基于ICOA优化XGBoost的光伏阵列故障诊断方法

扫码查看

原文链接

万方数据
维普

中文摘要：基于XGBoost模型是识别光伏阵列故障类型的一项重要技术,由于XGBoost参数初始化设定的主观性和随机性,导致模型在训练和学习时准确度低.针对传统XGBoost算法的不足,文章提出了一种优化长鼻浣熊算法(ICOA)优化XGBoost初始参数的故障诊断方法.采用Logistic-Tent混沌映射、自适应权重因子、Levy飞行和透镜成像学习策略来优化长鼻浣熊算法(COA),降低了算法易陷入局部极值点的可能性.利用ICOA算法对XGBoost分类算法进行优化,构建ICOA-XGBoost光伏阵列故障诊断模型,并与其他优化算法模型进行实例对比分析,验证了改进后的算法在识别光伏阵列故障类别上的有效性和实用性.

作者：

董建业、李红月

展开 >

作者单位：

安徽理工大学电气与信息工程学院安徽淮南 232001

关键词：

光伏阵列故障诊断改进长鼻浣熊算法 XGBoost算法

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.11.012

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(11)