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)折射反向學習對該算法進行優(yōu)化，提高尋優(yōu)精度和速度；最后，結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）