CN103116090A - 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 - Google Patents
一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 Download PDFInfo
- Publication number
- CN103116090A CN103116090A CN2013100218793A CN201310021879A CN103116090A CN 103116090 A CN103116090 A CN 103116090A CN 2013100218793 A CN2013100218793 A CN 2013100218793A CN 201310021879 A CN201310021879 A CN 201310021879A CN 103116090 A CN103116090 A CN 103116090A
- Authority
- CN
- China
- Prior art keywords
- support vector
- vector machine
- wavelet packet
- rectifier
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Rectifiers (AREA)
Abstract
本发明公开了一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法,首先建立三相PWM整流器模型并确定分类原则,并利用小波包算法对整流器直流侧输出电压进行分析;其次对重构的小信号进行能量谱和功率谱分析,确定故障特征向量并建立数据样本;最后选取支持向量机核函数和参数,建立多值分类器,从而实现三相PWM整流器的故障诊断。该发明可提高三相PWM整流器的故障诊断率,避免传统检测方法的数据处理和优化问题,是一种能够有效的提高电力电子整流器装置安全性的故障诊断方法。
Description
技术领域
本发明涉及电力电子装置故障诊断领域,尤其是一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法。
背景技术
随着电力电子技术的飞速发展,可达到能量变换目标的整流装置,由于其可实现无电网污染和可调整的功率因数,已成为理想的用电设备或电网与其它电气设备的接口。同时电力电子设备的故障问题也越来越突出,设备一旦发生故障,轻则造成电器装置的损坏,重则威胁到人身财产安全,甚至造成重大事故,所以对电力电子设备进行故障诊断与识别是尤为重要的。在整流系统中,任何一个单元或器件都会发生故障,其中整流器IGBT的开路和短路故障占据相当大的比重,对于IGBT短路故障,可通过驱动模块集成的保护电路实现监控,而其开路故障诊断则正处于研究之中。
由于电力电子设备发生故障的种类复杂,原因繁多,因此传统的只靠人工检查和维修去定位故障往往很困难,所以要求采用一种能进行故障检测和识别的方法对设备进行故障诊断。基于数据驱动的思想,利用整流系统运行过程中不断产生着反映运行机理和状态的数据,通过适当有效的分析和提取,实现整流系统的故障检测与识别,这种基于数据驱动的故障检测、诊断与辨识技术正处于学术界和工业界全面重视的阶段,是一个热门的研究领域。
小波分析是一种信号时频分析方法,它弥补了傅里叶变换不能同时描述信号时域和频域信息的缺点,可同时提供时域和频域的局部化信息,是近年来在故障特征提取领域兴起的一门前沿科学,小波包分析是在小波分析方法的基础上的改进,解决了小波分析对高频段分辨率低的缺点,可同时分解高频和低频信号,将信号进行了更加精细的划分。支持向量机是一种基于统计学习理论的机器学习算法,为了排除电力电子整流装置的故障,确保其正常工作运行,不仅要诊断出整流装置有无故障,同时还要确诊具体的故障类型和故障元所在部位,这就是多值分类问题。多值分类问题也是目前支持向量机研究领域的一个重要研究方向。
发明内容
本发明的目的是提供一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法。
本发明的目的是通过下述方法和步骤实现的:
一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法,其步骤为:
1.建立三相PWM整流电路的模型,根据实际运行的单只和两只功率管开路故障进行故障分类,共分为五大类二十二小类。
(1)IGBT功率管均正常运行,整流器无故障发生。
(2)仅有单只IGBT功率管发生故障,即VT1、VT2、VT3、VT4、VT5或VT6中任一功率管发生故障,共六小类。
(3)有两只IGBT功率管发生故障,且两只功率管同相不同侧,即(VT1,VT4)、(VT3,VT6)或(VT5,VT2)任一种情况,共三小类。
(4)有两只IGBT功率管发生故障,且两只功率管同侧不同相,即(VT1,VT3)、(VT3,VT5)、(VT5,VT1)、(VT6,VT4)、(VT2,VT6)或(VT4,VT2)任一种情况,共六小类。
