CN106291162A - 一种光伏二极管箝位式三电平逆变器的故障诊断方法 - Google Patents
一种光伏二极管箝位式三电平逆变器的故障诊断方法 Download PDFInfo
- Publication number
- CN106291162A CN106291162A CN201610574254.3A CN201610574254A CN106291162A CN 106291162 A CN106291162 A CN 106291162A CN 201610574254 A CN201610574254 A CN 201610574254A CN 106291162 A CN106291162 A CN 106291162A
- Authority
- CN
- China
- Prior art keywords
- fault
- level inverter
- diode
- clamped
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inverter Devices (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明公开了一种光伏二极管箝位式三电平逆变器的故障诊断方法，针对光伏微网中的三电平逆变器故障诊断问题，以系统逆变状态为例，分析各个功率管故障的类型，提出一种结合小波多尺度分解与支持向量机分类算法的光伏逆变器故障诊断方法。该方法选取二极管箝位式三电平逆变器的桥臂电压信号为研究对象，利用小波分析的多尺度分解法提取各频带能量作为故障特征样本，再建立多值分类的支持向量机故障分类模型，最终完成三电平逆变器功率器件开路故障的诊断。其优点是：故障诊断算法能够明显区分二极管箝位式三电平逆变器的各个故障状态，且提取方便，克服了传统提取数据样本诊断方法数据量大，过程繁琐等问题。
Description
技术领域
本发明涉及电力电子装置故障诊断领域，尤其是一种一种光伏二极管箝位式三电平逆变器的故障诊断方法。
背景技术
随着光伏产业的飞速发展，光伏微网的运用也越来越广泛。光伏阵列输出的直流电必须转换成交流电才能满足我们日常所需，因此在光伏微网中，光伏逆变器就成了不可或缺的一部分。在不同结构的逆变器中，多电平逆变器凭借其具有的功率器件串联均压、开关损耗小、输出电压谐波含量低和工作效率高等优点，受到了广泛的关注，但其自身因为使用数量较多的开关器件，其电路的可靠性相对较低。任何一个器件的故障就可能导致电路非正常运行，有时甚至会影响其他电路的安全，造成严重的事故或不可估量的经济损失。
由于电力电子设备发生故障的种类繁杂，原因繁多，同时系统的实时性要求，传统的只靠人工检测和维修去处理故障往往很难，所以需要一种能够较智能的方法对设备进行故障诊断。基于数据驱动的思想，利用逆变器系统运行过程中不断产生并反映系统运行机理和状态的数据，通过合适的提取和分析方法，实现逆变器系统的故障检测和识别，这种基于数据驱动的故障检测、诊断与辨识技术正受到广泛的关注，也是一个热门的研究方向。
小波分析是一种信号时频域分析方法，它弥补了傅立叶变换不同同时描述信号时域和频域信息的缺点，同时可以提供局部化信息，是近年来故障特征提取领域兴起的一项前沿技术。支持向量机是一种基于统计学习理论的机器学习算法，它在解决小样本、非线性及高维模式识别中具有特有的优势，尤其是在电力电子电路的故障诊断中有着很好的实用价值和应用前景。
发明内容
本发明的目的是提供一种基于小波多尺度分解和支持向量机的二极管箝位式三电平逆变器的故障诊断方法。
本发明是通过以下方法和步骤实现的，一种光伏二极管箝位式三电平逆变器的故障诊断方法，其步骤为：
建立二极管箝位式三电平逆变器的电路模型，根据实际运行的单个和两个功率管开路故障进行故障分类，共分为五大类十三小类。
1)所有IGBT功率管均正常运行，逆变器无故障。
2)仅有单个IGBT功率管发生故障，即功率管Sa1、Sa2、Sa3或Sa4中任意一个发生故障，共四小类。
3)有两个IGBT功率管发生故障，且两个功率管在同一桥臂，即功率管(Sa1,Sa2)、(Sa1,Sa3)、(Sa1,Sa4)、(Sa2,Sa3)、(Sa2,Sa4)或(Sa3,Sa4)任意一对发生故障的情况，共六小类。
4)有两个IGBT功率管发生故障，且两个功率管不在同一桥臂，而这类情况可以归结为不同桥臂上的单个器件故障，可以参考单个故障的情况加以区分。
5)单个钳位二极管VDa5或VDa6发生故障，共两小类。
在所有故障状态下，对采用SVPWM空间矢量脉宽调制控制的二极管箝位式三电平逆变器主电路进行建模，获得电路所有的运行情况下的中桥臂输出电压信号。选取合适的小波基函数，对所有的各个输出电压信号进行三层多尺度分解，并对小波分解系数重构，提取各个频带范围的细节信号。
