三电平逆变器的决策树SVM故障诊断

针对二极管箝位型三电平逆变器的开路故障诊断问题,提出一种基于决策树支持向量机(decision tree support vector machines,DT-SVM)的故障诊断方法。以逆变状态为例,首先分析逆变器主电路的运行情况并进行故障分类,然后以中、上、下三种桥臂电压为测量信号,采用小波多尺度分解法提取特征信号,进而利用粒子群聚类算法(particle swarm clustering algorithm)生成决策树SVM分类模型,最终实现了三电平逆变器的多模式故障诊断。仿真结果表明,本方法在使用了较少分类模型的情况下完成故障诊断任务,相较于BP神经网络、一对一结构的支持向量机和极端学习机等方法,在10%白噪声扰动下对于三电平逆变器多模式开路故障的诊断精度可达98.46%,算法具有更好的准确性和鲁棒性。     

基于小波包变换和SVM的三电平逆变器故障诊断

针对中性点箝位型(NPC)三电平逆变器开路故障诊断计算复杂、准确率低等问题,提出一种基于小波包变换和支持向量机(SVM)的故障诊断方法。采用小波包变换将具有各自时频特征的故障信号分解为若干个频段,并重构提取小波包能量作为故障特征向量;将该故障特征向量作为SVM的输入量,运用交叉验证径向基核函数,通过训练数据集得到多类SVM模型,将随机选取的测试集输入训练好的模型中。仿真试验结果表明,该方法可对IGBT开路故障进行诊断并具有更高的故障识别准确率。     

基于Prony算法的三电平逆变器开路故障诊断方法

针对传统基于信号分析的中性点箝位(NPC)逆变器故障诊断方法存在频谱易泄露,及难以分析非稳态、非线性故障信号的问题,提出一种基于Prony算法的三电平逆变器开路故障诊断方法。首先,采用小波变换对原始测量信号去噪预处理,克服Prony法对噪声敏感的缺点。其次,通过Prony分析拟合逆变器的三相电流信号,提取其幅值、频率、相位、衰减因子四维故障特征。然后,应用支持向量机(SVM)对中性点箝位逆变器故障进行分类。最终,在仿真平台上验证文中所提算法,仿真结果表明,对中性点箝位逆变器开路时瞬变非线性电流信号可以有效的提取故障特征,实现单、双管的开路故障诊断。     

考虑开关管开路故障的三电平STATCOM建模与硬件在回路实时仿真

针对三电平静止同步补偿器(STATCOM)开关管开路故障情况下硬件在回路仿真模型的搭建问题,提出一种实时仿真的故障建模方法。分析开关管开路故障情况下STATCOM的工作机理,根据系统的运行状态将故障模型分解为若干故障子模型,采用系统状态估计变量确定子模型间的切换条件;提出一种直流侧中点电位补偿算法,补偿实时仿真中数值积分的累积误差,提高模型的稳定性。基于dSPACE平台搭建故障情况下STATCOM的实时仿真模型,采用前向欧拉法将故障模型实时运行在FPGA板卡上,使仿真步长缩短至1μs。仿真结果验证了所提故障建模方法的有效性及所建立实时仿真模型的准确性。     

基于HRM特征提取和SVM的目标检测方法

在航拍图像的目标检测中,由于目标外部形态以及复杂背景的影响,对一个有效的航拍目标检测仍然是目标识别领域的一个巨大挑战。提出了一种基于Hu矩、径向矩(Radial moment)组成的HRM(Hu Radial Moment)特征和支持向量机(SVM)的目标检测方法。该方法为首先提取目标的Hu矩特征,并结合其各向同性的径向矩特征共同构成新的特征向量HRM,然后采用支持向量机来对特征进行分类、预测。实验结果表明,针对不同的目标外部形态和复杂的外部场景,所提出的方法具有较高的检测率,且是高效的。     

三电平逆变器IGBT的开路故障诊断研究

针对三电平逆变器开关器件中IGBT的开路故障,研究单桥臂上多种故障形式,提出了测量二极管桥臂上两端电压作为故障信息,以分析每一种故障情况的诊断模型,然后根据故障信号和小波函数的特点,利用小波变换将故障信号转化为故障特征向量,采用SVM来进行故障诊断。为了提高诊断精度利用改进的布谷鸟优化算法进行参数寻优,得到最优模型,实现了多种故障的诊断分类。通过对二极管钳位三电平逆变器仿真进行验证,诊断结果准确可靠,验证此方法的可行性。     

