【技術實現(xiàn)步驟摘要】
本專利技術屬于電力系統(tǒng)故障檢測，更為具體地講，涉及一種基于貝葉斯推理集成的逆變系統(tǒng)故障檢測方法。
技術介紹
1、在現(xiàn)代社會生產(chǎn)中，電力系統(tǒng)是能源系統(tǒng)的重要組成部分。電力系統(tǒng)的主要結構包括了電源，變電所，輸電、配電線路和負荷中心。逆變系統(tǒng)是電網(wǎng)中直流到交流轉換的關鍵環(huán)節(jié)，其已廣泛應用于光伏發(fā)電，風力發(fā)電等設備中。作為逆變系統(tǒng)中最脆弱的器件，同時也是支持逆變器系統(tǒng)運行的核心電力電子器件，半導體器件絕緣柵雙極晶體管(insulated?gate?bipolar?transistors,igbt)的損壞在整個系統(tǒng)的占比高達31％。同時由于復雜系統(tǒng)的耦合性，半導體器件的故障會導致設備的毀滅性停機，造成嚴重的人員傷亡和巨大的財產(chǎn)損失。因此，對逆變系統(tǒng)的故障檢測研究是十分重要的工作。
2、在實際系統(tǒng)運行過程中，逆變系統(tǒng)器件的故障往往幅值較小，且會隨著系統(tǒng)的拓撲結構擴散轉移。這也導致對其的檢測十分有挑戰(zhàn)性，難以有效且快速地捕獲。在近來的研究中，檢測方法可分為三類，即基于模型的方法、基于信號的方法以及基于數(shù)據(jù)的方法。其中，基于模型的方法依賴于對物理過程進行準確的數(shù)學模型描述。但是，隨著技術的發(fā)展，器件的核心參數(shù)甚至結構會不斷演變，導致基于模型的方法難以應用于復雜多變的實際過程中。此外，基于信號的方法又可分為基于電壓、電流與其他信號三類方法。然而，基于信號的方法需要在原有電路中接入新的傳感器模塊以捕獲電信號，這將破壞系統(tǒng)的電路結構。由于基于數(shù)據(jù)的方法有成本小，構建時間短等優(yōu)點，其在故障檢測領域中受到了極大的關注。現(xiàn)有方法包括有主成分分析
技術實現(xiàn)思路
1、本專利技術的目的在于克服現(xiàn)有技術的不足，提供一種基于貝葉斯推理集成的逆變系統(tǒng)故障檢測方法，通過密集特征轉換與貝葉斯推理評估逆變系統(tǒng)發(fā)生故障的概率，判斷逆變系統(tǒng)的運行狀態(tài)。
2、為實現(xiàn)上述專利技術目的，本專利技術一種基于貝葉斯推理集成的逆變系統(tǒng)故障檢測方法，其特征在于，包括以下步驟：
3、(1)、數(shù)據(jù)采集與處理；
4、(1.1)、以固定采樣率等間隔采集逆變系統(tǒng)在正常工作下負載端三相電壓，每個采樣時刻的采樣點數(shù)為n，記第i個時刻采集到的三相電壓為表示第n個采樣點的電壓值，x＝a,b,c表示三相，i＝1,2,…,m，m為采樣時刻總數(shù)；
5、(1.2)、提取每個采樣時刻的特征數(shù)據(jù)ei，特征數(shù)據(jù)ei包括均值、峰峰值、有效值、裕度、峭度以及頻率；
6、(1.2.1)、計算ui,x的均值
7、
8、(1.2.2)、計算ui,x的峰峰值
9、
10、其中，分別為ui,x中的最大值和最小值；
11、(1.2.3)、計算ui,x的有效值
12、
13、(1.2.4)、計算ui,x的裕度
14、
15、(1.2.5)、計算ui,x的峭度
16、
17、(1.2.6)、計算ui,x的頻率fi,x；
18、(1.2.6.1)、設置滑窗長度l；使用滑窗平均濾波方式對ui,x進行濾波，其濾波后的數(shù)據(jù)表示為其中，表示濾波后的值，其計算方法為：
19、
20、(1.2.6.2)、建立空列表pt＝{}，遍歷檢測滿足條件的元素，將的編號n放入空列表pt最后；
