一种适用于逆变器的故障诊断方法及其装置制造方法及图纸

本申请提出了一种适用于逆变器的故障诊断方法及其装置，涉及逆变器故障诊断技术领域。该方法包括：获取多个样本数据对，任一样本数据对包括逆变器的三相电流数据以及对应的参考诊断结果；将三相电流数据输入初始故障诊断模型，以获取逆变器的预测诊断结果；根据预测诊断结果和参考诊断结果对初始故障诊断模型进行训练，获取候选故障诊断模型；对候选故障诊断模型进行迁移学习，获取目标故障诊断模型。本申请采用深度学习与迁移学习结合的方式，获取多个样本数据对输入到故障诊断模型，再通过训练和迁移学习，用少量的实测数据样本对迁移后的模型进行训练，能够保证再实测样本数据较少的情况下具有较高的分类精度，提高了故障诊断模型的准确度。故障诊断模型的准确度。故障诊断模型的准确度。

【技术实现步骤摘要】
一种适用于逆变器的故障诊断方法及其装置


[0001]本申请涉及逆变器故障诊断
，尤其涉及一种适用于逆变器的故障诊断方法及其装置。

技术介绍

[0002]相关技术中，逆变器发生故障将影响其所在的整个新能源发电系统的发电效率，因为逆变器故障类型复杂，故障特征区分度不明显，所以，逆变器的故障诊断精度不高。因此，如何实时准确地判断逆变器故障类型与位置，从而快速消除故障，及时恢复新能源发电系统稳定可靠运行，已经成为重要的研究方向之一。

