研究目的
提出采用概率神经网络（PNN）作为故障分类工具，以实现对光伏系统故障的即时诊断与排除，确保系统稳定运行。
研究成果
概率神经网络（PNN）能实现对光伏阵列故障的高精度分类，为故障智能诊断提供了良好前提基础。该方法在仿真与现场实验中均展现出优异分类效果，准确率达97%。
研究不足
外部场实验数据可能因环境因素存在一定噪声，影响分类准确性，尤其是多故障工况下。
首页
论文列表
[IEEE 2019中国控制与决策会议(CCDC) - 中国南昌(2019.6.3-2019.6.5)] 2019中国控制与决策会议(CCDC) - 基于概率神经网络的光伏阵列故障分类方法
中文（中国）
▾
[IEEE 2019中国控制与决策会议(CCDC) - 中国南昌(2019.6.3-2019.6.5)] 2019中国控制与决策会议(CCDC) - 基于概率神经网络的光伏阵列故障分类方法
DOI：10.1109/CCDC.2019.8832338
出版年份：2019
更新时间：2025-09-11 14:15:04
摘要：
能源?；贫颂裟芄夥⒌缦低车姆⒄?，但在太阳能电池板运行过程中会出现接地故障、线间故障、开路故障、短路故障及热斑等隐患，这将对光伏系统的发电造成严重阻碍。因此，及时诊断并排除光伏系统故障是保障其稳定运行的关键。针对这些问题，本文从以下三方面作出贡献：（1）基于光伏阵列提取的关键点和模型参数，利用Matlab建立4×3光伏阵列模型，提出五维高效特征向量作为故障诊断模型的输入；（2）采用概率神经网络（PNN）作为故障分类工具，通过归一化后的模拟数据分类实现良好分类效果；（3）进行现场测试并将实验数据输入PNN分类，准确率达97%。仿真与实验结果表明，PNN能实现高精度分类，为光伏阵列故障的智能分类提供了更有利的前提基础。
作者：
Xiao xiao Wang，Lei Dong，Sheng yang Liu，Ying Hao，Bo Wang
AI智能分析
纠错
研究概述
实验方案
设备清单
SCI高频之选
查看全部>
-
智能分析： Yokogawa AQ6370D是一款性能卓越的光谱分析仪，适用于光通信领域以及光放大器（EDFA）的测量和评估。其高波长分辨率、精准度和宽动态范围使其成为实验室和工业环境中的理想选择。虽然设备体积较大且预热时间较长，但其丰富的接口和出色的显示屏设计弥补了这些不足，整体是一款值得推荐的光谱分析仪。获取实验方案
-
智能分析： ZEISS EVO系列是一款高性能模块化扫描电子显微镜，适用于材料科学、生命科学及工业质量控制等领域。其先进的技术特性包括高分辨率、广泛加速电压范围和集成EDS系统。该产品操作直观，支持多用户环境，适合科学研究和工业应用。然而，价格信息缺失以及潜在的维护成本可能是其需要注意的方面。总体而言，ZEISS EVO系列表现优秀，值得推荐给专业用户。获取实验方案 -
智能分析： ZEISS Crossbeam系列是蔡司公司推出的一款高端光电分析设备，结合了场发射扫描电子显微镜（FE-SEM）和聚焦离子束（FIB）的功能，适用于材料科学、纳米技术和半导体行业等多个领域。其高分辨率成像能力和自动化样品制备功能使其成为高通量分析的理想选择。此外，该设备支持多种检测器，具备强大的多功能性，是高精度研究和工业应用的利器。然而，由于其高端定位，设备成本较高且操作需要专业技能。总体而言，该设备表现卓越，为科学研究和工业应用提供了先进的解决方案。获取实验方案 -
智能分析： Axio Observer是一款专为金相学研究设计的倒置显微镜系统，以其高效的设计和蔡司知名的光学技术为特色。它能够快速、灵活地分析大量样品，并支持自动化操作，适用于多种应用场景，包括晶粒尺寸分析、非金属夹杂物检测等。然而，其重量较大且光源寿命较短，可能对使用者提出了额外的维护和空间管理需求。总体而言，这款产品在性能和可靠性方面表现出色，特别适合专业实验室使用。获取实验方案 -
型号：ZEISS LSM 990 Spectral Multiplex
智能分析： ZEISS LSM 990 Spectral Multiplex是一款定位于高端科研机构的光谱成像系统，具有卓越的光谱分辨率和自动化功能，适用于复杂的生物、医学及材料科学实验。其高效的荧光标签分离能力和多功能自动化设计为用户提供了强大的实验支持。然而，高昂的价格和一定的学习曲线可能对中小型实验室构成挑战。总体而言，这是一款性能优越、适应性强的高端实验设备。获取实验方案 -
智能分析： ZEISS Sigma 300 with RISE是蔡司公司推出的一款高端光谱分析仪，集成了拉曼成像和扫描电子显微镜技术，能够提供高质量的化学和结构分析。其功能强大，支持多领域应用，但设备价格较高且操作学习曲线可能较陡。适用于科研机构和高端实验室，是材料科学和生命科学领域的理想选择。获取实验方案
立即咨询
加载中....
论文纠错
您正在对论文“[IEEE 2019中国控制与决策会议(CCDC) - 中国南昌(2019.6.3-2019.6.5)] 2019中国控制与决策会议(CCDC) - 基于概率神经网络的光伏阵列故障分类方法”进行纠错
纠错内容
联系方式（选填）
设备询价
称呼
电话
+86
单位名称
用途
期望交货周期
产品预约
称呼
电话
+86
单位名称
用途
期望交货周期