21、(1.2.6.3)、當中所有元素遍歷完成后，設pt中共計r個編號，記為pt＝{pt1,…,ptr,…,ptr}；
22、(1.2.6.4)、計算頻率fi,x；
23、
24、其中，fs為采集模塊的采樣率；
25、(1.3)、將每個采樣時刻的特征數(shù)據(jù)ei組成特征數(shù)據(jù)集e＝{e1,e2,…,ei,…,em}；
26、(2)、構建并訓練弱檢測器；
27、(2.1)、構建五個基礎檢測器，包括孤立森林if、一分類支持向量機ocsvm、基于自編碼神經(jīng)網(wǎng)絡的一分類反向傳播神經(jīng)網(wǎng)絡ocbp、一分類長短期記憶神經(jīng)網(wǎng)絡oclstm以及一分類時序卷積神經(jīng)網(wǎng)絡octcn；
28、(2.2)、利用(1)獲得的特征數(shù)據(jù)集訓練五個基礎檢測器至收斂，然后用訓練后的五個基礎檢測器對每個時刻的特征數(shù)據(jù)ei進行特征提取，提取的特征分別記為f1(ei)，f2(ei)，f3(ei)，f4(ei)，f5(ei)；
29、(3)、密集特征轉換；
30、(3.1)、將每個時刻提取的五組特征組成特征向量ui＝{f1(ei),f2(ei),…,f5(ei)}；
31、(3.2)、將m個采樣時刻的特征數(shù)據(jù)通過基礎檢測器進行特征提取后，在列的維度上拼接成為特征集成矩陣um；
32、
33、(3.3)、令為特征集成矩陣um為第一次迭代的輸入矩陣u1，設置密集特征轉換的迭代次數(shù)為lmax，利用滑窗奇異值分解進行l(wèi)max次密集特征轉換操作，得到最后一次迭代輸出矩陣為大小為m×h，h為列數(shù)，第j行k列元素表示為oj,k；
34、
35、(4)、計算中各列控制限；
36、(4.1)、對第k列統(tǒng)計量進行核密度估計：
37、
38、其中，g(x)為估計得出的概率密度，x為所需估計概率密度所對應的變量，k(·)代表高斯核函數(shù)；
39、(4.2)、計算中各列控制限，其中，第k列控制限δk滿足：
40、
41、其中，α為設置的置信水平；
42、(5)、基于貝葉斯推理的故障檢測；
43、(5.1)、按照步驟(1)采集逆變系統(tǒng)在第m+1時刻的特征數(shù)據(jù)xm+1，將xm+1輸入基礎檢測器，獲得um+1＝{f1(em+1),f2(em+1),…,f5(em+1)}；然后將um+1添加至特征矩陣u的最后一行，得到m+1時刻的特征矩陣um+1；
44、(5.2)、按照步驟(3.3)的方法對特征矩陣um+1進行密集特征轉換操作，從而獲得第m+1時刻的輸出矩陣，取其最后一行向量作為m+1時刻的統(tǒng)計量；
45、(5.3)、計算向量中第k個元素om+1,k出現(xiàn)的先驗條件概率；
46、(5.3.1)、估計元素om+1,k在逆變系統(tǒng)正常運行條件下出現(xiàn)的先驗概率：
47、
48、其中，norm代表條件概率中的正常條件；
49、(5.3.2)、估計元素om+1,k在逆變系統(tǒng)故障運行條件下出現(xiàn)的先驗概率：
50、其中，fault代表條件概率中的故障條件；...
【技術保護點】
1.一種基于貝葉斯推理集成的逆變系統(tǒng)故障檢測方法統(tǒng)，其特征在于，包括以下步驟：
【技術特征摘要】
1.一種基于貝葉斯推理集成的逆變系統(tǒng)故障...
【專利技術屬性】
技術研發(fā)人員：王敏，程菲洋，陳凱，劉震，程玉華，陳藝天，
申請(專利權)人：電子科技大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。