基于短时傅里叶变换和深度网络的模块化多电平换流器子模块IGBT开路故障诊断

针对现有模块化多电平换流器(MMC)子模块故障诊断过程中所需传感器较多、测量干扰较大等问题,提出一种基于深度学习的MMC子模块IGBT开路故障诊断方法。在对MMC子模块开路故障特征进行分析的基础上,利用短时傅里叶变换(STFT)提取桥臂电压信号的谐波分量信息作为故障诊断所需的特征参数。将所得到的特征参数进行处理后构建故障诊断样本,在通过深度置信网络实现故障类型快速检测的基础上,依据不同故障类型,构建多个基于卷积神经网络的故障定位网络,进而实现开路故障的检测与定位。通过129电平的MMC系统仿真模型和降功率的MMC实验系统搭建,对该文所提方法进行了验证。仿真和实验结果表明,所提故障诊断方法可以在减少传感器数量的基础上实现子模块开路故障的诊断,提高系统的可靠性。

基于全桥型MMC的开关序列切换方法及IGBT开路故障诊断策略

全桥型模块化多电平换流器(modular multilevel converter,MMC)因具备直流故障穿越能力受到广泛关注,但全桥子模块(full-bridge submodule,FBSM)中更多的开关器件数量对MMC的运行可靠性带来了巨大挑战。针对于此,首先提出了基于全桥型MMC的开关序列(switching sequence,SS)切换方法,通过增加一种子模块(submodule,SM)切除状态,能在不额外增加开关损耗的基础上,使所有类型IGBT开路故障均能够体现故障特性。进一步,分析了所提SS切换方法下的故障特点,并提出了IGBT开路故障诊断策略。所提策略通过判断SS计数是否超出阈值对故障进行检测,并定位故障SM,之后基于SS计数的正负或电容电压变化值进一步辨别故障类型。所提故障诊断策略能够准确检测出IGBT故障,定位出发生IGBT开路故障的SM,并辨别其故障类型,有利于主动运维。此外,所提策略无需额外硬件,并可在一个工频周期(20 ms)内完成对所有故障的准确诊断。最后通过硬件在环平台验证了所提SS切换方法及IGBT开路故障诊断策略的有效性。

基于电流位置关系的DSEG整流器开路故障诊断算法

整流器作为电励磁双凸极发电机(DSEG)的重要组件,其承受频繁的高压和大电流,容易产生故障。然而由于DSEG相电流的不对称性和非正弦性,传统的故障诊断算法在变工况的暂态极易出现误检测。为了诊断DSEG整流单元的开路故障,提出了一种基于相电流大小位置关系的强鲁棒性诊断策略。理论推导和试验验证表明,所提出的强鲁棒性开路故障诊断策略在变负载、变励磁和变转速的暂态不会出现误诊断,并且可以在一个基波周期内检测出所有类型的单管和双管开路故障,计算量小,占用空间小。

基于快速傅里叶变换和改进T-S模糊神经网络集成模型的逆变器开路故障诊断方法研究

针对受负载扰动和测量噪声影响,逆变器开路时的故障边界间、故障与特征间存在交叠和模糊性问题,在对逆变器功率管开路故障特征的分析基础上,提出基于快速傅里叶变换和改进T‑S(Takagi‑Sugeno)模糊神经网络集成模型的逆变器开路故障诊断模型。首先,依据快速傅里叶变换分析逆变器的三相输出电流波形,提取功率管发生不同类型开路故障时的故障特征;其次,采用规则自分裂技术和模糊C均值设计T‑S模糊神经网络的前件网络的隶属函数层;然后,依托自适应Levenberg‑Marquardt算法对T‑S网络参数进行训练;最后,利用训练后的T‑S网络实现逆变器功率管的多种故障类型与位置的诊断。实验结果表明,所提出模型的诊断准确率高达96%,能够显著改善逆变器功率管开路故障诊断时所存在的问题。

