首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于SCSO-SVM算法的光伏组件故障识别
引用本文:郁纪,肖文波,李欣蕊,吴华明.基于SCSO-SVM算法的光伏组件故障识别[J].科学技术与工程,2024,24(3):1066-1074.
作者姓名:郁纪  肖文波  李欣蕊  吴华明
作者单位:南昌航空大学;南昌航空大学; 南昌航空大学科技学院
基金项目:国家自然科学基金(12064027,62065014);江西省教育厅科学技术研究项目(GJJ2204302);2022年江西省高层次高技能领军人才培养工程入选(63);九江市市级科技计划项目(2022-2023年度自然科学基金及创新人才项目)
摘    要:光伏阵列通常被安装在恶劣的室外环境中,因此在运行过程中易发生故障。为了准确识别光伏阵列的故障类型,提出沙猫群优化支持向量机(sand cat swarm optimization support vector machine, SCSO-SVM)用于光伏组件故障识别,且对比支持向量机(support vector machine, SVM)、粒子群优化支持向量机(particle swarm optimized support vector machine, PSO-SVM)、遗传优化支持向量机(genetic optimized support vector machine, GA-SVM)、麻雀优化支持向量机(sparrow optimized support vector machine, SSA-SVM)、灰狼优化支持向量机(gray wolf optimized support vector machine, GWO-SVM)和鲸鱼优化支持向量机(whale optimized support vector machine, WOA-SVM)算法。首先,六种SVM混合算法都克...

关 键 词:光伏组件  故障识别  支持向量机  混合算法  沙猫群算法
收稿时间:2023/4/4 0:00:00
修稿时间:2023/10/31 0:00:00

Fault Identification of PV Modules Based on SCSO-SVM Algorithm
Yu Ji,Xiao Wenbo,Li Xinrui,Wu Huaming.Fault Identification of PV Modules Based on SCSO-SVM Algorithm[J].Science Technology and Engineering,2024,24(3):1066-1074.
Authors:Yu Ji  Xiao Wenbo  Li Xinrui  Wu Huaming
Institution:Nanchang Hangkong University;Science and Technology College of Nanchang Hangkong University
Abstract:
Keywords:photovoltaic modules      fault identification      support vector machine      hybrid algorithm      sand cat swarm algorithm
点击此处可从《科学技术与工程》浏览原始摘要信息
点击此处可从《科学技术与工程》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号