[发明专利]基于小波遗传神经网络的双馈式风电变流器故障监测方法

权利要求书

1.一种基于小波遗传神经网络的双馈式风电变流器故障监测方法，所述的双馈式风力发电系统拓扑结构包括依次连接的风机、机侧变流器和网侧变流器，其特征在于，所述的方法包括以下步骤：

S1，获取双馈式风力发电系统的正常状态的电流信号故障状态的电流信号；

S2，采用小波分析对故障状态的电流信号进行处理，得到低频信号和高频信号；

S3，对高频信号进行二次小波分解，再通过小波变换提取故障能量，得到可以体现故障现象的故障特征向量；

S4，对故障特征向量表进行分析归类，确定故障类型，给出故障代码，编写变流器故障模式编码图，采用遗传算法对神经网络模型进行训练；

S5，根据电流信号，利用训练好的神经网络模型进行变流器故障类型识别。

2.根据权利要求1所述的一种基于小波遗传神经网络的双馈式风电变流器故障监测方法，其特征在于，所述的步骤S3包括以下流程：

选择db3小波基函数对电流信号进行六层分解，得到高频信号和低频信号；

依次对高频信号进行二次分解、重构，提取高频系数、提取高频系数能量值；

依次对低频信号进行重构，提取低频系数、提取低频系数能量值；

以高频系数能量值和低频系数能量值为元素，构造故障特征向量，并对故障特征向量进行归一化处理。

3.根据权利要求2所述的一种基于小波遗传神经网络的双馈式风电变流器故障监测方法，其特征在于，所述的归一化处理过程包括：求取高频系数能量值和低频系数能量值的有效值，然后将各元素除以有效值，所述的有效值由各系数能量值的平方值求和再开方得到。

4.根据权利要求1所述的一种基于小波遗传神经网络的双馈式风电变流器故障监测方法，其特征在于，所述的神经网络模型的输入值为故障特征向量和电流平均值。

5.根据权利要求1所述的一种基于小波遗传神经网络的双馈式风电变流器故障监测方法，其特征在于，所述的步骤S4中，神经网络模型为三层神经网络模型。

6.根据权利要求1所述的一种基于小波遗传神经网络的双馈式风电变流器故障监测方法，其特征在于，所述的步骤S4中，神经网络模型的初始群体个数为50，迭代次数为300，选择概率为0.08，交叉概率为0.8，变异概率为0.01。