基于深度自编码器网络的逆变器开关管开路故障诊断

逆变器开关管的开路故障是影响逆变器系统安全、可靠运行的关键问题,为此研究了基于深度自编码器网络的逆变器开关管开路故障诊断。首先,给出了逆变器开关管开路故障的模型分析和故障编码,并通过仿真实验平台采集了不同开路故障情况下的原始故障信号数据。为避免人工进行网络结构设计的繁冗工作,提出一种自编码器网络的规则化设计方法。该方法能够快速确定隐含层神经元的数量和网络深度,利用故障数据自动学习开关管的故障特征,实现端到端的智能故障诊断。对比实验表明,提出的自编码器网络能够自动挖掘故障信号中的关键特征信息,对不同类型的故障信号数据均能得到稳定的故障识别率,验证了所提方法的有效性和优越性。

双馈风力发电系统双PWM变流器的开路故障诊断

首先分析了开路故障对双馈感应发电机的电流和其他变量的影响,提出了一种基于电流信号平均值的开路故障的诊断方法,并通过非均匀采样方式采样电流信号,这种方法可用于诊断单个功率开关开路和两个功率开关同时开路的情况,针对诊断系统容易在同步速时发生误报的情况,可以通过在同步速时禁止诊断系统得到解决,并且这种方法不会引起漏报,仿真结果表明,该方法不仅能有效防止误报,还可准确地诊断出开路故障的位置和类型。

基于双线性观测器的双馈风电机组变流器功率管开路故障诊断

针对双馈风电机组变流器的开路故障,提出一种基于双线性观测器的故障诊断方法。从双馈感应发电机和变流器的数学模型出发,根据模型的非线性特点,推导双馈风电机组变流系统的双线性模型,并构造出变流系统的双线性电流观测器。通过电流观测器得到变流器的电流残差信息,并据此对变流器进行故障检测,然后利用电流平均值定位出具体故障器件。考虑到功率管开关延时、死区时间及测量噪声的影响,设计自适应阈值进行故障判断,保证了诊断的鲁棒性。通过不同故障类型和电网电压跌落的仿真分析,验证了所提开路故障诊断方法的有效性和可靠性。

风电变流器的开路故障诊断

分析了功率开关开路故障对双馈风力发电机的电流和其他变量的影响,提出了一种基于电流信号平均值的开路故障诊断方法,该方法适用于双馈风力发电系统双脉宽调制(PWM)变流器中单个或两个功率开关的开路故障诊断。针对诊断系统容易在同步速或同步速附近发生误报的情况,提出了一种新的误报抑制策略,即分别在亚同步和超同步速下,通过改变采样数据在存储器中的存储方向来消除因为电流波形在同步速附近的对称关系引起的误报。仿真结果表明,该方法不仅能完全消除误报,而且能快速准确地诊断出开路故障的位置和类型。

三电平有源电力滤波器IGBT开路故障诊断方法研究

针对三电平中点钳位式(Neutral Point Clamped,NPC)有源电力滤波器(Active Power Filter,APF)中功率器件IGBT开路故障的诊断问题,提出采用小波包分析故障信号,提取各频段能量系数作为故障特征,并利用网格搜索支持向量机(Support Vector Machine,SVM)进行分类的诊断方法。将所提方法应用于三个测试点进行测试,分别为逆变输出侧三相补偿电流、直流侧电容电压、电源侧三相电流,然后针对各信号的特点完成故障特征提取与故障类型识别,最后在谐波源三相整流桥触发角变化时进行了适应性实验,结果表明所提出的方法可分别基于三个测试点实现故障诊断,并且基于直流侧电容电压的测量方式对谐波源变化有良好的适应性。

基于Buck变换器调压的无刷直流电机功率变换器单管开路故障诊断

功率变换器是无刷直流电机驱动系统中最易发生故障的薄弱环节,因此,功率变换器故障诊断成为无刷直流电机容错控制研究的关键。该文针对基于Buck DC-DC变换器调压的无刷直流电机三相全桥逆变器,根据其正常与故障状态下的不同工作特性,在现有单电流传感器的基础上,仅对直流母线电流进行采样,与电机360电角度内的6种工作状态相结合,提出了一种简单易行的故障诊断方法,实现三相全桥与Buck变换器功率管单管开路故障检测与识别,同时设计了故障保护电路,有效防止二次故障的发生。仿真与实验结果验证了该方法的可行性与有效性。

