![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断.pdf
《基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断.pdf》由会员分享,可在线阅读,更多相关《基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 45 卷 第 10 期2023 年 10 月Vol.45 No.10Oct.2023基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断PV system fault diagnosis based on random forest classifier optimized by improved atomic orbital search algorithm杨晓燕1,谢满承1,郭小璇2,赵岩1,陈翀旻1,陈子民1,廖卓颖3*YANG Xiaoyan1,XIE Mancheng1,GUO Xiaoxuan2,ZHAO Yan1,CHEN Chongmin1,CHEN Zimin1,
2、LIAO Zhuoying3*(1.广西电网有限责任公司南宁供电局,南宁 530001;2.广西电网有限责任公司电力科学研究院,南宁 530023;3.中国科学院广州能源研究所,广州 501640)(1.Nanning Power Supply Bureau of Guangxi Power Grid,Nanning 530001,China;2.Electric Power Research Institute,Guangxi Power Grid Company Limited,Nanning 530023,China;3.Guangzhou Institute of Energy Res
3、earch,Chinese Academy of Sciences,Guangzhou 501640,China)摘 要:针对光伏系统故障难以被准确高效地诊断和分类的问题,提出了一种基于改进原子轨道搜索优化的随机森林(IAOS-RF)算法。此算法在光子的发射和吸收部分引入了自适应权重机制和反向学习机制,用于更新电子的位置,能有效加强算法在搜索空间的全面勘探和开发能力。基于一组并网光伏系统故障数据进行算例分析,对比了IAOS-RF算法和几类基准算法的性能差异,结果显示,IAOS-RF算法故障分类准确率最高并且可达到98,其诊断结果趋于稳定所需的迭代次数最小,具有较快的收敛速度。最后针对该算法存在
4、的一些局限性和改进空间,提出未来需要进一步研究和探讨的问题。关键词:光伏发电系统;故障诊断;自适应权重;反向学习机制;改进原子轨道搜索;随机森林中图分类号:TM 615:TK 01+9 文献标志码:A 文章编号:2097-0706(2023)10-0053-08Abstract:The random forest classifier optimized by improved atomic orbital search algorithm(IAOS-RF)is applied in PV system fault diagnosis and classification to improve
5、 the accuracy and effective.This algorithm introduces adaptive weight mechanism and reverse learning mechanism to photon emission and photon absorption to update the position of electrons,which can effectively enhance the algorithms comprehensive exploration and development capabilities in the searc
6、h space.Based on a set of fault data from a grid-connected PV system,the differences in performances between the proposed improved algorithm and fundamental algorithms are compared.The results showed that IAOS-RF has the highest fault classification accuracy among the algorithms,reaching 98%.At the
