利用贝叶斯优化多层感知机的光伏阵列在线故障诊断方法

光伏阵列在非正常状态下运行,将严重降低光伏电站的发电效率,并缩短光伏组件的使用寿命.及时准确地识别故障类型变得尤为重要,提出了一种贝叶斯优化算法(Bayesian optimization algorithm,BOA)与多层感知机(multilayer perceptron,MLP)相结合的光伏阵列实时远程监控在线故障诊断方法.首先,利用MATLAB/Simulink建立光伏阵列的仿真模型,模拟4种典型故障情况,并设置了 7种故障状态,分析不同故障下的电流-电压(I-V)、功率-电压(P-V)曲线.考虑光伏阵列运行过程中能实时测量的物理量,提取故障特征并构造了一个新特征电流占比.随后,对特征数据进行了标准化处理.接着,利用BOA对MLP的超参数进行优化,训练得到了具有较高准确性的光伏阵列故障诊断模型,测试准确率达到99.67％,诊断效果很好.最后,通过与随机森林和支持向量机等算法进行对比,并进行了仿真实验验证了该方法的准确性和稳定性.