基于XGBoost的光伏阵列故障诊断方法研究

来源：电子测量技术杂志2023年第12期北京时间：

作者：刘行行，帕孜来·马合木提，程志江，李高原，周昂

单位：1.新疆大学电气工程学院 乌鲁木齐 830017; 2.可再生能源发电与并网控制教育部工程研究中心 乌鲁木齐 830017

摘要：针对光伏阵列输出具有非线性并受最大功率点跟踪影响，从而导致传统的诊断方法精度低、模型性能差等问题，提出一种基于极端梯度提升的光伏阵列故障诊断方法。首先，在光伏电池单二极管模型的基础上，建立光伏阵列仿真模型，利用PVsyst软件对光伏阵列的输出特性和故障成因进行系统的模拟分析，得到了故障特征参数，并通过特征重要度排序验证了所选择故障特征参数的有效性；其次，提取光伏阵列不同故障状态下的故障特征，构建基于XGBoost的故障诊断模型；最后，利用网格搜索和交叉验证对诊断模型的超参数进行寻优，通过混淆矩阵计算评价指标来评估诊断模型的性能。并将该方法与决策树、随机森林以及梯度提升树相比，结果表明，该方法不仅能准确检测所有的故障种类，并且模型的泛化能力更好，诊断准确率更高。

关键词：光伏阵列;故障诊断;极端梯度提升;网格搜索;混淆矩阵

基金资助：国家自然科学基金(61963034)、自治区重点实验室开放课题(2021D04011)项目资助