基于T-S模糊神经网络的光伏组件在线健康诊断

王福忠; 侯奥; 张丽

doi:10.13873/J.1000-9787(2021)12-0153-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于T-S模糊神经网络的光伏组件在线健康诊断

计算与测试 | 更新时间：2025-09-11

- 基于T-S模糊神经网络的光伏组件在线健康诊断
- Online health diagnosis of PV modules based on T-S fuzzy neural network
- 传感器与微系统 2021年第12期页码：153-156+160
- 作者机构：
  
  河南理工大学电气工程与自动化学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61403284)
- DOI：10.13873/J.1000-9787(2021)12-0153-04
  中图分类号： TM615;TP183
- 纸质出版：2021
- 稿件说明：
移动端阅览
王福忠, 侯奥, 张丽. 基于T-S模糊神经网络的光伏组件在线健康诊断[J]. 传感器与微系统, 2021,(12):153-156+160.

WANG Fuzhong, HOU Ao, ZHANG Li. Online health diagnosis of PV modules based on T-S fuzzy neural network[J]. 2021, (12): 153-156+160.
王福忠, 侯奥, 张丽. 基于T-S模糊神经网络的光伏组件在线健康诊断[J]. 传感器与微系统, 2021,(12):153-156+160. DOI： 10.13873/J.1000-9787(2021)12-0153-04.

WANG Fuzhong, HOU Ao, ZHANG Li. Online health diagnosis of PV modules based on T-S fuzzy neural network[J]. 2021, (12): 153-156+160. DOI： 10.13873/J.1000-9787(2021)12-0153-04.

摘要

为了能够实时掌握光伏组件的健康状况

提出一种基于T-S模糊神经网络的在线健康诊断模型。首先

分析了常见光伏组件异常工况下的电气输出并选取特征向量;其次

利用模糊C均值(FCM)及自适应LM算法对T-S模糊神经网络进行了优化;最后

通过仿真验证了模型的有效性和可行性。仿真结果表明:本文诊断方法的诊断正确率达到了94%

诊断精度与收敛速度都优于传统T-S模糊神经网络模型。

Abstract

In order to grasp health status of photovoltaic（PV）modules in real-time

an online health diagnosis model based on Takagi-Sugeno（T-S） fuzzy neural network is proposed.Firstly

electrical output of common PV modules under abnormal operating conditions is analyzed and feature vectors are selected.Then use fuzzy C-means（FCM）and adaptive LM algorithm to optimize the T-S fuzzy neural network.Final simulation experiment proves the feasibility of the model.The results show that the diagnostic accuracy of this diagnostic method reaches 94 %

and the diagnostic precision and convergence speed prior to the traditional T-S fuzzy neural network model.

关键词

Keywords

references

浏览量

155

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于EK-GMPHD的分布式聚类融合算法

基于时空关联—网格聚类的多扩展目标跟踪算法