太阳能

2021, No.327(07) 59-65

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

PCA-CLUSTER和EMD-CNN相结合的光伏发电设备故障诊断方法
FAULT DIAGNOSIS METHOD OF PV POWER GENERATION EQUIPMENT COMBINED WITH PCA-CLUSTER AND EMD-CNN

裴刘生,周双全,王海峰,赵华鸿

摘要(Abstract):

针对光伏发电设备的输出特性具有时间序列的特征,提出了一种主成分分析-聚类算法(PCACLUSTER)和经验模态分解-卷积神经网络(EMD-CNN)相结合的光伏发电设备故障诊断方法。首先,通过对时间序列进行主成分分析(PCA),从冗余特征中提取主要成分,降低聚类输入维数,再利用K-Means算法对时间序列进行聚类;然后,通过经验模态分解(EMD)方法提取时间序列特征,再利用卷积神经网络(CNN)进行训练和分类,并最终判断出光伏发电设备具体的故障类型。实验结果和应用效果表明,该方法可以有效实现光伏发电设备的故障诊断。

关键词(KeyWords): 光伏发电设备;主成分分析;K-Means算法;经验模态分解;卷积神经网络;故障诊断

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 裴刘生,周双全,王海峰,赵华鸿

DOI: 10.19911/j.1003-0417.tyn20200601.02

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享