基于小波分析和随机森林算法的变流器电路故障诊断研究

针对变流器电路中电力电子器件的故障特性,利用小波分析对采集的数据进行去噪,运用随机森林算法对变流器电路故障类别进行诊断,并与单一随机森林故障诊断方法进行对比。仿真与实验结果分析表明,提出的方法在变流器故障诊断中具有较强的抗噪能力和较高的正确诊断率,尤其在干扰噪声较大时效果明显,在实际工程解决变流器电路故障诊断问题上具有良好的实用价值。     

优选小波包和AdaBoost-SVM的柔性直流输电变流器故障诊断

变流器作为输电系统中的核心部件极易发生故障。为了提高其故障诊断精度,提出一种优选小波包的故障特征提取和鸟群算法优化的AdaBoost-SVM相结合的故障诊断方法。首先,采用正常特征和故障特征之间的夹角余弦来选择小波基;再利用Parseval恒等式计算小波包变换后各频带的能量,以突出故障信号在尺度上复杂的细节特征;最后采用鸟群算法优化AdaBoost-SVM来实现变流器的故障诊断。仿真结果显示,该方法可对变流器开路故障进行有效诊断;相比于传统的SVM算法,该方法噪声鲁棒性强而且在不同比例训练样本下的诊断精度都要高。     

基于小波神经网络的风电变流器故障诊断系统

由于小波神经网络具有较强的逼近能力和容错能力,本文研究了一套基于小波神经网络的永磁直驱风电变流器的故障诊断系统。首先对风电变流器中的故障进行设置,然后使用小波变换的多分辨率特性,提取风电变流器的故障特征向量,最后应用BP神经网络进行故障模式识别。通过仿真结果表明,此种风电变流器的故障诊断系统具有较强的稳定性和准确性。     

基于随机森林算法的V2G充电桩故障诊断研究

针对V2G直流充电桩开关模块的故障诊断问题,提出一种基于随机森林算法的诊断方法。该方法使用小波包分析提取故障电流信号中的特征信息,使用核主成分分析降维以降低样本数据的复杂程度,使用随机森林算法训练出适用于直流充电桩开关模块的故障诊断器。实验验证表明,采用随机森林故障诊断器可以有效诊断开关模块故障。该方案在直流充电桩开关模块故障诊断方面具有现实意义。     

基于RF特征优选的WOA-SVM变压器故障诊断北大核心CSCD

为进一步提高变压器传统故障诊断方法的准确率,提出了一种基于随机森林(RF)特征优选,结合鲸鱼算法(WOA)优化支持向量机(SVM)的变压器故障诊断方法。该方法首先利用5种常见油中溶解气体构建24维待选特征集合,其次利用RF算法中MDA指标对特征进行排序,通过序列反向搜索法优选出11维DGA特征量作为输入以消除冗余特征,最后将WOA算法用于SVM惩罚因子和核参数的优化,进而实现故障诊断。仿真结果表明,优选出的特征组合可有效提高诊断准确率,WOA-SVM故障诊断模型较PSO-SVM、GA-SVM,在诊断时间和准确率方面更具优势,验证了所提方法的可行性和有效性。     

一种基于矢量控制的变流器故障诊断方法

基于空间矢量控制的变流器,提出一种以变流器输出三相电流信号为特征参数的变流器故障诊断模型。运用小波分析理论对电流信号进行降噪处理,通过FFT变换及对电流信号统计计算得到故障特征向量,将该特征向量作为神经网络的输入,通过对神经网络的训练,确定网络参数,对故障数据的分析,达到故障诊断的目的。实验数据表明,该故障诊断模型对采用空间矢量控制的变流系统的电力电子器件故障的检测与诊断是可行的。     

基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断

针对风电机组齿轮箱故障特征提取不足,故障诊断率低问题,提出了一种基于RF特征优选,结合WOA-ELM特征识别的风电齿轮箱故障诊断方法。首先,提取风电齿轮箱时域、频域、时频域特征,构建多域高维特征集;其次,利用RF进行特征重要度排序并提取10维优选特征;最后,利用WOA优化调整ELM模型的输入权值和隐含层阈值,实现风电齿轮箱故障分类识别。将本文方法应用于风电齿轮箱故障诊断,实验结果表明,本文方法平均诊断率能达到99.81%,诊断准确率均高于对比方法且诊断用时最少,能够有效地进行风电齿轮箱故障诊断。     

