基于XGBoost的光伏阵列故障诊断方法

    公开(公告)号:CN114239481A

    公开(公告)日:2022-03-25

    申请号:CN202111548471.2

    申请日:2021-12-17

    IPC分类号: G06F30/398 G06K9/62

    摘要: 一种基于XGBoost的光伏阵列故障诊断方法,通过建立光伏组件等效电路模型,根据模型建立光伏组件基本电流方程后分析光照强度、温度对光伏组件内部参数的影响,得到组件伏安特性曲线随光照强度、温度的变化趋势并进一步分析不同程度下的光伏阵列故障对应的伏安特性曲线的变化情况,选取、构建反映不同故障特性的特征量,作为故障诊断的输入向量;然后建立光伏阵列仿真模型以模拟不同类型、不同程度的故障,通过调节光照强度、温度获取伏安特性曲线,读取、构建故障特征量,建立光伏阵列故障数据集,用于在离线阶段训练基于XGBoost算法的光伏阵列故障诊断模型;最后在在线阶段采用训练后的光伏阵列故障诊断模型融合多种不同类型、不同程度故障的光伏阵列故障特征量、光照强度、温度,通过极限梯度提升决策树得到光伏阵列多种不同类型、不同程度的故障。

    一种融合形态聚类及TCN-Attention的短期负荷预测方法

    公开(公告)号:CN111815035B

    公开(公告)日:2024-01-30

    申请号:CN202010571442.7

    申请日:2020-06-22

    摘要: 本发明涉及一种融合形态聚类及TCN‑Attention的短期负荷预测方法,包括以下步骤:S1:对负荷历史日数据进行形态聚类,形成多个负荷相似日簇;S2:对影响负荷预测的数据进行预处理,获取待预测日负荷预测的影响因素数据;S3:根据各负荷相似日簇与影响因素数据的相似性为待预测日选择对应的相似日簇训练子集;S4:将待预测日对应的相似日簇训练子集输入到预测模型进行训练;S5:输入待预测日的影响因素数据至训练完成的预测模型,输出短期负荷预测值;所述的预测模型包括依次连接的输入层、TCN残差模块、Attention机制模块和输出层,与现有技术相比,本发明具有预测速度快且预测(56)对比文件李鹏辉;崔承刚;杨宁;陈辉.基于ARIMALSTM组合模型的楼宇短期负荷预测方法研究.上海电力学院学报.2019,(第06期),全文.张冰;周步祥;石敏;魏金萧.基于灰色关联分析与随机森林回归模型的短期负荷预测.水电能源科学.2017,(第04期),全文.吴云;雷建文;鲍丽山;李春哲.基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测.电力系统自动化.2018,(第20期),全文.