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。