基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法

齿轮箱作为风力机组的核心部件,故障频发,研究风机齿轮箱的故障诊断方法意义重大。针对最近邻(KNN)诊断方法对离群噪声不敏感和诊断精度较低的缺陷,提出了基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法。该方法应用小波包分析技术对故障特征进行提取,利用互近邻准则将故障数据集中的离群噪声点剔除,构建出基于核空间的改进型最近邻分类决策规则来识别齿轮箱的故障类型。试验表明:该方法可以有效地提升故障诊断精度和鲁棒性,为智能诊断技术的研究提供新思路。     

基于HHO-ELM的光伏阵列故障诊断方法研究

光伏阵列长期暴露在恶劣的环境中,导致光伏组件易发生故障,从而影响光伏阵列的发电效率。在实际运行过程中,光伏阵列除发生单一故障之外,还会出现多类型的复合故障,给故障诊断加大了难度。提出了一种基于哈里斯鹰(HHO)算法优化极限学习机(ELM)的光伏阵列多类型复合故障诊断方法。用HHO算法优化ELM的权值和阈值,建立HHO-ELM故障诊断模型,并与ELM、粒子群优化算法(PSO)-ELM、正余弦优化算法(SCA)-ELM以及鲸鱼优化算法(WOA)-ELM算法进行对比。实验结果表明,对于复合故障类型,HHO-ELM模型具有更高的诊断准确率,提高了光伏阵列复合故障的识别精度。     

基于小波分析与随机森林算法的电力电子电路故障诊断

提出一种基于Db6小波函数和随机森林算法相结合的电力电子故障诊断新方法.介绍应用Db6小波进行波形分解和提取故障特征量的方法与步骤,阐述随机森林算法决策树的生长和投票过程,应用随机森林算法设计出故障分类器,并将其应用于12脉波可控整流电路的故障识别.诊断结果表明,所提方法具有较高的正确诊断率和较强的抗噪声能力.在加入5%或10%的噪声情况下,该方法正确诊断率分别比DHMM诊断法高出2.87%和17.43%,在工程中具有实际应用价值.     

基于MHHO-BP算法的DC-DC电路软故障诊断

针对DC-DC电路软故障诊断中特征提取困难和分类准确率低的问题,提出了一种基于多策略改进哈里斯优化算法-反向传播MHHO-BP)神经网络的故障诊断方法。该方法通过VMD对故障信号进行处理,提取其时域和频域特征作为故障向量,采用MHHO算法优化BP神经网络的权值和阈值,建立DC-DC电路的VMD-MHHO-BP软故障诊断模型。实验结果表明,对于DC-DC电路软故障,该方法相较于鲸鱼优化算法(WOA)和蝴蝶优化算法(BOA)优化BP神经网络,其诊断效果好,准确率高。     

基于小波包分析的风力发电系统中变流器的故障识别

以风力发电系统中背靠背式双脉冲宽度调制(pulsewidth modulation,PWM)变流器中整流状态为例,分析了绝缘栅双极型晶体管(insulated gate bipolar transistor,IGBT)各类开路故障状态下三相PWM整流器直流侧的输出电压信号,提出了基于小波包分析的变流器故障识别方法。该方法利用直流侧输出电压信号的调制特点,从能量谱和功率谱的角度分析了小波包分解后的直流侧输出电压的细节信号,通过频谱特征识别出三相PWM整流器的各类故障。仿真结果验证了该方法的有效性。     

基于预测控制的风机变流器的研究

针对目前风机发电系统中变流器常规控制方法的不足,设计了一种新型的基于电压预测控制的风机变流器。采用MATLAB SIMULINK完成了系统建模和仿真,以TMS320LF2407A DSP为控制器进行了实验分析,结果验证了方案的可行性和优越性。     

基于改进哈里斯鹰优化算法的有源配电网故障定位

针对改进的遗传算法、二进制粒子群算法等智能优化算法在复杂的有源配电网中故障定位的准确率不高、易于陷入局部最优、收敛速度慢以及定位时间长等问题,提出一种基于改进哈里斯鹰优化算法的有源配电网故障区段定位方法。首先,通过Tent混沌映射改善初始种群和将逃逸能量非线性化,以加快哈里斯鹰优化算法的收敛速度。其次,通过结合黄金正弦算法跳出局部最优。最后,所提方法在IEEE33节点有源配电网模型上进行了仿真测试验证,表明改进后的哈里斯鹰优化算法能很大程度地加快收敛速率,故障定位方法具有很高的容错率。     

