Indexed by：
Abstract：
为快速检测并定位光伏阵列中出现的故障，提出一种新的传感器布局策略，通过优化电压传感器的位置减少电压传感器的数量，同时显化故障的特征.然后，将定位问题转化为分类问题，选用极限学习机(ELM),将最大功率点处的电压数据作为输入训练分类模型.结合实验室屋顶光伏并网发电平台获取的故障数据，对健康状态和所设置的3种故障状态下细化的故障共18种类别，进行分类模型的建立与测试.实验表明，应用本模型故障检测与区域定位的精确率达99.52%,优于所对比的支持向量机、多层感知机网络和随机森林的诊断结果.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报(自然科学版)
ISSN： 1000-2243
CN： 35-1337/N
Year： 2022
Issue： 04
Volume： 50
Page： 475-482
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
