基于双模式分解多通道输入的VSC-STATCOM逆变器故障诊断模型

针对传统电压源型静止同步补偿器中逆变器故障诊断存在的信号特征提取不充分,深度学习网络识别能力不足以及高噪声情况下识别率较低等问题,提出了一种基于双模式分解、多通道输入(MCI)、并行卷积神经网络(PCNN)、双向长短时记忆(BiLSTM)网络和自注意力(SA)机制组合的逆变器故障诊断方法。首先利用变分模态分解和时变滤波经验模态分解对逆变器输出的三相电流进行分解,降低原始信号复杂程度,实现不同模态分量间的规律互补;其次,利用MCI-PCNN-BiLSTM-SA组合模型对特征矩阵进行深层特征提取、学习和识别;最后,通过仿真进行验证,结果表明所提方法特征提取能力较强,在无噪声情况下平均识别率高达99.48%,在高噪声情况下平均识别率达95.59%。