基于萤火虫扰动麻雀搜索算法-极限学习机的光伏阵列故障诊断方法研究

摘要：

光伏阵列具有随机性、间歇性输出特点,发生故障严重影响电力系统安全运行.针对有效表征不同程度局部阴影与雨天接地故障的故障特征量缺乏的问题,分析不同故障状态下光伏阵列运行特征,提出一种新的6维故障特征向量:开路电压Uoc、最大功率点电压Um与短路电流Isc、最大功率点电流Im分别表征短路与断路故障;U-I特性曲线二阶导数零点数表征局部阴影故障,并利用遗传模拟退火算法优化的模糊C均值聚类算法(the fuzzy C-means clustering algorithm optimized by the genetic simulated annealing algorithm,GSA-FCM)验证Um、Im表征不同程度局部阴影故障的有效性;并网电流总谐波畸变率表征雨天接地故障.引入萤火虫扰动的麻雀搜索算法(sparrow search algorithm with firefly perturbation,FSSA)优化传统极限学习机(extreme learning machine,ELM),建立FSSA-ELM模型,解决传统故障诊断方法实现复杂、收敛速度慢的问题.基于现场数据驱动,建立考虑对地寄生电容的光伏系统仿真模型和实验平台,设计2种不同辐照度范围的仿真方案和实验方案进行方法验证,结果表明,FSSA-ELM模型结合ELM实现简单且FSSA收敛速度快的特点,利用6维故障特征向量,可准确识别光伏阵列故障类型.

关键词：光伏阵列、故障诊断、并网电流总谐波畸变率、故障特征量、萤火虫扰动麻雀搜索算法—极限学习机、寄生电容

所属期刊栏目：47

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;河北省自然科学基金

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1612-1622,中插72-中插74