基于ISSA-RF算法的光伏阵列故障诊断研究

许桂敏; 宋雨航; 相里梦桥; 杨亚龙; 段晨东

doi:doi:10.19912/j.0254-0096.tynxb.2024-1808

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ISSA-RF算法的光伏阵列故障诊断研究

更新时间：2026-03-06

- 基于ISSA-RF算法的光伏阵列故障诊断研究
- 基于ISSA-RF算法的光伏阵列故障诊断研究
- 太阳能学报 2026年47卷第2期页码：111-121
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-1808
  中图分类号： TM914
- 网络首发：2026-03-05，
  
  纸质出版：2026-03-05
- 稿件说明：
移动端阅览
许桂敏, 宋雨航, 相里梦桥, 等. 基于ISSA-RF算法的光伏阵列故障诊断研究[J]. 太阳能学报, 2026,47(2):111-121.

许桂敏, 宋雨航, 相里梦桥, et al. 基于ISSA-RF算法的光伏阵列故障诊断研究[J]. 2026, 47(2): 111-121.
许桂敏, 宋雨航, 相里梦桥, 等. 基于ISSA-RF算法的光伏阵列故障诊断研究[J]. 太阳能学报, 2026,47(2):111-121. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1808.

许桂敏, 宋雨航, 相里梦桥, et al. 基于ISSA-RF算法的光伏阵列故障诊断研究[J]. 2026, 47(2): 111-121. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1808.

摘要

提出一种基于改进麻雀搜索（ISSA）优化随机森林（RF）的算法

用以提高光伏阵列故障诊断的准确率。首先

通过搭建光伏阵列模拟5种工况

提取故障向量

构造光伏阵列故障数据集。其次

通过测试函数对灰狼搜索算法（GWO）、粒子群算法（PSO）、ISSA和麻雀搜索算法（SSA）进行寻优对比

发现ISSA在平均值和标准差方面均优于其他算法

显示出更好的鲁棒性。然后

利用光伏阵列故障仿真数据集对ISSA-RF诊断模型进行性能分析

得到ISSA-RF方法整体准确率达到97.06%

比传统RF模型提高6.94个百分点。最后

结合实验室光伏阵列开路、短路、遮荫、老化和正常5种工况数据集对ISSA-RF诊断模型进行验证

证明所提基于ISSA-RF的光伏阵列故障诊断方法具有较高的分类效率和精度

其性能表现优于其他诊断模型。

Abstract

This paper presents a method based on an improved sparrow search algorithm （ISSA） and optimized random forest （RF） model

aiming to improve the accuracy of fault diagnosis in photovoltaic arrays. Firstly

the photovoltaic fault data set is constructed by building a photovoltaic array to simulate five fault conditions and extracting fault vectors. Secondly

the optimization comparison among sparrow search algorithm （ISSA）

grey wolf optimization （GWO）

particle swarm optimization （PSO） and ISSA by test function is performed. The results indicate that ISSA is better than other algorithms in terms of mean value and standard deviation

showing better robustness. Then

the performance of ISSA-RF is analyzed using the simulation data set of photovoltaic array fault. It can be found that the overall accuracy of ISSA-RF reaches 97.06%

which is 6.94 percentage points higher than the traditional RF model. Finally

the data set under five different working conditions including open circuit

short circuit

shade

aging and normal operation are collected for testing ISSA-RF. The research outcomes prove that this model has high classification efficiency and accuracy

and its performance is superior to other models.

关键词

Keywords

references

王灿, 张羽, 田福银, 等. 基于双向主从博弈的储能电站与综合能源系统经济运行策略[J]. 电工技术学报, 2023, 38(13): 3436-3446, 3472.

顾崇寅, 徐潇源, 王梦圆, 等. 基于CatBoost算法的光伏阵列故障诊断方法[J]. 电力系统自动化, 2023, 47(2): 105-114.

范钧玮, 饶全瑞, 赵薇, 等. 改进的YOLOv5双影像光伏故障小目标检测[J]. 太阳能学报, 2024, 45(7): 510-516.

叶进, 卢泉, 王钰淞, 等. 基于级联随机森林的光伏故障诊断模型研究[J]. 太阳能学报, 2021, 42(3): 358-362.

韩茂林, 杨琛, 牛锋杰, 等. 基于特征提取与改进POA的光伏阵列故障诊断[J]. 电子测量与仪器学报, 2025, 39(4): 258-269.

王小宇, 刘波, 孙凯, 等. 光伏阵列故障诊断技术综述[J]. 电工技术学报, 2024, 39(20): 6526-6543.

蒋琳, 苏建徽, 李欣, 等. 基于可见光和红外热图像融合的光伏阵列热斑检测方法[J]. 太阳能学报, 2022, 43(1): 393-397.

毛峡, 石天朋. 光伏热斑图像有效区域分割算法研究[J]. 太阳能学报, 2018, 39(5): 1270-1276.

CHEN S Q, YANG G J, GAO W, et al.Photovoltaic fault diagnosis via semisupervised ladder network with string voltage and current measures[J]. IEEE journal of photovoltaics, 2021, 11(1): 219-231.

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.

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.

杨晓燕, 谢满承, 郭小璇, 等. 基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断[J]. 综合智慧能源, 2023, 45(10): 53-60.

ANDERSON A J.Photovoltaic translation equations: a new approach. Final subcontract report[R]. Colorado, National Renewable Energy Laboratory, 1996.

GHAREHCHOPOGH F S, NAMAZI M, EBRAHIMI L, et al.Advances in sparrow search algorithm: a comprehensive survey[J]. Archives of computational methods in engineering, 2023, 30(1): 427-455.

XUE J K, SHEN B.A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems science & control engineering, 2020, 8(1): 22-34.

杨海东, 鄂加强. 自适应变尺度混沌免疫优化算法及其应用[J]. 控制理论与应用, 2009, 26(10): 1069-1074.

刘景森, 袁蒙蒙, 左方. 面向全局搜索的自适应领导者樽海鞘群算法[J]. 控制与决策, 2021, 36(9): 2152-2160.

TIZHOOSH H R.Opposition-based learning: a new scheme for machine intelligence[C]//International Conference on Computational Intelligence for Modelling, Control and Automation and International Conference on Intelligent Agents, Web Technologies and Internet Commerce (CIMCA-IAWTIC'06). Vienna, Austria, 2006: 695-701.

程陈, 陈堂贤, 孙培胜, 等. 基于灰狼算法的光伏组件故障诊断模型优化[J]. 电源技术, 2022, 46(6): 684-687.

何根新, 周俊杰, 周家兴, 等. 基于自适应权重粒子群优化BP神经网络的光伏阵列故障诊断方法研究[J]. 电子设计工程, 2021, 29(9): 75-79.

武文栋, 施保华, 郑传良, 等. 基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断[J]. 智慧电力, 2023, 51(2): 77-83.

HAFEZ A Z, YOUSEF A M, HARAG N M.Solar tracking systems: technologies and trackers drive types:areview[J]. Renewable and sustainable energy reviews, 2018, 91: 754-782.

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

基于进化算法和长短期记忆网络的光伏阵列多类型复合故障诊断方法

基于ICOA-XGBoost的光伏阵列复合故障诊断研究

基于梯度提升回归树-自训练贝叶斯优化支持向量机的光伏阵列故障诊断方法

基于数字孪生与融合神经网络的光伏阵列故障诊断

基于VMD-COMTBO-BiLSTM光伏阵列故障诊断研究