基于CLD-COA-ELM的光伏阵列故障诊断方法研究

打开文本图片集

摘 要：为提升光伏阵列故障诊断的准确率，提出一种基于改进长鼻浣熊优化算法优化极限学习机的光伏阵列故障诊断方法。首先，分析阵列中光伏组件在发生故障时的输出特性，选择合适的故障特征；其次，针对极限学习机在光伏阵列故障分类时初始权值和阈值的随机性问题，采用长鼻浣熊优化算法求解最优的初始权重和阈值；进一步地，针对长鼻浣熊算法初始参数的随机性和全局搜索能力的局限性问题，通过Circle混沌映射、莱维飞行和动态折射反向学习对该算法进行优化，提高寻优精度和速度；最后，结合光伏阵列故障实验数据，验证故障诊断模型的分类效果。（剩余14062字）