[发明专利]一种基于核函数极限学习机的光伏组串故障诊断方法

摘要

本发明涉及一种基于核函数极限学习机的光伏组串故障诊断方法，具体包括以下步骤：步骤S1：对光伏组串进行伏安特性扫描，并进行曲线拟合，获取光伏内部等效五参数；步骤S2：获取的光伏内部等效五参数进行整合归一化；步骤S3：采用模式搜索算法计算出最优KELM算法核函数的若干个系数；步骤S4：将计算出的系数带入KELM并对样本进行训练，得到训练模型。步骤S5：利用训练模型对光伏组串进行故障检测和分类。本发明所提出的基于核函数极限学习机的光伏组串故障诊断方法，能够有效提高光伏发电阵列故障检测和分类的准确性。

主权项

1.一种基于核函数极限学习机的光伏组串故障诊断方法，其特征在于，包括如下步骤：步骤S1：对各预设工况下的光伏发电组串进行伏安特性曲线扫描，采集电流、电压、光照、温度数据,分别对采集得到的数据进行拟合，获得光伏内部等效五参数样本；步骤S2：将所述光伏内部等效五参数样本进行整合归一化，获取样本数据；步骤S3：将所述样本数据分成训练集和验证集；对所述验证集中的每个样本进行预测，并采用模式搜索算法计算出最优KELM算法核函数的正则化系数C、常数项α以及最高项次数d；步骤S4：根据所述步骤S3计算出的最优的核函数系数，利用ELM分类器对训练集中的每个样本进行训练，得到KELM故障诊断训练模型；步骤S5：通过所述步骤S1以及所述步骤S2对实际待测工况进行处理，并利用所述KELM故障诊断训练模型，对所述实际待测工况下的光伏发电组串内部等效参数进行检测和分类，判断光伏发电组串系统是否处于故障状态；若处于故障状态，则给出故障类型；在所述步骤S3中，选择多项式核函数ΩELM＝(x·xi+α)d为KELM算法核函数，其中α为常数项、d为最高项次数，x为神经元组成向量，xi为神经元。