文献类型：期刊文章

作　　者：王中豪[1] 徐正国[1] 章筠[2]

WANG Zhong-hao;XU Zheng-guo;ZHANG Yun(College of Control Science and Engineering,Zhejiang University,Hangzhou 310027,China;Shanghai Electric Distributed Energy Technology Limited Company,Shanghai 200070,China)

机构地区：[1]浙江大学控制科学与工程学院,浙江杭州310027 [2]上海电气分布式能源科技有限公司,上海200070

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(61751307,61973269)。

年　　份：2022

卷　　号：56

期　　号：4

起止页码：718-726

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对光伏系统积灰程度监测的问题,考虑到基于理论公式的方法误差较大,基于计算机视觉的方法成本较高,传统机器学习方法对训练数据有较高需求,提出弱监督的数据驱动方法:改进型相似性建模(SBM)方法.在原始的SBM方法的基础上,对参数选取、状态矩阵构建与更新、相似性算子设计进行针对性的改进,使得该方法更加适用于光伏系统的应用,提高准确性与响应速度.利用真实的积灰实验数据,对改进型SBM方法与其他5种方法的积灰诊断效果进行对比,包括基于理论公式的方法、前馈神经网络(FNN)、支持向量回归(SVR)、随机森林(RF)和原始SBM方法.结果表明,改进型SBM方法可以以可接受的响应速度劣势实现最佳的积灰程度监测准确性.

关 键 词：光伏系统 积灰 系统状态监测  对比实验  相似性建模(SBM)  

分 类 号：TM615]