经过分解和重构之后，各个状态下的输出电压信号被分成4个小信号，计算之前提取的各个信号的能量，同时可以得到信号的总能量，各个信号的能量除以总能量，可以得到各个能量的百分比。
采用同样的方法处理上、下桥臂的输出电压信号，分别得到上、下桥臂电压各个频带的能量百分比。将数据按照中、上和下桥臂的顺序构成故障特征向量，即一个12维的能量百分比矩阵。
获取数据样本。对原始的各个桥臂电压数据加上均值为0，标准差为10的高斯白噪声，考察该方法的抗干扰能力。可以得到每种故障情况下50组样本。经过上述的特征提取过程，每个样本对应一个12维的故障特征向量。
建立支持向量机分类模型。将建立好的数据样本按照4∶1划分训练集和测试集，即随机选取多组数据样本作为训练集，剩下的几组数据样本作为测试集。建立支持向量机分类模型，实现光伏二极管箝位式三电平逆变器的故障诊断。
本发明的有益效果是：
1)本发明所提出的一种光伏二极管箝位式三电平逆变器的故障诊断方法，是依照数据驱动的思想，将小波多尺度分解和支持向量机算法结合起来，实现了光伏电力电子装置，尤其是光伏二极管箝位式三电平逆变器的数据驱动实时故障诊断。
2)本发明通过能量的百分比的形式，获得能表征二极管箝位式三电平逆变器特征的数据样本，该数据能够明显区分各个故障状态，且提取方便，克服了传统提取数据样本诊断方法数据量大，过程繁琐等问题。
3)本发明将小波多尺度分解所获得的数据样本作为支持向量机分类模型的训练集和测试集，未对数据进行归一化处理，同时选取径向基函数作为核函数，并进行各个参数的寻优，从而有效地实现逆变器系统的故障诊断。
附图说明
图1为光伏二极管箝位式三电平逆变器的故障诊断流程
图2为光伏二极管箝位式三电平逆变器主电路拓扑结构
图3为单个器件故障时的桥臂电压
图4为两个器件同时开路时的桥臂电压
图5为功率管Sa1开路故障时，中、上和下桥臂电压信号重构系数的能量百分比直方图
图6为支持向量机部分数据预测结果图
具体实施方式
下面结合附图对本发明做进一步说明。
本发明的一种光伏二极管箝位式三电平逆变器的故障诊断流程如图1所示，本发明方法的具体实施包括以下步骤：
如图2所示为二极管箝位式三电平逆变器主电路拓扑结构图，根据逆变原理，将故障分为五大类十三小类，即得出二极管箝位式三电平逆变器的故障类型。
1)所以IGBT功率管均正常运行，逆变器无故障发生。
2)仅有单个IGBT功率管发生故障，共四小类。
3)有两个IGBT功率管发生故障，且两个功率管在同一桥臂，共六小类。
4)有两个IGBT功率管发生故障，且两个功率管不在同一桥臂，可以归类到单个IGBT发生故障的情况。
5)单个钳位二极管发生故障，共两小类。
建立三相三电平SVPWM逆变器模型，选取桥臂电压为研究对象，可以得到各种故障情况下的桥臂电压波形，如图3和图4所示。基于输出电压的特点考虑，选取sym4小波基函数，对各个输出电压信号进行三层多尺度分解，原信号被分解为4个细节信号，对4个细节信号进行重构。
计算所得到的4个重构信号的能量，同时可以得到信号的总能量，用各个频带的能量除以总能量，得到各个频带能量的百分比。当功率管Sa1开路故障时，光伏二极管箝位式三电平逆变器中、上和下桥臂电压信号重构系数的能量百分比直方图，如图5所示。
编译支持向量机程序，随机选取520组样本作为训练集，130组样本作为测试集，核函数选用径向基函数，惩罚系数C＝4，程序运行得到的预测率达到99.23％，选取30个测试样本构成的部分样本的预测分类和期望分类对比图如图6所示，从图中可知，预测分类和期望分类完全重合，完成光伏二极管箝位式三电平逆变器故障诊断目标。
上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。
Claims (1)
1.一种光伏二极管箝位式三电平逆变器的故障诊断方法，其特征在于，该诊断方法的步骤为：
(1)建立二极管箝位式三相三电平逆变器电路的模型根据实际运行的单个和两个功率器件开路故障进行故障分类，以A相为例，共五大类十三小类；
1)所以IGBT功率管均正常运行，逆变器无故障；
2)仅有单个IGBT功率管发生故障，即功率管Sa1、Sa2、Sa3或Sa4中任意一个发生故障，共四小类；
3)有两个IGBT功率管发生故障，且两个功率管在同一桥臂，即功率管(Sa1,Sa2)、(Sa1,Sa3)、(Sa1,Sa4)、(Sa2,Sa3)、(Sa2,Sa4)或(Sa3,Sa4)任意一组发生故障的情况，共六小类；
4)有两个IGBT功率管发生故障，且两个功率管不在同一桥臂，而这类情况可以归结为不同桥臂上的单个器件故障，可以参考单个故障的情况加以区分；
5)单个钳位二极管VDa5或VDa6发生故障，共两小类；
(2)获得二极管箝位式三电平逆变器所有故障状态下的各个桥臂的电压信号；选取合适的小波基函数，对信号进行三层多尺度分解，经过重构后每组桥臂电压被分成4个小信号，计算分解得到的4个小信号的能量，并计算其能量百分比，然后按照中、上和下的顺序构成12维的故障特征向量；
