一种三电平STATCOM智能故障诊断方法技术

本发明专利技术公开了一种三电平STATCOM智能故障诊断方法，其包括：对三电平STATCOM主电路功率器件的运行状态进行划分；建立每种故障类型相对应的三电平STATCOM仿真模型并获得采样样本；采用基于小波包能量谱和平均电流复合特征提取技术对采集到的各采样样本进行特征提取，并获得每一故障类型所对应的故障特征向量；构造多分类支持向量机模型，并基于遗传算法进行训练即进行参数寻优；使用训练好的多分类支持向量机模型对三电平STATCOM功率器件进行开路故障诊断。本发明专利技术采用输出电流作为故障诊断信号，不需要增加额外的电压传感器，且准确的提取故障特征向量同时提高了故障诊断正确率。

【技术实现步骤摘要】
一种三电平STATCOM智能故障诊断方法
本专利技术涉及电力电子故障诊断领域，具体的说是涉及一种对三电平STATCOM主电路功率器件开路进行故障诊断的方法。
技术介绍
目前，中点钳位式(NPC)三电平STATCOM因其耐压高、容量大、输出谐波小且结构相对简单等优点，得到了广泛的应用。由于三电平STATCOM功率开关管的数量是两电平拓扑结构的二倍，因此功率开关管发生故障的可能性也大大增加。随着STATCOM容量的增大，其可靠性直接关系到电网的安全运行，一旦其功率开关管发生开路故障，STATCOM会向电网注入大量谐波，并且也无法继续补偿无功功率；这将易使电网谐波含量增大、电压闪变，以及区域用电设备损毁，造成重大损失。因此，三电平STATCOM需要快速、准确的故障诊断技术，以提高其系统的可靠性。一般来说，STATCOM主电路功率器件发生开路故障后，其输出电压和电流会发生畸变，通过对电压电流进行分析，就可以判断出发生故障的功率器件的位置。如在中国专利技术专利申请书CN105095566A中公开了一种二极管三电平NPC逆变器故障诊断方法，这种方法将故障的相电压信号与正常时的相电压信号相减，将得到的误差电压信号采用小波变换得到各频带的能量作为故障特征向量，以此作为数据样本，利用MATLAB软件和LIBSVM工具箱建立多值分类器，从而实现二极管NPC三电平逆变器交叉双向桥的故障诊断。但是需要说明的是通过该方法利用三相输出电压信号差进行故障诊断，需要添加额外的电压传感器，增加了设备成本；且该方法没有考虑负载变化的情况，当负载发生变化时，容易发生误诊断。另现有的文献也有提出基于调制电压波形实时分析的故障诊断方法，其根据调制电压和对应相电流的方向，把电路分成四个工作区间；当器件在不同工作区间开路时，对桥臂电压波形进行详细的实时分析，并提出三条故障判断依据；设计具体的故障诊断电路，并根据桥臂电压波形的电平及其持续时间的变化实现器件开路故障的自动诊断。实验结果表明，该方法能够快速区分提出的故障模式，并精确定位到故障器件。但该方法同样需要增加额外的电压传感器，增加了设备成本。
技术实现思路
鉴于已有技术存在的缺陷，本专利技术的目的是要提供一种基于输出电流的复合故障特征提取和支持向量机的三电平STATCOM功率器件开路故障诊断方法，该方法采用输出电流作为故障诊断信号，不需要增加额外的电压传感器，且准确的提取故障特征向量同时提高了故障诊断正确率。为了实现上述目的，本专利技术的技术方案：一种三电平STATCOM智能故障诊断方法，其特征在于，包括如下步骤：步骤1、基于单管故障情况及正常运行情况，对三电平STATCOM主电路功率器件的运行状态进行划分，并对每种故障类型分别设置与其对应标号；步骤2、建立每种故障类型相对应的三电平STATCOM仿真模型，分别对每一仿真模型进行仿真并对每种故障类型的网侧三相电流ila、ilb、ilc进行采样，以获得每种故障类型的网侧三相电流采样样本；步骤3、采用基于小波包能量谱和平均电流复合特征提取技术对采集到的各采样样本提取频域和时域的故障特征，并由得到的时域和频域故障特征构成故障特征向量后采用主元分析法对故障特征向量进行降维处理，以获得每一故障类型所对应的故障特征向量；步骤4、对各采样样本进行标号并构造多分类支持向量机模型，并基于遗传算法对所构造的多分类支持向量机模型进行训练即进行参数寻优，得到最优的惩罚参数C和核函数σ；步骤5、使用训练好的多分类支持向量机模型对三电平STATCOM功率器件进行开路故障诊断。进一步的，作为本专利技术的优选方案所述步骤3包括如下步骤：对采集到的各采样样本进行三层小波包分解，并分别提取每一层从低频到高频8个频段的系数序列即小波系数；对各小波系数进行重构并通过公式(1)所示的系数平方和的公式计算重构后各频段所对应的能量，并将各能量作为元素组成如公式(2)所示的故障特征向量上式中：为各频段所对应的总能量；为重构信号的离散点幅值；Ej,n则为第j层n节点小波包分解数序列的能量；统一量纲、归一化处理各故障特征向量，即令归一化后的向量对采集到的各采样样本采用如公式(5)所示平均电流法提取两相故障电流信号的平均值作为指标，其中ix(n)为信号采样值，N为采样点数。为了克服故障特征对负载变化的敏感性，对其进行归一化处理，得到归一化的平均电流值ux，其中Ix为x相电流有效值。将小波包能量谱法提取的频段能量值与归一化平均电流值共同构造新的复合特征向量，得到T'h＝[ua,ub,Ej,0/E,Ej,1/E,…,Ej,15/E](8)对故障特征向量进行基波系数调整并采用主元分析法依次对各故障特征向量进行降维处理，以获得每一故障类型所对应的故障特征向量。进一步的，作为本专利技术的优选方案所述多分类支持向量机模型采用一对一多分类支持向量机模型，即对每两类故障类型建立一个C-支持向量机。进一步的，作为本专利技术的优选方案所述多分类支持向量机模型选用高斯径向基函数RBF作为核函数，即选用公式(9)所示函数，与现有技术相比，本专利技术的有益效果：本专利技术可以实时诊断三电平STATCOM功率器件开路故障，其通过采用支持向量机的故障诊断方法使得其不需要对系统的故障特征进行分析即无需对系统模型有精确的认识，即可完成故障诊断过程，从而提高了该故障诊断算法的推广能力；且该故障诊断方法采用机器学习方法进行训练，较大的提高了故障诊断的准确率。附图说明图1是本专利技术所述方法对应的步骤流程图；图2是本专利技术所述三电平STATCOM电路拓扑结构图；图3是本专利技术所述实例发生开路故障时a相的输出电流；图4是三层小波包分解示意图；图5是本专利技术所述实例对应的遗传算法适应度曲线。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提出了一种基于输出电流的复合故障特征提取和支持向量机的三电平STATCOM功率器件开路故障诊断方法，与现有的故障诊断方法相比，本方法仅采用输出电流作为故障诊断信号，不需要增加额外的电压传感器；此外故障特征提取采用基于小波包能量谱和平均电流的复合特征提取技术，可以更准确的提取故障特征向量；同时采用遗传算法对支持向量机参数进行寻优，进一步提高了故障诊断正确率。具体的，如图1所示，本专利技术所述方法包括如下步骤：步骤1、基于单管开路故障情况以及正常运行情况，对三电平STATCOM主电路功率器件的运行状态进行划分，并对每种故障类型分别设置与其对应标号；具体的，如图2所示，由于三电平STATCOM主电路功率器件电路中包括12个功率管IGBT分别表示为S1、S2、……S12，考虑单管开路故障的情况，一共可划分为12种故障类型，同时将正常运行情况作为一类特殊的故障类型，则将STATCOM的运行状态划分为13种情况，如表1所示分别对每一类进行故障类型标号。故障类型无故障S1开路S2开路S3开路S4开路S5开路S6开路标号0123456故障类型S7开路S8开路S9开路S10开路S11开路S12开路标号7891本文档来自技高网...

