基于多频段歪度分析的微网逆变器自适应故障诊断方法技术

基于多频段歪度分析的微网逆变器自适应故障诊断方法，属于微电网故障诊断领域。本发明专利技术立足信号特征在故障前后不同频段内的变化，基于离散小波多分辨率分析方法提取不同频段、多层次的三相电流分解系数，并通过重构获得故障检测信号不同频段、多层次的分解信号，并通过能量分析方法确定最优分解层数。然后分别对不同频段的多层次分解信号进行歪度分析，得到各分解信号的歪度特征值来表示各分解信号因故障而发生的扭曲程度。最后以三相电流信号不同频段各分解信号的歪度特征值为输入，以微网逆变器故障诊断结果为输出，建立神经网络结构，能很好地进行微电网逆变器开关故障的诊断与定位，不用设定阀值，更加有利于实际操作使用，且相对精度较高。

【技术实现步骤摘要】

本专利技术属于微电网故障诊断领域，特别涉及一种基于多频段歪度分析的微网逆变 器自适应故障诊断方法。
技术介绍
随着人们对能源质量要求的不断提高，微电网技术也越来越受到重视。逆变器的 可靠性是微电网正常运作的基础保障。逆变器的故障会影响系统许多其它组件的正常工 作，导致电能输出的不稳定以及很多不良影响。因此，微电网逆变器系统的故障诊断在维持 系统正常运行和降低经济损失方面有着重要的意义。 虽然现有相关逆变器故障诊断方法多种多样，但仍存在很多的不足：很多逆变器 故障诊断方法中大多针对逆变器开路故障的诊断，这主要因为很难实现短路故障的诊断和 分类。短路故障往往特征值不是特别明显，这也主要受限于很多方法的分辨精度问题。另 一方面，基于各种算法的相关故障诊断方法是需要根据具体系统诊断情况，设定算法的相 关阀值，这类方法往往过于理想化，难以精确的实现故障诊断，而且如果像新型微电网中的 逆变器，开关多，具有故障诊断针对性的算法很难实现全面的故障诊断设计，应用范围非常 局限。专家系统类的故障诊断方法，需要详细的各种故障类别特征值，实际操作起来非常困 难，且很难实现精度较高的分辨效果。由此可见，现有逆变器的相关故障诊断方法存在着很 多问题。 多种多样的现有故障诊断方法，大体可分为基于数据和基于模型的。早期的相关 研究大多是基于模型的，根据数学表达式研究相关特性以及故障情况，并通过数学手段进 行相关的故障检测和故障恢复。随着智能电网技术的发展、新型电网种类的不断增多、规模 的不断扩大和需求侧的不可预测性，电网的数学模型很难精确的被构建，更难以通过精确 的数学方式去实现故障的诊断和恢复。因此基于数据的诊断方法受到更多的关注，它是一 种基于数据条件下，根据一定的算法对信号数据进行分析实现故障的诊断与分类问题，其 更具有一定的实际操作意义。
技术实现思路
针对现有技术存在的不足，本专利技术提供一种基于多频段歪度分析的微网逆变器自 适应故障诊断方法。 本专利技术的技术方案是这样的： -种，包括以下步骤： 步骤1 :从微电网获得经滤波采样后的三相电流信号； 步骤2 :基于能量分析的方法对三相电流信号进行分解与重构，得到多层次、不同 频段的分解信号； 步骤2. 1 :初步确定微电网逆变器正常状态下，三相电流信号的应分解层数J; 设三相电流信号的采样频率为fs，则将微电网三相电流信号分解为多层次的分解 信号时，第j层分解信号对应的频率带宽为+1)fs，2 ]fs];如果微电网逆变器正常状态 下，系统输出的三相电流信号的频率f，且正好处于三相电流采样信号第Μ层分解信号对应 的频率带宽之中，则可确定此时三相电流信号的主要能量分布在第Μ层中， 从而初步确定三相电流信号的应分解层数J=Μ; 步骤2. 2 :采用基于离散小波变换的多分辨率分析方法对微电网三相电流信号进 行J层的分解，得到微电网三相电流信号在不同层次的分解系数； 步骤2. 3:对每层的分解系数分别进行重构得到电网三相电流信号的J个频段的 分解信号； 步骤2. 4:确定三相电流信号在上述J层的能量分布情况； 首先分别从微电网获得经滤波采样后的一组开关管的不同状态下的三相电流信 号；然后按照步骤2. 2和步骤2. 3的方法分别将本步骤所采样的三相电流信号进行J层分 解和重构得到相应的分解信号；再计算各分解信号的能量值，进而确定该组开关的不同状 态下的三相电流信号的能量分布情况； 步骤2. 