基于稀疏贝叶斯极限学习机的光伏电站设备故障诊断研究

作者：孙莉^*; 李静; 李继云; 王磊

来源：太阳能学报, 2020, 41(08): 221-226.

DOI：10.19912/j.0254-0096.2020.08.030

• 光伏电站设备
• 故障诊断
• 逆变器
• 稀疏贝叶斯极限学习机
• SMOTE
• 机器学习

基于运维数据针对光伏(PV)电站逆变器的故障诊断进行研究,提出一种基于稀疏贝叶斯极限学习机(SBELM)的精准的光伏逆变器故障诊断方法。首先分析逆变器故障数据特征,将该问题转化为一个多分类问题;然后,采用合成少数类过采样技术(SMOTE)方法人工生成数据,解决数据不均衡问题,根据环境和逆变器实时监控据提取特征向量,并通过SBELM训练模型,可给出输出的概率分布,自动修剪冗余的隐藏节点,在不影响性能的前提下实现用部分节点进行多故障分类。通过实验分析,相比于其他故障诊断方法,SBELM诊断速度快且精度高,更适用于诊断光伏逆变器的故障。

• 单位
  东华大学