[发明专利]基于PCCs二次特征优选的故障诊断方法

说明书

本发明公开了一种基于PCCs二次特征优选的柔性高压直流输电系统换流器的故障诊断方法。为了提高故障诊断的速度与精度，该方法可以使原始数据集的冗余特征不论如何排列都会被有效的去除掉。进行降维前，先对每一维特征与其他不同维的特征利用皮尔逊相关系数(PCC)进行计算，并计算皮尔逊系数之和(PCCs)，设置阈值剔除这些系数和大的值，在此基础上进行第二次相关度计算并形成新的特征集，输入PCA后进一步最后的去相关性和优化，最后能得到效果较好的准确度。本发明的故障诊断方法可以通过PCCs筛选特征实现特征优选，从而在维数较少的情况下有着良好的故障识别精度。

技术领域

本发明涉及电力电子领域中的针对发生在柔性高压直流输电换 流器故障诊断等领域，涉及一种基于PCCs二次特征优选的柔性高压 直流输电系统换流器的故障诊断方法

背景技术

自我国建立第一段葛洲坝至上海的直流输电线路以来，直流输电 工程在我国迅速崛起。随着全国联网的完成，柔性高压直流输电系统 作为大区域联网的联络线及大功率传输线正占据重要地位。由于可再 生能源本身比较分散且距负荷中心较远，所以其发展己成为一种能满 足输送电经济性要求的主流趋势。

虽然柔性高压直流输电系统有着诸多优势，然而也应清醒地认识 到柔性高压直流输电系统发展一直以来所面临的问题。首先，柔性高 压直流输电系统中换流器的过电流耐受能力远不如交流输电系统设 备，而换流器价格又十分昂贵，故设备安全问题一直是柔性高压直流 输电系统设计与运行中关注的重点。其次，由于高压直流输电系统的 传输容量大、电压等级高，一旦停运，两端的交流系统会由于严重的 功率不平衡而导致安全稳定运行问题。因此，为了快速找到故障位置， 良好的故障诊断方法十分重要。

目前根据方法针对高压柔性直流输电换流器的诊断分别为以下 三种方法：基于模型、基于数据驱动、以及基于信号的诊断方法。其 中基于模型的故障诊断方法，首先通过建立系统的数学模型来计算用 于诊断的电压或电流信号，然后根据理论计算得到相应信号的参考值， 最后比较二者的差异，从而实现对故障的检测与诊断。但存在面对复 杂系统需要大量的计算，存在这一定的困难。基于信号在针对同一对 象时准确率较高，有着良好的辨识度，但是面对不同模型需要重新计 算所需数据，且一般情况下需要传感器较多，不具有普适性；基于数 据驱动针对的诊断对象更多，但存在近似故障特征难以提取，数据该如何去选择等问题。

目前针对换流器故障诊断研究大多是对功率器件的故障诊断而 开展，而换流器内部的其他故障涉及较少。但在实际工程中，换流器 不仅仅是功率器件发生故障，直流侧的三相故障以及换流器中的续流 二极管，以及多管发生故障均有概率发生并导致换流器出现问题。且 当采用数据驱动故障诊断方法时，其故障特征存在冗余的情况下会对 故障诊断的精度和时间造成很大的影响，从而导致故障发生。

发明内容

本发明创新地提出了一种针对柔性高压直流输电系统的换流器 故障诊断方法，通过采集三相电流以及直流侧电压，并通过时域信息 的提取，时频域的小波包多分辨率分解与熵理论结合形成数据集，从 而包含所需的故障特征信息，因此能够对换流器内部的直流侧故障和 功率管器件故障进行很好的诊断。但其维数必然相对较大，且冗余信 息较多，不能靠人工来剔除一些无关和重复特征，单一仅使用PCA并 不能得到理想的诊断结果。本发明通过基于皮尔逊系数建立了数据冗 余度评价指标。通过对每一维特征与其他不同维的特征利用皮尔逊相 关系数进行计算，并将得到的结果相加，设置阈值剔除这些系数和大的值，经过两次互相关的特征选择，再输入PCA降维和进一步去除 相关度，输入SVM得到效果较好的分类精度。

为了达到上述目的，本发明提供一种基于PCCs二次特征优选的 故障诊断方法，包括基于统计特性和小波包熵的数据预处理、基于Z- score的数据标准化、基于PCCs对故障特征集进行的第一次、第二次 相关性分析、基于PCA对相关性分析后的数据集合降维、基于SVM 对处理后的特征集合进行分类诊断，具体如下：