基于 EMD-CNN 的光伏逆变器开路故障诊断

绝缘栅双极型晶体管（IGBT）是光伏逆变器的核心部件,其若发生开路故障,不但会影响光 伏逆变系统的稳定运行,且可能会损坏系统设备。从减少传感器使用数量和融合多尺度特征的角度出发,对 开路故障诊断问题进行了研究,提出了一种基于经验模式分解（EMD）和二维卷积神经网络（2D-CNN）的 光伏逆变器故障诊断新方法。该方法利用 EMD 提取电流信号的本征模函数分量和原始信号组成二维特征数 据,然后将该数据输入 2D-CNN 模型中进行训练,最后实现 IGBT 开路故障的诊断。实验结果表明,该方法 不仅能提高故障诊断的准确率,而且在噪声环境下具备有效性和鲁棒性。     

基于卷积神经网络的光伏逆变器故障诊断

光伏逆变器将太阳能电池板的直流电压转换为交流电压以驱动家用电器或者升压并入能源互联网,而绝缘栅双极型晶体管（IGBT）是光伏逆变器的核心组件,其状态异常将直接影响系统的正常运行。从减少传感器数量的角度出发,以直流侧的电流信号作为输入信号,设计了基于卷积神经网络（CNN）的故障诊断模型来监测IGBT的开路状态。并利用设计的Simulink模块生成的仿真数据对模型进行了训练和测试,都取得了很好的故障诊断性能。此外,还设计了不同噪声水平下的故障诊断测试,测试结果表明该故障诊断模型在噪声环境下具备有效性和鲁棒性。