【技术实现步骤摘要】
本专利技术涉及电力电子技术和人工智能领域，具体涉及一种基于功率变换模块时序特征的故障快速辨识方法及系统。
技术介绍
1、随着功率器件可靠性以及先进控制理论的不断发展，电力电子化电力系统成为近年来的发展趋势。然而，随着电力电子系统功率等级、控制复杂程度的不断增加，系统运行可靠性正逐渐成为电力电子技术发展的难题。当系统内故障发生后，需要快速、准确地辨识故障元件并替换，减少运维时间，降低故障对于整个系统运行的影响。实际应用场景下，通过系统内各个模块的软硬件运行状态反馈，可以定位功率器件部分的故障信息。然而，非功率器件发生故障时，系统往往无法准确及时的反馈故障信息。另外，部分情况下，反馈的功率器件运行状态会与实际不符。因此，提出一种基于功率变换模块时序特征的故障快速辨识方法及系统。
技术实现思路
1、针对现有技术的不足，本专利技术提出了一种基于功率变换模块时序特征的故障快速辨识方法及系统，通过建立不同故障工作状态下的数据集，利用bi-gru强大的时序特征提取能力，有效地捕捉充故障信号中时序信息的特...
【技术保护点】
1.基于功率变换模块时序特征的故障快速辨识方法，其特征在于，包括：
2.根据权利要求1所述的基于功率变换模块时序特征的故障快速辨识方法，其特征在于，所述基于Bi-GRU网络模型和Attention机制构建神经网络模型，包括以下步骤：
3.根据权利要求2所述的基于功率变换模块时序特征的故障快速辨识方法，其特征在于，所述神经网络模型单元通过Adam优化器和交叉熵损失函数进行优化训练并通过半监督学习来调整模型，得到故障辨识的优化模型。
4.根据权利要求1所述的基于功率变换模块时序特征的故障快速辨识方法，其特征在于，所述神经网络模型中的调节
【技术特征摘要】
1.基于功率变换模块时序特征的故障快速辨识方法，其特征在于，包括：
2.根据权利要求1所述的基于功率变换模块时序特征的故障快速辨识方法，其特征在于，所述基于bi-gru网络模型和attention机制构建神经网络模型，包括以下步骤：
3.根据权利要求2所述的基于功率变换模块时序特征的故障快速辨识方法，其特征在于，所述神经网络模型单元通过adam优化器和交叉熵损失函数进行优化训练并通过半监督学习来调整模型，得到故障辨识的优化模型。
4.根据权利要求1所述的基于功率变换模块时序特征的故障快速辨识方法，其特征在于，所述神经网络模型中的调节参数设置包括：
5.根据权利要求1所述的基于功率变换模块时序特征的故障快...
【专利技术属性】
技术研发人员：刘康礼，周京阳，赵剑锋，金成，张从越，陈鹏，
申请(专利权)人：东南大学，
类型：发明
国别省市：
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。