João Lucas de Souza Silva · Marcelo Vinícius de Paula · Juliana de Souza Granja Barros · Tárcio André Dos Santos Barros · IEEE Access · 2025年1月

在大型光伏电站中，异常会降低系统性能与长期可靠性，影响运维计划和经济效益。由于电站产生的数据量庞大，异常检测面临巨大挑战，亟需减少人工干预的自动化工具。本文提出一种基于随机森林回归器的异常检测工作流程，并引入动态建模的数学阈值进行判别。模型利用阵列平面辐照度和温度等特征预测输出功率，并通过均绝对误差结合动态乘子设定预警与异常阈值。在多个逆变器及不同数据集划分下的实验表明，该方法总体准确率达99.69%，能有效识别电站内不同设备的异常，具备良好的适用性与推广价值。

解读: 该随机森林异常检测工作流程对阳光电源iSolarCloud智能运维平台具有直接应用价值。可集成至SG系列光伏逆变器和PowerTitan储能系统的智能诊断模块，通过辐照度、温度等多维特征实时预测设备输出功率，结合动态阈值实现99.69%准确率的异常识别。该方法可优化现有预测性维护策略，减少人工巡检成...