典型文献
基于KPCA-ISSA-KELM的光伏阵列故障诊断方法
文献摘要：
为提高光伏阵列故障诊断的精度,提出一种基于核主成分分析(KPCA)和改进麻雀搜索算法(ISSA)优化核极限学习机(KELM)的光伏故障诊断方法.利用KPCA降维提取故障数据的非线性特征,减少外界条件产生的冗余数据,有效提高复杂故障识别准确率.通过融入Levy飞行和自适应权重t对麻雀搜索算法进行改进,并利用ISSA对KELM中的核参数γ和正则化系数C进行优化,建立了基于KPCA-ISSA-KELM的光伏阵列故障诊断模型.实验结果表明,经ISSA优化KELM的光伏阵列故障诊断模型与其他光伏阵列诊断模型相比,在故障诊断精度上达到97％,验证了该模型的准确性和有效性.
文献关键词：
光伏阵列;核主成分分析;核极限学习机;改进麻雀搜索算法;故障诊断
中图分类号：
作者姓名：
武文栋;施保华;郑传良;郭茜婷;陈峥
作者机构：
三峡大学电气与新能源学院,湖北宜昌 443002;湖北省微电网工程技术研究中心,湖北宜昌 443002;国网福建宁德供电公司,福建宁德352100
文献出处：
引用格式：
[1]武文栋;施保华;郑传良;郭茜婷;陈峥-.基于KPCA-ISSA-KELM的光伏阵列故障诊断方法)[J].智慧电力,2022(11):69-76
A类：
B类：
KPCA,ISSA,KELM,光伏阵列,故障诊断方法,核主成分分析,改进麻雀搜索算法,核极限学习机,故障数据,非线性特征,外界条件,冗余数据,复杂故障,故障识别,识别准确率,Levy,自适应权重,核参数,正则化,故障诊断模型,故障诊断精度,上达
AB值：
0.240011
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
