基于独立量分析的NPC光伏逆变器故障诊断

功率开关器件是逆变器的核心部件,功率开关器件的故障诊断对逆变器的可靠运行意义重大,而功率开关器件故障特征提取技术是实现其故障诊断的技术基础。分析三电平逆变器中常见的功率开关器件开路故障,将故障类型分成典型故障与非典型故障两大类。对于非典型故障应用基于独立量分析的稀疏编码算法对逆变器输出相电压信号进行故障特征提取,并采用BP神经网络的分类器对非典型故障进行诊断。通过仿真验证其可行性,故障诊断准确率达到95%,并通过与小波分析及主元分析的特征提取算法的对比试验,说明独立量分析算法的在逆变器开关器件开路故障特征提取应用的合理性和优越性。     

NPC三电平光伏逆变器开路故障诊断

逆变器故障诊断的难点在于有效的提取故障特征信息,然后根据提取的故障特征信息采用有效的故障辨识方法,提高故障诊断的快速性和精确度。针对二极管钳位式(NPC)三电平逆变器的开路故障,提出小波包变换-主成分分析-径向基神经网络的诊断方法。通过对三电平逆变器输出端相电压进行分析,首先用小波包变换方法提取不同故障情形下逆变器输出端相电压的故障特征信息,其次用主成分分析法将表征故障信息的特征向量降维处理,最后用径向基神经网络方法对NPC三电平逆变器开路故障进行辨识。通过仿真实验验证提出方法的有效性。同时将径向基神经网络故障辨识方法与传统的BP神经网络辨识方法进行比较,对比结果表明径向基神经网络的方法进行故障辨识具有速度快,精确度高等优点,能很好的实现对逆变器故障诊断。     

局部阴影条件下光伏阵列建模及输出特性研究

针对在局部阴影条件下光伏阵列的电气输出特性具有时变不确定性、强非线性和多个局部功率峰值点等特点,综述了目前在国内外研究领域的建模理论依据及模型对应的输出特性研究,并总结分析了各自的优缺点。最后对光伏阵列在局部阴影条件下动态组态模型的研究、提高输出功率多峰值跟踪精度在将来的实现作了探讨。