期刊文献+

基于光伏组件内部参数辨识的故障诊断模型 预览

Fault Diagnosis Model of PV Modules Based on Parameter Identification
在线阅读 下载PDF
分享 导出
摘要 光伏组件出现故障时,其内部参数应该最能反映其故障特性,基于此通过比较不同故障状况下的光伏组件内部参数特性,提取相应的故障特征;首先通过MATLAB建立光伏组件各故障模型,通过改进量子粒群算法对不同故障类型下的光伏组件进行参数辨识并获取相应的数据,利用数据建立BP神经网络故障诊断模型并对故障类型进行诊断;仿真结果证明所用参数辨识方法可以准确对光伏组件内部参数进行辨识,诊断结果也表明所选取的故障特征是合理的,通过此模型可以准确的对光伏组件故障进行诊断。 When the PV module fails,its internal parameters should reflect the fault characteristics of the PV module.Based on the comparison of the internal parameters of the PV modules under different fault conditions,the corresponding fault characteristics are extracted.First,the fault models of PV modules are established by MATLAB.Quantum particle swarm algorithm is used to identify the PV modules under different fault types and obtain the corresponding data.The BP neural network fault diagnosis model is established by using the data and the fault type is diagnosed.The simulation results show that the parameter identification method can accurately identify the PV modules parameter characteristics,the diagnostic results also show that the selected fault feature is reasonable,through this model can accurately diagnose the PV module failure.
出处 《计算机测量与控制》 2018年第3期35-38,共4页 Computer Measurement & Control
基金 国家基金项目(51567019) 江西省教育厅项目(GJJ150757) 江西省科技支撑计划项目(GB200404114)。
关键词 光伏组件 参数辨识 量子粒子群 BP神经网络 故障诊断 photovoltaic module parameters identification QPSO BP neural network parameters identification
作者简介 杨宏超(1991-),男,安徽滁州人,硕士研究生,主要从事光伏组件参数辨识与故障检测方向的研究。;程若发(1971-),男,安徽六安人,副教授,主要从事微电网运行与控制技术方向的研究。
  • 相关文献

参考文献8

二级参考文献68

共引文献214

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