Processing

Please wait...

Settings

Settings

1. WO2020029344 - RANDOM FOREST ALGORITHM-BASED PHOTOVOLTAIC ARRAY FAULT DIAGNOSIS METHOD

Publication Number WO/2020/029344
Publication Date 13.02.2020
International Application No. PCT/CN2018/102907
International Filing Date 29.08.2018
IPC
[IPC code unknown for H02S 50/10]
H02S 50/10 (2014.01)
Applicants
  • 江南大学 JIANGNAN UNIVERSITY [CN/CN]; 中国江苏省无锡市 滨湖区蠡湖大道1800号物联网工程学院 School of Internet of Things Engineering No.1800, Lihu Avenue, Binhu District Wuxi, Jiangsu 214122, CN
Inventors
  • 周超超 ZHOU, Chaochao; CN
  • 陶洪峰 TAO, Hongfeng; CN
  • 沈建强 SHEN, Jianqiang; CN
  • 魏强 WEI, Qiang; CN
  • 刘巍 LIU, Wei; CN
  • 周龙辉 ZHOU, Longhui; CN
Agents
  • 无锡华源专利商标事务所(普通合伙) WUXI HUAYUAN PATENT AND TRADEMARK AGENCY (GENERAL PARTNERSHIP); 中国江苏省无锡市 梁溪区清扬路228号地铁大厦1108室(联系人:聂启新) NIE, Qixin, Room 1108 Metro Building, No. 228, Qingyang Road, Liangxi District Wuxi, Jiangsu 214023, CN
Priority Data
201810907589.110.08.2018CN
Publication Language Chinese (ZH)
Filing Language Chinese (ZH)
Designated States
Title
(EN) RANDOM FOREST ALGORITHM-BASED PHOTOVOLTAIC ARRAY FAULT DIAGNOSIS METHOD
(FR) PROCÉDÉ DE DIAGNOSTIC DE DÉFAUTS DE MATRICE PHOTOVOLTAÏQUE BASÉ SUR UN ALGORITHME DE FORÊT ALÉATOIRE
(ZH) 一种基于随机森林算法的光伏阵列故障诊断方法
Abstract
(EN)
The present invention relates to the technical field of photovoltaics. Disclosed is a random forest algorithm-based photovoltaic array fault diagnosis method. The method comprises: acquiring circuit parameter groups corresponding to branches and a main trunk when a photovoltaic array is in typical operation states; constructing a fault feature vector according to the acquired circuit parameter groups to construct a data sample set; constructing a photovoltaic array fault diagnosis model on the basis of a random forest algorithm by using the data sample set; performing diagnosis on a photovoltaic array to be diagnosed using the model to obtain voting results corresponding to the typical operation states; and obtaining a fault diagnosis result of the photovoltaic array to be diagnosed according to the voting results. The method constructs a photovoltaic array fault diagnosis model by using a random forest algorithm on the basis of a data drive idea, is adapted to actual characteristics of a photovoltaic array, overcomes the defect that a conventional neural network algorithm requires a large data volume, a long training time, and the like, and can easily and quickly complete a diagnosis task.
(FR)
La présente invention a trait au domaine technique du photovoltaïque. L'invention porte sur un procédé de diagnostic de défauts de matrice photovoltaïque basé sur un algorithme de forêt aléatoire. Le procédé comprend : l'acquisition de groupes de paramètres de circuit correspondant à des branches et à un tronc principal lorsqu'une matrice photovoltaïque est dans des états de fonctionnement typiques ; la construction d'un vecteur de caractéristiques de défauts en fonction des groupes de paramètres de circuit acquis pour construire un ensemble d'échantillons de données ; la construction d'un modèle de diagnostic de défauts de matrice photovoltaïque sur la base d'un algorithme de forêt aléatoire à l'aide de l'ensemble d'échantillons de données ; la réalisation d'un diagnostic sur une matrice photovoltaïque à diagnostiquer à l'aide du modèle pour obtenir des résultats de vote correspondant aux états de fonctionnement typiques ; et l'obtention d'un résultat de diagnostic de défauts de la matrice photovoltaïque à diagnostiquer en fonction des résultats de vote. Le procédé construit un modèle de diagnostic de défauts de matrice photovoltaïque à l'aide d'un algorithme de forêt aléatoire sur la base d'une idée guidée par les données, est adapté aux caractéristiques réelles d'une matrice photovoltaïque, surmonte l'inconvénient qui est qu'un algorithme de réseau neuronal classique nécessite un grand volume de données, un long temps d'entraînement, et analogues, et peut accomplir une tâche de diagnostic facilement et rapidement.
(ZH)
本发明公开了一种基于随机森林算法的光伏阵列故障诊断方法,涉及光伏技术领域,该方法包括:采集光伏阵列处于各个典型运行状态时,各个支路和总干路对应的电路参数组,根据采集到的电路参数组构建得到故障特征向量,从而构建数据样本集,利用数据样本集基于随机森林算法构建得到光伏阵列故障诊断模型,利用该模型对待诊断光伏阵列进行诊断,得到各个典型运行状态对应的投票结果,根据各个投票结果得到待诊断光伏阵列的故障诊断结果,该方法基于数据驱动的思想,利用随机森林算法构建光伏阵列故障诊断模型,适用于实际光伏阵列的特点,克服了传统神经网络算法需要数据量大、训练时间长等问题,能够简单快速地完成诊断任务。
Latest bibliographic data on file with the International Bureau