《表2 光伏阵列分类准确率》
%
由图7可见,分类模型在故障类别1、2、3、4、8中均能准确识别分类,但是对于故障类别5识别有误。故障类别5为当一个组件遮挡,此时总体最大功率点电压电流变化不大,当组件遮挡光照比较小时,其特征值与正常值类似。与BP神经网络进行性能比较,建立BP神经网络,其网络输入层节点数为4,隐含层节点数为9,输出层节点数为9,学习速率为0.1,目标误差为0.000 1。神经网络使用同样的训练集与测试集,训练结束后,准确识别测试集样本为144个,准确率96%。最终可得分类准确率的数值比较结果见表2。
图表编号 | XD00102837800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 郭浩然、李泽滔 |
绘制单位 | 贵州大学电气工程学院、贵州大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |