典型文献
海鸥算法优化DBN的光伏逆变器故障诊断方法
文献摘要：
光伏逆变器开路故障种类较多且特征相似,因此故障诊断准确率不高.文章将自适应噪声完备经验模态分解和改进深度置信网络相结合,提出一种新型的故障诊断方法.该方法首先分析光伏逆变器的拓扑结构和工作原理,定义不同的开路故障类型;其次,采用自适应噪声完备经验模态分解和相关系数-能量值准则,筛选敏感本征模态函数(Intrinsic Mode Functions,IMF)分量,并通过希尔伯特变换求取各IMF分量包络谱,构造IMF分量、包络谱的能量和能量熵作为高维故障特征向量;最后,以训练集预测误差为适应度函数,采用海鸥算法(Seagull Optimization Algorithm,SOA)优化改进深度置信网络中的隐含层神经元数量和反向微调学习率两个重要参数,将多特征融合向量输入到SOA-DBN模型中,完成逆变器开关器件故障辨识.仿真和实验表明,与传统模型相比,文章所提的方法具有更好的诊断效果.
文献关键词：
光伏逆变器;自适应噪声完备经验模态分解;海鸥算法;深度置信网络;故障诊断
中图分类号：
作者姓名：
梁家琦;帕孜来?马合木提
作者机构：
新疆大学 电气工程学院,新疆 乌鲁木齐 830047
文献出处：
引用格式：
[1]梁家琦;帕孜来?马合木提-.海鸥算法优化DBN的光伏逆变器故障诊断方法)[J].可再生能源,2022(11):1515-1522
A类：
B类：
海鸥算法,算法优化,DBN,光伏逆变器,逆变器故障,故障诊断方法,开路故障,故障种类,故障诊断准确率,自适应噪声完备经验模态分解,进深,深度置信网络,拓扑结构,故障类型,能量值,本征模态函数,Intrinsic,Mode,Functions,IMF,希尔伯特变换,求取,包络谱,能量熵,高维,故障特征,特征向量,训练集,预测误差,适应度函数,用海,Seagull,Optimization,Algorithm,SOA,优化改进,隐含层,微调,学习率,重要参数,多特征融合,故障辨识,传统模型,诊断效果
AB值：
0.334607
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
