基于XGBoost的光伏阵列故障诊断方法研究
针对光伏阵列输出具有非线性并受最大功率点跟踪影响,从而导致传统的诊断方法精度低、模型性能差等问题,提出一种基于极端梯度提升的光伏阵列故障诊断方法.首先,在光伏电池单二极管模型的基础上,建立光伏阵列仿真模型,利用PVsyst软件对光伏阵列的输出特性和故障成因进行系统的模拟分析,得到了故障特征参数,并通过特征重要度排序验证了所选择故障特征参数的有效性;其次,提取光伏阵列不同故障状态下的故障特征,构建基于XGBoost的故障诊断模型;最后,利用网格搜索和交叉验证对诊断模型的超参数进行寻优,通过混淆矩阵计算评价指标来评估诊断模型的性能.并将该方法与决策树、随机森林以及梯度提升树相比,结果表明,该方法不仅能准确检测所有的故障种类,并且模型的泛化能力更好,诊断准确率更高.
光伏阵列、故障诊断、极端梯度提升、网格搜索、混淆矩阵
46
TM914.4
国家自然科学基金;自治区重点实验室开放课题项目
2023-09-04（万方平台首次上网日期，不代表论文的发表时间）
共7页
8-14