(5)有两只IGBT功率管发生故障,且两只功率管既不同相也不同侧,位于交叉位置,即(VT1,VT6)、(VT1,VT2)、(VT3,VT4)、(VT3,VT2)、(VT5,VT4)或(VT5,VT6)任一种情况,共六小类。
2.在所有故障状态下,对三相PWM整流电路进行建模,获得电路所有的直流侧输出电压信号。选取合适的小波基函数,对所得的各个输出电压信号进行四层小波包分解,并对小波分解系数重构,提取各个频带范围的细节信号。
3.确定原信号特征频率所在频带。经过小波包分解并重构后,各个状态下的直流侧输出电压信号被分成16个小信号,计算步骤2提取的各个小信号的能量,得到第四层第一个细节信号能量值几乎等于原信号的能量值,即该频段集中了原信号的所有能量。
4.获取数据样本。对小波包重构后的第四层第一个细节信号进行功率谱分析,以特征频率和其功率谱值为数据样本,以40Hz为中心,以2.5Hz为间隔,获取22.5Hz到60Hz频率的数据为一组,改变三相PWM整流器电网输入电压,分别获取相同频率位置的数据三组,最终得到88个样本,每个样本含有17个特征分量。
5.建立支持向量机分类器。以步骤4所获得的数据为支持向量机的输入样本,选取88个样本中的66个样本作为训练集,核函数选用线性核函数,惩罚系数C=100,剩余的22个样本作为测试集,建立支持向量机的多值分类器,最终得到准确率达到100%,即实现三相PWM整流器的故障诊断。
本发明的有益效果是:
1.本发明所提出的基于小波包分析和支持向量机的三相PWM整流器故障诊断方法,是依照数据驱动的思想,将小波包分析和支持向量机算法结合起来,实现了数据驱动算法在电力电子装置故障诊断领域的应用。
2.本发明通过确定输出信号特征集中的频带,从功率谱分析的角度,获得能表征三相PWM整流器特征的数据样本,该数据特征不受电网电压的影响,适用于实际系统的检测目标,克服了传统提取数据样本诊断方法数据量大、过繁琐等问题。
3.本发明将小波包分析所获得的数据样本作为支持向量机分类器的训练样本和测试样本,而且不需对数据进行归一化,所选择的支持向量机核函数简单,避免了传统的支持向量机分类算法中对数据归一化等数据处理问题,同时克服了核函数选取和寻优等问题,从而更有效的实现整流器系统的故障识别。
附图说明
图1为三相PWM整流器电路原理图。
图2为VT1开路故障时,重构系数的能量直方图。
图3各故障状态下输出信号小波分解后,第四层第一个低频信号功率谱包络图,其中每一大类故障各列出一个。
图4为支持向量机预测结果图
具体实施方式
下面结合附图对本发明做进一步说明。
本发明的一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法实施例包括以下步骤:
(1)如图1所示为三相PWM整流器电路原理图,根据整流器原理,将故障类型分为五大类二十二小类,即得出三相PWM整流器的故障类型。
1)IGBT功率管均正常运行,整流器无故障发生。
2)仅有单只IGBT功率管发生故障,共六小类。
3)有两只IGBT功率管发生故障,且两只功率管同相不同侧,共三小类。
4)有两只IGBT功率管发生故障,且两只功率管同侧不同相,共六小类。
5)有两只IGBT功率管发生故障,且两只功率管既不同相也不同侧,位于交叉位置,共六小类。
(2)建立三相桥式PWM整流器模型,选取直流侧输出电压为研究对象,可以得到各个故障状态下的直流侧输出电压波形。基于输出电压信号的特点考虑,选取db10小波基函数,对各输出电压信号进行四层小波包分解,原信号被分解为16个细节信号,在对16个细节信号进行小波包重构。
(3)计算步骤(2)所提取到的16个重构信号的能量,并画出各个状态下的能量直方图,通过对比直方图发现,各故障状态下,重构信号的能量都集中在第四层第一个低频信号中,直方图都基本相同,VT1发生开路故障的能量直方图,如图2所示。所以可以判定,原始信号的能量几乎都集中在该频段范围内,所以选取该频带为进一步研究对象。
(4)对各故障状态下提取出的第四层第一个细节信号进行功率谱分析,功率谱包络图如图3所示,对比和分析包络图中的特征频率和谱值,在所获得的功率谱图中,以40Hz为中心,以2.5Hz为间隔,选取频率22.5Hz-60Hz范围内的谱值为特征向量,作为数据样本,同时改变三相输入电压幅值,提取不同输入电压情况下的特征向量样本,最终得到88个样本,每个样本含有17个特征分量,最终建立所需数据样本。
(5)编译支持向量机分类程序,选取88个样本中的66个样本作为训练集,另外的22个样本作为测试集,核函数选用线性核函数,惩罚系数C=100,程序运行结果预测率达到100%,预测图与实际分类结果对比图如图4所示,从图中可知,预测测试集分类曲线与实际测试集分类曲线完全重合,达到三相PWM整流器故障诊断目标。
Claims (5)
1.一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法,其特征在于,该诊断方法的步骤为:
(1)建立三相PWM整流电路的模型,根据实际运行的单只和两只功率管开路故障进行故障分类,共五大类二十二小类。
1)IGBT功率管均正常运行,整流器无故障发生。