基于子模组工况分析的模块化多电平储能系统开路故障诊断方法

储能系统中直流变换器的安全性及可靠性直接关系到系统是否正常运行。通过对模块化多电平直流变换器中半桥子模组故障运行工况的分析,提出一种在超级电容模组宽工作电压范围下的快速开路故障诊断方法。该方法根据正常及故障时半桥子模组下桥臂承受电压的不同,利用简单的硬件检测电路以及基于FPGA的诊断算法实现快速开路故障诊断。硬件检测电路能够实时对半桥子模组运行工况进行检测,FPGA中故障诊断算法则利用检测结果并结合驱动信号在短时间内完成故障诊断。详细给出所提方法的设计原理以及关键参数的选取原则。该方法避免了复杂的数学运算,容易实现。最后,通过搭建小功率模块化多电平储能系统对所提方法进行了验证。

基于SVPWM扇区号的三相变流器开路故障诊断

功率变流器是风力发电系统中电能变换传输的重要部件,其开路故障会造成风力发电系统非计划停机,因此对功率变流器开路故障的及时诊断尤为重要。文中分析了空间矢量脉冲宽度调制(SVPWM)在功率开关管发生开路故障前后其扇区受影响状况,以及基本电压空间矢量的变化。根据功率开关管故障前后SVPWM调制时扇区号的对比,提出一种能够对功率开关管开路故障进行判断以及定位的方法。相比于已有的诊断方法,该方法能够实现单管以及双管开路故障诊断,只需采集SVPWM调制时的扇区号单一变量,不需要增加额外的硬件设备,数据存储要求低,计算量小,易于实现。最后通过仿真及实验验证了该开路故障诊断方法的有效性与可行性。

基于双绕组永磁容错电机驱动系统的强鲁棒性开路故障诊断策略研究

双绕组永磁容错电机驱动系统具有高可靠性和强容错性等优点,是一种极具前景的容错电机驱动系统。针对双绕组永磁容错电机驱动系统目前存在的因负载突变或运行在空载/轻载情况下而出现误判断的问题,基于双绕组永磁容错电机驱动系统,提出改进型归一化平均电流派克矢量法结合防系统空载或轻载误判断处理器的强鲁棒性开路故障诊断策略。通过理论研究、仿真和实验结果验证该诊断策略不存在系统空载、轻载或负载突变条件下传统故障诊断策略导致的误判断问题,并可实时、准确的诊断系统单一功率管和单相绕组的开路故障,提高系统的鲁棒性。

有源中点箝位三电平变换器开路故障诊断研究

以有源中点箝位(ANPC)三电平变换器作为主要研究对象,对开路故障电流分析,通过研究归纳在两种载波调制方法下瞬时功率的特征,提出一种有效的器件开路故障诊断方法。该方法由检测出的瞬时电流得到瞬时功率的极值和相角,通过对比归纳瞬时功率特征量的规律诊断故障,多次检测诊断信号后发出诊断信号,执行容错控制算法。该方法具有诊断精度高、成本低且可靠性高等优点,最后通过仿真和实验验证了该方法的正确性和有效性。

计及变分模态分解和DBN的风电变流器开路故障诊断

为了提高对永磁同步风力发电机GSC开路故障的诊断准确率,提出一种对永磁同步风力发电机网侧变流器(GSC)单一和双开路故障进行诊断的新方法。首先,对永磁同步风力发电机GSC的22种开路故障状态(包含1种正常状态)下的三相电流波形进行采样,并作为原始信号数据;之后利用变分模态分解(VMD)将原始信号数据进行分解,并将得到的各层模态系数进行故障趋势特征分析,得到故障特征向量;最后,将特征向量输入深度置信网络(DBN)进行训练和决策,得到分类结果。实验结果表明,所提方法可以对网侧功率变流器的单一和双开路故障进行诊断,且准确率高于其他对比方法。

