论文部分内容阅读
针对光伏发电组件故障类型复杂且监测困难的问题,在原始小样本数据的基础上,提出基于数据扩充的光伏组件故障诊断方法。首先,在光伏发电组件等效模型基础上,建立以光伏发电组件输出电压、输出电流、太阳辐照度及组件表面温度为输入量的单隐含层BP神经网络故障诊断模型,并基于Kolmogorov定理确定隐含层神经元数量;其次,引入原始小样本数据源及白噪声扩充原始数据后的数据源;最后,在同一故障诊断模型下,对两种数据源进行诊断准确率及效率的对比分析。结果表明,利用白噪声扩充后的数据进行诊断,其准确率达到100%,高于原始数