技术实现思路

[0003]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出一种适用于逆变器的故障诊断方法及其装置。
[0004]本申请第一方面实施例提出了一种适用于逆变器的故障诊断模型的训练方法，包括：
[0005]获取多个样本数据对，任一样本数据对包括逆变器的三相电流数据以及对应的参考诊断结果；
[0006]将三相电流数据输入初始故障诊断模型，以获取逆变器的预测诊断结果；
[0007]根据预测诊断结果和参考诊断结果对初始故障诊断模型进行训练，获取候选故障诊断模型；
[0008]对候选故障诊断模型进行迁移学习，获取目标故障诊断模型。
[0009]本申请第二方面实施例提出了一种逆变器的故障诊断方法，包括：
[0010]获取待测逆变器的目标三相电流数据；
[0011]将目标三相电流数据输入目标故障诊断模型中，以获取待测逆变器的目标诊断结果，目标故障诊断模型根据如第一方面实施例的训练方法得到。
[0012]本申请第三方面实施例提出了一种适用于逆变器的故障诊断模型的训练装置，包括：
[0013]第一获取模块，用于获取多个样本数据对，任一样本数据对包括逆变器的三相电流数据以及对应的参考诊断结果；
[0014]第二获取模块，用于将三相电流数据输入初始故障诊断模型，以获取逆变器的预测诊断结果；
[0015]训练模块，用于根据预测诊断结果和参考诊断结果对初始故障诊断模型进行训练，获取候选故障诊断模型；
[0016]迁移学习模块，用于对候选故障诊断模型进行迁移学习，获取目标故障诊断模型。
[0017]本申请第四方面实施例提出了一种逆变器的故障诊断装置，其特征在于，包括：
[0018]第一获取模块，用于获取待测逆变器的目标三相电流数据；
[0019]第二获取模块，用于将目标三相电流数据输入目标故障诊断模型中，以获取待测逆变器的目标诊断结果，目标故障诊断模型根据如第三方面实施例的训练装置得到。
[0020]本申请第三方面实施例提出了一种电子设备，包括：
[0021]至少一个处理器；以及
[0022]与至少一个处理器通信连接的存储器；其中，
[0023]存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请第一方面实施例提供的适用于逆变器的故障诊断模型的训练方法或第二方面实施例提供的逆变器的故障诊断方法。
[0024]本申请第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机指令，其中，计算机指令用于使计算机执行根据本申请第一方面实施例提供的适用于逆变器的故障诊断模型的训练方法或第二方面实施例提供的逆变器的故障诊断方法。
[0025]本申请第五方面实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本申请第一方面实施例提供的适用于逆变器的故障诊断模型的训练方法或第二方面实施例提供的逆变器的故障诊断方法。
[0026]本申请实施例采用深度学习与迁移学习结合的方式，获取多个样本数据对，并将样本数据对输入到故障诊断模型，再通过训练和迁移学习，用少量的实测数据样本对迁移后的模型进行训练，能够保证再实测样本数据较少的情况下具有较高的分类精度，提高了故障诊断模型的准确度，从而促进新能源发电系统稳定可靠运行。
附图说明
[0027]图1是本申请一个实施例的适用于逆变器的故障诊断模型的训练方法的流程图；
[0028]图2是本申请一个实施例的适用于逆变器的故障诊断模型的训练方法的流程图；
[0029]图3是本申请一个实施例的适用于逆变器的故障诊断模型的训练方法的流程图；
[0030]图4是本申请一个实施例的适用于逆变器的故障诊断模型的训练方法的流程图；
[0031]图5是本申请一个实施例的故障诊断模型的结构示意图；
[0032]图6是本申请一个实施例的获取融合特征表示的示意图；
[0033]图7是本申请一个实施例的适用于逆变器的故障诊断模型的训练方法的流程图；
[0034]图8是本申请一个实施例的逆变器的故障诊断方法的流程图；
[0035]图9是本申请一个实施例的适用于逆变器的故障诊断模型的训练装置的结构图；
[0036]图10是本申请一个实施例的逆变器的故障诊断装置的结构图；
[0037]图11是本申请一个实施例的电子设备的结构示意图。
具体实施方式
[0038]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
[0039]下面结合附图来描述本申请实施例的适用于逆变器的故障诊断方法及其装置。
[0040]图1是本申请一个实施例的适用于逆变器的故障诊断模型的训练方法的流程图，如图1所示，该方法包括以下步骤：
[0041]S101，获取多个样本数据对，任一样本数据对包括逆变器的三相电流数据以及对应的参考诊断结果。
[0042]逆变器是把直流电能(电池、蓄电瓶)转变成定频定压或调频调压交流电(一般为220V，50HZ正弦波)的转换器。它由逆变桥、控制逻辑和滤波电路组成。
[0043]逆变器中包含多个绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor，IGBT)，IGBT作为开关器件，长期处于高电压、大电流、高频开关状态，因此，本申请实施例中，逆变器的故障类型可以是IGBT损坏，对应的参考诊断结果为某个位置的开关器件损坏。
[0044]在一些实现中，样本数据对可以是已经发生故障的逆变器的历史诊断数据，例如对于参考诊断结果为位置A的开关器件发生损坏的逆变器的输出信号进行检测，获取三相电流数据。
[0045]在一些实现中，样本数据对可以是根据仿真模型获取的，例如根据仿真平台构建逆变器的仿真模型，进而通过仿真系统控制逆变器仿真模型的模拟诊断故障，根据模拟诊断故障获取逆变器的参考诊断结果，根据模拟诊断故障下的逆变器的输出信号获取三相电流数据。
[0046]本申请实施例中，可以将样本数据对分为训练集和测试集，以样本数据对有500个进行说明，可以将其中的400个样本数据对作为训练集，剩余的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于逆变器的故障诊断模型的训练方法，其特征在于，包括：获取多个样本数据对，任一所述样本数据对包括逆变器的三相电流数据以及对应的参考诊断结果；将所述三相电流数据输入初始故障诊断模型，以获取所述逆变器的预测诊断结果；根据所述预测诊断结果和所述参考诊断结果对所述初始故障诊断模型进行训练，获取候选故障诊断模型；对所述候选故障诊断模型进行迁移学习，获取目标故障诊断模型。2.根据权利要求1所述的方法，其特征在于，还包括：获取所述逆变器的主电路拓扑以及调制类型；根据所述主电路拓扑以及所述调制类型调用仿真系统构建逆变器仿真模型；基于所述参考诊断结果获取故障模拟信息；将所述故障模拟信息发送给所述仿真系统，所述故障模拟信息用于指示所述仿真系统基于所述故障模拟信息，生成所述逆变器仿真模型的模拟诊断故障，所述三相电流数据在所述模拟诊断故障下获取。3.根据权利要求2所述的方法，其特征在于，所述将所述三相电流数据输入初始故障诊断模型之前，还包括：将所述三相电流数据中任一通道的电流数据进行标准化处理，获取任一通道的标准化电流数据；根据高斯随机噪声对所述任一通道的标准化电流数据进行加噪处理，获取加噪后的所述三相电流数据。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述根据所述预测诊断结果和所述参考诊断结果对所述初始故障诊断模型进行训练，获取候选故障诊断模型，包括：基于所述预测诊断结果和所述参考诊断结果，确定所述初始故障诊断模型的损失函数；根据所述损失函数对所述初始故障诊断模型进行反向调整，返回调整后的所述初始故障诊断模型进行下一次训练，直至训练结束生成所述候选故障诊断模型。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述初始故障诊断模型包括卷积层、池化层、全连接层，所述将所述三相电流数据输入初始故障诊断模型，获取预测诊断结果，包括：基于第一卷积层对所述三相电流数据进行特征提取，获取第一特征表示；基于第一池化层对所述第一特征进行池化操作，获取第一高频特征表示和第一低频特征表示；基于所述第一高频特征表示和所述第一低频特征表示获取融合特征表示；基于第二池化对所述融合特征表...

【专利技术属性】
技术研发人员：田鸿翔，张仁合，王森，彭文博，赵东明，王立闯，李孟蕾，杨波，何畅，鲁荣顺，杨一帆，刘林辉，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司华能新能源股份有限公司，
类型：发明
国别省市：