期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于稀疏贝叶斯极限学习机的光伏电站设备故障诊断研究 被引量:17
1
作者 孙莉 李静 +1 位作者 李继云 王磊 《太阳能学报》 EI CAS CSCD 北大核心 2020年第8期221-226,共6页
基于运维数据针对光伏(PV)电站逆变器的故障诊断进行研究,提出一种基于稀疏贝叶斯极限学习机(SBELM)的精准的光伏逆变器故障诊断方法。首先分析逆变器故障数据特征,将该问题转化为一个多分类问题;然后,采用合成少数类过采样技术(SMOTE)... 基于运维数据针对光伏(PV)电站逆变器的故障诊断进行研究,提出一种基于稀疏贝叶斯极限学习机(SBELM)的精准的光伏逆变器故障诊断方法。首先分析逆变器故障数据特征,将该问题转化为一个多分类问题;然后,采用合成少数类过采样技术(SMOTE)方法人工生成数据,解决数据不均衡问题,根据环境和逆变器实时监控据提取特征向量,并通过SBELM训练模型,可给出输出的概率分布,自动修剪冗余的隐藏节点,在不影响性能的前提下实现用部分节点进行多故障分类。通过实验分析,相比于其他故障诊断方法,SBELM诊断速度快且精度高,更适用于诊断光伏逆变器的故障。 展开更多
关键词 光伏电站设备 故障诊断 逆变器 稀疏贝叶斯极限学习机 SMOTE 机器学习
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部