Indexed by：
Abstract：
提出了一种基于核极限学习机(KELM)的光伏组件故障诊断方法。分析了各类型光伏组件故障与光伏组件等效电路模型参数的关系。将光伏组件模型参数和参数辨识的最优均方根误差(RMSE)引入作为诊断局部固有阴影的特征变量,并对KELM故障模型输入特征向量作了整合优化。通过搭建的仿真模型和实例分析证实,与直接将等效电路模型参数作为神经网络输入的方法相比,所提方法可以更快速、精确地识别出短路、老化及阴影故障。
Keyword：
Reprint 's Address：
Email：
Source ：
电源技术
Year： 2018
Issue： 04
Volume： 42
Page： 532-535
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
