基于无监督学习的MMC子模块开路故障诊断方法

模块化多电平换流器(MMC)子模块发生故障时,快速准确地检测并定位故障是提高换流器运行可靠性的关键.目前,机器学习在MMC故障诊断领域得到了一定的应用,但大多需要采集每种故障情况下的样本,而故障样本采集难度较大.针对此问题,提出一种无需采集故障样本,仅根据正常样本训练分类模型即可实现故障检测和定位的无监督故障诊断方法....     

模块化多电平换流器子模块故障快速诊断方法

为了提高模块化多电平换流器(MMC)的可靠性,当故障发生后,需要迅速检测并定位子模块故障。分析了故障诊断存在的快速性问题,提出了一种快速的故障诊断方法。故障检测采用基于改进的预测模型的方法,通过比较桥臂电流预测值与测量值的差值是否大于阈值来判断故障,故障定位采用比较子模块电容电压斜率的方法来判断故障,可以快速地定位多个子模块故障,且无需外加传感器,结构简单易实现。最后,搭建了MMC仿真和实验平台,验证了该方法的可行性。     

一种模块化多电平换流器子模块开路故障的快速检测与诊断方法

基于模块化多电平换流器（MMC）子模块（SM）开关器件故障引起的电容电压异常变化问题,该文提出一种故障快速检测与诊断方法。首先通过局部离群因子（LOF）算法分析桥臂中所有子模块对应的电容电压逐段求和值,从而同时实现对故障子模块的快速检测与定位;之后通过判断故障子模块所在桥臂中正常子模块电容电压的变化趋势快速识别故障开关器件,完成故障分类。由于所提方法具有局部异常特征分析的特性,可适用于单一故障、同桥臂多故障及不同桥臂多故障发生的全部故障类型。同时,该方法不受系统参数不确定性的影响,适用性强,且相较于传统方法具有更快的诊断速率。仿真与实验结果验证了所提方法的有效性。     

MMC五电平逆变器故障的深度小波极限学习机诊断方法研究

针对MMC五电平逆变器不同IGBT故障相似程度高,使得故障诊断困难的问题,提出小波极限学习机-自动编码器WELM-AE(wavelet extreme learning machine-auto encoder)与深度小波极限学习机DWELM(deep wavelet extreme learning machine)的故障诊断方法。所提方法直接利用各故障状态下交流侧三相线电压原始数据对WELM-AE进行逐层预训练,再将训练好的WELM-AE堆叠形成DWELM以提取嵌入于原始数据中的深层次故障特征,并在最后一层实现故障特征与故障类型的映射。对比分析结果表明:所提方法可直接利用原始三相输出线电压信号进行故障诊断,且具有更高的故障诊断准确度。     

基于支持向量机的模块化多电平换流器子模块开路故障诊断方法

随着模块化多电平换流器（MMC）应用范围越来越广泛,其子模块的开路故障诊断方法成为研究热点。MMC的故障样本少,正常样本多,冗余子模块过多。针对此问题,本文提出基于支持向量机（SVM）的MMC子模块开路故障诊断方法,判断子模块故障发生在区内还是区外,以实现故障子模块的检测和定位。针对MMC子模块开路故障特征,选取子模块电容电压作为样本特征,分析子模块故障对A、B、C相样本的影响,通过赋予A、B、C相正常样本不同的权重系数,提高故障识别的准确率。最后,搭建MMC仿真模型,证明了所提方法的有效性。     

基于四分位数的MMC子模块开路故障诊断方法

模块化多电平换流器(MMC)子模块发生故障时,如何快速准确地检测并定位故障是提高换流器运行可靠性的关键。为解决上述问题,提出了一种基于桥臂输出电压误差、子模块电容电流误差四分位数的绝缘栅双极型晶体管(IGBT)开路故障诊断策略。首先,基于桥臂电压实际值和预测值误差,检测故障桥臂和子模块数目。其次,建立子模块电容电流观测方程,计算电容电流实际值和预测值误差,基于误差数据四分位数定位故障具体位置。最后,基于硬件在环(HIL)实验平台进行单相MMC系统实验研究,结果表明,所提方法在20 ms内准确定位IGBT开路故障,且故障定位阈值选取具有鲁棒性强的优点。     