(3)计算步骤2提取的各个信号的能量；并统一量纲，每个能量值除以总能量，获取其对应的能量百分比；
(4)获取数据样本；将各个以能量百分比为元素的向量，按照中、上和下桥臂的顺序构建故障特征向量，再将各种故障归类，构建数据样本；
(5)建立支持向量机分类模型；以步骤(4)所获得的数据为支持向量机的输入样本，将所得到的特征向量数据样本作为支持向量机算法的样本数据，将数据分为训练集和测试集，将建立好的数据样本按照4∶1划分训练集和测试集，即随机选取多组数据样本作为训练集，剩下的几组数据样本作为测试集，采用径向基核函数，惩罚系数C＝4，对数据进行归一化处理，建立多值分类的支持向量机分类模型，编译程序实现二极管箝位式三电平逆变器的故障诊断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610574254.3A CN106291162A (zh) | 2016-07-20 | 2016-07-20 | 一种光伏二极管箝位式三电平逆变器的故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610574254.3A CN106291162A (zh) | 2016-07-20 | 2016-07-20 | 一种光伏二极管箝位式三电平逆变器的故障诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106291162A true CN106291162A (zh) | 2017-01-04 |
Family
ID=57651579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610574254.3A Pending CN106291162A (zh) | 2016-07-20 | 2016-07-20 | 一种光伏二极管箝位式三电平逆变器的故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106291162A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108872882A (zh) * | 2018-08-09 | 2018-11-23 | 西南交通大学 | 一种三电平级联逆变器的故障诊断装置及其诊断方法 |
| CN110346736A (zh) * | 2019-08-14 | 2019-10-18 | 合肥工业大学 | 基于改进小树变换的npc三电平逆变器故障诊断方法 |
| CN111551872A (zh) * | 2020-02-27 | 2020-08-18 | 西北工业大学 | 一种pmsm驱动系统逆变器开路故障在线诊断方法 |
| CN114325480A (zh) * | 2021-11-19 | 2022-04-12 | 广东核电合营有限公司 | 多相无刷励磁机的二极管开路故障检测方法、装置 |
| WO2022156488A1 (zh) * | 2021-01-19 | 2022-07-28 | 华为数字能源技术有限公司 | 故障保护装置及光伏发电系统 |
| US11811217B2 (en) | 2021-01-19 | 2023-11-07 | Huawei Digital Power Technologies Co., Ltd. | Fault protection apparatus and photovoltaic power generation system |
| CN118566782A (zh) * | 2024-05-22 | 2024-08-30 | 西南交通大学 | 基于状态转移的三电平有源中点箝位整流器故障诊断方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011156394A3 (en) * | 2010-06-07 | 2012-03-29 | Abb Research Ltd. | Systems and methods for classifying power line events |
| CN103116090A (zh) * | 2013-01-21 | 2013-05-22 | 江南大学 | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 |
| CN103414367A (zh) * | 2013-08-22 | 2013-11-27 | 江苏大学 | 一种抑制二极管箝位式三电平逆变器直流侧电压突变及其中点电压波动的方法及其装置 |
| CN103761372A (zh) * | 2014-01-06 | 2014-04-30 | 上海海事大学 | 一种基于主元分析与多分类相关向量机的多电平逆变器故障诊断策略 |
