论文部分内容阅读
光伏逆变器作为光伏发电的重要组成,主要承担着电能变换的作用,是将光伏直流电转换成交流电的主要设备。其中级联型逆变器由于具有多电平、模块化、易扩展、大容量的诸多优点,在新一代光伏逆变器中逐渐占据重要地位。统计结果表明,逆变器在长期运行过程中,容易受内外环境影响出现参数性故障与结构性故障,一旦出现故障将会严重危害电力系统与操作人员人身安全,而级联型逆变器包含的元件更多、结构更为复杂,所面临的故障风险也更高,因此对其进行故障诊断方法研究对于维护整个光伏系统的安全稳定运行意义重大。基于此,以级联型光伏逆变器为对象,针对其参数性故障与结构性故障问题,从特征提取与故障诊断展开研究,为提高光伏系统可靠性与稳定性提供理论支持。针对由母线电容劣化引起的参数性故障问题,从特征提取与故障诊断出发,包括:1)提出基于变分模态分解与希尔伯特黄变换边际谱(VMD-HHT边际谱)的参数性故障特征提取方法;同时,提出在VMD的分解过程中采用近似熵算法对模态分解个数K进行确定。研究表明,相比于经验模态分解与快速傅里叶变换,所提方法能有效实现参数性故障的特征提取。2)提出快速小波自动编码器(Fast wavelet auto encoders,FWAE)与深度小波极限学习机(Deep wavelet extreme learning machine,DWELM)的参数性故障诊断方法;同时,针对所提DWELM算法超参数的优化选择,提出改进共生生物搜索算法(Improved symbiotic organisms search,ISOS)用于DWELM的超参数寻优。最后,将所提DWELM与VMD-HHT边际谱结合共同用于母线电容等效串联电阻的参数辨识,研究表明所提方法能有效提高参数辨识的精确度。针对由IGBT开路引起的结构性故障问题,从特征提取与故障诊断出发,包括:3)提出基于深度自动编码器(Deep auto-encoders,DAE)的结构性故障特征提取方法。研究表明,相比于小波分解与快速傅里叶变换,采用DAE对原始输出电压信号进行自适应特征提取,具有自动化程度高、抗噪能力强的特点,能有效实现结构性故障的特征提取。4)提出集合主成分与邻域保持(Ensemble principle component and neighborhood preserving,EPCNP)的流形学习特征降维方法。该方法通过结合主成分分析与近邻保持嵌入各自优点,兼具最大化保留数据的全局结构特性与局部结构特性,更利于提取原始数据集中的低维流形。最后,将所提EPCNP方法与DAE特征提取相结合构成多尺度EPCNP用于由IGBT开路引起的结构性故障诊断。研究结果表明,所提方法能实现快速准确故障诊断的同时保持良好的抗噪性能。