【技术实现步骤摘要】
本专利技术涉及电力电子，尤其涉及一种电力电子变换器在线故障诊断方法、介质和电子设备。
技术介绍
1、与双电平变换器拓扑结构相比，多电平变换器拓扑结构具有开关损耗低、输出电压谐波含量少等优点。在实际应用中，电力电子变换器的可靠性对于系统的正常、安全运行至关重要。电力电子变换器中功率半导体器件最容易出现故障，尤其是短路故障和开路故障。短路故障导致过流，可通过标准保护电路快速检测。而开路故障会导致终端电压或电流的谐波含量增加，长期对逆变器负载如变压器或电动机，会产生破坏性影响。因此，系统应具备快速的开路故障诊断能力，以防止开路故障无法及时发现所带来的严重后果。
2、另外，在工程应用中，从电力电子变换器中采集到的真实信号通常以丰富噪声的形式存在。对于机器学习方法来说，处理噪声信号是一个巨大的挑战。同时，当采集多个信号时，大量的噪声将降低故障诊断准确性，增加诊断模型训练时间。
技术实现思路
1、本专利技术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，本专利技术的第一个目的在于提供一种电力电子变换器在线故障诊断方法，该方法能够实现电力电子变换器开路故障诊断，并能够对采集信号进行噪声处理，降低故障诊断模型训练时间，提高故障诊断准确性。
2、本专利技术的第二个目的在于提供一种计算机可读存储介质。
3、本专利技术的第三个目的在于提供一种电子设备。
4、为达到上述目的，本专利技术通过以下技术方案实现：
5、一种电力电子变换器在线故障
6、离线采集电力电子变换器电容电压与输出电流数据，并设置故障标签；
7、采用多特征切片改进极限学习机方法对离线采集数据进行处理，并根据处理后数据和所述故障标签离线训练电力电子变换器故障诊断模型；
8、在线采集电力电子变换器电容电压与输出电流数据序列；
9、采用所述多特征切片改进极限学习机方法处理在线数据后，输入至完成训练的所述电力电子变换器故障诊断模型中，实现电力电子变换器故障在线诊断。
10、优选的，离线采集数据包括电容电压与输出电流正常数据和故障数据，所述故障数据为所述电力电子变换器所有开关管独立发生开路故障时的数据。
11、优选的，离线采样频率与所述电力电子变换器中开关管的开关频率相同。
12、优选的，所述采用多特征切片改进极限学习机方法对离线采集数据进行处理，并根据处理后数据和所述故障标签离线训练电力电子变换器故障诊断模型，包括：
13、对所述离线采集数据进行一次平均去除数据噪点处理，并对一次处理后的数据进行二次平均轻量化测量信号处理，再对二次处理后的数据进行纵向切片处理，得到多个训练样本，并将多个训练样本输入至所述电力电子变换器故障诊断模型中，根据对应的所述故障标签得到相应的训练目标，以完成对所述电力电子变换器故障诊断模型的训练。
14、优选的，所述对所述离线采集数据进行一次平均去除数据噪点处理，包括：
15、设置k个数据点大小窗口，依次以每个数据点为窗口中心，计算离线采集数据每个窗口大小为k的数据窗口均值，得到一次处理后的电容电压与输出电流数据序列；其中，窗口中心每次移动1个数据点，计算方法为：
16、
17、
18、其中，p为输出电流指针，p＝1,2,…,l，l为输出电流总数，i′pi表示第p个输出电流的第i个电流均值，ipi表示第p个输出电流的第i个采样电流值，i＝1,2,…,n，n为采样电流值总数，k＝2i+1表示k个数据点窗口大小，q为电容电压指针，q＝1,2,…,r，r为电容个数，u′qi表示第q个电容的第i个采样电压均值，uqi表示采样的第q个电容的第i个采样电压值；当没有足够的元素填满窗口时，只根据窗口内的元素计算均值，计算方法为：
19、
20、
21、
22、
23、其中，i'pn为第p个输出电流的第n个电流均值，u'qn为第q个电容的第n个采样电压均值。
24、优选的，所述对一次处理后的数据进行二次平均轻量化测量信号处理，包括：
25、设置k′个数据点大小的窗口，依次计算一次处理后电容电压数据序列与输出电流数据序列的局部k′个数据点的均值，得到二次处理后的电容电压数据序列与输出电流数据序列；其中，窗口每次移动k′个数据点，计算方法为：
26、
27、
28、…
29、
30、
31、
32、…
33、
