发明名称 |
基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 |
摘要 |
本发明涉及一种基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法,具体包括以下步骤:步骤S1:采集光伏发电阵列工作于最大功率点时的若干个电气参数,得到电气参数样本组合;步骤S2:将每个电气参数样本进行归一化;步骤S3:根据归一化后的电气参数样本组合得到测试样本组合;步骤S4:采用PSO算法计算出最优的SVM核函数参数g和惩罚参数c;步骤S5:根据最优的核函数参数g和惩罚参数c对样本进行训练,得到训练模型;步骤S6:利用训练模型对光伏发电阵列的故障进行检测和分类。本发明能够有效提高光伏发电阵列故障检测和分类的准确性。 |
申请公布号 |
CN104753461A |
申请公布日期 |
2015.07.01 |
申请号 |
CN201510168541.X |
申请日期 |
2015.04.10 |
申请人 |
福州大学 |
发明人 |
林培杰;程树英;赖云锋;陈志聪;吴丽君;章杰;赖松林;郑茜颖 |
分类号 |
H02S50/00(2014.01)I;G06K9/62(2006.01)I |
主分类号 |
H02S50/00(2014.01)I |
代理机构 |
福州元创专利商标代理有限公司 35100 |
代理人 |
蔡学俊 |
主权项 |
基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法,其特征在于具体包括以下步骤:步骤S1:采集不同工作状态下的光伏发电阵列工作于最大功率点时的若干个电气参数,得到电气参数样本组合;步骤S2:将步骤S1中获取的每个电气参数样本进行归一化;步骤S3:根据步骤S2中归一化后的电气参数样本组合得到测试样本组合;步骤S4:将测试样本组合分成训练集和验证集;对验证样本集中的每个样本进行预测,采用PSO算法计算出最优的SVM核函数参数g和惩罚参数c,步骤S5:根据步骤S4 计算出的最优的核函数参数g和惩罚参数c,SVM分类器对训练集样本中的每个样本进行训练,得到训练模型;步骤S6:利用所述步骤S5建立的训练模型对光伏发电阵列工作时的电气参数进行检测和分类,判断系统是否处于故障状态,若处于故障状态则给出故障类型。 |
地址 |
350108 福建省福州市闽侯县上街镇大学城学园路2号福州大学新区 |