基于改進(jìn)極限學(xué)習(xí)機的光伏陣列故障診斷

打開文本圖片集

摘要：光伏陣列長期暴露在惡劣的環(huán)境中，容易產(chǎn)生各類故障，影響電力系統(tǒng)安全運行。為了提高光伏陣列故障診斷精度，文章提出了一種基于改進(jìn)極限學(xué)習(xí)機的光伏陣列故障診斷方法。該方法采用野狗優(yōu)化算法（Dog Optimization Algorithm，DOA）對極限學(xué)習(xí)機（Extreme Learning Machine，ELM）的權(quán)值系數(shù)和偏置系數(shù)進(jìn)行全局尋優(yōu)，較好地解決了ELM網(wǎng)絡(luò)參數(shù)選擇盲目性問題，以此為基礎(chǔ)搭建了基于DOA-ELM的光伏陣列故障診斷模型。（剩余6666字）