基于小波包变换和随机森林算法的光伏系统故障分类

摘要

针对光伏系统故障分类问题,提出一种小波包变换和随机森林算法相结合的故障分类方法.采集光伏系统的故障电压数据,利用小波包变换对电压信号进行分解,提取各频带能量作为故障特征,将特征样本送入随机森林算法中进行分类.随机森林算法是结合集成学习理论和随机子空间方法的一种算法,可以对多种故障做出准确分类.使用PSCAD/EMTDC搭建独立光伏发电系统,选取12种故障进行模拟,得到600个故障样本,选取其中360个样本用于训练分类器,240个样本用于测试分类器的分类性能.仿真结果表明:该方法可有效辨别光伏系统的12种故障,分类准确率达到97.92％.与RBF神经网络分类器相比,故障分类准确率提高了4.17％,对进一步实现光伏系统故障诊断研究具有重要意义.