10.19421/j.cnki.1006-6357.2019.10.014
基于人工蜂群算法优化RBF神经网络的光伏组件故障 诊断定位方法
随着光伏装机容量的迅速增长以及国家光伏补贴的逐步取消,针对提高光伏发电效率与收益的研究具有重要意义.首先,为精确定位光伏故障以降低运维成本,提出以组串支路电流与组件温度为故障定位特征量.其次,为提高光伏故障诊断效率,利用人工蜂群算法(artificial bee colony,ABC)优化RBF神经网络的中心、函数宽度及权值,提出将其应用于光伏组件故障诊断定位研究.最后,根据盐城市响水县1.5MW光伏电站数据,经Matlab仿真研究并与传统RBF神经网络相比较,结果验证了所提理论的准确性.
光伏阵列、人工蜂群算法、RBF神经网络、组串支路电流、组件温度、故障定位及诊断
36
TM71(输配电工程、电力网及电力系统)
国家自然科学基金项目51607083;江苏省高校自然科学研究重大项目17KJA470003
2019-11-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
87-92