基于小波包信息熵和SO-SVM的滚动轴承故障诊断

针对滚动轴承振动信号的特征提取和故障诊断,提出了一种基于小波包信息熵和蛇优化算法（SO）优化支持向量机的滚动轴承故障诊断方法。使用小波包处理采集到的振动信号,构建小波包的能谱熵和系数熵,将构建的特征向量输入SO-SVM进行识别和分类;最终实现多故障模式识别,输出诊断结果。通过仿真实验表明,此方法对五组不同的样本诊断准确率达到99.17%~100%,且相比于果蝇算法优化支持向量机（FOA-SVM）和粒子群算法优化支持向量机（PSO-SVM）具有更高的故障识别分类效果。     

基于CNN的Buck-Boost变流器开路故障诊断

针对三电平Buck-Boost变流器开关管与续流二极管开路故障特征耦合问题,根据功率器件开路故障前后的时频特征变化,提出一种基于一维卷积神经网络(1D-CNN)的功率器件开路故障检测方法。首先,采用变分模态分解(VMD)算法计算开关模态分量瞬时频率特征,构建变流器输入电流、瞬时频率和电容电压差的特征组合。然后,建立1D-CNN模型并通过Matlab/Simulink仿真数据进行训练。最后,在半实物硬件在环测试平台进行实验验证。实验结果表明,功率器件开路故障会使运行电流瞬时频率发生二倍频突变,通过时频特征数据驱动方法能够准确检测IGBT与续流二极管的开路故障,准确率大于98%,而且时频特征组合具有更高的准确率和工况鲁棒性。     

基于改进哈里斯鹰优化算法的主动配电网规划

针对大规模可再生能源(renewable energy sources,RESs)接入电网后的间歇性和波动性,配电网向主动配电网(active distribution network,ADN)过渡资源配置的复杂化等问题,提出了基于改进哈里斯鹰优化(improved Harris hawk optimization,IHHO)算法的主动配电网最优规划模型.首先,对风光出力和负荷需求的典型场景进行构建;建立考虑系统电压增强指数、有功和无功损耗指标在内的最优规划模型;采用IHHO算法进行优化求解;最后,以IEEE57节点系统为例对所提出的模型和方法进行了仿真分析,验证了模型和方法的有效性和先进性.     

基于SOM网的风电变流器故障诊断

我国新疆、甘肃、宁夏、内蒙、浙江、黑龙江、江苏、广东等都在大规模建设风电场,这些风电场建成后,其故障维护就有了很大市场。以新疆风电场为基础,尝试开发用于风力机故障智能诊断的系统。首先介绍了风力机及其变频器系统的结构,分析了变频器的故障机理。使用SOM神经网络对风机变流器进行了诊断,用数据验证了诊断结果。把传统的电力电子设备故障诊断技术与新疆风力机变频器的故障诊断相结合,为风电大面积推广应用产生了积极作用。     

基于改进粒子群优化神经网络的电机故障诊断

为了更加准确快速地诊断出三相异步电动机运行过程中发生的各类故障,在采用小波包分析提取异步电机故障特征向量的基础上,提出了一种混沌动态权重粒子群算法(CDW-PSO)优化BP神经网络的故障诊断方法,构建电机的神经网络故障诊断模型,采用混沌动态权重粒子群算法优化神经网络的结构参数。实验分析表明,采用该方法用于电机故障诊断,诊断速度快、准确性高、可靠性好。     

基于改进HHO算法的螺纹钢丝头中径测量方法

针对现阶段基于图像处理进行螺纹中径测量时算法收敛速度慢、精度低的问题,提出一种基于改进哈里斯鹰优化算法的螺纹钢丝头中径测量方法.首先,采用三次样条插值法进行亚像素级的边缘检测,精确提取出螺纹波峰波谷等参数后再构建出中径适应度函数,最后,将螺旋式更新机制和非线性能量递减策略引入哈里斯鹰优化算法(HHO)来求解中径适应度函...