| CN103837791A (zh) * | 2014-03-20 | 2014-06-04 | 上海应用技术学院 | 三电平逆变器多模式故障诊断电路及其诊断方法 |
| CN104462846A (zh) * | 2014-12-22 | 2015-03-25 | 山东鲁能软件技术有限公司 | 一种基于支持向量机的设备故障智能诊断方法 |
| CN105095566A (zh) * | 2015-06-29 | 2015-11-25 | 南京航空航天大学 | 一种基于小波分析和svm的逆变器故障诊断方法 |
-
2016
- 2016-07-20 CN CN201610574254.3A patent/CN106291162A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011156394A3 (en) * | 2010-06-07 | 2012-03-29 | Abb Research Ltd. | Systems and methods for classifying power line events |
| CN103116090A (zh) * | 2013-01-21 | 2013-05-22 | 江南大学 | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 |
| CN103414367A (zh) * | 2013-08-22 | 2013-11-27 | 江苏大学 | 一种抑制二极管箝位式三电平逆变器直流侧电压突变及其中点电压波动的方法及其装置 |
| CN103761372A (zh) * | 2014-01-06 | 2014-04-30 | 上海海事大学 | 一种基于主元分析与多分类相关向量机的多电平逆变器故障诊断策略 |
| CN103837791A (zh) * | 2014-03-20 | 2014-06-04 | 上海应用技术学院 | 三电平逆变器多模式故障诊断电路及其诊断方法 |
| CN104462846A (zh) * | 2014-12-22 | 2015-03-25 | 山东鲁能软件技术有限公司 | 一种基于支持向量机的设备故障智能诊断方法 |
| CN105095566A (zh) * | 2015-06-29 | 2015-11-25 | 南京航空航天大学 | 一种基于小波分析和svm的逆变器故障诊断方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108872882A (zh) * | 2018-08-09 | 2018-11-23 | 西南交通大学 | 一种三电平级联逆变器的故障诊断装置及其诊断方法 |
| CN108872882B (zh) * | 2018-08-09 | 2023-09-19 | 西南交通大学 | 一种三电平级联逆变器的故障诊断装置及其诊断方法 |
| CN110346736A (zh) * | 2019-08-14 | 2019-10-18 | 合肥工业大学 | 基于改进小树变换的npc三电平逆变器故障诊断方法 |
| CN110346736B (zh) * | 2019-08-14 | 2021-07-02 | 合肥工业大学 | 基于改进小树变换的npc三电平逆变器故障诊断方法 |
| CN111551872A (zh) * | 2020-02-27 | 2020-08-18 | 西北工业大学 | 一种pmsm驱动系统逆变器开路故障在线诊断方法 |
| CN111551872B (zh) * | 2020-02-27 | 2021-10-22 | 西北工业大学 | 一种pmsm驱动系统逆变器开路故障在线诊断方法 |
| WO2022156488A1 (zh) * | 2021-01-19 | 2022-07-28 | 华为数字能源技术有限公司 | 故障保护装置及光伏发电系统 |
| US11811217B2 (en) | 2021-01-19 | 2023-11-07 | Huawei Digital Power Technologies Co., Ltd. | Fault protection apparatus and photovoltaic power generation system |
| CN114325480A (zh) * | 2021-11-19 | 2022-04-12 | 广东核电合营有限公司 | 多相无刷励磁机的二极管开路故障检测方法、装置 |
| CN114325480B (zh) * | 2021-11-19 | 2023-09-29 | 广东核电合营有限公司 | 多相无刷励磁机的二极管开路故障检测方法、装置 |
