基于改进RBF神经网络的光伏组件故障诊断

摘要：

由于光伏组件的输出特性受多种因素混合影响,对光伏组件的故障检测是一个严峻的考验.为了保证故障诊断的实时性和精确性,采用多传感器法提取短路和开路故障特征,利用电压扫描法获取不均匀光照引起的热击穿和电击穿故障的判断依据,以故障特征为判据,给出一种基于K均值聚类算法的改进RBF神经网络的光伏组件故障诊断方法,在Matlab平台中,通过该方法对光伏组件发生的故障类型与故障定位进行仿真测试,结果表明:该测试方法进行故障诊断的正确率达到96.67％,而BP神经网络的正确率只有83.33％,验证了改进RBF神经网络的故障诊断方法的精确性与有效性.

关键词：光伏组件、K均值聚类算法、RBF神经网络、故障检测、故障定位

所属期刊栏目：58

分类号：TM615(发电、发电厂)

资助基金：河北省科技支撑计划项目16211828

在线出版日期：2021-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：118-124