其他
【精彩论文】基于深度信念网络的光伏阵列故障诊断
引文信息
陶彩霞, 王旭, 高锋阳. 基于深度信念网络的光伏阵列故障诊断[J]. 中国电力, 2019, 52(12): 105-112.TAO Caixia, WANG Xu, GAO Fengyang. Fault diagnosis of photovoltaic array based on deep belief network[J]. Electric Power, 2019, 52(12): 105-112.
内容摘要
光伏阵列所处环境恶劣严峻，导致故障频发。为提高光伏阵列故障诊断精度，针对光伏阵列的常见故障类型，提出基于深度信念网络（deep belief networks，DBN）的故障诊断方法。利用Matlab仿真模拟获取实验特征参数，建立以光伏阵列5种运行状态为输出的故障诊断模型；根据深度信念网络的特点，通过识别实验，分析不同训练集、训练周期以及受限玻尔兹曼机（restricted boltzmann machine，RBM）层数等对模型性能的影响，并从整体诊断精度和各类型故障诊断精度2方面，与模糊C均值聚类（fuzzy C-means clustering，FCM）、支持向量机（support vector machine，SVM）和BP神经网络（back propagation neural networks，BPNN）方法进行对比。实验结果表明，该方法适用于光伏阵列故障分类，相比于其他诊断模型，有效提高了故障识别准确率。
往期回顾
◀【精彩论文】小故障样本条件下的风电机组分层贝叶斯可靠性模型
◀【征稿启事】“电力信息通信新技术在能源互联网中的研究与应用”专题征稿启事
◀【征稿启事】“能源安全新战略路径设计与规划推演关键技术”专栏征稿启事
编辑：杨彪
审核：蒋东方
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。