[发明专利]一种NPC三电平光伏逆变器开路故障诊断方法

权利要求书

1.一种NPC三电平光伏逆变器开路故障诊断方法，其特征是包括如下步骤：

(1)搭建NPC三电平逆变器仿真模型，模拟故障情形；

(2)采集三相相电压时域信号；

(3)对相电压信号进行小波包变换求取变换后各频带能量，作为信号特征向量；

(4)用主成分分析法对提取到特征向量降维处理，得到低维数据矩阵样本，将样本分为训练样本和测试样本两部分；

(5)建立径向基神经网络，用训练样本训练径向基神经网络，将训练好的神经网络保存；

(6)用测试样本测试训练好的径向基神经网络，分析故障诊断结果。

2.根据权利要求1所述的一种NPC三电平光伏逆变器开路故障诊断方法，其特征是发明步骤(3)所述的对相电压信号进行小波包变换求取变换后各频带能量，作为信号特征向量，包括以下步骤：

(1)对原始采样信号S进行三层小波包分解，分别提取第三层从低频到高频8个频带的分解系数d_ij；

(2)重构小波包分解系数，得到各频带的重构信号。以S_ij表示d_ij重构信号。则总信号S可以表示为：

S＝S₃₀+S₃₁+…+S₃₇ (1)

(3)求取各频带重构信号能量，设S_3j对应的能量为E_3j，则有：

其中x_jk(j＝0，1，…，7；k＝1，2，…，n)表示重构信号S_3j的离散点幅值。总能量为E，则有：

(4)构造特征向量：不同故障类型输出的电压信号经小波包变换后各频带能量具有差异性，将得到的各频带能量值构造成故障特征向量，设构造的特征向量为T，则：

T＝[E₃₀，E₃₁，…，E₃₇] (4)

(5)当能量较大时，E_3j通常是一个较大的数值，这给分析带来了不便，因此需要对特征向量T进行归一化处理：

T′＝[E₃₀/E，E₃₁/E，…，E₃₇/E] (5)

T′便是基于小波包算法提取到的故障特征向量。

3.根据权利要求1所述的一种NPC三电平光伏逆变器开路故障诊断方法，其特征是步骤(4)所述的用主成分分析法对提取到特征向量降维处理，得到低维数据矩阵样本，按如下步骤：

假定有n个样本，每个样本共有p个变量，构成一个n×p阶的数据矩阵X，接着可以求取数据矩阵X的协方差矩阵R：

R＝E{[X-E(X)][X-E(X)]^T} (6)

协方差矩阵R的特征值λ和特征向量α可由方程(7)、(8)确定：

|λI-R|＝0 (7)

|λ_iI-R|α_i＝0,i＝1，2，…，p (8)

其中协方差矩阵R特征值λ_i从大到小排列为λ₁≥λ₂≥…≥λ_p；α_i是特征值λ_i对应的特征向量，令P＝[α₁，α₂，…，α_p]；

计算主成分累计贡献率η：

式中，A是一个常数，根据需要进行适当设置，一般取85％-95％；

最终，数据矩阵X降维后得到一个更低维数的n×k的矩阵X′：

X′＝XP′ (10)

式(10)中，P′是一个p×k矩阵，由矩阵P前k列组成。

4.根据权利要求1所述的一种NPC三电平光伏逆变器开路故障诊断方法，其特征步骤(5)所述的立径向基神经网络，用训练样本训练径向基神经网络，将训练好的神经样本保存，按如下步骤：

(1)在matlab中建立径向基神经网络；

(2)输入层为主成分分析降维后的特征向量，节点数为10，输出层为六位二进制故障编码，节点数为6，均方误差0.001，隐层节神经元个数最大值设为100，隐层激活函数为径向基函数；

(3)经主成分分析后，数据样本维数降低，降维后的数据样本分为训练样本和测试样本，用训练样本训练径向基神经网络，然后将其保存。最后用测试样本测试，分析故障诊断效果。