【技术实现步骤摘要】
基于LSTM的风机变流器开路故障识别方法
本专利技术涉及电力系统电力电子器件故障诊断的
，尤其是指一种基于LSTM的风机变流器开路故障识别方法。
技术介绍
随着电力网络的不断发展，风力发电机被广泛地运用在世界范围内，占据了市场发电总量的很大份额。因为，对于风力发电机故障的几时诊断和预警成为当下被热议的话题。背靠背变流器作为双馈风力发电机(DFIG)的重要组成部分，其IGBT开关管故障是最常发生的故障类型，可能带来过电压、大电流冲击、降低发电效率等危害，因此需要格外重视。目前对于风力发电机中背靠背变流器开关管开路故障的识别方式有以下三种形式：1)基于系统模型的分析方法。由于风力发电机是有着许多参数复杂动态系统，很难有准确的静态物理模型和数学公式可以进行仿真。目前的系统模型方法包括设定阈值，利逻辑动态模型和残差生成的单相脉冲宽度调制整流、电流残余适量等等。2)基于信号的分析方法：在基于信号的方法中，采用电压，电流，相位角，俯仰角或其他信号作为测量。应用各种信号处理方法从信号中提取有用信息，以便最大化正常状态和故障状态之间的差异。目前的方法采用基于转换器中的瞬时电...
【技术保护点】
1.基于LSTM的风机变流器开路故障识别方法，其特征在于，包括以下步骤：1)采集并网双馈风力发电机的背靠背变流器出口侧的历史故障信号，包括电压和电流信号；2)对电压和电流的原始时间序列数据进行预处理及归一化；3)设计并构建多层长短时记忆LSTM网络作为开路故障数据训练模型；4)将固定数量的预处理过的历史训练数据放入LSTM网络中进行神经网络训练；5)对训练后的网络利用在不同环境变量下采集的训练集进行正确率交叉检验和鲁棒性检验；6)采集风力发电机实时运行样本作为测试集，对测试集的故障类型进行诊断。
【技术特征摘要】
1.基于LSTM的风机变流器开路故障识别方法，其特征在于，包括以下步骤：1)采集并网双馈风力发电机的背靠背变流器出口侧的历史故障信号，包括电压和电流信号；2)对电压和电流的原始时间序列数据进行预处理及归一化；3)设计并构建多层长短时记忆LSTM网络作为开路故障数据训练模型；4)将固定数量的预处理过的历史训练数据放入LSTM网络中进行神经网络训练；5)对训练后的网络利用在不同环境变量下采集的训练集进行正确率交叉检验和鲁棒性检验；6)采集风力发电机实时运行样本作为测试集，对测试集的故障类型进行诊断。2.根据权利要求1所述的基于LSTM的风机变流器开路故障识别方法，其特征在于：在步骤1)中，对于并网的双馈风力发电机，背靠背变流器承担了连接风力发电机和电网的作用；在背靠背变流器的转子侧整流桥及电网侧逆变器的出口处设置三相电流电压传感器，共12个传感器，分别采集故障前后半周期的电流电压信号作为单个训练样本；每个训练样本为12行的矩阵，矩阵的列数也设定为固定值；每个传感器采集到的信号具有相同的数据结构；共需采集IGBT开路故障训练样本10万个以上，这些训练样本在不同时间、环境状况下发生；在步骤6)中，在风力发电机运作过程中，不断按照步骤1)中提到的数据结构对12个传感器的数据进行采集，采集结果送入多层LSTM网络中进行测试，如果测试结果为故障，则向系统发出警告并提示故障类型，由相关工作人员检验是否有故障发生，并采取相应的控制策略。3.根据权利要求1所述的基于LSTM的风机变流器开路故障识别方法，其特征在于：在步骤2)中，对原始时间序列数据进行预处理及归一化，其中每个训练样本的原始数据Xi为：式中，为第i个传感器在t时刻采集到的一维时间序列；归一化后的数据表示为：式中，是第i个传感器信号的均值，σi是第i个传感器信号的标准差；归一化处理之后各时间序列的数据范围接近，对于网络训练有帮助；归一化之后的单个训练样本表示为：4.根据权利要求1所述的基于LSTM的风机变流器开路故障识别方法，其特征在于：在步骤3)中，构建多层长短时记忆LSTM网络作为数据训练模型，具体如下：定义单个LSTM模块，包含一个遗忘门ft、一个输入门it、一个输出门ot和一个细胞状态Ct，每个门通过有选择地筛选前一个隐含层信息ht-1和当前输入xt：it＝σ(Wxixt+Whiht-1+WciCt-1+bi)ft＝σ(Wxfxt+Whfht-1+WcfCt-1+bf)Ct＝ftCt-1+ittanh(Wxcxt+Whcht+bc)式中，σ是s...
【专利技术属性】
技术研发人员：吴青华，薛正艺，夏候凯顺，李梦诗，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44
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。