风电并网逆变器故障数据特征提取方法与装置制造方法及图纸

本发明专利技术提供一种风电并网逆变器故障数据特征提取方法与装置，属于光伏发电技术领域。本发明专利技术的方法包括下述步骤：基于风力发电系统对其逆变器的故障进行分析，以得到故障数据；对所述故障数据进行变分模态分解，将所述故障数据分解为不同的模式，以得到IMF；对所述IMF求解熵以得到多尺度模糊熵，将其作为特征值。本发明专利技术的方法实现了对风电并网逆变器的开路故障进行特征提取，以及，本发明专利技术的方法同样适用于对加入白噪声的风电并网逆变器的开路故障数据进行处理。本发明专利技术提及的变分模态分解提取故障特征值的方法与传统VMD相比，计入优化算法对核函数参数以及惩罚参数寻优，有利于提取故障及正常情况的有效数据特征。取故障及正常情况的有效数据特征。取故障及正常情况的有效数据特征。

【技术实现步骤摘要】
风电并网逆变器故障数据特征提取方法与装置


[0001]本专利技术属于光伏发电
，具体涉及一种风电并网逆变器故障数据特征提取方法与装置。

技术介绍

[0002]风力发电系统(WPGS)可以作为一种可持续的解决方案，以减轻温室气体排放的影响，满足不断增长的经济的能源需求。此外，风电场建设周期短，投资建设规模具有很大的灵活性。因此，风能已成为过去十年中增长最快的可再生能源之一。
[0003]然而，风电系统的大规模发展带来了两个重要问题：1)风电系统的可靠性；2)风电系统的维护成本。在风力发电系统的发展中，不仅要考虑风力发电系统的功能，还要考虑风力发电系统的可靠性，以促进风力发电系统的安全运行，最大限度地利用风力发电，大幅度提高风力发电系统的渗透率。另一方面，维修费用应降低。对于使用寿命为20年的风力涡轮机，估计维护费用至少占总费用的10
‑
15％。因此，需要研究有效的方法来提高风电系统的可靠性，降低维护成本。
[0004]由于风电系统中变流器故障的发生是独立且随机的，故障诊断是一种可行的故障快速检测和隔离方法，因此风电变流器故障诊断的工程价值如下：(1)在研制过程中，故障诊断可以为改进变换器的设计提供可靠的理论依据，以调整变换器的结构，优化变换器控制器。例如，较高的故障诊断精度可以保证有效的容错控制，提高风电机组在故障条件下的连续运行能力。(2)对于运行而言，故障诊断可以指导操作人员在变频器故障早期采取积极有效的调整措施，最大限度地减少灾难性故障的发生，有效避免不必要的停机，减少故障造成的经济损失。(3)在风电系统的维护管理方面，故障诊断可以快速检测和识别故障；这对于更早地做出决策、降低风险和更有效地降低成本具有重要意义。
[0005]因此，本专利技术提出一种风电并网逆变器故障数据特征提取方法与装置。

