[发明专利]一种中压模块化多电平变流器故障诊断方法

说明书

本发明一种中压模块化多电平变流器故障诊断方法，属于电力电子领域，该方法将采集到的模块化多电平变流器MMC的各子模块电容电压值和各桥臂电流值构造成数据集，所述数据集中包括模块化多电平变流器MMC的子模块的正常运行状态数据和故障运行状态数据；将样本集根据模块化多电平变流器运行状态进行独热编码，得到编码向量，作为类标签；采用神经网络并基于BP反向传播算法对训练集进行参数训练，得到模块化多电平变流器故障诊断模型；将测试集输入MMC故障诊断模型中，进行模块化多电平变流器的各子模块开路故障诊断，通过与类标签的匹配，得出故障类型；不需要引入新的传感器等器件，不增加系统成本及复杂性。

技术领域

本发明属于电力电子领域，涉及一种中压模块化多电平变流器故障诊断方法。

背景技术

模块化多电平变流器(MMC)作为一种应用于中高压领域变流器，因其良好的可拓展性，灵活的开关状态组合方式，优越的耐压耐流性以及良好的输出波形品质越来越受到关注。尤其是在高压柔性直流输电领域及高铁的中压变流设备中越来越受到青睐。但是由于其涉及到的开关数目比较多，开关开路故障也引起了人们的注意。

目前，随着模块化多电平变流器技术发展，有多种故障检测定位方式被提出，有学者提出使用卡尔曼滤波器的子模块故障检测方法，该方法通过由卡尔曼滤波器估计的状态变量和测量的状态变量进行比较从而检测故障的存在。也有学者提出一种基于滑膜观测器的故障检测方法，该方法也能检测出故障。但是这些方法很难建立精确的数学模型。后来有一些学者提出增加硬件电路检测设备，但是这种方法增加了成本及系统复杂度。近几年有些学者提出使用机器学习进行故障定位，但是只进行到了定位到故障桥臂层面或者故障类型层面，无法确定故障点的具体位置。因此需要找到一种不增加系统负担且实现方式简单的子模块开路故障诊断方法。

发明内容

为了解决上述问题，本发明提供一种中压模块化多电平变流器故障诊断方法，包括如下步骤：

S1：每间隔N个采样周期采集一次模块化多电平变流器的各子模块电容电压值和各桥臂电流值，同时记录每个采样周期模块化多电平变流器MMC的各子模块的开关运行状态数据；

S2：将采集到的模块化多电平变流器MMC的各子模块电容电压值和各桥臂电流值构造成数据集，所述数据集中包括模块化多电平变流器MMC的子模块的正常运行状态数据和故障运行状态数据；

S3：对模块化多电平变流器MMC的各子模块电容电压值和各桥臂电流值构造成数据集进行特征重构及样本筛选，得到新的特征值，由新的特征值构成样本集，将样本集分为训练集及测试集，将样本集根据模块化多电平变流器运行状态进行独热编码，得到编码向量，作为类标签；

S4:采用神经网络并基于BP反向传播算法对训练集进行参数训练，得到模块化多电平变流器故障诊断模型；

S5：将测试集输入MMC故障诊断模型中，进行模块化多电平变流器的各子模块开路故障诊断，通过与类标签的匹配，得出故障类型。

进一步地，所述对模块化多电平变流器MMC的各子模块电容电压值和各桥臂电流值构造成数据集进行特征重构及样本筛选，得到新的特征值包括如下步骤：

S3-1:将采集到的子模块电容电压、各桥臂电流和记录的开关状态数据根据初步样本集公式构造初步样本集；

S3-2:根据故障类型筛选样本，若与电容串联开关器件发生开路故障，仅保留当故障子模块的输入电流小于零时的样本；若与电容并联的开关器件发生开路故障，仅保留故障子模块的输入电流大于零时的样本；进而得到新的特征值。

进一步地，所述初步样本集公式如下：