光伏组件输出特性的异常分类研究

光伏组件异常直接影响到发电量与组件的使用寿命,及时发现光伏组件异常并消除异常,将直接提高光伏组件发电效率。为准确检测光伏组件的异常状态,以Matlab平台为基础,模拟6种光伏组件异常状态,并分析输出特性,提出以输出特性曲线的五特征法判断异常类型。用Python语言搭建概率神经网络,并用粒子群优化算法优化平滑因子。用粒子群优化概率神经网络(PSO-PNN)模型训练异常数据,结果表明:概率神经网络对数据集较敏感,在较大的数据集,模型分类准确率高,能有效检测光伏组件异常状态。