(yōu)精度和速度；最后，結(jié)合光伏陣列故障實驗數(shù)據(jù)，驗證故障診斷模型的分類效果。（剩余14062字）