PDF《模块化五电平逆变器子模块开路故障的智能诊断方法》

h t t p : / / ww w.

a e p s - i n f o . c o m 模块化五电平逆变器子模块开路故障的智能诊断方法 尹桥宣1,

2 ,段斌1,

2 ,沈梦君1 ,屈相帅1,

2 ( 1. 智能计算与信息处理教育部重点实验室,湘潭大学,湖南省湘潭市

4 1

1 1

0 5;

2. 湖南省风电装备与电能变换协同创新中心,湘潭大学,湖南省湘潭市

4 1

1 1

0 5 ) 摘要:基于深度学习理论, 提出了一种基于栈式稀疏自动编码器( S S A E) 的模块化五电平逆变器 ( MF L I ) 子模块开路故障诊断方法.该方法将 MF L I子模块开路故障检测与定位问题转化成分类 问题, 首先将子模块电容电压信号组合成

2 4 通道序列信号, 然后 沿着

2 4 通道序列移动大小为

2 4*4 0滑动窗口获得 数据带 样本, 紧接着将 数据带 转化为向量输入到 S S A E 中进行逐层无监 督特征学习, 构建原始故障数据集的深层特征简明表达, 最后将深层特征简明表达连接到 S o f t m a x 分类器输出故障诊断结果.此外, 为了提高该方法的抗噪性能, 利用已添加高斯白噪声的数据对 S S A E进行训练, 以提高其特征表达的鲁棒性.结果表明, 所提出的故障诊断方法平均准确度达到

9 8.

0 9%, 故障平均诊断时间为3 1.

4 7m s , 且具有较高的鲁棒性. 关键词:模块化五电平逆变器;

无监督特征学习;

栈式稀疏自动编码器;

智能诊断;

开路故障 收稿日期:

2 0

1 7 -

0 7 -

1 4;

修回日期:

2 0

1 7 -

1 0 -

0 9. 上网日期:

2 0

1 7 -

1 2 -

1 2. 国家自然科学基金资助项目(

6 1

3 7

9 0

6 3 ) .

0 引言 模块化多电平变换器(modularmultilevelconverter,MMC) 作为一种新型的柔性一次设备[ 1] , 已被广泛应用在电力系统中, 显著提升了电能的转 换和传输效率, 增强了电力系统的调控能力与灵活 性[

2 - 3] .MMC的子模块(sub-module,SM) 含有大量的功率器件, 使得 MMC 每个子模块都是潜在故 障点[

4 - 5] .为了保护子模块电路, 减少子模块故障的 影响, 一些驱动保护电路已被集成到子模块控制器 上, 如过热、 过流、 过载继电器[

6 -

8 ] .但这些保护电路 设计复杂且诊断能力较弱, 无法识别出某些故障类 型, 使得保护容易失效[

8 ] .因此, 研究一种高效的故 障诊断方法对 MMC稳定运行至关重要. 近年来, 国内外针对多电平逆变器故障诊断的 方法大致可划分为3类: ①基于数学模型的方法[ 9] ;

②基于信号处理的方法[

1 0 -

1 1] ;

③ 基于知识的方法[

1 2 -

1 3] .基于数学模型的方法, 需要构建准确的数 学模型进行故障类型识别, 而多电平逆变器属于高 阶、 非线性、 强耦合系统, 难以构建出准确的数学模 型, 故基于数学模型的故障诊断方法应用于多电平 逆变器存在局限性[

1 4 ] .基于信号处理的方法主要 有基于频谱分析和基于小波变换两种方法: 基于频 谱分析的方法主要将采集到的信号从时域变换到频 域上, 提取故障波形的频谱特征, 实现故障诊断[

1 5] ;

而基于小波变换的方法具有良好的时频局部化特 性, 能够有效地提取故障特征, 与其他方法相结合能 够完成各种故障诊断任务[

1 6] .尽管这些方法已应 用于多电平逆变器故障诊断中, 但它们需要许多与 特定系统配置相关的先验知识, 而且确定实现过程 需要不断调整.因此, 基于信号处理的方法可能相 当耗时且缺乏通用性.基于知识的方法通常先对采 样数据进行特征提取, 然后利用决策树、 神经网络、 支持向量机等分类器[