积分商城

最新搜索： 海尔单片机 SX1278 创龙 RK3562 绝缘电阻表 ADP32 芯片包
您现在的位置是：首页 > 技术资料 > 太阳能光伏阵列故障预测分析研究
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

太阳能光伏阵列故障预测分析研究

更新时间：2020-04-14 20:30:56 大小：4M 上传用户：zhengdai查看TA发布的资源 标签：太阳能光伏阵列 下载积分：3分 评价赚积分 （如何评价?） 打赏 收藏 评论(1) 举报

资料介绍

在环境污染日趋严重的今天，光伏电站以清洁、丰富、环保和可再生的优势，迅速在发电市场中抢占份额。但是，国内外运行的光伏电站主要采取定期诊断、维修的方式应对故障的发生，这就导致遇到故障时停机时间长，维护成本高；对于发生故障的坐标和原由不能准确地做出判断；更做不到对故障的提前预测。本文从实际情况出发，设计了监测系统，实现实时监测和故障定位。提出了改进的粒子群（PSO）优化 BP神经网络算法，建立针对光伏故障的预测模型，实现对光伏阵列故障的预测，具体研究内容为：

  首先，从光伏阵列构成出发，研究光伏电池发电原理，并在此基础上建立数学模型，对其故障情况进行总结与仿真分析，找到不同故障类型所具有的数据特征，得到了不同故障类型的量化指标。

  其次，根据光伏发电影响因素及故障情况，选取了具有自学本领强、非线性映射功能好的BP神经网络算法对故障进行预测。为了将该模型预测的精度提高，提出了应用PSO算法优化BP神经网络的一种新算法；使用非线性动态调整策略优化粒子群算法的惯性系数，达到全局寻优和局部寻优的目标。

  然后，建立了光伏故障监测系统，对监测系统的性能做了深入分析。主要采用霍尔传感器、CAN总线和单片机设计了监测系统硬件电路；规划了监测界面，及时监测体系的发电效力；可以在第一时间发现系统的故障节点，方便工作人员实时维护，从而提高光伏发电效力。

  最后，在剖析光伏系统故障特征的基础上，运用改进的PSO算法训练BP神经网络的权值与阈值，建立了改进PSO-BP光伏故障预测模型。通过实例验证该模型能够准确、及时地预测光伏故障位置与发生时间。与传统的BP神经网络相比，表明此模型能克服过拟合和局部极小值问题，具有良好的鲁棒性、泛化性，提高了预测精度，缩小预测误差。

部分文件列表

文件名 大小
太阳能光伏阵列故障预测分析研究.pdf 4M

【关注B站账户领20积分】

相关下载

全部评论(1)

  • 2025-01-15 09:07:53ddzjys

    打不开

评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号