隨著化石能源的過度利用和環(huán)境污染的不斷惡化,人類社會(huì)迫切需要可持續(xù)、清潔的能源來滿足不斷增長的能源消耗和環(huán)境保護(hù)需求,使用可再生能源的趨勢在最近幾年中顯著上升。在各種可再生能源中,太陽能由于其可持續(xù)性、清潔性和廣泛可用性受到越來越多的關(guān)注,而光伏發(fā)電是利用太陽能的主要方式。光伏陣列作為光伏發(fā)電系統(tǒng)的重要組成部分,由于生產(chǎn)工藝復(fù)雜,工作環(huán)境惡劣,組件數(shù)量眾多等因素發(fā)生故障難以避免,嚴(yán)重影響整個(gè)系統(tǒng)的經(jīng)濟(jì)效益。因此,光伏陣列運(yùn)行狀況的監(jiān)測成為維護(hù)光伏發(fā)電系統(tǒng)安全穩(wěn)定運(yùn)行的一個(gè)關(guān)鍵因素。本文以光伏電池、組件及陣列作為研究對象,通過對典型故障的分析研究,基于數(shù)據(jù)挖掘技術(shù)展開光伏陣列故障診斷的相關(guān)研究。首先,根據(jù)對光伏電池發(fā)電原理及其等效電路的簡要分析,建立了光伏電池、組件及陣列的工程仿真模型,分析了不同環(huán)境條件對光伏組件發(fā)電性能的影響;總結(jié)了光伏陣列常見的幾種故障類型及成因,分析了不同故障狀態(tài)下光伏陣列輸出特性的變化規(guī)律。通過搭建的光伏陣列Matlab/Simulink工程仿真模型,利用取自NREL的環(huán)境參數(shù)模擬實(shí)際光伏陣列工作狀態(tài),采集光伏陣列各種工況下的數(shù)據(jù)樣本用于故障診斷測試。其次,提出... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 光伏陣列故障診斷技術(shù)研究現(xiàn)狀
        1.2.2 基于DBN的故障診斷研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容
2 光伏陣列建模和特性分析
    2.1 光伏電池模型建立
        2.1.1 光伏電池發(fā)電原理
        2.1.2 光伏電池?cái)?shù)學(xué)模型
        2.1.3 光伏電池工程模型
    2.2 不同光照幅度和溫度下組件輸出特性分析
    2.3 光伏陣列模型建立
    2.4 光伏陣列故障類型及成因
    2.5 異常及故障狀態(tài)下光伏陣列輸出特性分析
    2.6 小結(jié)
3 深度置信網(wǎng)絡(luò)原理及結(jié)構(gòu)
    3.1 深度置信網(wǎng)絡(luò)概述
        3.1.1 受限玻爾茲曼機(jī)
        3.1.2 DBN結(jié)構(gòu)及訓(xùn)練過程
    3.2 頂層分類器確定
    3.3 DBN分類能力測試
    3.4 小結(jié)
4 基于DBN的光伏陣列故障診斷
    4.1 數(shù)據(jù)獲取及預(yù)處理
    4.2 基于DBN的光伏陣列故障診斷模型
        4.2.1 輸入輸出節(jié)點(diǎn)確定
        4.2.2 診斷模型
        4.2.3 模型診斷流程
    4.3 算法實(shí)現(xiàn)及實(shí)驗(yàn)結(jié)果分析
        4.3.1 網(wǎng)絡(luò)參數(shù)確定
        4.3.2 DBN故障診斷性能對比分析
    4.4 小結(jié)
5 基于遺傳算法優(yōu)化DBN的光伏陣列故障診斷
    5.1 遺傳算法概述
        5.1.1 遺傳算法的原理
        5.1.2 遺傳算法特點(diǎn)
    5.2 遺傳算法優(yōu)化的DBN模型
    5.3 實(shí)驗(yàn)研究與對比分析
        5.3.1 GA-DBN特性分析
        5.3.2 GA-DBN與 DBN、GA-BP方法的診斷性能對比分析
    5.4 小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)DBN的發(fā)電機(jī)旋轉(zhuǎn)整流器故障特征提取技術(shù)[J]. 崔江,郭瑞東,張卓然,王莉,孟颯颯.  中國電機(jī)工程學(xué)報(bào). 2020(07)
[2]基于深度信念網(wǎng)絡(luò)的光伏陣列故障診斷[J]. 陶彩霞,王旭,高鋒陽.  中國電力. 2019(12)
[3]融合改進(jìn)梅爾譜特征和深信念網(wǎng)絡(luò)的語音測謊算法[J]. 謝躍,梁瑞宇,包永強(qiáng),趙力,王詩佳.  聲學(xué)學(xué)報(bào). 2019(02)
[4]基于深度置信網(wǎng)絡(luò)的風(fēng)力發(fā)電機(jī)故障診斷方法[J]. 李夢詩,余達(dá),陳子明,夏侯凱順,李堉鋆,季天瑤.  電機(jī)與控制學(xué)報(bào). 2019(02)
[5]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)壓電陶瓷蠕變預(yù)測[J]. 范偉,林瑜陽,李鐘慎.  電機(jī)與控制學(xué)報(bào). 2018(07)
[6]基于細(xì)菌覓食決策和深度置信網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[J]. 陶潔,劉義倫,楊大煉,賓光富.  振動(dòng)與沖擊. 2017(23)
[7]基于自適應(yīng)學(xué)習(xí)率的深度信念網(wǎng)設(shè)計(jì)與應(yīng)用[J]. 喬俊飛,王功明,李曉理,韓紅桂,柴偉.  自動(dòng)化學(xué)報(bào). 2017(08)
[8]深度學(xué)習(xí)在故障診斷領(lǐng)域中的研究現(xiàn)狀與挑戰(zhàn)[J]. 任浩,屈劍鋒,柴毅,唐秋,葉欣.  控制與決策. 2017(08)
[9]基于深度置信網(wǎng)絡(luò)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法[J]. 朱喬木,黨杰,陳金富,徐友平,李銀紅,段獻(xiàn)忠.  中國電機(jī)工程學(xué)報(bào). 2018(03)
[10]基于數(shù)據(jù)融合的光伏組件故障診斷[J]. 陳凌,韓偉,張經(jīng)煒.  電網(wǎng)技術(shù). 2017(06)

博士論文
[1]光伏陣列及其關(guān)鍵技術(shù)的研究[D]. 張俊紅.北京交通大學(xué) 2019

碩士論文
[1]基于數(shù)據(jù)驅(qū)動(dòng)的光伏陣列故障診斷研究與應(yīng)用[D]. 陸靈骍.華北電力大學(xué)(北京) 2019
[2]基于深度神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)的電力設(shè)備故障診斷方法研究[D]. 雷倩.華北電力大學(xué) 2018
[3]智能模式識別方法在光伏故障診斷中的應(yīng)用研究[D]. 邵帥.華北電力大學(xué)(北京) 2018
[4]基于深度學(xué)習(xí)的變壓器故障診斷技術(shù)研究[D]. 石鑫.華北電力大學(xué) 2016
[5]基于深度信念網(wǎng)絡(luò)的變速器故障分類識別研究[D]. 單外平.華南理工大學(xué) 2015
[6]光伏并網(wǎng)發(fā)電系統(tǒng)的MATLAB仿真研究[D]. 孫志松.南昌航空大學(xué) 2012
[7]基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測研究[D]. 謝小山.西南交通大學(xué) 2010



本文編號：3395739