基于改进SSA-BP的光伏阵列积灰预测方法技术

本发明专利技术公开了一种基于改进SSA‑BP的光伏阵列积灰预测方法，采用麻雀搜索算法与BP神经网络相结合的方法，引入Levy飞行优化SSA，以增强全局搜索能力和局部开发能力、改善向最优位置靠近时过度聚集，多样性降低，易陷入局部最优的问题，提高收敛精度，并采用该算法获取BP神经网络最优的权值和阈值；同时利用电气检测法原理通过在MATLAB/Simulink里建立仿真模型分析光伏阵列不同故障状态时的输出PV以及IV曲线，提取特征量，获取样本数据，利用该算法对数据进行分类预测，便于精准识别光伏积灰程度与阴影遮挡情况，以确定最佳清洗周期、减少运行损耗、提高经济效益。

【技术实现步骤摘要】

本专利技术属于光伏发电的，主要涉及了一种基于改进ssa-bp的光伏阵列积灰预测方法。

技术介绍

1、光伏产业迅速发展的同时，其安全性和可靠性也急需得到保障。在野外运行中，光伏阵列极易因灰尘、风沙、污秽等积灰问题出现面板透光率下降，也会因云层、树叶、雨雾等阴影遮挡情况导致局部热斑。不管是积灰还是阴影，都会导致光伏板性能下降，对光伏板的发电效率造成极大的影响，降低了经济效益。

2、精准识别积灰状态和阴影遮挡类型、寻找其中的特征判据和识别方法对光伏板发电量损失问题十分重要。目前进行检测的方式主要有三种，分别是：传统的电气测量法、图像检测法和智能系统检测方法。

3、在传统的电气测量法中，gyu gwang kim(“g.g.kim,w.lee,b.g.bhang,j.h.choiand h.-k.ahn,"fault detection for photovoltaic systems using multivariateanalysis with electrical and environmental variables,"in iee本文档来自技高网...

【技术保护点】

1.基于改进SSA-BP的光伏阵列积灰预测方法，其特征在于：引入Levy飞行优化麻雀搜索算法(SSA)，获取BP神经网络最优的权值和阈值，同时利用电气检测法原理通过在MATLAB/Simul ink里建立仿真模型分析光伏阵列不同故障状态时的输出PV以及IV曲线，提取特征量，获取样本数据，对数据进行分类预测。

2.根据权利要求1所述的基于改进SSA-BP的光伏阵列积灰预测方法，其特征在于，包括如下步骤：

3.根据权利要求2所述的基于改进SSA-BP的光伏阵列积灰预测方法，其特征在于：所述步骤S1中光伏阵列仿真模型具体为：

4.根据权利要求3所述的基于改进...

【技术特征摘要】

1.基于改进ssa-bp的光伏阵列积灰预测方法，其特征在于：引入levy飞行优化麻雀搜索算法(ssa)，获取bp神经网络最优的权值和阈值，同时利用电气检测法原理通过在matlab/simul ink里建立仿真模型分析光伏阵列不同故障状态时的输出pv以及iv曲线，提取特征量，获取样本数据，对数据进行分类预测。

2.根据权利要求1所述的基于改进ssa-bp的光伏阵列积灰预测方法，其特征在于，包括如下步骤：

3.根据权利要求2所述的基于改进ssa-bp的光伏阵列积灰预测方法，其特征在于：所述步骤s1中光伏阵列仿真模型具体为：

4.根据权利要求3所述的基于改进ssa-bp的光伏阵列积灰预测方法，其特征在于：所述步骤s2中，通过比较不同隐含层节点数的训练集均方误差来确定bp神经网络...

【专利技术属性】
技术研发人员：周岩，张敏敏，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：