7、same time,its diagnosis,with a fast convergence rate,requires the least times of iterations to be stable.In the end,in the view of the limitations in the proposed algorithm,the problems need to be improved in the future are discussed.Keywords:photovoltaic system;fault diagnosis model;adaptive weight
8、;reverse learning mechanism;improved atomic orbital search;random forest0 引言 随着我国“双碳”目标的提出及碳减排工作的不断深入,以新能源为主体的新型电力系统快速发展,光伏发电因可用性高、安装速度快、维护成本低、能源独立性强,成为常用的可再生清洁能源之一1-2。国家能源局公布的数据显示,截至 2022年年底,全国累计光伏并网容量约为3.920 4 亿kW,同比增长了 28.12%,其中集中式光伏电站累计并网容量为2.344 2 亿kW,分布式光伏电站累计并网容量为1.576 2 亿kW3。光伏电站系统由组件、逆变器、汇流
9、箱、支架等多个部件组成,它们通常在恶劣的室外环境中运行,强风、大雨、冰雹、污染、紫外DOI:10.3969/j.issn.2097-0706.2023.10.007基金项目:广西电网有限责任公司科技项目(GXKJXM20220069)Science and Technology Project of Guangxi Power Grid Company Limited(GXKJXM20220069)第 45 卷 线、热循环和不当的运输、安装、维护等都会导致光伏系统出现各种故障4。光伏系统部件众多,任何一个环节出现问题,都会影响电站的正常运行5,轻则损失发电量(据Firth等的统计,光伏阵列故障
10、可导致输出电能减少18.9%6),重则引起火灾等。光伏系统故障大多发生在直流侧,即模块或阵列本身,也可能发生在交流侧,涉及逆变器或与电网的连接异常7。据统计,组件、逆变器、汇流箱等直流侧设备故障占比高达 90.18%;电缆、箱式变电站、土建、升压站等交流侧设备故障占比达 9.82%8。为了确保光伏阵列可靠运行,近年来许多国内外学者对故障检测和诊断方法进行了广泛研究。通过时序电流-电压(I-V)测量进行光伏阵列故障诊断是目前较普遍的诊断方法9,光伏电站数据采集与监视控制(SCADA)系统通过传感器测量并采集各部件的相关运行参数,这些电压、电流、频率等参数能反映组件的运行状态信息10。对比电压、电
11、流、频率等数据正常运行值和实际值间的差值,经过算法分析得到故障诊断的结果9。在分析计算过程中,常采用群智能算法对核极限学习机11-12、神 经 网 络13、随 机 森 林(Random Forest,RF)14等分类诊断算法进行优化。文献 11 提出了一种基于萤火虫扰动的改进麻雀搜索算法优化传统极限学习机的光伏系统故障诊断方法,能够有效解决传统故障诊断方法收敛速度慢的问题。文献12 利用Levy飞行策略和自适应t分布策略对麻雀搜索算法进行改进,再利用改进后的麻雀搜索算法对核极限学习机的核参数和正则化系数进行优化,提高了核极限学习机分类的准确率。文献 13 提出了利用自适应权重粒子群对反向传播(
12、Back Propagationg,BP)神经网络优化的光伏阵列故障诊断方法,提高了故障诊断的实时性。文献 14 提出了一种基于级联 RF 的光伏组件在线故障诊断模型,其准确率和收敛时间都优于单一的RF模型与BP神经网络模型。神经网络故障诊断方法对样本数量要求高,对相关参数的依赖性强;核极限学习机方法对数据集中存在的离群点过于敏感;而RF算法对泛化误差采用无偏估计,具有较强的泛化能力及强抗干扰和抗过拟合特性。因此,本文选择RF分类器作为光伏系统故障诊断的基础算法,同时在原子轨道搜索(Atomic Orbital Search,AOS)算法的基础上提出改进的IAOS算法,共同构建光伏阵列故障诊断
13、模型。首先,对光伏系统故障进行分类;然后,用IAOS算法优化RF分类器,形成更加高效的IAOS-RF模型;最后,对光伏系统故障进行仿真试验分析。1 光伏系统故障分类 本文使用实验室可实现的典型并网光伏系统来验证所提算法在最大功率点跟踪(Maximum Power Point Tracking,MPPT)模式下的故障诊断性能。该光伏系统由NM个光伏组件阵列、反馈传感器、MPPT控制器、逆变器和升压变压器组成,系统结构如图1所示。常见的光伏系统故障只考虑了光伏组件老化、遮阴问题和阵列之间的短路、开路问题15-17,很少涉及系统中传感器、控制器、逆变器等元件的故障。本文除了常见的光伏阵列故障,更偏重
14、对不同元件的故障类型进行分类,所述光伏系统不同工作状态包括正常状态、逆变器故障、反馈传感器故障、电网异常故障、局部阴影故障、单支路开路故障、MPPT控制器故障和升压转换器控制器故障,并对此进行编号。表1为以上运行状态及故障成因。2 算法原理与改进 2.1AOS算法基本原理AOS算法是在原子搜索算法基础上提出的新型元启发式算法,原子间的相互作用力是该算法数学模型的关键,而电子密度配置和原子吸收或发射能量的基本原理则是AOS算法的主要思想18。AOS算法模拟了电子在高低两种能态之间的转移过程,在该算法中,每个电子代表一个可行解X,搜索空间为围绕原子核的电子云,其物理模型可分成不同半径的薄球壳层,也
15、称为电子轨道。每个电子由搜索空间中的可行解Xi表示,决策变量xji用于定义候选解在搜索空间中的位置,该目标的数学方程为X=X1X2XiXm=x11x21xj1xd1x12x22xj2xd2x1ix2ixjixdix1mx2mxjmxdm,i=1,2,m;j=1,2,d,(1).6+5-6O-004F图1光伏系统结构Fig.1Structure of a PV system54第 10 期杨晓燕,等:基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断式中:m 为搜索空间内电子的数量;d 为可行解的维数。电子云中电子的初始位置根据以下数学方程随机确定。xji(0)=xji,min+r(x
16、ji,max-xji,min),i=1,2,m;j=1,2,d,(2)式中:xji(0)为可行解的初始位置;xji,min和xji,max分别为第i个电子第j个决策变量的最小和最大界限;r为 0,1 范围内均匀分布的随机变量。在数学模型中,每个电子的能量状态即为目标函数值,具有更好目标函数值的可行解代表更低能级的电子,下列向量方程用于包含不同可行解(电子)的目标函数值(能级)。E=E1E2EiEmT,i=1,2,m,(3)式中:E 为目标函数值的向量;Ei为第 i 个电子的能级。在基于量子的原子模型中,电子在原子核周围的位置由电子的概率密度函数(Probability Density Func
17、tion,PDF)决定。原子核周围的电子云分为多个虚拟层,PDF用于确定可行解在这些层中的位置。可行解基于最小化或最大化优化问题按升序或降序进行排序,较好目标函数值的可行解代表较低能级的电子。因此,具有较高PDF值的可行解位于内部虚拟电子层,而具有较低PDF值的可行解位于外部虚拟电子层,如图2所示。图2所示的原子轨道模型中,随机整数n用于表示虚拟层L的数量。这些层将整个搜索空间划分为多个部分,以便在数学上表示原子核周围电子的波动行为。这些层的半径表示这些层在核周围的分布方式,其中较小半径的层为核层(L0),较大半径的层为核周围n个(L1Ln)球形层。虚拟层中可行解位置Xk和目标函数值Ek的矢量
18、方程如下Xk=Xk1Xk2XkiXnp=x11x21xj1xd1x12x22xj2xd2x1ix2ixjixdix1px2pxjpxdp,i=1,2,p;j=1,2,d;k=1,2,n,(4)Ek=Ek1Ek2EkiEnpT,i=1,2,p;k=1,2,n,(5)式中:Xki为第k个虚拟层中的第i个可行解;n为虚拟创建的最大层数;p为第k个虚拟层的可行解总数;Eki为第k个虚拟层中第i个可行解的目标函数值。在每个虚拟层中,具有最佳目标函数值的可行解(Ekl)被视为每个虚拟层中具有最低能级的电子,而在所有可行解中具有最佳目标函数值的可行解则是原子中具有最低能级(El)的电子。从当前虚拟层移除电子
19、所需的结合能与当前电子的位置和目标函数值有关,因此可通过所选择层中所有可行解的位置和目标函数值的平均值来确定该层中可行解的结合状态和结合能,其数学方程为SkB=i=1pXkip,i=1,2,p;k=1,2,n,(6)EkB=i=1pEkip,i=1,2,p;k=1,2,n,(7),I,N,N2N,I2I,2,2,2,20$&/图2通过PDF确定可行解位置Fig.2Determining the positions of solution candidates by PDF表1光伏系统运行状态及故障成因Table 1Operation status and fault causes of the
