典型文献
一种基于BOA-SAE-EELM的光伏阵列故障诊断方法
文献摘要：
光伏阵列非线性输出的特性以及最大功率点跟踪算法,会影响光伏阵列保护设备的工作.为了正确辨识光伏阵列的运行状态,本研究提出一种基于贝叶斯优化算法(BOA)、堆栈自动编码器(SAE)以及集成极限学习机(EELM)相结合的故障诊断方法.首先,将光伏阵列的时序波形进行标准化处理;接着,使用SAE对标准化后的时序波形进行特征自动提取,并训练一个EELM的故障分类模型;最后,利用BOA对诊断模型的超参数进行优化.实验结果表明所提方法对仿真和实验的故障诊断准确率分别达到了98.40％和98.10％,优于反向传播(BP)神经网络、支持向量机、随机森林等方法.
文献关键词：
光伏阵列;故障诊断;堆栈自动编码器;极限学习机;贝叶斯优化算法;时序波形
中图分类号：
作者姓名：
陈世群;杨耿杰;高伟
作者机构：
福州大学电气工程与自动化学院,福州 350108
文献出处：
引用格式：
[1]陈世群;杨耿杰;高伟-.一种基于BOA-SAE-EELM的光伏阵列故障诊断方法)[J].太阳能学报,2022(04):154-161
A类：
EELM,堆栈自动编码器,时序波形
B类：
BOA,SAE,光伏阵列,故障诊断方法,线性输出,最大功率点跟踪,跟踪算法,保护设备,贝叶斯优化算法,集成极限学习机,标准化处理,征自,自动提取,故障分类,分类模型,诊断模型,超参数,故障诊断准确率,反向传播
AB值：
0.199001
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。
