【技术实现步骤摘要】
本专利技术属于电力电子设备故障诊断
,具体涉及一种基于蚁群算法的多功率模块并联系统的故障诊断方法。
技术介绍
传统能源的日益匮乏和环境的日趋恶化,极大地促进了新能源的发展,新能源发电的规模也快速攀升。但风电、太阳能发电自身所固有的随机性、间歇性特征,决定了其规模化发展必然会对电网调峰和系统安全运行带来显著影响,必须有先进的储能技术作支撑。多能源储能系统中含有直流母线和交流母线,其中各个新能源发电端和储能元件端通过多个并联的直流-直流变换器功率模块连接到直流母线,然后直流母线通过并联的多个直流-交流逆变器功率模块连接到交流母线,交流母线连接到独立负载或者电网侧。电力电子电路故障诊断是保证多能源储能系统这种可靠工作的重要保障和关键技术,面向多功率模块并联的应用场合,模块级的故障诊断技术能快速有效地定位故障模块,为后续容错控制策略提供技术支持。对于已有通信链路的多功率模块并联系统,上层控制器可以通过通信命令来控制各个模块的运行以及功率的分配,实现了功率的灵活配置。模块级故障诊断大大提高了多能源储能系统的可靠性以及可维护性。但是由于模块的精确模型难以确定,想要通过基于具体模型的方法来进行故障诊断存在一定的困难,因而,基于群体智能的蚁群算法更适合实际工程的应用。蚁群算法具有并行性、正反馈、健壮性等特点,已经被成功地应用于求解许多复杂的组合优化问题。意大利学者MacroDorigo等首先将该方法用于求解 ...
【技术保护点】
一种基于蚁群算法的多功率模块并联系统的故障诊断方法,包括如下步骤:(1)采集系统中各功率模块的电气特征量,然后将各功率模块以节点形式依次连接成环形结构,通过比较相邻节点的电气特征量确定得到系统的症候(2)初始化各节点的当前状态:正常或故障;对于任一节点根据症候计算该节点为正常状态和故障状态的概率,进而根据所述的概率更新该节点的当前状态,依此从第一个节点开始逐个遍历所有节点后即完成一次蚁群遍历;(3)反复执行蚁群遍历,每次蚁群遍历结束后计算更新各节点在正常状态和故障状态下累积的信息素,进而根据各节点在当前状态下累积的信息素判断是否终止蚁群遍历,若终止,则使各节点的当前状态即对应为各功率模块的工作状态。
【技术特征摘要】
1.一种基于蚁群算法的多功率模块并联系统的故障诊断方法,包括如下步
骤:
(1)采集系统中各功率模块的电气特征量,然后将各功率模块以节点形式
依次连接成环形结构,通过比较相邻节点的电气特征量确定得到系统的症候(2)初始化各节点的当前状态:正常或故障;对于任一节点根据症候计
算该节点为正常状态和故障状态的概率,进而根据所述的概率更新该节点的当
前状态,依此从第一个节点开始逐个遍历所有节点后即完成一次蚁群遍历;
(3)反复执行蚁群遍历,每次蚁群遍历结束后计算更新各节点在正常状态
和故障状态下累积的信息素,进而根据各节点在当前状态下累积的信息素判断
是否终止蚁群遍历,若终止,则使各节点的当前状态即对应为各功率模块的工
作状态。
2.根据权利要求1所述的故障诊断方法,其特征在于:所述的步骤(2)中
通过以下公式计算节点为正常状态和故障状态的概率:
P(i,s)=ατ(i,s)+βη(i,s)Σs=0,1ατ(i,s)+βη(i,s)]]>其中:P(i,s)表示第i节点为s状态的概率,s=0或1,0表示正常,1表示故障;
τ(i,s)表示s状态下蚂蚁在第i节点上释放的信息素且0≤τ(i,s)≤1,η(i,s)表
示第i节点在s状态下的启发式信息且0≤η(i,s)≤1,α和β均为预设的权重系数,
i为自然数且1≤i≤n,n为系统中功率模块的个数。
3.根据权利要求2所述的故障诊断方法,其特征在于:所述信息素τ(i,s)的
表达式如下:
τ(i,s)=|σF‾(i)∩σF(i,s)|+|σF‾(i+1)∩σF(i+1,s)|2]]>其中:和分别为症候中的第i个比较值和第i+1个比较值,
σF(i,s)表示当第i节点为s状态其他节点均为当前状态时第i节点与其前一节点
\t关于电气特征量的比较值,若第i节点与其前一节点均为正常状态,则σF(i,s)=0;
若第i节点与其前一节点其中一个为正常状态另一个为故障状态,则σF(i,s)=1;
若第i节点与其前一节点均为故障状态,则σF(i,s)=0/1;σF(i+1,s)表示当第i+1
节点为s状态其他节点均为当前状态时第i+1节点与其前一节点关于电气特征量
的比较值,若第i+1节点与其前一节点均为正常状态,则σF(i+1,s)=0;若第i+1
节点与其前一节点其中一个为正常状态另一个为故障状态,则σF(i+1,s)=...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。