基于VMD-SABO-KELM的光伏阵列故障诊断  

作　　者：高昕[1] 钱亚丽 GAO Xin;QIAN Yali

机构地区：[1]安徽理工大学电气与信息工程学院,安徽淮南232001

出　　处：《信息技术与信息化》2024年第7期112-115,共4页Information Technology and Informatization

基　　金：安徽理工大学博士基金(111127):配电技术。

摘　　要：光伏阵列长期处于恶劣的室外环境,容易发生故障。为了进一步提高模型分类识别的准确率和泛化能力,提出一种基于变分模态分解(VMD)和减法平均优化器(SABO)优化核极限学习机(KELM)的光伏阵列故障诊断方法。首先,利用Matlab建立光伏阵列仿真模型,设置故障点,获得不同故障数据。其次,利用VMD分解提取故障数据的九种特征向量,作为模型的输入量,故障类型作为输出层建立数据集。然后,采用SABO优化KELM的核参数和正则化参数,建立基于VMD-SABO-KELM的光伏阵列故障诊断模型。最后,通过实验对比,结果表明所提出的方法在分类准确度上高达99.52%,与未改进前的模型相比,展现出较高的准确性和优越性。

关 键 词：光伏阵列 变分模态分解 减法平均优化器 核极限学习机 故障诊断 

分 类 号：TM615[电气工程—电力系统及自动化] TP18[自动化与计算机技术—控制理论与控制工程]