| CN118566782A (zh) * | 2024-05-22 | 2024-08-30 | 西南交通大学 | 基于状态转移的三电平有源中点箝位整流器故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106443297B (zh) | 光伏二极管箝位型三电平逆变器的决策树svm故障诊断方法 | |
| US20220198244A1 (en) | Method for diagnosing open-circuit fault of switching transistor of single-phase half-bridge five-level inverter | |
| CN106291162A (zh) | 一种光伏二极管箝位式三电平逆变器的故障诊断方法 | |
| NL2020015B1 (en) | Fault diagnosis method of three-level inverter based on empirical mode decomposition and decision tree RVM | |
| CN105095566B (zh) | 一种基于小波分析和svm的逆变器故障诊断方法 | |
| Wang et al. | Fault diagnosis method based on FFT-RPCA-SVM for cascaded-multilevel inverter | |
| CN103116090B (zh) | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 | |
| CN112748368A (zh) | 一种三电平逆变器igbt开路故障诊断方法 | |
| CN104698397B (zh) | 一种多电平逆变器故障诊断方法 | |
| CN113159077A (zh) | 一种基于混合卷积神经网络的三相逆变器故障识别方法 | |
| CN112488011B (zh) | 一种模块化多电平换流器故障分类方法 | |
| CN102567783A (zh) | 并联混合型电能质量调节器专家故障分析与诊断方法 | |
| CN110346736A (zh) | 基于改进小树变换的npc三电平逆变器故障诊断方法 | |
| CN114021671B (zh) | 一种有源配电网在线故障处理方法和系统 | |
| Husari et al. | Stator turn fault diagnosis and severity assessment in converter-fed induction motor using flat diagnosis structure based on deep learning approach | |
| Ibem et al. | Multiple open switch fault diagnosis of three phase voltage source inverter using ensemble bagged tree machine learning technique | |
| CN101782625B (zh) | 一种基于Gradation-Boosting算法的电力电子系统故障诊断方法 | |
| CN108872772B (zh) | 基于混合核支持张量机的mmc子模块开路故障检测方法 | |
| Hao et al. | RPCA-SVM fault diagnosis strategy of cascaded H-bridge multilevel inverters | |
| CN104049159A (zh) | 逆变器的故障检测方法和检测装置 | |
| CN106407536B (zh) | 一种逆变器钳位二极管与支撑电容的复合故障诊断方法 | |
| CN114172401B (zh) | 基于降阶观测器的npc三电平逆变器多类故障诊断方法 | |
| Malik et al. | Support vector data description (svdd) based inverter fault diagnostic method | |
| Sahani et al. | Deep Convolutional Neural Network Based Fault Detection and Diagnosis Method for Three-Phase T-Type Converter | |
| Pundir et al. | Multi-Electrical Level Inverter Fault Diagnosis Strategy using Relevance Vector Machine and Pivot Analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |