[发明专利]一种模块化多电平换流器故障分类方法

权利要求书

1.一种模块化多电平换流器故障分类方法，模块化多电平换流器包括A、B、C相6个桥臂，A、B、C相上下桥臂组合成一个相单元，每个桥臂含有一个桥臂电抗和相同数目的串联子模块；其特征是，该方法包括以下步骤：

步骤1：对三相输出电流和三相内部环流信号进行采样；

步骤2：使用小波硬阀值方法对采样信号进行滤波降噪并归一化处理；

步骤3：对归一化后的信号做同步挤压小波变换，获取原始电流信号的三维时频图像特征数据；

步骤4：将三维时频图像数据随机划分为训练集、验证集和测试集，其中训练集作为卷积神经网络模型的输入数据，网络自动学习时频图像中的潜在故障信息；

步骤5：利用遗传算法优化卷积神经网络模型的超参数，采用4折交叉验证法在验证集上评估模型，得到优化模型；

步骤6：在优化模型上输入测试集数据，得到故障类型的结论。

2.如权利要求1所述模块化多电平换流器故障分类方法，其特征是，步骤2采用小波硬阀值方法进行处理时，先对信号做连续小波变换得到小波系数，再估计噪声阀值λ，若小波系数小于λ，则该系数为噪声引起，去除这部分系数；若小波系数大于λ，则该系数为信号引起，保留这部分系数，然后对处理后的小波系数进行小波逆变换得到去噪后的信号。

3.如权利要求1所述模块化多电平换流器故障分类方法，其特征是，步骤4所述三维时频图像数据随机划分为训练集、验证集和测试集；图像数据集各包含7种故障类型，分别是：正常状态、A相上桥臂子模块故障、A相下桥臂子模块故障、B相上桥臂子模块故障、B相下桥臂子模块故障、C相上桥臂子模块故障和A相下桥臂子模块故障；其中训练集中每一类样本个数为180，验证集中每一类样本个数为60，测试集中每一类样本个数为60；合计总样本数为(180+60+60)×7＝2100。

4.如权利要求1所述模块化多电平换流器故障分类方法，其特征是，步骤5所述影响神经网络模型性能的超参数为dropout,learning rate,batch size；三个超参数在模型评估过程中被寻优确定一组最佳超参数；采用4折交叉验证法来评估训练好的模型，将训练集数据同等划分为4个区，对于每个分区i，在剩余的3个分区上训练模型，然后再分区i上评估模型；最终分数等于K个分数的平均值；评估完成，得到一组最佳超参数设置的优化模型。