2)仅有单只IGBT功率管发生故障,即VT1、VT2、VT3、VT4、VT5或VT6中任一功率管发生故障,共六小类。
3)有两只IGBT功率管发生故障,且两只功率管同相不同侧,即(VT1,VT4)、(VT3,VT6)或(VT5,VT2)任一种情况,共三小类。
4)有两只IGBT功率管发生故障,且两只功率管同侧不同相,即(VT1,VT3)、(VT3,VT5)、(VT5,VT1)、(VT6,VT4)、(VT2,VT6)或(VT4,VT2)任一种情况,共六小类。
5)有两只IGBT功率管发生故障,且两只功率管既不同相也不同侧,位于交叉位置,即(VT1,VT6)、(VT1,VT2)、(VT3,VT4)、(VT3,VT2)、(VT5,VT4)或(VT5,VT6)任一种情况,共六小类。
(2)获得三相PWM整流器所有故障状态下的直流侧输出电压信号。选取合适的小波基函数,对所得的各个输出电压信号进行四层小波包分解和重构,提取各个频带范围的信号。
(3)确定原信号特征频率所在频带。计算步骤2提取的各个小信号的能量,得到第四层第一个细节信号能量值几乎等于原信号的能量值,即该频段集中了原信号的所有能量。
(4)获取数据样本。对小波重构后的第四层第一个细节信号进行功率谱分析,获取特征频率和功率谱值,构建数据样本。
(5)建立支持向量机分类器。以步骤(4)所获得的数据为支持向量机的输入样本,建立支持向量机的多值分类器,最终分类准确率达到100%,即实现三相PWM整流器的故障诊断。
2.根据权利要求1所述的一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法,其特征在于,选取三相PWM整流器直流侧输出电压信号为研究对象,根据电压特点选取合适的小波基函数,对信号进行四层小波包分解,经过小波包分解并重构后各个状态下的直流侧输出电压信号被分成16个小信号,计算分解后的16个小信号的能量,经过计算可得,第四层第一个细节信号能量几乎等于原信号能量,所以确定原信号的故障特征集中在该频带,从而确定该频带范围为故障诊断的进一步研究对象。
3.根据权利要求1所述的一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法,其特征在于,对故障集中的频段进行功率谱分析,可得到该频段内的特征频率及其对应功率谱值,选定(特征频率,功率谱)为三相PWM整流器的故障特征向量,其中,以40Hz为中心,以2.5Hz为间隔,获取22.5Hz到60Hz频率的数据为一组,每组含有17个特征分量,建立该故障诊断方法的数据样本。
4.根据权利要求1所述的一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法,其特征在于,根据整流器的工作特点,改变三相电网输入电压幅值,测量不同电压输入时的直流侧输出电压,并测定其研究对象的故障特征向量,分别获取相同频率位置的数据三组,最终得到88个样本,并将所测定的所有故障特征向量作为数据样本,进行下一步分类。
5.根据权利要求1所述的一种基于小波包分析和支持向量机的三相PWM整流器故障诊断方法,其特征在于,将所得到的特征向量数据样本作为支持向量机算法的样本数据,将数据分为训练集和测试集,选取88个样本中的66个样本作为训练集,剩余的22个样本作为测试集,核函数选用线性核函数,惩罚系数C=100,不需要对数据进行归一化处理,也不用对核函数系数进行进一步优化,建立多值分类的支持向量机分类器,编译程序,最终预测目标达到100%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310021879.3A CN103116090B (zh) | 2013-01-21 | 2013-01-21 | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310021879.3A CN103116090B (zh) | 2013-01-21 | 2013-01-21 | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103116090A true CN103116090A (zh) | 2013-05-22 |
CN103116090B CN103116090B (zh) | 2015-06-10 |
Family
ID=48414515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310021879.3A Expired - Fee Related CN103116090B (zh) | 2013-01-21 | 2013-01-21 | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103116090B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104121804A (zh) * | 2014-07-23 | 2014-10-29 | 中北大学 | 一种基于多场信息融合的自动装填系统早期故障预示方法 |
CN104635081A (zh) * | 2015-01-29 | 2015-05-20 | 西北工业大学 | 一种飞机发电机整流器的自适应故障诊断方法 |
CN105095566A (zh) * | 2015-06-29 | 2015-11-25 | 南京航空航天大学 | 一种基于小波分析和svm的逆变器故障诊断方法 |
WO2015169266A3 (zh) * | 2014-05-07 | 2015-12-23 | 陈昊 | 一种开关磁阻电机功率变换器主开关短路故障诊断方法 |
CN106054053A (zh) * | 2016-06-15 | 2016-10-26 | 西安科技大学 | 一种用于三相全桥整流电路晶闸管故障诊断的方法 |
CN106054853A (zh) * | 2015-04-17 | 2016-10-26 | 哈米尔顿森德斯特兰德公司 | 用于飞机热交换器的污染诊断的基于小波的分析 |
CN106291162A (zh) * | 2016-07-20 | 2017-01-04 | 江南大学 | 一种光伏二极管箝位式三电平逆变器的故障诊断方法 |
CN106407536A (zh) * | 2016-09-07 | 2017-02-15 | 南京航空航天大学 | 一种逆变器钳位二极管与支撑电容的复合故障诊断方法 |
CN106841844A (zh) * | 2016-12-14 | 2017-06-13 | 广西大学 | 一种和谐型电力机车列车供电系统故障诊断方法 |
CN107451557A (zh) * | 2017-07-29 | 2017-12-08 | 吉林化工学院 | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 |
CN107766638A (zh) * | 2017-10-13 | 2018-03-06 | 西南交通大学 | 一种动车组四象限脉冲整流器igbt开路故障诊断方法 |
CN108303630A (zh) * | 2018-02-08 | 2018-07-20 | 国电南瑞科技股份有限公司 | 一种基于小波包分析的交直流充电设备功率器件故障诊断方法 |
CN108896932A (zh) * | 2018-05-29 | 2018-11-27 | 南京理工大学 | 基于小波包分解和csa的开关电源电路故障诊断方法 |
CN109782105A (zh) * | 2018-12-29 | 2019-05-21 | 华中科技大学 | 一种变频调速系统三相逆变器功率管故障实时检测方法 |
CN111398787A (zh) * | 2020-04-17 | 2020-07-10 | 安徽理工大学 | 复杂工况下的三相电压型pwm整流电路故障诊断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5640103A (en) * | 1994-06-30 | 1997-06-17 | Siemens Corporate Research, Inc. | Radial basis function neural network autoassociator and method for induction motor monitoring |
US20120010830A1 (en) * | 2010-06-07 | 2012-01-12 | Abb Research Ltd. | Systems and methods for classifying power line events |
CN102510044A (zh) * | 2011-11-04 | 2012-06-20 | 上海电力学院 | 基于小波变换和概率神经网络的励磁涌流鉴别方法 |
CN102567783A (zh) * | 2012-02-10 | 2012-07-11 | 广西电网公司电力科学研究院 | 并联混合型电能质量调节器专家故障分析与诊断方法 |
-
2013
- 2013-01-21 CN CN201310021879.3A patent/CN103116090B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5640103A (en) * | 1994-06-30 | 1997-06-17 | Siemens Corporate Research, Inc. | Radial basis function neural network autoassociator and method for induction motor monitoring |
US20120010830A1 (en) * | 2010-06-07 | 2012-01-12 | Abb Research Ltd. | Systems and methods for classifying power line events |
CN102510044A (zh) * | 2011-11-04 | 2012-06-20 | 上海电力学院 | 基于小波变换和概率神经网络的励磁涌流鉴别方法 |
