基于短时傅里叶变换和深度网络的模块化多电平换流器子模块IGBT开路故障诊断

作     者：朱琴跃 于逸尘 占岩文 李杰 华润恺 Zhu Qinyue;Yu Yichen;Zhan Yanwen;Li Jie;Hua Runkai

作者机构：同济大学电子与信息工程学院上海201804 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2024年第39卷第12期

页      面：3840-3854页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(51777141) 

主　　题：模块化多电平换流器 开路故障诊断 短时傅里叶变换 卷积神经网络 

摘      要：针对现有模块化多电平换流器(MMC)子模块故障诊断过程中所需传感器较多、测量干扰较大等问题,提出一种基于深度学习的MMC子模块IGBT开路故障诊断方法。在对MMC子模块开路故障特征进行分析的基础上,利用短时傅里叶变换(STFT)提取桥臂电压信号的谐波分量信息作为故障诊断所需的特征参数。将所得到的特征参数进行处理后构建故障诊断样本,在通过深度置信网络实现故障类型快速检测的基础上,依据不同故障类型,构建多个基于卷积神经网络的故障定位网络,进而实现开路故障的检测与定位。通过129电平的MMC系统仿真模型和降功率的MMC实验系统搭建,对该文所提方法进行了验证。仿真和实验结果表明,所提故障诊断方法可以在减少传感器数量的基础上实现子模块开路故障的诊断,提高系统的可靠性。