基于小波包变换和随机森林算法的光伏系统故障分类

摘要：

针对光伏系统故障分类问题,提出一种小波包变换和随机森林算法相结合的故障分类方法.采集光伏系统的故障电压数据,利用小波包变换对电压信号进行分解,提取各频带能量作为故障特征,将特征样本送入随机森林算法中进行分类.随机森林算法是结合集成学习理论和随机子空间方法的一种算法,可以对多种故障做出准确分类.使用PSCAD/EMTDC搭建独立光伏发电系统,选取12种故障进行模拟,得到600个故障样本,选取其中360个样本用于训练分类器,240个样本用于测试分类器的分类性能.仿真结果表明:该方法可有效辨别光伏系统的12种故障,分类准确率达到97.92％.与RBF神经网络分类器相比,故障分类准确率提高了4.17％,对进一步实现光伏系统故障诊断研究具有重要意义.

关键词：计量学;光伏系统;故障分类;随机森林算法;小波包变换;神经网络

所属期刊栏目：42

分类号：TB971(计量学)

资助基金：河北省自然科学基金F2020203014

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1650-1657