20、 PV system运行状态12345678正常状态逆变器故障反馈传感器故障电网异常故障局部阴影故障单支路开路故障MPPT控制器故障升压转换器控制器故障故障成因无组件电压过低、输入端子反接、直流开关故障、元件内部电路损坏、接线端子和电缆接头接触不良等接线端子和电缆接头接触不良、元件内部电路损坏、瞬态冲击电流过大等电网电压和频率过低或过高、电网阻抗过大等树叶、积聚的污垢或灰尘以及鸟粪等附着在光伏板表面端子附近电力电缆老化、电缆过热、太阳能电池之间连接不牢固、电缆终端松动、接线盒连接器松动以及面板电缆或连接故障电池反接、电池损坏、直流负载超出额定电流、机器内部过热、光伏板电压过高或过低、元件内部电
21、路损坏、接线端子和电缆接头接触不良等内部绕组铁芯引线故障、外部短路事故频繁、接线端子和电缆接头接触不良等55第 45 卷 式中:SkB和EkB分别为第k层可行解的平均结合态和结合能。因此,可以通过总搜索空间中所有可行解的位置和目标函数值的平均值得到原子的结合态和结合能。SB=i=1mXim,i=1,2,m,(8)EB=i=1mEim,i=1,2,m,(9)式中:SB和EB分别为原子的结合态和结合能;Xi和Ei分别为原子中第i个可行解的位置和目标函数值。电子主要有2种位置更新过程,其中光子对电子的作用是主要过程,此时在(0,1)范围内的随机生成数大于光子速率vp(vp);而与粒子或磁场的相互作用
22、等是次要过程,此时 EkB)时,可行解发射光子。Xki+1=Xki+i()iEl-iSBk,i=1,2,p;k=1,2,n,(10)式中:Xki和Xki+1分别为第k层第i个可行解的当前和未来位置;i,i,i均为包含(0,1)内均匀分布的随机数的向量,用于确定发射光子时释放的能量。在这个过程中,可行解倾向于发射具有 和 能量的光子,以便同时达到原子的结合态(SB)和原子中具有最低能级(El)的最优适应度。(2)当电子能级小于该层结合能(Eki EkB)时,可行解吸收光子。Xki+1=Xki+i(iEkl-iSkB),i=1,2,p;k=1,2,n,(11)式中:i,i,i均为包含(0,1)内均
23、匀分布的随机数的向量,用于确定吸收光子时所需能量。在这个过程中,可行解倾向于吸收具有 和 能量的光子,以便同时达到第k层的结合态(SkB)和第k层内具有最低能级(Ekl)的最优解。(3)可行解与粒子或磁场的相互作用。Xki+1=Xki+ri,i=1,2,p;k=1,2,n,(12)式中:ri为包含(0,1)内均匀分布的随机数的向量,用于确定吸收或发出能量的大小。2.2IAOS算法在光子的发射、吸收部分的更新策略中引入自适应权重和反向学习机制更新电子位置,可以提高搜索空间的全面勘探和开发能力,更加快速准确地找到最佳值。2.2.1自适应权重机制针对算法末期可能出现停滞现象而易陷入局部最优的问题,引
24、入自适应权重,增强全局收敛能力,使电子在当前最优位置附近进行随机搜索,自适应权重的调整公式为=1-exp-(2.5 M-NM)2,(13)式中:M为最大迭代次数;N为当前迭代次数,此时可行解的位置变化公式更新为Xki+1=Xki+i()iEl-iSBk,i=1,2,p;k=1,2,n,(14)Xki+1=Xki+i(iEkl-iSkB),i=1,2,p;k=1,2,n。(15)2.2.2反向学习机制利用反向学习策略生成初始电子群。先随机生成初始种群,然后根据初始种群生成其反向种群并从中选择较优的种群作为下一代种群。反向学习策略会选择更靠近的个体作为种群的最初个体,这样每个个体都离最优解更近一步
25、,以便提高种群中所有个体的收敛速度;同时,反向学习策略可通过搜索更多有效区域来提高群体的多样性,增强算法的全局搜索能力。其中针对整体最优个体,对El进行反向学习。X*i+1=R(bl+bu)-Xi+1,(16)式中:X*i+1为对整体最优个体El(原子中最低能量状态的个体)进行反向学习后的个体;bl和bu分别控制域的下限和上限;R为(0,1)内均匀分布的随机数。针对各层最优个体,对Ekl进行反向学习。Xk*i+1=R(bl+bu)-Xki+1,(17)式中:Xk*i+1为对当前层最优个体Ekl(原子中最低能量状态的个体)进行反向学习后的个体。通过比较X*i+1与Xk*i+1的适应度,保留适应度
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 原子轨道 搜索 算法 优化 随机 森林 分类 系统故障 诊断
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。