基于数据融合的光伏组件故障诊断  

PV Module Fault Diagnosis Based on Data Fusion

作　　者：陈凌[1] 韩伟[2] 张经炜[1] 

机构地区：[1]河海大学能源与电气学院,江苏省南京市211100 [2]国网淮安供电公司,江苏省淮安市223001

出　　处：《电网技术》2017年第6期1864-1872,共9页Power System Technology

基　　金：江苏省普通高校研究生科研创新计划(CXZZ12_0228)~~

摘　　要：对不同故障下光伏组件内部等效参数和外特性电气参数进行特征提取,分别采用改进人工鱼群算法优化径向基函数神经网络(improved artificial fish swarm algorithm-radical basic function neural network,IAFSA-RBFNN)算法和相关向量机(relevance vector machine,RVM)算法,建立了基于内部等效参数和外特性电气参数的4种光伏组件故障诊断模型,用于光伏组件的初步故障诊断。在此基础上,提出了一种基于改进证据相似度的光伏组件数据融合故障诊断模型,将上述4种模型的诊断结果作为该改进数据融合算法的基本概率分配(basic probability assignment,BPA)函数值,在决策层进行融合诊断输出,仿真和实验结果验证了上述方法可有效提高故障诊断的精度。Fault characteristics of internal equivalent parameters and electric characteristic parameters of PV module are extracted for different fault types. Four PV module fault diagnosis models are established based on internal equivalent parameters and electric characteristic parameters with improved artificial fish swarm algorithm-radical basic function neural network （IAFSA-RBFNN） and relevance vector machine （RVM） algorithm for preliminary diagnosis. A novel data fusion model of PV module fault diagnosis is proposed based on improved evidence similarity. Taking outputs of IAFSA-RBFNN and RVM as basic probability assignment （BPA） of above improved data fusion algorithm, final outputs are obtained in decision-making level. Simulation and experiment results show that this method can effectively enhance PV module fault diagnosis accuracy.

关 键 词：光伏组件 数据融合 径向基函数神经网络 相关向量机 故障诊断 改进证据相似度 

分 类 号：TM721[电气工程—电力系统及自动化]