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.
维普
万方数据