5 :从层数Μ开始逐层增加分解层数，并按照步骤2. 2和步骤2. 3的方法得 到新增加的分解信号，再按照步骤2. 4的方法计算出新增加的分解信号的能量值，进而确 定出增加分解层数后的三相电流信号的能量分布情况，直到获得最优分解层数J%进而确 定三相电流信号的最终分解层数J=r; 从Μ层开始逐层增加分解层数，并按照步骤2. 2和步骤2. 3的方法得到新增加的 分解信号，再按照步骤2. 4的方法计算出新增加的分解信号的能量值；当分解到第Γ层时， 若在微网逆变器中所有开关的不同状态下的第Γ层的信号能量值总数小于微网逆变器中 所有开关的不同状态下的第Γ-1层的信号能量值总数，且三相电流信号的主要能量分布在 JM层时，则将第Γ层确定为最优分解层数，进而确定三相电流信号的最终分解层数J= J*; 步骤3 :计算各频段对应的分解信号的歪度特征值； 步骤4:以各分解信号的歪度特征值为输入，以微网逆变器故障诊断结果为输出， 建立并训练神经网络结构； 步骤5 :利用训练好的神经网络进行微网逆变器自适应故障诊断。 本专利技术的原理为：本专利技术立足信号特征在故障前后不同频段内的变化，基于离散 小波多分辨率分析方法提取不同频段、多层次的三相电流分解系数，并通过重构获得故障 检测信号（三相电流信号）不同频段、多层次的分解信号，并通过能量分析方法确定最优分 解层数。然后分别对不同频段的多层次分解信号进行歪度分析，得到各分解信号的歪度特 征值来表示各分解信号因故障而发生的扭曲程度。最后以三相电流信号不同频段各分解信 号的歪度特征值为输入，以微网逆变器故障诊断结果为输出，建立神经网络结构，实现微网 逆变器自适应故障诊断。 本专利技术的有益效果： 1.通过基于离散小波多分辨率分析方法对三相电流信号进行多层次的分解和重 构获得三相信号不同频段的详细分解信号，可以体现出信号在不同频段发生的信号变化规 律，可以进一步提高微网逆变器故障诊断识别能力，并且，通过信号的能量分析方法，针对 具体的电网故障信号，在提高诊断识别精度的前提下，尽量减少不必要的分解层数，降低计 舁里； 2.对不同频段、多层次的分解信号进行歪度程度的分析，能够体现由故障引起的 三相电流信号在不同频段的扭曲变化程度。而且所提取的多层次三相电流信号歪度特征 值，在不同的逆变器开关状态下的变化是明显的，因此可以非常出色的体现出不同逆变器 开关故障带来的信号变化程度； 3.建立的以各分解信号的歪度特征值为输入和以微网逆变器故障诊断结果为输 出的神经网络结构可以实现微网逆变器自适应故障诊断，不用设定阀值，更加有利于实际 操作使用，且相对精度较高，能很好地进行微电网逆变器开关故障的诊断与定位。【附图说明】 图1为本专利技术一种实施方式的微电网逆变器系统结构示意图； 图2为本专利技术一种实施方式的基于多频段歪度分析的微网逆变器自适应故障诊 断方法流程图； 图3为本专利技术一种实施方式的电流信号Iac]经过离散小波变换的分解得到不同层 次的分解系数的过程示意图； 图4本专利技术一种实施方式的结构为33-23-13的神经网络示意图； 图5本专利技术一种实施方式三相电流信号经分解和重构后的11层分解信号图。【具体实施方式】 下面结合附图对本专利技术的实施方式作进一步详细的说明。 本实施方式以图1所示的微电网逆变器开关故障为例详细说明本实施方式的基 于多频段歪度分析的微网逆变器自适应故障诊断方法。图1为微电网逆变器系统结构示意当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于多频段歪度分析的微网逆变器自适应故障诊断方法，其特征在于：包括以下步骤：步骤1：从微电网获得经滤波采样后的三相电流信号；步骤2：基于能量分析的方法对三相电流信号进行分解与重构，得到多层次、不同频段的分解信号；步骤3：计算各频段对应的分解信号的歪度特征值；步骤4：以各分解信号的歪度特征值为输入，以微网逆变器故障诊断结果为输出，建立并训练神经网络结构；步骤5：利用训练好的神经网络进行微网逆变器自适应故障诊断。

【技术特征摘要】

【专利技术属性】
技术研发人员：王占山，黄湛钧，何涛，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21