基于相空间重构和支持向量机的三电平逆变器故障诊断技术

针对三电平逆变器交叉两桥臂的两只功率管同时开路故障(非典型故障)诊断问题,提出一种基于相空间重构和支持向量机(SVM)的故障诊断方法。该方法以三相电流为检测信号,为降低特征向量的维数,对三相电流进行了Park变换,然后采用相空间重构技术,对d、q轴电流分别进行重构,得到不同形状、大小和方向的电流轨迹图形,借助图像处理技术从中提取出故障特征向量,将其作为学习样本,在SVM中训练,使分类器能够建立不同特征向量和故障类型的映射关系,实现对二极管中点箝位型(NPC)三电平逆变器的故障诊断。仿真结果表明,该方法能够准确地定位故障元,诊断精度高。     

克隆选择优化的SVM模拟电路故障诊断方法

对基于克隆选择算法的支持向量机(SVM)参数优化、及其在模拟电路故障诊断中的应用进行了深入研究,故障诊断实现步骤为:首先对电路的各种故障模式进行蒙特卡洛仿真分析,利用小波分解提取输出信号的各频段能量,进行归一化处理后得到故障特征样本;然后应用克隆选择算法进行SVM参数优化,并将选定的参数用于SVM的训练;最后采用训练好的SVM对故障样本进行分类,从而实现故障判定。论文以CTSV滤波电路和螺距反馈电路为诊断实例进行了实验验证,结果表明对容差模拟电路的故障定位具有较高的准确率。     

基于特征提取与INGO-SVM的变压器故障诊断方法

针对使用支持向量机(support vector machine,SVM)对变压器进行故障诊断时有效特征提取困难、模型参数难以选择的问题,提出一种基于特征提取与INGO-SVM的变压器故障诊断方法。首先,使用核主成分分析(kernel principal component analysis,KPCA)方法对构建的21维待选特征进行特征融合和低维敏感特征提取。其次,使用佳点集、随机反向学习和维度交叉学习等策略对北方苍鹰优化算法(northern goshawk optimization,NGO)进行改进。通过2个典型测试对改进北方苍鹰优化算法(improved northern goshawk optimization,INGO)进行性能测试,验证了INGO算法的优越性。然后,基于KPCA提取的低维敏感特征,使用INGO对SVM的参数进行组合寻优,建立基于KPCA特征提取与INGO-SVM的变压器故障诊断模型。最后,对不同变压器故障诊断模型进行实例仿真对比实验。结果表明：所提方法故障诊断精度高、稳定性好,更适用于变压器的故障诊断。     

基于模拟退火和支持向量机理论的变压器故障诊断方法

针对变压器故障诊断问题,提出了基于模拟退火和支持向量机理论的变压器故障诊断方法,该算法采用模糊理论解决传统三比值法边界过于绝对的问题,并利用模拟退火优化算法获得支持向量机的最优参数设置。     

新型三电平逆变器SVM方法的研究

提出了一种新型的三电平逆变器空间矢量调制(SVM)算法,通过适当的坐标变换,将三相电压空间矢量坐标系变换为三相线电压坐标系,从而能够快速地定位参考电压矢量的位置,利用伏·秒平衡原理,计算出相应矢量作用时间.该方法具有计算简单,容易实现的优点,并且能够很容易地推广到四电平、五电平等多电平逆变器电路中.通过仿真研究,验证了该调制算法的可行性.     

基于 HHO参数优化的SVM 变压器故障诊断方法研究∗

为了提高变电信息系统中变压器故障诊断的准确率,针对变压器故障样本较少,采用类内类间距离的可分性测度和相关性分析法确定关键特征向量,将特征向量作为支持向量机的输入样本,建立 SVM 故障分类模型.分析了哈里斯鹰优化算法 (HHO)和粒子群算法 (PSO)的优缺点,提出了基于哈里斯鹰优化算法 HHO 优化支持向量机 SVM 模型的参数.最后,通过真实变压器故障数据进行实验仿真,结果表明所提出的变电站故障诊断方法能够有效识别故障类型,具有较高的准确率和收敛速度.     

