登录    注册    忘记密码

期刊文章详细信息

一种基于极限学习机和皮尔逊相关系数的光伏阵列故障快速诊断方法    

A fast fault diagnosis method for photovoltaic array via extreme learning machine and Pearson’s correlation coefficient

  

文献类型:期刊文章

作  者:陈世群[1] 高伟[2] 陈孝琪[2] 涂彦昭[2] 杨艳[3]

CHEN Shiqun;GAO Wei;CHEN Xiaoqi;TU Yanzhao;YANG Yan(Fuzhou Changle District Electric Power Supply Branch of State Grid Fujian Electric Power Co.,Ltd,Fuzhou 350202;College of Electrical Engineering and Automation,Fuzhou University,Fuzhou 350108;Faculty of Automation,Huaiyin Institute of Technology,Huaian,Jiangsu 223003)

机构地区:[1]国网福建省电力有限公司福州市长乐区供电公司,福州350202 [2]福州大学电气工程与自动化学院,福州350108 [3]淮阴工学院自动化学院,江苏淮安223003

出  处:《电气技术》

基  金:江苏省住房和城乡建设厅指导项目(2019ZD001287);江苏淮安市科技局自然科学研究计划项目(HAB201905)。

年  份:2021

卷  号:22

期  号:10

起止页码:57-64

语  种:中文

收录情况:普通刊

摘  要:光伏阵列故障会造成能量损失,甚至引发供电中断或火灾事故。因此,对故障的快速识别至关重要。本文提出一种光伏阵列故障快速诊断方法,用于快速感知故障及故障发生的时刻。通过分析光伏阵列常见故障的信号变化规律,提出利用正常运行时的功率波形训练一个极限学习机预测模型,用于预测短时功率的变化;接着计算实测波形和预测波形的皮尔逊相关系数;若光伏阵列发生故障,相关系数将低于一定的阈值,从而识别故障的发生。实测实验验证了所提方法具有很强的故障辨识能力,准确率达到99.37%。所提方法的故障辨识时间仅为4.355ms,亦可作为光伏阵列故障录波的启动方法使用。

关 键 词:光伏阵列 故障录波 极限学习机(ELM)  皮尔逊相关系数  

分 类 号:TM615] TP181]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心