基于SSA-DBN的光伏阵列故障诊断方法

摘要：

由于光伏阵列常年处于恶劣的环境中,光伏组件时常发生故障.用深度信念网络(deep belief network,DBN)模型进行光伏组件故障诊断时,由于权重和偏置初始化的随机性,导致模型在训练和学习的过程中易陷入局部最优且收敛速度缓慢,因此提出麻雀搜索算法(sparrow search algorithm,SSA)优化深度信念网络权重和偏置的故障诊断方法.首先,通过SSA算法对DBN网络的可见层权值进行编码;其次,采用适应度函数对动量参数进行优化,以减少训练过程中的误差;最后,不断更新种群的速度和位置,以寻求个体最优和全局最优.实验分别与传统DBN网络和深度卷积神经网络(DCNN)的诊断准确率及重构误差两个方面进行了对比分析,结果证明该优化DBN网络增强了网络的泛化能力,提高了光伏故障诊断的识别精度.

关键词：光伏阵列、故障诊断、深度信念网络(DBN)、麻雀搜索算法、识别精度

所属期刊栏目：46

分类号：TM914

资助基金：河北省自然科学基金重点项目A2020201021

在线出版日期：2022-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：925-929