一种基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法技术

本发明专利技术公开了一种基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法，本方法基于实验平台和其数字仿真系统获取IGBT开路故障的原始数据库，设计故障特征向量，利用RVFL分类器训练故障分类器，调整网络模型的节点数和激活函数以节约计算资源和时间，利用已经训练好的网络模型对在线获取的数据样本分类识别，解决了单相PWM整流器中IGBT开路故障的实时快速诊断问题，有利于故障诊断算法的实时在线运行。行。行。

【技术实现步骤摘要】
一种基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法


[0001]本专利技术涉及IGBT故障诊断领域，具体涉及一种基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法。

技术介绍

[0002]单相脉宽调制(pulse width modulation，PWM)整流器，作为交流测和直流侧的能量转换器，广泛应用于光伏发电、铁路电力牵引运输、电池充电和航空航天系统等领域。如图2所示，绝缘栅双极晶体管(insulated gate bipolar transistor，IGBT)是单相PWM整流器的重要组成，其运行状况直接影响能量转换过程的实现。据报道，IGBT是电力电子系统中故障率最高的元件，其故障诊断方法正在蓬勃发展。其中，检测并诊断故障特征具有潜伏特性的IGBT开路故障是保证系统安全运行的重要工作步骤，同时也为系统故障后精准容错控制提供参考。
[0003]传统基于信号的故障诊断方法通过对电流和电压信号的时域和频域进行信号处理来提取故障特征，从而获得故障信息，这类方法往往容易受到噪声和负载变化的影响，产生误判。基于解析模型的方法通常采用数学模型和物理原理来模拟实际系统，并针对系统实际测量输出和解析模型预测输出之间的残差信息，设计故障检测及诊断策略，这类方法依赖于系统精确数学模型，参数变化会影响故障诊断性能。基于数据驱动的方法利用智能算法(如神经网络)从大量历史数据中学习故障知识，获取故障特征和故障模式之间的映射关系，实现故障的识别，具有不受负载影响和不依赖于系统精确模型等优点，具有解决基于信号和解析模型的诊断方法中难题的潜力。但需要大量的原始数据样本和特征信息，并且智能算法的实现往往需要大量的计算资源和较长的执行时间。同时，IGBT的开路故障诊断既需要实时快速性，又需要高精度诊断，并且单相PWM整流器系统的控制板块在设计时通常只用于控制与保护，其计算资源和计算能力十分有限。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法解决了现有数据驱动IGBT开路故障诊断方法耗时长的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0006]提供一种基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法，其包括以下步骤：
[0007]S1、基于单相PWM整流器系统实验原型平台搭建数字仿真系统，获取不同IGBT单管开路故障模式下的网侧电流和直流侧电压数据，构建历史数据训练集；
[0008]S2、通过历史数据训练集对RVFL分类器进行训练，得到训练后的RVFL分类器；
[0009]S3、获取网侧电流在半个基波周期的平均值，判断该电流平均值的绝对值是否小于0.1，若是则进入步骤S4；否则进入步骤S5；
[0010]S4、若该半个基波周期为正半周，则判定T2和T3发生开路故障；若该半个基波周期为负半周，则判定T1和T4发生开路故障；
[0011]S5、采集并基于四分之一个基波周期内目标单相PWM整流器的网侧电流和直流侧电压数据作为测试数据构造测试集，将测试数据输入训练后的RVFL分类器，获取训练后的RVFL分类器输出的故障标签；
[0012]S6、判断当前故障标签是否大于0，若是则进入步骤S7；否则判定无故障；
[0013]S7、判断当前故障标签与上一个故障标签是否均大于0且不相等，若是则判定两个非对管发生双管开路故障；否则判定发生单管故障；
[0014]其中，T1和T2分别位于a相桥臂的上桥臂和下桥臂，T3和T4分别位于b相桥臂的上桥臂和下桥臂。
[0015]进一步地，步骤S1的具体方法包括以下子步骤：
[0016]S1
‑
1、基于单相PWM整流器系统实验原型平台搭建数字仿真系统，获取不同IGBT单管开路故障模式下的网侧电流和直流侧电压数据，得到初始样本数据；
[0017]S1
‑
2、对同一故障模式下的初始样本数据进行标幺化处理，得到处理后的样本数据；
[0018]S1
‑
3、将处理后的样本数据按照仅包含网侧电流、仅包含直流侧电压，以及同时包含网侧电流和直流侧电压构造为3种不同的特征向量，将每个特征向量设置n种不同维度，得到3n个不同特征子集；
[0019]S1
‑
4、通过现有分类算法获取每种故障模式下测试精度最高的特征子集，得到训练集。
[0020]进一步地，步骤S1
‑
3中构造同时包含网侧电流和直流侧电压的特征向量的具体方法为：
