科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于光伏阵列常年处于恶劣的环境中，光伏组件时常发生故障。用深度信念网络(deep belief network, DBN)模型进行光伏组件故障诊断时，由于权重和偏置初始化的随机性，导致模型在训练和学习的过程中易陷入局部最优且收敛速度缓慢，因此提出麻雀搜索算法(sparrow search algorithm,SSA)优化深度信念网络权重和偏置的故障诊断方法。首先，通过SSA算法对DBN网络的可见层权值进行编码；其次，采用适应度函数对动量参数进行优化，以减少训练过程中的误差；最后，不断更新种群的速度和位置，以寻求个体最优和全局最优。实验分别与传统DBN网络和深度卷积神经网络(DCNN)的诊断准确率及重构误差两个方面进行了对比分析，结果证明该优化DBN网络增强了网络的泛化能力，提高了光伏故障诊断的识别精度。
-
单位河北大学; 电子信息工程学院
