关键词:
光伏阵列
故障诊断
反向传播神经网络
故障特征提取
改进麻雀搜索算法
摘要:
针对反向传播神经网络(BPNN)在光伏阵列故障诊断中存在收敛速度慢、易陷入局部最优解、故障诊断准确率低等问题,提出一种改进麻雀搜索算法(ISSA-BP)优化BP神经网络的权值和阈值。首先,使用Cubic混沌映射,提高种群初始位置的空间覆盖率;然后,在发现者中引入惯性权重,加快收敛速度,并增强局部搜索的能力;最后,通过动态调整预警者的数量来维持多样性,从而强化全局搜索的能力。利用MATLAB/Simulink仿真模型,获取光伏阵列在正常状态和故障状态下的短路电流、开路电压、最大功率点电流和最大功率点电压,共4个特征参数,并将得到的特征参数分别输入到6种故障诊断模型。通过与传统的BP、GA-BP、PSO-BP、SSA-BP、SOA-SVM模型进行对比验证,实验结果表明,ISSA-BP模型不仅能够快速跳出局部最优解,加快收敛速度,且故障诊断准确率能达到97.5%。