基于智能分析的逆变器故障诊断系统及方法技术方案

本发明专利技术公开了一种基于智能化分析的逆变器故障诊断系统及方法，属于逆变器故障检测技术领域，方法步骤包括：步骤一、逆变器的故障输出电压输入到小波多分辨分解模型中；步骤二、通过db3小波作为基波对故障电压信号多分辨分解获得离散的细节变量信号和离散的平滑近似变量信号；步骤三、使用小波的能量换算公式分别计算出分解序列的能量值，并获得故障特征向量P；步骤四、通过使用粒子群算法对BP神经网络寻优；步骤五、将特征向量P作为BP神经网络的输入变量送入进行故障分类识别；步骤六、输出故障诊断结果。本发明专利技术得到比原来仅有BP神经网络更加快速，准确的训练结果和诊断效果，解决了逆变器故障检索慢，诊断结果不准确的问题。

【技术实现步骤摘要】

本专利技术属于逆变器故障检测
，涉及神经网络分析方向，具体涉及一种基于智能化分析的逆变器故障诊断系统及方法。
技术介绍
随着工业社会对清洁能源的不断追求，光伏发电越来越受到人们的青睐，然而将光能转化为电能的重要控制电路为光伏逆变器，因此对光伏逆变器进行故障诊断判别出主控元件开关管的好坏具有重要的意义。由逆变器的实际运行状况表明，故障大多发生于逆变器主电路中的功率管开关管，功率开关管需要连续工作在开通和关断状态，且连续承受的电压、电流比较大，易损坏而出现某个开关或多个开关管断路现象。基于数据驱动的思想，利用逆变系统运行过程中不断产生反应运行机理和状态的数据，通过适当有效的分析和提取，可以快速实现逆变系统的故障检测与识别，这比传统的只靠人工检测和维修去定位故障有效率得多。小波变换是20世纪80年代中期发展起来的一种时频分析方法，比DCT(Discrete Cosine Transform)这样的傅里叶变换的性能更优越，具有多分辨分析功能，被誉为数学显微镜。粒子群算法(PSO)来源于Kennedy和Eberhart对鸟类捕食行为的探索，于1995年提出了这种仿生群体智能化寻优算法。在众多智能寻优算法中，PSO优化算法的操作简便，易于计算机程序实现，可调参数少，寻优的速度快，随着21世纪计算机技术和集成化快速的发展PSO算法已众多领域得到了应用。
技术实现思路
根据以上现有技术的不足，本专利技术所要解决的技术问题是提出一种基于智能化分析的逆变器故障诊断系统及方法，通过对光伏逆变器的输出电压进行多频率的小波多层次分解，利用小波对正常信号和故障信号进行多分辨率的分解可以得到多尺度上的信号的幅值并可以通过计算得到表征各尺度的能量特征，再通过标准化处理后可以得到故障信号的特征向量，并将其作为BP神经网络输入向量，并通过粒子群算法(PSO)对BP神经网络的初始权值和阈值进行寻优调整，从而得到比原来仅有BP神经网络更加快速，准确的训练结果和诊断效果，解决了逆变器故障检索慢，诊断结果不准确的问题。为了解决上述技术问题，本专利技术采用的技术方案为：一种基于智能化分析的逆变器故障诊断系统，所述系统包括控制器和显示屏，控制器的输入端连接逆变器的电压输出端，输出工作电压到控制器进行小波分解和故障分类，控制器的输出端连接显示屏。上述系统中，所述控制器中设依次连接传递信号的小波分解单元、样本训练单元、故障分类单元和输出单元，小波分解单元的输入端接收逆变器的输出电压，输出单元连接显示屏。所述小波分解单元中设有小波变换器对输入信号进行多分辨分解。所述故障分类单元中设有PSO-BP神经网络，用来故障分类识别。所述控制器中还设有故障类别单元，故障类别单元包括22种故障。一种基于智能化分析的逆变器故障诊断方法，所述方法步骤包括：步骤一、逆变器的故障输出电压输入到小波多分辨分解模型中；步骤二、通过db3小波作为基波对故障电压信号多分辨分解获得离散的细节变量信号Dj(k)和离散的平滑近似变量信号Cj(k)；步骤三、使用小波的能量换算公式分别计算出分解序列的能量值，并将获得的能量值标准归一化处理后获得故障特征向量P；j表示尺度，k表示采样点。步骤四、通过使用粒子群算法对BP神经网络寻优，通过粒子群算法不间断迭代获得BP网络初始最优权值阈值；步骤五、将特征向量P作为BP神经网络输入端的输入变量送入神经网络进行故障分类识别；步骤六、输出故障诊断结果。所述方法步骤二中的多分辨分解公式为：式中Cj(k)为离散平滑近似信号分量，Dj(k)为离散细节信号分量，为尺度函数，Ψj,k(t)为小波函数，j为尺度,k为采样点,t为时间变量。所述方法步骤三中的故障特征向量的提取方法为：1)选取db3小波作为小波基函数,对逆变器输出电压多分辨率分解,可得到4个分解序列{A3，D3，D2，D1本文档来自技高网...

【技术保护点】
一种基于智能化分析的逆变器故障诊断系统，其特征在于，所述系统包括控制器和显示屏，控制器的输入端连接逆变器的电压输出端，输出工作电压到控制器进行小波分解和故障分类，控制器的输出端连接显示屏。

【技术特征摘要】
1.一种基于智能化分析的逆变器故障诊断系统，其特征在于，所述系统包括控制器和显示屏，控制器的输入端连接逆变器的电压输出端，输出工作电压到控制器进行小波分解和故障分类，控制器的输出端连接显示屏。2.根据权利1所述的基于智能化分析的逆变器故障诊断系统，其特征在于，所述控制器中设依次连接传递信号的小波分解单元、样本训练单元、故障分类单元和输出单元，小波分解单元的输入端接收逆变器的输出电压，输出单元连接显示屏。3.根据权利2所述的基于智能化分析的逆变器故障诊断系统，其特征在于，所述小波分解单元中设有对输入信号进行多分辨分解的小波变换器。4.根据权利2所述的基于智能化分析的逆变器故障诊断系统，其特征在于，所述故障分类单元中设有用来故障分类识别的PSO-BP神经网络。5.根据权利2所述的基于智能化分析的逆变器故障诊断系统，其特征在于，所述控制器中还设有故障类别单元，故障类别单元包括22种故障。6.一种基于智能化分析的逆变器故障诊断方法，其特征在于,所述方法步骤包括：步骤一、逆变器的故障输出电压输入到小波多分辨分解模型中；步骤二、...

【专利技术属性】
技术研发人员：田丽，李从飞，娄洁，王军，曹安照，凤志民，吴道林，王勇，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：安徽;34