變更

'''一种基于极限学习机和皮尔逊相关系数的光伏阵列故障快速诊断方法'''光伏阵列故障会造成能量损失，甚至引发供电中断或火灾事故。因此，对故障的快速识别至关重要。本项目提出一种光伏 <ref>[https://www.sohu.com/a/696664577_121123896 关于光伏的那些事儿，光伏产业发展趋势分析]，搜狐，2023-07-11</ref> 阵列故障快速诊断方法，用于快速感知故障及故障发生的时刻。

本项目提出了一种基于极限学习机和皮尔逊相关系数的故障快速检测方法。所提方法通过极限学习机模型预测了未来功率波形的变化，并通过波形相关系数的下降特征判定故障发生的时刻。经实验验证，所提方法能准确辨识出线间、开路、遮阴等故障，准确率达到99.37%，运行时间仅4.355ms，达到实际应用要求。在本项目中，逆变器 <ref>[https://www.sohu.com/a/548993501_121045375 逆变器的17种主要类型]，搜狐，2022-05-20 </ref> 的MPPT 启动，可能会导致算法将其误判为故障。但是作为故障录波的启动算法，追求的是快速性，而非极高的辨识准确率。位于其后端的故障分类算法可以将MPPT 启动的样本辨识出来。因此，所提方法满足作为故障启动判据的要求。在后续的研究中，将重点考虑将算法部署到单片机或树莓派上，以测试其在实际应用中的适应性。