技术实现思路

[0006]本专利技术旨在至少解决现有技术中存在的技术问题之一，提供一种风电并网逆变器故障数据特征提取方法与装置。
[0007]本专利技术的一方面，提供一种风电并网逆变器故障数据特征提取方法，包括下述步骤：
[0008]基于风力发电系统对其逆变器的故障进行分析，以得到故障数据；
[0009]对所述故障数据进行变分模态分解，将所述故障数据分解为不同的模式，以得到IMF；
[0010]对所述IMF求解熵以得到多尺度模糊熵，将其作为特征值。
[0011]可选的，对所述故障数据进行变分模态分解，将所述故障数据分解为不同的模式，以得到IMF，包括：
[0012]对所述故障数据进行变分模态分解，将所述故障数据分解为故障数据与正常数
据；并且，
[0013]对所述故障数据进行变分模态分解时，选用改进的和声搜索算法对变分模态分解的二次惩罚因子和模态分量个数进行寻优，适应度函数为最小的包络熵。
[0014]可选的，对所述故障数据进行变分模态分解，包括：
[0015]根据预设模态分量个数对原始信号p进行分解，得到本征模态函数，具体如下式：
[0016][0017]式中，{u}为分解得到的K个模态分量，{u}＝{u1,
…
,u
k
}；{ω}为各模态的中心频率，{ω}＝{ω1,
…
,ω
k
}；k＝1,2,3,...,K；t代表时间，ω
k
代表信号u
k
(t)的频率，代表求偏导，δ(t)表示狄拉克分布函数，p表示原始信号；
[0018]采用广拉格朗日函数处理变分约束模型，将其转换为非约束模型的鞍点求解问题：
[0019][0020]其中，λ(t)为拉格朗日乘子和α为二次惩罚因子。
[0021]可选的，所述改进的和声搜索算法为在和声搜索算法中加入柯西变异算子，以得到新的和声位置的更新公式表示如下：
[0022][0023]式中：表示新种群中第j个体所在的空间位置，Cauchy表示标准柯西分布随机数，它的值为tan(π
·
(rand
‑
0.5))。
[0024]可选的，所述和声搜索算法，包括：
[0025]在HS算法的搜索空间中生成N个和声，并存储在HM中；
[0026]采用螺距调节机制进行新和声的即兴创作；
[0027]将存储在HM中的最差和声与新和声进行比较，并将最差和声进行替换；
[0028]满足预定义的最大迭代次数时，将存储在HM中最宜人的和声作为最优解。
[0029]可选的，所述HM的数学形式如下：
[0030]和声
[0031]其中，ff1是与和声1对应的适应度函数，ff2是与和声2对应的适应度函数，ff
N
是与和声N对应的适应度函数；H
i
表示种群中第i个和声，表示第i个和声在空间维度中的第一个位置，其他依次类推；和/或,
[0032]对于HM的初始化，可以使用下式：
[0033][0034]其中，u
j
和l
j
为上界和下界；且rand是0到1之间的一个随机数。
[0035]可选的，所述采用螺距调节机制进行新和声的即兴创作，包括：
[0036]如果随机数rand≤PAR参数，采用下式将即兴音符转移到相邻值，具体如下：
[0037][0038]其中，表示新种群中第j个体所在的空间位置，BW是带宽，rand为(0,1)之间的随机数，|u
j
‑
l
j
|项控制决策变量的规模，u
j
第j个体所在的空间位置的上界，l
j
第j个体所在的空间位置的上界；
[0039]若rand>PAR即兴音符不改变；和/或，
[0040]将存储在HM中的最差和声与新和声进行比较，并将最差和声进行替换，包括：
[0041]经过适应度函数计算，和声h处于1＜h＜N时，确定为HM中存储的最差和声，且如果ff
h
比ff
new
适应度更差，则新的和声将取代HM中的和声h；否则，新的和声被移除。
[0042]可选的，所述包络熵计算公式如下：
[0043][0044]其中，E
P为
包络熵，式中a(j)是由VMD分解的k个模态分量经Hilbert解调后的包络信号，p
j
是通过计算a(j)的归一化得到的概率分布序列，N为采样点数。
[0045]可选的，所述对所述IMF求解熵以得到多尺度模糊熵，将其作为特征值，包括：
[0046]考虑对IMF组成的时间序列X＝{x(t),t＝1,2,...,N
′
}进行粗粒化处理，得到粗粒化序列y
(τ)
＝{y
d(τ)
,1≤d≤N
′
/τ}，具体如下：
[0047][0048]式中：x(t)表示t本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电并网逆变器故障数据特征提取方法，其特征在于，包括下述步骤：基于风力发电系统对其逆变器的故障进行分析，以得到故障数据；对所述故障数据进行变分模态分解，将所述故障数据分解为不同的模式，以得到IMF；对所述IMF求解熵以得到多尺度模糊熵，将其作为特征值。2.根据权利要求1所述的方法，其特征在于，对所述故障数据进行变分模态分解，将所述故障数据分解为不同的模式，以得到IMF，包括：对所述故障数据进行变分模态分解，将所述故障数据分解为故障数据与正常数据；并且，对所述故障数据进行变分模态分解时，选用改进的和声搜索算法对变分模态分解的二次惩罚因子和模态分量个数进行寻优，适应度函数为最小的包络熵。3.根据权利要求2所述的方法，其特征在于，对所述故障数据进行变分模态分解，包括：根据预设模态分量个数对原始信号p进行分解，得到本征模态函数，具体如下式：式中，{u}为分解得到的K个模态分量，{u}＝{u1,
…
,u
k
}；{ω}为各模态的中心频率，{ω}＝{ω1,
…
,ω
k
}；k＝1,2,3,...,K；t代表时间，ω
k
代表信号u
k
(t)的频率，代表求偏导，δ(t)表示狄拉克分布函数，p表示原始信号；采用广拉格朗日函数处理变分约束模型，将其转换为非约束模型的鞍点求解：其中，λ(t)为拉格朗日乘子和α为二次惩罚因子。4.根据权利要求2所述的方法，其特征在于，所述改进的和声搜索算法为在和声搜索算法中加入柯西变异算子，以得到新的和声位置的更新公式表示如下：式中：表示新种群中第j个体所在的空间位置，Cauchy表示标准柯西分布随机数，它的值为tan(π
·
(rand
‑
0.5))。5.根据权利要求4所述的方法，其特征在于，所述和声搜索算法，包括：在HS算法的搜索空间中生成N个和声，并存储在HM中；采用螺距调节机制进行新和声的即兴创作；将存储在HM中的最差和声与新和声进行比较，并将最差和声进行替换；满足预定义的最大迭代次数时，将存储在HM中最宜人的和声作为最优解。6.根据权利要求5所述的方法，其特征在于，所述HM的数学形式如下：
和声其中，ff1是与和声1对应的适应度函数，ff2是与和声2对应的适应度函数，ff
N
是与和声N对应的适应度函数；H
i
表示种群中第i个和声，表示第i个和声在空间维度中的第一个位置，其他依次类推；和/或,对于HM的初始化，可以使用下式：其中，u
j
和l
...

【专利技术属性】
技术研发人员：李晖，王文锋，郑智强，赵登峰，麻红波，张伦毓，李壮，郭宏震，徐龙，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：