关键词:
模块化多电平换流器
开路故障诊断
模态时频图
Resnet-BiGRU模型
摘要:
针对电力系统中模块化多电平换流器(modular multilevel converter,MMC)在故障诊断过程中存在提取特征信息易遗漏、诊断精度低和计算量大等问题,提出一种基于模态时频图与残差网络(residual network,Resnet)-双向门控循环单元(bidirectional gated recurrent unit,BiGRU)模型的分立化MMC开路故障诊断方法。根据开路故障特性,合理选择输出相电流和桥臂电压作为故障参量。使用改进灰狼优化算法搜寻自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)过程中的最优参数,结合CEEMDAN最优参数将故障参量分解为敏感且优质的固有模态(intrinsic mode function,IMF)分量并进行重构。为充分挖掘重构信号中的敏感成分,利用连续小波变换将重构信号转化为模态时频图;将不同故障类别下的模态时频图输入到Resnet-Bi GRU模型中进行训练、测试并输出诊断结果,完成对故障桥臂的诊断与子模块中故障绝缘栅双极型晶体管(insulated-gate bipolar transistor,IGBT)的定位。实验结果表明:其诊断故障桥臂与定位子模块中故障IGBT的准确率分别达到98.63%和99.87%,诊断精度高;诊断过程拥有秒级响应时间;与其他方法相比,所提方法在小样本、数据不平衡和噪声干扰等极端条件下具有较高准确率,为电力系统故障诊断提供了一种新思路。