34、其中，i′pm表示二次处理后第p个输出电流的第m个电流均值，k′表示窗口大小，m表示二次处理时的采样电流值总数，u'q'm表示二次处理后第q个电容的第m个采样电压均值。
35、优选的，在线采集频率与所述离线采样频率相同。
36、为达到上述目的，本专利技术第二方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的电力电子变换器在线故障诊断方法。
37、为达到上述目的，本专利技术第三方面提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述所述的电力电子变换器在线故障诊断方法。
38、本专利技术至少具有以下技术效果：
39、本专利技术离线采集电力电子变换器电容电压与输出电流正常与故障数据序列，并设置故障标签，然后应用多特征切片改进极限学习机方法，离线训练电力电子变换器故障诊断模型，再在线采集电力电子变换器电容电压与输出电流数据序列，应用特征切片改进极限学习机方法处理在线数据，并将其输入至训练好的电力电子变换器故障诊断模型，即可在线诊断电力电子变换器故障，由此可实现电力电子变换器开路故障诊断；其中，采用多特征切片改进极限学习机方法离线训练电力电子变换器故障诊断模型时具体先对离线采集数据进行一次平均去除数据噪点处理，并对一次处理后的数据进行二次平均轻量化测量信号处理，再对二次处理后的数据进行纵向切片处理，得到多个训练样本，然后将多个训练样本输入至电力电子变换器故障诊断模型中，根据对应的故障标签得到相应的训练目标，从而可完成对电力电子变换器故障诊断模型的训练，通过该方法对采集信号进行噪声处理，可降低故障诊断模型训练时间，并可提高故障诊断准确性。另外，本专利技术基于上述方法实现电力电子变换器故障诊断还具有操作简单、实时性好、以及泛化能力强的优点。
40、本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种电力电子变换器在线故障诊断方法，其特征在于，包括：
2.如权利要求1所述的电力电子变换器在线故障诊断方法，其特征在于，离线采集数据包括电容电压与输出电流正常数据和故障数据，所述故障数据为所述电力电子变换器所有开关管独立发生开路故障时的数据。
3.如权利要求2所述的电力电子变换器在线故障诊断方法，其特征在于，离线采样频率与所述电力电子变换器中开关管的开关频率相同。
4.如权利要求1所述的电力电子变换器在线故障诊断方法，其特征在于，所述采用多特征切片改进极限学习机方法对离线采集数据进行处理，并根据处理后数据和所述故障标签离线训练电力电子变换器故障诊断模型，包括：
5.如权利要求4所述的电力电子变换器在线故障诊断方法，其特征在于，所述对离线采集数据进行一次平均去除数据噪点处理，包括：
6.如权利要求5所述的电力电子变换器在线故障诊断方法，其特征在于，所述对一次处理后的数据进行二次平均轻量化测量信号处理，包括：
7.如权利要求3所述的电力电子变换器在线故障诊断方法，其特征在于，在线采集频率与所述离线采样频率相
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的电力电子变换器在线故障诊断方法。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一项所述的电力电子变换器在线故障诊断方法。
...【技术特征摘要】
1.一种电力电子变换器在线故障诊断方法，其特征在于，包括：
2.如权利要求1所述的电力电子变换器在线故障诊断方法，其特征在于，离线采集数据包括电容电压与输出电流正常数据和故障数据，所述故障数据为所述电力电子变换器所有开关管独立发生开路故障时的数据。
3.如权利要求2所述的电力电子变换器在线故障诊断方法，其特征在于，离线采样频率与所述电力电子变换器中开关管的开关频率相同。
4.如权利要求1所述的电力电子变换器在线故障诊断方法，其特征在于，所述采用多特征切片改进极限学习机方法对离线采集数据进行处理，并根据处理后数据和所述故障标签离线训练电力电子变换器故障诊断模型，包括：
5.如权利要求4所述的电力电子变换器在线故障诊断方法，其特征在于，所述对...
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。