基于机器学习的光伏组件故障危害识别研究

针对光伏组件受多种因素引起的热斑故障问题,提出了一种以决策树为基础分类器的集成学习算法——梯度提升决策树(gradient boosting decision tree,GBDT),对光伏组件故障进行识别。通过提取热斑特征数据,使用提出的算法对光伏组件上的热斑故障进行识别,并对其危害进行详细划分。基于获取的热斑故障危害信息,利用提出的算法对故障光伏组件的危害程度进行准确识别,实现了对光伏组件故障危害等级的判定。实验表明,与K近邻(k-nearest neighbors,KNN)算法和支持向量机(support vector machines,SVM)算法相比,GBDT算法在正确率、召回率等指标上能取得较优的效果,说明该算法在光伏组件故障危害识别中具有较强的鲁棒性和泛化能力。