[发明专利]基于差分进化随机森林分类器的光伏阵列故障诊断方法有效
申请号: | 201711439293.3 | 申请日: | 2017-12-27 |
公开(公告)号: | CN108062571B | 公开(公告)日: | 2021-04-27 |
发明(设计)人: | 陈志聪;韩付昌;吴丽君;俞金玲;林培杰;程树英;郑茜颖 | 申请(专利权)人: | 福州大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06Q50/06 |
代理公司: | 福州元创专利商标代理有限公司 35100 | 代理人: | 蔡学俊;丘鸿超 |
地址: | 350116 福建省福州市*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 进化 随机 森林 分类 阵列 故障诊断 方法 | ||
1.一种基于差分进化随机森林分类器的光伏阵列故障诊断方法,其特征在于,包括如下步骤:
步骤S1:采集各种工况条件下的光伏阵列电压和各个光伏组串的电流,并以不同的标识符对各种工况进行标识,该些电压、电流数据和类别标识符构成样本数据;
步骤S2:将所述样本数据随机分成训练集和测试集;随机森林分裂属性集中的属性个数选用默认值;并采用基于袋外数据的分类误判率均值大小确定随机森林模型中决策树的数量范围;
步骤S3:根据所述步骤S2 计算出的决策树的数量范围,以求解分类误判率最小值为目标,利用差分进化算法对其数量范围进行全局优化,得到最优的决策树数量值;
步骤S4:根据所述步骤S3 计算出的最优决策树数量值,利用随机森林分类器对训练集中的每个样本进行训练,得到随机森林故障诊断训练模型;
步骤S5:通过所述步骤S1对实际待测工况进行处理,并利用所述随机森林故障诊断训练模型,对所述实际待测工况下的光伏阵列电压电流数据进行检测和分类,判断光伏发电阵列系统是否处于故障状态;若处于故障状态,则给出故障类型。
2.根据权利要求1所述的基于差分进化随机森林分类器的光伏阵列故障诊断方法,其特征在于,所述的样本数据是平衡数据,每个类别有大致相同的样本数;所述阵列电压和各个组串电流作为随机森林故障诊断训练模型的输入向量;所述类别标识作为随机森林故障诊断训练模型的输出。
3.根据权利要求1所述的基于差分进化随机森林分类器的光伏阵列故障诊断方法,其特征在于,所述工况包括正常工作、组串级线线故障、阵列级线线故障、老化故障、阴影故障、开路故障;其中,组串级线线故障,即组串中一块或多块组件被短路;阵列级线线故障,即不同组串中电势差为一块或多块组件工作电压的电位点被短路;老化故障,即组串老化和阵列老化;阴影故障,即组串中一块或多块组件发生阴影遮挡;开路故障,即组串中连接线发生意外断路。
4.根据权利要求1所述的基于差分进化随机森林分类器的光伏阵列故障诊断方法,其特征在于,所述随机森林故障诊断训练模型通过袋外误差估计模型的泛化误差,并采用多重K-fold交叉验证的方法,将其多重K次迭代的平均分类准确率作为分类精度。
5.根据权利要求1所述的基于差分进化随机森林分类器的光伏阵列故障诊断方法,其特征在于,所述随机森林故障诊断训练模型采用多项式作为构建随机森林的运行时间复杂度,其中c为常数项,T为决策树的数量,M为模型输入向量个数,N为样本数量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福州大学,未经福州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711439293.3/1.html,转载请声明来源钻瓜专利网。