技术详细介绍
本发明为一种光伏阵列故障诊断和预警方法，采用非线性最小二乘法优化的Elman神经网络和决策树结合经验知识构建故障诊断模型，采集当前光伏阵列运行数据和气象数据，计算与历史正常状态数据的误差，当误差大于阈值表示有故障，用故障诊断模型得到相应的故障类型及可信度，最后综合评价得到最终故障类型的可信度，按可信度值大小选择进行故障预警。
此后按现场实测情况对故障知识库更新。本发明LM‑Elman神经网络和决策树结合经验知识构建故障诊断模型，提高历史数据敏感性，预测效果优于BP网络，且提高了网络收敛速度和训练的精度；经验知识的补充，使本法鲁棒性更强。
实时检测、及时诊断，减少故障发生率，以保光伏电站稳定运行。