多模态深度残差滤波网络的逆变器故障诊断方法及系统技术方案

本发明专利技术公开了一种基于多模态深度残差滤波网络的逆变器在线故障诊断方法及系统，属于t型三电平逆变器故障诊断技术领域，包括：采集t型三电平逆变器电路中的电压和电流信号；将采集的数据集按比例划分为训练集和测试集；构建基于低秩矩阵融合的深度残差滤波网络，并输入训练集和测试集进行网络训练；利用实时采集的数据得到可训练的数据，进行t型三电平逆变器的故障诊断和深度残差滤波网络参数的更新。本发明专利技术利用低秩矩阵融合方法对采集的电压信号和电流信号进行数据融合，由深度残差滤波网络进行特征提取，从而得到t型三电平逆变器的故障状态。该深度残差滤波网络具有准确的故障诊断性能和稳定的鲁棒性。诊断性能和稳定的鲁棒性。诊断性能和稳定的鲁棒性。

【技术实现步骤摘要】
多模态深度残差滤波网络的逆变器故障诊断方法及系统


[0001]本专利技术属于t型三电平逆变器故障诊断
，更具体地，涉及一种基于多模态深度残差滤波网络的t型三电平逆变器在线故障诊断方法及系统。

技术介绍

[0002]与两电平逆变器相比，多电平逆变器是中压和中开关频率应用的关键部件，如可再生能源发电、轨道牵引和汽车驱动系统。其中，中性点夹紧式三电平逆变器和t型三电平逆变器因其简单、灵活等优点而最常用。然而，多级拓扑增加了电源开关故障的风险。为了防止灾难性事故的进一步发生，快速的故障定位和保护措施对于提高系统的稳定性和安全性至关重要。电源开关故障的两种常见结果是短路故障和开路故障。短路故障可以通过内置在驱动板上的检测电路进行检测。但直流故障表现为电流电压畸变，严重影响系统运行，并可能进一步损坏剩余设备。以往的开路故障诊断方法主要有基于信号的方法、基于模型的方法和基于知识的方法。
[0003]基于信号的方法和基于模型的方法都需要深入分析逆变器的拓扑结构和控制策略，这限制了故障诊断方法的适用性。过去基于信号的方法通常通过相电流、中性点电流、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态深度残差滤波网络的逆变器在线故障诊断方法，应用于t型三电平逆变器，其特征在于，所述方法包括：采集t型三电平逆变器的电压信号和电流信号；分别将采集的电压信号和电流信号按比例划分为训练集和测试集，以对多模态深度残差滤波网络的参数进行训练；构建基于低秩矩阵融合方法的深度残差滤波网络，输入训练集和测试集进行深度残差滤波网络训练，学习t型三电平逆变器的电流和电压信号特征；对实时运行的t型三电平逆变器进行故障诊断，同时对深度残差滤波网络的权值进行微调，使深度残差滤波网络根据数据的变化更新网络参数。2.根据权利要求1所述的方法，其特征在于，所述电流信号为t型三电平逆变器的输出电流i
X
，所述电压信号为上侧直流链路电压u
dc1
和下侧直流链路电压u
dc2
。3.根据权利要求1所述的方法，其特征在于，所述分别将采集的电压信号和电流信号按比例划分为训练集和测试集，包括：分别将采集的电压信号和电流信号划分为两部分，其中，若干比例的数据作为训练集，对深度残差滤波网络进行训练，剩下比例的数据作为测试集测试深度残差滤波网络对t型三电平逆变器故障诊断效果。4.根据权利要求1至3任意一项所述的方法，其特征在于，所述构建基于低秩矩阵融合方法的深度残差滤波网络，输入训练集和测试集进行深度残差滤波网络训练，学习t型三电平逆变器的电流和电压信号特征，包括：由双向门控神经网络分别对电压信号和电流信号进行特征提取，然后利用低秩矩阵融合方法对提取的电压信号特征和电流信号特征进行特征融合；由深度残差滤波网络提取融合后特征并进行故障诊断，输出t型三电平逆变器的故障状态。5.根据权利要求4...

【专利技术属性】
技术研发人员：邢致恺，刘慧，何鎏璐，
申请(专利权)人：宁波力斗智能技术有限公司，
类型：发明
国别省市：