六相两电平逆变器的开路故障定位研究

针对六相两电平逆变器开路故障类型多、定位复杂问题,提出一种利用小波包分解获取六相逆变器电路故障相特征和基于支持向量机(SVM)的六相逆变器开路故障定位方法。在分析六相逆变器开路故障类型的基础上,利用小波包分析提取故障特征向量,再基于SVM进行故障分类。针对不同类型双管故障存在的因小波包能量值相似而出现的误判问题,提出了一种基于平均电流结合小波包分析的故障特征向量构造方法。实验结果表明,所研究的故障定位方法能实现六相两电平逆变器不同开路故障的有效定位。     

基于随机森林二分类器的模块化多电平换流器子模块开路故障检测方法EI北大核心CSCD

随着模块化多电平换流器(modularmultilevel converter,MMC)应用领域的日益扩展,其子模块的开路故障引起了更多关注。为了诊断子模块开路故障,该文提出一种基于机器学习(machinelearning,ML)的故障检测和定位策略。根据开路故障特性,文中选择子模块电容器电压作为故障检测的关键指标,然后引入一种从电压数据中提取时域特征的方法,以构造用于有监督学习分类器的样本。在对随机森林的分类器进行样本训练后,检测策略实时电压数据的特征量判断每个子模块的工作状态。所提出的策略可快速准确地定位故障子模块,而无需添加额外的传感器或构建电路的数学模型。最后,通过三相MMC实验平台验证所提出的开路故障检测策略的有效性。     

三电平逆变器的功率管开路故障诊断

三电平变换器因其输出谐波小、开关应力低等优点而受到广泛关注,而对变换器故障情况的诊断处理是变换器能可靠、高效运行的前提。该文针对三电平变换器的拓扑,通过理论分析和仿真实验,对变换器中的各功率管开路故障诊断进行研究。以二极管钳位三电平半桥逆变器为例,分析三电平变换器在功率管开路下的电路工作情况及故障表现形式,并由此提出根据检测逆变器输出侧PWM电压和输出电流极性来诊断功率管开路故障的故障识别方案。最后通过仿真和实验验证该方法的正确性和有效性。该方法相对于已往的功率管开路故障诊断方法,具有诊断迅速、可靠性高的优点。     

基于多元高斯分布异常检测模型的MMC子模块开路故障诊断方法

模块化多电平换流器（MMC）的子模块开路故障隐蔽性强,可以及时有效地识别故障位置,防止故障蔓延影响其他组件,提高换流系统的可靠性。为了诊断子模块开路故障,该文提出一种基于多元高斯分布异常检测模型的故障检测方法。首先,分析子模块开路故障特性,选择子模块电容电压作为故障检测的关键指标,并提取子模块电容电压的12个特征量组成特征向量用于故障诊断。然后,根据多元高斯分布特性,提出基于多元高斯分布的异常检测模型构建方法,并基于此模型提出子模块开路故障诊断策略,可在故障样本偏少致使样本不均衡时,实现高准确率、高效率的故障诊断。最后,通过仿真和实验验证了所提出的MMC子模块开路故障诊断方法的有效性。     

基于开关函数模型的逆变器开路故障诊断方法

逆变器的安全性和可靠性直接关系到电机驱动系统的正常运行。在研究逆变器在正常和故障状态下开关函数模型的基础上,提出一种功率管开路故障快速简易诊断方法。该方法根据故障和正常态器件承受电压的不同,采用简单的硬件电路来诊断和定位器件的开路故障。为保障诊断的有效性和可靠性,提出采用开关信号上升沿延时的方法来避免因IGBT开通和关断延迟造成的误诊断,并给出延时时间的确定方法。在搭建的感应电机变频调速(variable voltage and variable frequency,VVVF)控制和永磁同步电动机矢量控制系统中进行实验验证,实验结果表明,所提故障诊断方法能有效诊断逆变器单管和桥臂的开路故障。     

逆变器功率管开路故障诊断方法综述

作为各种新能源发电设备和驱动系统的核心部分,逆变器的安全性和可靠性对整个系统的安全稳定运行至关重要。近年来,高电压等级、高功率密度和高集成化的逆变器已成发展趋势,但增加更多的开关器件也会增大其故障概率,因此,采取快速有效的方法对逆变器的故障进行诊断十分重要。针对逆变器功率管故障诊断,目前的分类方法主要分为基于解析模型、基于信号处理和基于数据驱动3种。为使诊断方法分类简单直观,从实际电路中检测变量的角度,在电流、电压和功率3个方面对国内外文献进行整理,阐述了各类方法的原理、适用范围和优缺点,最后概述了逆变器故障诊断的难点和未来的发展趋势。     

