10.11930/j.issn.1004-9649.202205007
基于梅尔倒谱系数特征集的储能变流器开路故障诊断方法
电池储能电站功率转换系统(power conversion system,PCS)故障诊断在储能电站智能运维中发挥着重要作用.现有方法在非侵入式识别PCS内部IGBT开路故障时,易出现信号特征提取困难、数据维度爆炸以及阈值判定区间不稳定等问题.提出一种基于梅尔倒谱系数(Mel-scale frequency cepstral coefficients,MFCC)特征集的储能变流器开路故障诊断方法.首先,以交流侧三相电流为输入信号,通过分析不同频率区间的信号频谱能量分布情况和包络特征,构建MFCC故障特征数据集.然后,结合核主成分分析(kernel principal components analysis,KPCA),实现充放电工况下非线性故障特征的降维筛选;其次,以低维故障特征集为输入,构建基于贝叶斯优化算法(bayesian optimization algorithm,BOA)与一维卷积神经网络(1d-convolutional neural network,CNN-1D)的故障状态诊断模型;最后,通过并网储能变流器的故障仿真实验,与现有方法进行比较,结果表明:所提方法在复杂的噪声环境下的鲁棒性和准确性更优.
电池储能、变流器、故障诊断、梅尔倒谱系数、诊断模型
55
TP309;H146;TM46
国家电网有限公司总部科技项目5216A521001K
2022-12-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
34-42