600 MW超临界汽轮发电机组振动故障特征提取

近年来随着河北南部电网多台600MW超临界汽轮发电机组相继投产,机组振动问题日益突出。针对这一状况,提出应用小波包能量谱,对机组的振动故障进行特征提取。通过对现场多台机组故障数据的处理和分析,采用最小二乘支持向量机对机组的振动故障进行分类,验证了该方法的有效性和可行性,同时也为现场技术人员提供参考和借鉴。     

基于粗糙集和支持向量机理论的变压器故障诊断方法

针对变压器故障诊断问题,提出了基于粗糙集和支持向量机理论的变压器故障诊断方法。该算法利用粗糙集技术对变压器知识进行属性约简,并通过属性表获得故障最简决策表作为支持向量机的输入,与此同时,利用粒子群优化算法获得支持向量机的最优参数设置。实验结果表明,该诊断方法分类性能良好、可靠性高且有效可行。     

十一电平STATCOM的FFS-SHM控制方法研究

提高STATCOM装置的容量是STATCOM装置主电路设计所要面对和解决的问题。针对十一电平的大容量STATCOM逆变器,采用基频开关法投切电力开关器件,同时采用选定次谐波最小化方法消除低次谐波,可以使STATCOM的开关器件利用率提高,能量损耗小,谐波含量低。仿真实验验证了该方法的有效性和正确性。     

大容量STATCOM主电路结构的分析和比较

针对目前缺乏对大容量静止同步补偿器(STATCOM)主电路结构的深入研究和比较这一现状，基于现有的典型大容量STATCOM，总结了提高装置容量的若干主要措施，构建分析了多种适用于大容量STATCOM的可行的主电路结构。在对各种结构方案进行细致深入的仿真和分析基础上，将它们在可靠性、性能、经济等多方面做了评估比较，对各种主电路结构的异同优劣进行了全面科学的阐述，提出了优选的原则和建议，可作为设计研制大容量STATCOM主电路的参考。     

级联H桥多电平逆变器故障的多尺度OGLPE特征提取方法

针对级联H桥多电平逆变器IGBT开路故障时不同故障相似程度高而不易区分的问题,提出一种兼顾全局方差最大变换特性以及局部结构保持特性的正交全局与局部保持嵌入(orthogonal globality and locality preserving embedding,OGLPE)特征提取算法,并将其与集成经验模态分解(EEMD)相结合构成多尺度OGLPE特征提取方法。以级联H桥七电平逆变器为例,首先采集原始逆变侧输出端三相电流信号,并结合参考电流信号求取电流偏差信号;其次运用EEMD方法对各状态下的电流偏差信号进行多尺度分解,得到不同尺度下的本征模态分量(IMF);然后利用提出的OGLPE方法自适应提取嵌入于各IMF分量中的敏感特征,构成故障特征集;最后与常用特征提取方法进行对比分析,特征提取二维可视化结果表明所提方法能有效的提高不同故障的类间区分度,诊断结果表明所提方法诊断精度高达98.4%,明显高于其他方法。     

基于K-L特征提取与支持向量机的油浸式变压器故障诊断模型研究

针对变压器多故障问题,提出了基于Mercer核函数的欧式距离查询策略算法,并建立了基于Karhunen-Loeve(K-L)特征提取与支持向量机的变压器故障诊断模型,利用K-L变换提取信号的特征值,最后通过支持向量机学习算法完成对信号的选择与分类。通过实例应用表明:所训练的SVM分类器较之直接任意选取训练样本作为训练集的传统方法具有更高的诊断率。     

SVM回归估计方法在卫星故障诊断中的应用

针对红外地平仪、陀螺组成的卫星姿态测量系统,研究了系统中任一姿态敏感器的故障诊断问题。首先采用Lanckriet的半正定规划方法对支持向量机核搜索空间进行优化,利用此支持向量机的回归估计方法对卫星姿态测量系统的输入输出历史数据进行学习,进而拟合得到系统输入输出间的冗余关系,并将这种对应关系应用于卫星姿态测量系统传感器的故障检测与诊断中。仿真结果表明,该方法能够正确地估计系统输入输出关系,有效地提取故障信息,而且计算过程相对简单,易于实现。