【技术保护点】
一种三电平STATCOM智能故障诊断方法，其特征在于，包括如下步骤：步骤1、基于单管故障情况及正常运行情况，对三电平STATCOM主电路功率器件的运行状态进行划分，并对每种故障类型分别设置与其对应标号；步骤2、建立每种故障类型相对应的三电平STATCOM仿真模型，分别对每一仿真模型进行仿真并对每种故障类型的网侧三相电流ila、ilb、ilc进行采样，以获得每种故障类型的网侧三相电流采样样本；步骤3、采用基于小波包能量谱和平均电流复合特征提取技术对采集到的各采样样本提取频域和时域的故障特征，并由得到的时域和频域故障特征构成故障特征向量后采用主元分析法对故障特征向量进行降维处理，以获得每一故障类型所对应的故障特征向量；步骤4、对各采样样本进行标号并构造多分类支持向量机模型，并基于遗传算法对所构造的多分类支持向量机模型进行训练即进行参数寻优，得到最优的惩罚参数C和核函数σ；步骤5、使用训练好的多分类支持向量机模型对三电平STATCOM功率器件进行开路故障诊断。

【技术特征摘要】
1.一种三电平STATCOM智能故障诊断方法，其特征在于，包括如下步骤：步骤1、基于单管故障情况及正常运行情况，对三电平STATCOM主电路功率器件的运行状态进行划分，并对每种故障类型分别设置与其对应标号；步骤2、建立每种故障类型相对应的三电平STATCOM仿真模型，分别对每一仿真模型进行仿真并对每种故障类型的网侧三相电流ila、ilb、ilc进行采样，以获得每种故障类型的网侧三相电流采样样本；步骤3、采用基于小波包能量谱和平均电流复合特征提取技术对采集到的各采样样本提取频域和时域的故障特征，并由得到的时域和频域故障特征构成故障特征向量后采用主元分析法对故障特征向量进行降维处理，以获得每一故障类型所对应的故障特征向量；步骤4、对各采样样本进行标号并构造多分类支持向量机模型，并基于遗传算法对所构造的多分类支持向量机模型进行训练即进行参数寻优，得到最优的惩罚参数C和核函数σ；步骤5、使用训练好的多分类支持向量机模型对三电平STATCOM功率器件进行开路故障诊断。2.根据权利要求1所述的方法，其特征在于：所述步骤3包括如下步骤：对采集到的各采样样本进行三层小波包分解，并分别提取每一层从低频到高频8个频段的系数序列即小波系数；对各小波系数进行重构并通过公式(1)所示的系数平...

【专利技术属性】
技术研发人员：张晓华，李浩洋，郭源博，李林，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21