基于电流矢量特征分析的逆变器开路故障快速诊断与定位方法

提出一种基于电流矢量特征分析的三相电压源逆变器单开关管开路故障快速诊断与定位方法。该方法仅仅利用三相电压源逆变器的输出电流,根据电流矢量瞬时频率特征和电流矢量瞬时角度特征在逆变器故障前后发生的变化进行故障诊断,其中利用电流矢量瞬时频率的变化进行故障快速诊断,结合电流矢量瞬时角度信息进行故障相定位,并结合一种基于电流平均值的诊断变量进行故障开关管定位。通过仿真和搭建硬件实验平台证明所提出的故障诊断与定位方法能够有效地快速定位出故障相以及故障开关管。

基于改进蚁群神经网络的牵引逆变器故障诊断

牵引逆变器是各类地铁列车牵引传动系统的关键部件之一,在实际运行中其功率管极易发生各类故障。针对传统故障诊断方法无法准确识别相应的故障类型和故障部位的问题,基于改进蚁群神经网络对牵引逆变器功率管故障诊断方法进行了研究。通过提取牵引逆变器输出三相电压的频域故障特征作为神经网络的输入,以功率管的开路故障类型作为输出,采用改进蚁群算法训练神经网络的权值和阈值,对牵引逆变器的功率管开路故障进行了有效诊断。仿真和测试结果表明,改进蚁群算法神经网络具有较高的故障诊断准确性,收敛性好,可以快速有效地实现故障定位。

电力电子变换器故障诊断半实物仿真系统设计

对人工智能算法在电力电子技术领域的应用进行了研究。以双有源全桥变换器作为控制对象,采用半实物平台搭建主电路,利用TMS320F28069 MCU搭建控制板,针对双有源全桥变换器的功率管开路故障,设计了一种基于人工智能算法的开路故障诊断方法,能够自动对故障信号进行特征提取,可达到自适应阈值去噪的效果,并对收集的实际信号进行故障诊断。验证了所提出方法的可用性。搭建的平台提高了实验教学的效率,拓展了学生对电力电子技术的领悟和人工智能算法的认同感。

基于极值比值法和神经网络的逆变器故障诊断

针对PWM三相逆变器,根据开路故障下的各相输出电流的特性,以故障电流作为故障信息,提出了一种基于三相电流极值比值和概率神经网络的开路故障诊断方法。该方法以各相输出电流极值比值作为故障特征量,利用概率神经网络的非线性映射分类能力实现逆变器的故障诊断。仿真实验结果表明该方法不但能准确检测、定位故障功率管,而且对噪声具有很好的鲁棒性。

矿用逆变器功率器件故障预测与健康管理技术现状及展望

矿用逆变器功率器件故障预测与健康管理(PHM)技术通过对监测数据分析处理,能够提取信号特征、定位功率器件开路故障位置、预测功率器件寿命,提高矿用逆变器安全性和可靠性。详细介绍了PHM技术中信号特征提取方法(主要包括坐标变换法、频谱分析法、小波分析法、经验模态分解法)、功率器件开路故障诊断方法(主要包括状态估计法、神经网络法、支持向量机法)、功率器件寿命预测方法(主要包括解析模型法、物理模型法、数据驱动法)的原理及研究现状。分别从实现难度、时效、抗扰性、准确度和数据需求量5个方面对上述各方法进行了比较。针对目前信号特征提取方法单一、矿用逆变器多功率器件开路故障、基于数据驱动法的功率器件寿命预测未能考虑逆变器变工况条件等问题,提出了矿用逆变器功率器件PHM技术的研究方向,包括多方法融合的信号特征提取、基于智能算法的多功率器件开路故障诊断、容错控制和健康管理、变工况下功率器件寿命预测。