[发明专利]基于时间卷积网络的变换器故障诊断方法

说明书

本发明涉及一种基于时间卷积网络技术的电力电子变换器故障诊断方法，包括以下步骤：步骤S1：采集测量点电信号并进行降噪处理，得到带有故障信息的样本数据；步骤S2：采用归一化对带有故障信息的样本数据降维处理，并将所得故障特征与故障类型一一对应建立数据样本库；步骤S3：构建基于时间卷积网络的故障分类器，并根据数据样本库进行训练并测试，得到最优网络结构参数；步骤S4:根据最优网络结构参数重构基于时间卷积网络的故障分类器，得到的带有最优参数的故障分类器；步骤S5：将带有最优参数的故障分类器网络写入simulink中，对实际运行中的电力电子变换器做实时故障诊断与定位。本发明能更准确、更可靠的判断变换器的健康状况。

技术领域

本发明涉及电力电子技术领域，具体涉及一种基于时间卷积网络的变换器故障诊断方法。

背景技术

随着工业4.0时代的到来，电力电子技术已被更为广泛地应用于生产、生活的各个领域，相应地，电力电子故障诊断技术也就不可或缺。

首先，电力电子变换器多作为控制设备或核心电源，如果未能对故障类型进行科学诊断，只会养痈遗患，影响装置故障自隔离、自恢复。并且，随着故障范围扩大，功能失效增多，存在极大安全隐患。

其次，随着电力电子设备复杂程度提高，维护成本与日俱增。而变换器——电力电子装置中能量变换的主体,故障率高,致错后果严重。对其故障诊断,防微杜渐，避免引起较大范围的故障，降低维护成本，免去了不必要的经济损失。

最后，电力电子电路元器件个数多，逐个诊断费时费力,自动故障诊断在快速性、容错性、可靠性方面都有所提高，还可以减少停机时间、实现预知维护,节省人力物力。

传统电力电子变换器故障诊断方法有支持向量机、故障字典法等。支持向量机在计算上相对简单，但由于易受采样信号的噪声影响，会引起对输出结果的误判。故障字典的抗干扰能力强，但其所需的故障样本大，才能达到良好的效果。基于时间卷积网络的方法能够实现较少样本的情况下，对已知故障和正常情况进行区别和定位，且能对未知故障和正常情况、已知故障进行区别；能适应变频检测，在输出频率变化情况下仍能利用该网络进行故障识别与定位；能利用云服务器对多机故障数据进行实时在线云处理，为多尺度、多层次的复杂系统提供海量数据。

发明内容

有鉴于此，本发明的目的在于提供一种基于时间卷积网络的变换器故障诊断方法，能更准确、更可靠的判断变换器的健康状况，且能够识别未知故障，并适应变频检测故障，也提高了变换器故障分析的准确率。

为实现上述目的，本发明采用如下技术方案：

一种基于时间卷积网络的变换器故障诊断方法，包括以下步骤：

步骤S1：采集测量点电信号并进行降噪处理，得到带有故障信息的样本数据；

步骤S2：采用归一化对带有故障信息的样本数据降维处理，并将所得故障特征与故障类型一一对应建立数据样本库；

步骤S3：构建基于时间卷积网络的故障分类器，并根据数据样本库进行训练并测试，得到最优网络结构参数；

步骤S4:根据最优网络结构参数重构基于时间卷积网络的故障分类器，得到的带有最优参数的故障分类器；

步骤S5：将带有最优参数的故障分类器网络写入simulink中，对实际运行中的电力电子变换器做实时故障诊断与定位。

进一步的，所述步骤S1具体为：

步骤S11：根据实际故障发生情况，对电路元器件施加故障，模拟实际情况下电路故障产生输出波形；

步骤S12：使用数据采集卡采集测量点电信号；

步骤S13：采样信号通过simulink模块去除噪声，获取原始样本数据，得到带有故障信息的样本。