通过多层神经网络算法对薄膜和晶体PV阵列进行建模和故障分类

光伏（PV）故障的分类是提高光伏系统效率和可靠性的关键任务。太阳能（PV）系统的输出特性在短路、组件不匹配、开路以及遮阴条件下的多重故障等各种故障条件下可能受到严重影响。这样的光伏故障可以通过使用标定共轭梯度算法（SCG）的多层神经网络对PV特性曲线进行分析。本文对使用SCG算法进行上述光伏故障的分类，即分类进行了广泛的研究。所提出研究工作的主要贡献是考虑到多晶和薄膜PV技术的两种不同配置，包括SP和TCT，故障的分类分为十六个不同的类别。故障分类的准确率达到99.6%，计算时间为0.08秒。通过绘制混淆矩阵和收敛区域（ROC）进行结果验证，并在MATLAB中对其性能进行了评估。实现的准确性和快速的计算时间证明了基于多层神经网络的方法在光伏故障分类中的有效性，从而提高光伏系统的输出功率、效率和使用寿命。