用于太阳能光伏系统直流串式电弧故障检测的协同鹈鹕优化与异构堆叠集成方法

《IEEE Sensors Journal》：Synergistic Pelican Optimization and Heterogeneous Stacking Ensemble for DC Series Arc Fault Detection in Solar PV Systems

　　

摘要：

尽管太阳能光伏系统对实现低碳能源转型至关重要，但直流串联电弧故障的随机特性给智能感知与安全监测带来了巨大挑战。在高压光伏阵列中，电弧特征常常会被最大功率点跟踪产生的噪声以及复杂的逆变器开关谐波所掩盖，从而增加瞬态稳定性测量的难度。现有的检测方法通常依赖于静态特征集和手动调整的超参数，这不仅导致计算效率低下，而且在动态光照条件下泛化能力不佳。为解决这些问题，本研究提出了一种闭环虚拟感知框架，该框架将混合变分模态分解-离散小波变换与经过鹈鹕优化算法改进的自适应堆叠集成方法相结合。与传统方法不同，所提出的POA-ASE方法采用了动态二进制掩码策略来实现自动传感器融合和特征选择，不仅能将特征空间维度降低50%，还能同时调整基础学习器的超参数。在12千瓦光伏系统上的仿真验证表明，优化后的框架具有98.05%的检测精度，模型计算延迟低于10毫秒，足以满足实时智能光伏保护及嵌入式监控的需求。