[发明专利]一种基于WPD-FOA-LSSVM双模型的MMC故障定位方法有效
| 申请号： | 201910729935.6 | 申请日： | 2019-08-08 |
| 公开（公告）号： | CN110456217B | 公开（公告）日： | 2021-06-01 |
| 发明（设计）人： | 杨桢;马子莹;李鑫;邱彬;苏小平;刘宏志 | 申请（专利权）人： | 辽宁工程技术大学 |
| 主分类号： | G01R31/52 | 分类号： | G01R31/52;G01R31/62;G06K9/62;G06N3/00 |
| 代理公司： | 沈阳东大知识产权代理有限公司 21109 | 代理人： | 李在川 |
| 地址： | 123000 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于WPD‑FOA‑LSSVM双模型的MMC故障定位方法，属于多电平换流器故障定位技术领域。该方法首先将从模块化多电平换流器采集而来的电容电压信号集合S划分为训练集和测试集，并进行小波包分解，分别提取故障特征向量T1和T2，之后利用果蝇算法优化LSSVM，由故障特征向量T1和T2的集合分别训练LSSVM诊断模型，得到模型M1用于定位故障IGBT所在的桥臂及在子模块内部的位置，得到模型M2用于定位故障子模块，最后将测试集数据输入训练好的模型M1及M2中验证该模型。本发明时间空间成本低，运算速度快并且故障定位准确率高，具有较强的MMC故障定位功能。 | ||
| 搜索关键词： | 一种 基于 wpd foa lssvm 双模 mmc 故障 定位 方法 | ||
【主权项】：
1.一种基于WPD-FOA-LSSVM双模型的MMC故障定位方法，其特征在于包括如下步骤：/n步骤1：对于具有6个桥臂、6×n个子模块的三相n+1电平换流器，采集N组故障对应的各子模块电容电压，将采样得到的全体子模块电容电压组成集合S；/n步骤2：将集合S随机分解为训练样本集Strain和测试样本集Stest，其中训练样本个数为Z1，测试样本个数为Z2；/n步骤3：采用小波包分解方法对训练样本集Strain和测试样本集Stest中的样本数据进行分解，将6×n个子模块电容电压节点能量组成故障特征向量T1，全体训练样本故障特征向量的集合为Ttrain1，全体测试样本故障特征向量的集合为Ttest1；提取故障IGBT所在桥臂的n个子模块的归一化节点能量，组成故障特征向量T2，全体训练样本故障特征向量的集合为Ttrain2，全体测试样本故障特征向量的集合为Ttest2；/n步骤4：根据故障IGBT所在的桥臂以及所在子模块内部的位置，给故障特征向量设置标签L1；根据故障IGBT所在子模块的位置，给故障特征向量设置标签L2；/n步骤5：采用果蝇算法优化参数，采用one-against-all的方式搭建WPD-FOA-LSSVM故障定位模型；/n步骤6：采用不同的特征向量集合Ttrain1和Ttrain2，对步骤5搭建的模型进行训练，得到训练好的模型M1和M2；/n步骤7：将测试集提取的特征Ttest1输入到训练好的模型M1中，得到故障IGBT在MMC中所在桥臂以及所在子模块SM内部的位置；将测试集提取的特征Ttest2输入到训练好的模型M2中，对故障子模块进行定位。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于辽宁工程技术大学，未经辽宁工程技术大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910729935.6/，转载请声明来源钻瓜专利网。
