基于DCM-PCA和GA-BP的逆变器故障诊断 |
| |
引用本文: | 黄敬尧,程煜,李雅恬.基于DCM-PCA和GA-BP的逆变器故障诊断[J].电力科学与技术学报,2024(1):260-271. |
| |
作者姓名: | 黄敬尧 程煜 李雅恬 |
| |
作者单位: | 三峡大学电气与新能源学院 |
| |
基金项目: | 湖北省自然科学基金(2019CFB331); |
| |
摘 要: | 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...
|
关 键 词: | 逆变器 故障诊断 神经网络 深度级联模型 故障特征 |
|
|