基于DCM-PCA和GA-BP的逆变器故障诊断

针对光伏并网三相电压型逆变器开关管的开路故障，提出深度级联模型（deep cascade mode,DCM）-主成分分析（principal component analysis,PCA）与遗传算法（genetic algorithm,GA）优化的BP神经网络结合的故障诊断方法。首先对逆变器的开路故障进行分析和仿真，确定三相电流作为故障信号，选择22类故障状态作为诊断对象，通过以稀疏表示分类（sparse representation based classififier,SRC）为基本操作单元的深度级联模型提取故障特征，DCM根据层次学习特性将故障特征分层，再由SRC部分得到不同故障的编码系数，并采用t分布—随机近邻嵌入（t-distributed stochastic neighbor embedding,t-SNE）方法验证了DCM具有较好的特征提取能力，通过PCA降低故障特征的冗余度、保留有价值的主成分提高网络映射能力，最后将故障特征向量作为GA-BP神经网络的输入信号实现对故障的诊断识别。通过仿真实验得到该方法的故障诊断准确率为95.64%，与DCM-PCA-BP、FFT-G...