改进蜣螂算法优化LSTM的光伏阵列故障诊断

作者：李斌; 高鹏^*; 郭自强

来源：电力系统及其自动化学报, 2023, 1-10.

DOI：10.19635/j.cnki.csu-epsa.001317

• 光伏阵列
• 改进蜣螂算法
• 变分模态分解
• 长短期记忆网络
• 故障诊断

为提高光伏阵列故障诊断精度，提出一种基于变分模态分解(VMD)和改进蜣螂算法(IDBO)优化长短期记忆(LSTM)网络的光伏阵列故障诊断方法。首先，针对蜣螂算法(DBO)收敛精度低且易陷入局部最优的问题，提出一种融合Levy飞行策略、T分布扰动策略及多种群机制的IDBO算法，通过与DBO、麻雀搜索算法(SSA)、鲸鱼优化算法(WOA)寻优测试对比，证明IDBO算法的优越性，再与LSTM结合搭建IDBO-LSTM故障诊断模型。其次，为充分挖掘故障特征，利用VMD提取故障数据多个层面的特征分量，作为IDBO-LSTM模型输入量。最后通过实验对比，结果表明该方法故障诊断准确率达到98.34%，优于其他5种模型，证明了所提方法的可行性及优越性。

• 出版日期2023
• 单位辽宁工程技术大学