基于平均模型的三相四线制逆变器多管开路故障诊断

为了在不增加额外硬件电路的情况下,实现三相四线制逆变器多管开路故障快速准确的诊断,提出了一种基于平均模型及误差自适应阈值的方法。该方法通过计算平均桥臂中点电压实际值和期望值的偏差,来进行故障检测和定位。利用平均模型,只需要对系统内已有的信号做简单的计算,避免了增加额外的硬件电路和软件负担。此外,误差自适应诊断阈值用于消除死区、延时、采样误差和电感偏差等因素的影响,保证了高鲁棒性和速度。应用该方法,诊断时间最快只需2个开关周期。最后实验结果验证了该方法的有效性。     

基于ESO-MLD的逆变器开路故障快速诊断方法

为了减小电机驱动系统中未知干扰对逆变器开路故障诊断的影响,提出了一种基于扩展观测器ESO(extended state observer)和混合逻辑动态MLD(mixed logic dynamic)模型的逆变器开路故障快速诊断方法.通过分析开关管在正常工作和故障状态下的电流流向路径,建立了逆变器的混合逻辑动态模型,并...     

基于电压残差的逆变器实时开路故障诊断

逆变器是各类变频调速系统的重要组成部分,它的安全性和可靠性是保证系统稳定运行的关键。但其故障率通常较高。针对逆变器的IGBT开路故障,通过分析比较逆变器在正常状态与开路故障状态下的三相电压,提出了一种以线电压为检测对象的简易实时诊断方法,即利用实际的线电压和开关信号得到三相电压及其残差,并根据三相电压残差间的关系进行故障识别。仿真结果表明,该方法能够在线准确地实现逆变器IGBT单管及双管开路故障诊断,且不受闭环和负载扰动影响。     

三电平大功率变频器故障特征及诊断方法研究

为确保三电平大功率变频器的稳定运行,通过理论分析和仿真,详细分析了其主电路中各功率器件在开路故障时的工作情况、故障典型特征及具体表现形式,并总结出了故障诊断规则.最后,基于理论分析和仿真,对三电平大功率变频器功率器件的开路故障进行了实验.实验结果进一步验证了对功率器件故障分析及仿真结果的正确性.     

一种基于桥臂电流畸变及自适应观测的MMC子模块开路故障诊断定位方法

模块化多电平换流器的子模块数量较多,增大了系统发生故障的概率,因此子模块故障的快速诊断和准确定位是保障换流器持续运行的关键。针对MMC子模块开路故障,提出了一种基于桥臂电流畸变及自适应观测的故障诊断和定位方法。通过对故障后桥臂电流的特征提取,判断出故障发生的桥臂以及开路故障的类型;然后利用自适应观测器得到子模块电容电压观测值与实际值的残差,从而实现故障子模块的快速和准确定位;最后利用Matlab/Simulink软件搭建MMC变换器仿真平台,通过对不同相、不同桥臂和不同类型的故障进行仿真,验证了所提故障诊断和定位算法的正确性与有效性。     

基于GWO-ELM的逆变器开路故障诊断

为提高三相光伏逆变器工作的稳定性和可靠性,针对其功率管单管或两管同时故障等多种故障类型,分析了逆变器开路故障的特性及故障后可能造成的影响,并提出了一种基于时域的故障特征提取技术。基于GWO-ELM的故障诊断模型,是利用灰狼算法优化极限学习机,实现隐含层神经元个数的最优设计,进而进行模型训练,最终实现故障诊断。仿真与实例验证表明,所提时域故障特征量提取方法和GWO-ELM故障诊断模型提高了故障诊断精度,对逆变器的故障诊断具有重要意义。     

基于数学形态谱的逆变器功率管开路故障诊断

针对逆变器功率管开路故障,提出一种基于数学形态谱的逆变器开路故障诊断方法。利用逆变器故障状态下的三相输出电流出现波形上缺失、下缺失、上下都缺失以及严重畸变的差异,求取正常电流信号及上述4种故障电流信号的形态谱,提取形态谱中前11个归一化谱值作为特征向量输入ELM神经网络进行区分,并结合简单的三相输出电流故障判别机制,实现故障功率管的准确定位。仿真结果表明,该方法的故障区分率超过96%。最后利用实验数据验证了所提方法的有效性。