基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究

史洪岩; 李尚达; 潘多涛; 王国刚

doi:doi:10.19912/j.0254-0096.tynxb.2024-1701

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究

更新时间：2026-03-06

- 基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究
- 基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究
- 太阳能学报 2026年47卷第2期页码：18-29
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-1701
  中图分类号： TP615
- 网络首发：2026-03-05，
  
  纸质出版：2026-03-05
- 稿件说明：
移动端阅览
史洪岩, 李尚达, 潘多涛, 等. 基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究[J]. 太阳能学报, 2026,47(2):18-29.

史洪岩, 李尚达, 潘多涛, et al. 基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究[J]. 2026, 47(2): 18-29.
史洪岩, 李尚达, 潘多涛, 等. 基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究[J]. 太阳能学报, 2026,47(2):18-29. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1701.

史洪岩, 李尚达, 潘多涛, et al. 基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究[J]. 2026, 47(2): 18-29. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1701.

摘要

为提高神经网络对光伏阵列故障诊断故障精度

提出一种通过仿真获取数据并进行变分模态分解（VMD）

并通过改进的登山优化算法（COMTBO）

用于双向长短期记忆（BiLSTM）网络的光伏阵列故障诊断。首先

在Matlab/Simulink软件环境下搭建光伏阵列模型

进行数据特征分析

模拟光伏阵列故障

并引入更多的故障特征组成故障数据

使用VMD将故障数据分解成多个分量

并选出最大的能量对应的模态分量作为输入量。然后

提出融合混沌映射、鱼鹰优化算法（OOA）和柯西变异策略的COMTBO算法来实现对BiLSTM的参数寻优

构建VMD-COMTBO-BiLSTM神经网络模型

使光伏阵列故障诊断率达98%

在实际实验中准确率也达99%以上。

Abstract

In order to improve the fault diagnosis accuracy of neural networks for photovoltaic arrays

a method for photovoltaic array fault diagnosis is proposed to obtain data through simulation and perform VMD decomposition

and to use an improved cauchy-osprey-mapping team-based optimization（COMTBO） for bidirectional long short-term memory（BiLSTM） network. Firstly

a photovoltaic array model is built in Matlab/Simulink software environment for data feature analysis

simulating photovoltaic array faults

and introducing more fault features to form fault data. Variational mode decomposition （VMD） is used to decompose the fault data into multiple components

and the modal component corresponding to the maximum energy is selected as the input quantity. Then

a COMTBO algorithm that integrates chaotic mapping

osprey optimization algorithm （OOA）

and cauchy mutation strategy is proposed to optimize the parameters of BiLSTM. A VMD-COMTBO BiLSTM neural network model is constructed to achieve a fault diagnosis rate of 98% for photovoltaic arrays. In actual experiments

the accuracy rate also reaches over 99%.

关键词

Keywords

references

HU Y H, CAO W P, WU J D, et al.Thermography-based virtual MPPT scheme for improving PV energy efficiency under partial shading conditions[J]. IEEE transactions on power electronics, 2014, 29(11): 5667-5672.

张妍, 裴兴豪, 李冰, 等. 一种基于航拍红外图像的光伏热斑故障分类检测方法[J]. 太阳能学报, 2024, 45(9): 353-359.

VERGURA S.Criticalities of the outdoor infrared inspection of photovoltaic modules by means of drones[J]. Energies, 2022, 15(14): 5086.

HARROU F, TAGHEZOUIT B, SUN Y.Improved kNN-based monitoring schemes for detecting faults in PV systems[J]. IEEE journal of photovoltaics, 2019, 9(3): 811-821.

DHIMISH M, BADRAN G.Photovoltaic hot-spots fault detection algorithm using fuzzy systems[J]. IEEE transactions on device and materials reliability, 2019, 19(4): 671-679.

李光辉, 段晨东, 武珊. 基于半监督机器学习法的光伏阵列故障诊断[J]. 电网技术, 2020, 44(5): 1908-1913.

蔡雨桥, 林培杰, 林耀海, 等. 基于动态时间规整的光伏阵列在线故障检测方法[J]. 电气技术, 2020, 21(7): 42-47.

ZHOU S Y, MAO M X, ZHOU L, et al.A shadow fault diagnosis method based on the quantitative analysis of photovoltaic output prediction error[J]. IEEE journal of photovoltaics, 2020, 10(4): 1158-1165.

张逴, 李树成, 魏东, 等. 基于GS-SVM的光伏阵列积灰程度评估方法研究[J]. 太阳能学报, 2024, 45(11): 220-226.

刘谋海, 邓汉钧, 余敏琪, 等. 基于GOA-SVM模型的光伏阵列故障诊断方法及装置: CN117332325A[P].2024-01-02.

WANG M Y, XU X Y, YAN Z.Online fault diagnosis of PV array considering label errors based on distributionally robust logistic regression[J]. Renewable energy, 2023, 203: 68-80.

王涛, 林培杰, 周海芳, 等. 采用ELM和优化电压传感器布局的光伏阵列故障检测与区域定位[J]. 福州大学学报(自然科学版), 2022, 50(4): 475-482.

谢琳琳, 朱武, 崔昊杨. 改进遗传优化神经网络的光伏阵列故障诊断[J]. 电源技术, 2022, 46(7): 802-806.

LU X Y, LIN Y H, LIN P J, et al.Efficient fault diagnosis approach for solar photovoltaic array using a convolutional neural network in combination of generative adversarial network under small dataset[J]. Solar energy, 2023, 253: 360-374.

张文军, 林永君, 李静, 等. 基于长短期记忆神经网络的光伏阵列故障诊断[J]. 热力发电, 2021, 50(6): 60-68.

张小龙, 汪曦, 于晓光, 等. 基于VMD和LSTM模型的航空液压管路卡箍故障诊断[J]. 液压与气动, 2022, 46(8): 26-33.

FARIDMEHR I, NEHDI M L, DAVOUDKHANI I F, et al.Mountaineering team-based optimization: a novel human-based metaheuristic algorithm[J]. Mathematics, 2023, 11(5): 1273.

李斌, 高鹏, 郭自强. 改进蜣螂算法优化LSTM的光伏阵列故障诊断[J]. 电力系统及其自动化学报, 2024, 36(8): 70-78.

HUANG L, FU Q, TONG N.An improved Harris Hawks optimization algorithm and its application in grid map path planning[J]. Biomimetics, 2023, 8(5): 428.

李爱莲, 全凌翔, 崔桂梅, 等. 融合正余弦和柯西变异的麻雀搜索算法[J]. 计算机工程与应用, 2022, 58(3): 91-99.

WEN X D, LIU X D, YU C H, et al.IOOA: a multi-strategy fusion improved osprey optimization algorithm for global optimization[J]. Electronic research archive, 2024, 32(3): 2033-2074.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多元气象信息和改进组合神经网络的分布式光伏短期功率预测模型

基于样本熵双分解和SSA-LSTM的超短期风速预测

基于改进卷积神经网络的风电机组叶片覆冰诊断方法研究

基于VMD-FE-CNN-BiLSTM的短期光伏发电功率预测

基于TCN-BiLSTM-Attention-ESN的光伏功率预测