故障树和BAM神经网络在光伏并网故障诊断中的应用.PDFVIP

2015 年 1 月 电 工 技 术 学 报 Vol.30 No. 2 第 30 卷第 2 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Jan. 2015 故障树和BAM 神经网络在 光伏并网故障诊断中的应用 1 1 2 3 李练兵 张秀云 王志华 王志强 （1. 河北工业大学控制科学与工程学院 天津 300130 2. 河北工业大学电气工程学院 天津 300130 3. 天津职业技术师范大学汽车与交通学院 天津 300222 ） 摘要 介绍了光伏并网发电系统的主要故障模式及故障原因，以及故障树（FT ）的理论和双 向联想记忆（BAM ）神经网络的结构与学习算法。针对光伏并网系统工作过程中可能出现的故障， 提出一种将故障树和双向联想记忆神经网络融合在一起的故障诊断方法。通过故障树分析法 （FTA ）得到系统的所有故障模式，然后再由故障模式和根据维修经验的故障分析归纳出 BAM 的 学习样本，即故障模式与故障分析之间的对应。通过光伏系统故障诊断的实验与应用，结果表明， 该方法具有很好的实时性和有效性。 关键词：故障树 双向联想记忆神经网络 故障诊断 中图分类号：TM615 Fault Diagnosis in Solar Photovoltaic Grid-Connected Power System Based on Fault Tree and BAM Neural Network Li Lianbing 1 Zhang Xiuyun 1 Wang Zhihua 1 Wang Zhiqiang2 （1. Hebei University of Technology Tianjin 300130 China 2. Tianjin University of Technology and Education Tianjin 300222 China ） Abstract The fault diagnosis location and diagnosis causation of grid-connected solar photovoltaic systems are described, and the algorithm of fault tree(FT), the structure and algorithm of bidirectional associative memory(BAM) neural network are also described. Aimed at the faults of grid-connected solar photovoltaic system, the method of fault diagnosis based on fault tree and bidirectional associative memory neural network is brought out in this paper. The priori knowledge and experience of system diagnosis are introduced to fault tree analysis(FTA). The learning sample of BAM neural network is deduced by the corresponding relations between the fault modes and the fa