[0021]将第y种故障对应的h维标幺化处理后的网侧电流数据和h维标幺化处理后的直流侧电压数据进行拼接，得到第y种故障的一个2h维特征向量，进而获取每种故障下的d个2h维特征向量；其中同一种故障对应的所有同维度特征向量构成该故障的属性值。
[0022]进一步地，步骤S1
‑
4中现有分类算法包括支持向量机分类模型、决策树分类模型、随机森林分类模型、随机近邻分类模型和神经网络分类模型；精度最高的特征子集为维度为200且同时包含网侧电流和直流侧电压的特征子集。
[0023]进一步地，步骤S2的具体方法包括以下子步骤：
[0024]S2
‑
1、根据公式：
[0025][0026]构造RVFL分类器的输入矩阵H1；其中x
Nd
表示训练集中第N个故障样本的第d个特征向量；[x
N1
,x
N2
,...,x
Nd
]为第N个故障样本的属性值x
N
；
[0027]S2
‑
2、根据公式：
[0028][0029]构造RVFL分类器的隐藏层矩阵H2；其中ω
j
表示第j个输入权重；b
j
表示第j个隐藏层的偏置；g(
·
)表示激活函数；
[0030]S2
‑
3、根据公式：
[0031]H＝[H
1 H2][0032]构造输出矩阵H；
[0033]S2
‑
4、随机初始化ω
j
和b
j
，根据公式：
[0034][0035]获取输出权重β；其中为输出矩阵H的Moore
‑
Penrose广义逆；(
·
)
T
表示矩阵的转置；Y为真实标签矩阵；
[0036]S2
‑
5、将当前的输入权重、隐藏层的偏置和输出权重作为训练后的RVFL分类器参数，得到训练后的RVFL分类器。
[0037]进一步地，步骤S5具体包括以下子步骤：
[0038]S5
‑
1、获取目标单相PWM整流器的网侧电流和直流侧电压数据并进行标幺化；
[0039]S5
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法，其特征在于，包括以下步骤：S1、基于单相PWM整流器系统实验原型平台搭建数字仿真系统，获取不同IGBT单管开路故障模式下的网侧电流和直流侧电压数据，构建历史数据训练集；S2、通过历史数据训练集对RVFL分类器进行训练，得到训练后的RVFL分类器；S3、获取网侧电流在半个基波周期的平均值，判断该电流平均值的绝对值是否小于0.1，若是则进入步骤S4；否则进入步骤S5；S4、若该半个基波周期为正半周，则判定T2和T3发生开路故障；若该半个基波周期为负半周，则判定T1和T4发生开路故障；S5、采集并基于四分之一个基波周期内目标单相PWM整流器的网侧电流和直流侧电压数据作为测试数据构造测试集，将测试数据输入训练后的RVFL分类器，获取训练后的RVFL分类器输出的故障标签；S6、判断当前故障标签是否大于0，若是则进入步骤S7；否则判定无故障；S7、判断当前故障标签与上一个故障标签是否均大于0且不相等，若是则判定两个非对管发生双管开路故障；否则判定发生单管故障；其中，T1和T2分别位于a相桥臂的上桥臂和下桥臂，T3和T4分别位于b相桥臂的上桥臂和下桥臂。2.根据权利要求1所述的基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法，其特征在于，步骤S1的具体方法包括以下子步骤：S1
‑
1、基于单相PWM整流器系统实验原型平台搭建数字仿真系统，获取不同IGBT单管开路故障模式下的网侧电流和直流侧电压数据，得到初始样本数据；S1
‑
2、对同一故障模式下的初始样本数据进行标幺化处理，得到处理后的样本数据；S1
‑
3、将处理后的样本数据按照仅包含网侧电流、仅包含直流侧电压，以及同时包含网侧电流和直流侧电压构造为3种不同的特征向量，将每个特征向量设置n种不同维度，得到3n个不同特征子集；S1
‑
4、通过现有分类算法获取每种故障模式下测试精度最高的特征子集，得到训练集。3.根据权利要求2所述的基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法，其特征在于，步骤S1
‑
3中构造同时包含网侧电流和直流侧电压的特征向量的具体方法为：将第y种故障对应的h维标幺化处理后的网侧电流数据和h维标幺化处理后的直流侧电压数据进行拼接，得到第y种故障的一个2h维特征向量，进而获取每种故障下的d个2h维特征向量；其中同一种故障对应的所有同维度特征向量构成该故障的属性值。4.根据权利要求2所述的基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法，其特征在于，步骤S1
‑
4中现有分类算法包括支持向量机分类模型、决策树分类模型、随机森林分类模型、随机近邻分类模型和神经网络分类模型；精度最高的特征子集为维度为200且同时包含网侧电流和直流侧电压的特征子集。5.根据权利要求1所述的基于RVFL的单相PWM整流器功率器件IGBT开路故障诊断方法，其特征在于，步骤S2的具体方法包括以下子步骤：S2
‑
1、根据公式：
构造RVFL分类器的输入矩阵H1；其中x
Nd
表示训练集中第N个故障样本的第d个特征向量；[x
N1

【专利技术属性】
技术研发人员：冯晓云，邓清丽，苟斌，葛兴来，林春旭，谢东，王惠民，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：