文档名：基于DCMPCA和GABP的逆变器故障诊断
摘要：针对光伏并网三相电压型逆变器开关管的开路故障,提出深度级联模型(deepcascademode,DCM)-主成分分析(principalcomponentanalysis,PCA)与遗传算法(geneticalgorithm,GA)优化的BP神经网络结合的故障诊断方法.首先对逆变器的开路故障进行分析和仿真,确定三相电流作为故障信号,选择22类故障状态作为诊断对象,通过以稀疏表示分类(sparserepresentationbasedclassififier,SRC)为基本操作单元的深度级联模型提取故障特征,DCM根据层次学习特性将故障特征分层,再由SRC部分得到不同故障的编码系数,并采用t分布—随机近邻嵌入(t-distributedstochasticneighborembedding,t-SNE)方法验证了DCM具有较好的特征提取能力,通过PCA降低故障特征的冗余度、保留有价值的主成分提高网络映射能力,最后将故障特征向量作为GA-BP神经网络的输入信号实现对故障的诊断识别.通过仿真实验得到该方法的故障诊断准确率为95.64%,与DCM-PCA-BP、FFT-GA-BP和FFT-BP相比准确率分别提高8.71%、20.64%、51.70%,表明该方法有更好的故障特征提取能力和故障诊断效果.
Abstract：Aimingattheopen-circuitfaultofthephotovoltaicgrid-connectedthree-phasevoltage-typeinverter,.afaultdiagnosismethodcombiningdeepcascademode-principalcomponentanalysis(DCM-PCA)andgeneticalgorithm-optimizedBP(GA-BP)neuralnetworkisproposed.Firstly,theopen-circuitfaultoftheinverterisanalyzedandsimulated,thethree-phasecurrentisdeterminedasthefaultsignal,and22typesoffaultstatesareselectedasthediagnosisobjects,andthefaultfeaturesareextractedthroughthedeepcascademodelwithsparserepresentationclassificationasthebasicoperationunit,theDCMfaultfeaturesarestratifiedbasedonthecharacteristicsofhierarchicallearning.Thet-SNEmethodisusedtoverifythatDCMhasgoodfeatureextractionability.PCAisusedtoreducetheredundancyoffaultfeatures,retainvaluableprincipalcomponentstoimprovethenetworkmappingability.Finally,thefaultfeaturevectorisusedastheinputoftheGA-BPneuralnetworktoidentifythefaultandoutputthediagnosisresult.Thefaultdiagnosisaccuracyofthismethodis95.64%throughsimulationandexperiments,comparedwiththeDCM-PCA-BP,FFT-GA-BPandFFT-BP,theaccuracyisincreasedby8.71%,20.64%and51.70%respectively,indicatingthattheproposedmethodhasbetterfaultfeatureextractioncapabilityandbetterfaultdiagnosisperformance.
作者：黄敬尧 程煜 李雅恬Author：HUANGJingyao CHENGYu LIYatian
作者单位：三峡大学电气与新能源学院,湖北宜昌443000
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2024, 39(1)
分类号：TM464
关键词：逆变器 故障诊断 神经网络 深度级联模型 故障特征
Keywords：inverter faultdiagnosis neuralnetwork deepcascademode faultcharacteristics
机标分类号：TM464TM351TM73
在线出版日期：2024年5月21日
基金项目：湖北省自然科学基金基于DCM-PCA和GA-BP的逆变器故障诊断[
期刊论文] 电力科学与技术学报--2024, 39(1)黄敬尧 程煜 李雅恬针对光伏并网三相电压型逆变器开关管的开路故障,提出深度级联模型(deepcascademode,DCM)-主成分分析(principalcomponentanalysis,PCA)与遗传算法(geneticalgorithm,GA)优化的BP神经网络结合的故障诊断方法.首先对...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于DCM-PCA和GA-BP的逆变器故障诊断 Fault diagnosis of inverter based on DCM-PCA and GA-BP neural network
基于DCM-PCA和GA-BP的逆变器故障诊断.pdf
- 文件大小:
- 3.29 MB
- 下载次数:
- 60
-
高速下载
|
|