CN102567783A (zh) * | 2012-02-10 | 2012-07-11 | 广西电网公司电力科学研究院 | 并联混合型电能质量调节器专家故障分析与诊断方法 |
Non-Patent Citations (4)
Title |
---|
张海光等: "双馈风力发电中基于单周期的双PWM变换器控制策略", 《江南大学学报(自然科学版)》 * |
张翠等: "变速恒频双馈风力发电系统并网逆变器控制策略研究", 《微特电机》 * |
戴君等: "一种基于小波包变换的谐波分析新方法", 《微计算机信息》 * |
王龙等: "基于小波降噪和EMD方法的风力发电系统齿轮箱故障诊断", 《江南大学学报(自然科学版)》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015169266A3 (zh) * | 2014-05-07 | 2015-12-23 | 陈昊 | 一种开关磁阻电机功率变换器主开关短路故障诊断方法 |
CN104121804B (zh) * | 2014-07-23 | 2015-11-04 | 中北大学 | 一种基于多场信息融合的自动装填系统早期故障预示方法 |
CN104121804A (zh) * | 2014-07-23 | 2014-10-29 | 中北大学 | 一种基于多场信息融合的自动装填系统早期故障预示方法 |
CN104635081B (zh) * | 2015-01-29 | 2017-08-08 | 西北工业大学 | 一种飞机发电机整流器的自适应故障诊断方法 |
CN104635081A (zh) * | 2015-01-29 | 2015-05-20 | 西北工业大学 | 一种飞机发电机整流器的自适应故障诊断方法 |
CN106054853A (zh) * | 2015-04-17 | 2016-10-26 | 哈米尔顿森德斯特兰德公司 | 用于飞机热交换器的污染诊断的基于小波的分析 |
CN105095566A (zh) * | 2015-06-29 | 2015-11-25 | 南京航空航天大学 | 一种基于小波分析和svm的逆变器故障诊断方法 |
CN105095566B (zh) * | 2015-06-29 | 2019-06-04 | 南京航空航天大学 | 一种基于小波分析和svm的逆变器故障诊断方法 |
CN106054053A (zh) * | 2016-06-15 | 2016-10-26 | 西安科技大学 | 一种用于三相全桥整流电路晶闸管故障诊断的方法 |
CN106054053B (zh) * | 2016-06-15 | 2018-08-24 | 西安科技大学 | 一种用于三相全桥整流电路晶闸管故障诊断的方法 |
CN106291162A (zh) * | 2016-07-20 | 2017-01-04 | 江南大学 | 一种光伏二极管箝位式三电平逆变器的故障诊断方法 |
CN106407536A (zh) * | 2016-09-07 | 2017-02-15 | 南京航空航天大学 | 一种逆变器钳位二极管与支撑电容的复合故障诊断方法 |
CN106407536B (zh) * | 2016-09-07 | 2019-08-13 | 南京航空航天大学 | 一种逆变器钳位二极管与支撑电容的复合故障诊断方法 |
CN106841844A (zh) * | 2016-12-14 | 2017-06-13 | 广西大学 | 一种和谐型电力机车列车供电系统故障诊断方法 |
CN107451557A (zh) * | 2017-07-29 | 2017-12-08 | 吉林化工学院 | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 |
CN107451557B (zh) * | 2017-07-29 | 2020-06-23 | 吉林化工学院 | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 |
CN107766638B (zh) * | 2017-10-13 | 2019-07-12 | 西南交通大学 | 一种动车组四象限脉冲整流器igbt开路故障诊断方法 |
CN107766638A (zh) * | 2017-10-13 | 2018-03-06 | 西南交通大学 | 一种动车组四象限脉冲整流器igbt开路故障诊断方法 |
CN108303630A (zh) * | 2018-02-08 | 2018-07-20 | 国电南瑞科技股份有限公司 | 一种基于小波包分析的交直流充电设备功率器件故障诊断方法 |
CN108896932A (zh) * | 2018-05-29 | 2018-11-27 | 南京理工大学 | 基于小波包分解和csa的开关电源电路故障诊断方法 |
CN109782105A (zh) * | 2018-12-29 | 2019-05-21 | 华中科技大学 | 一种变频调速系统三相逆变器功率管故障实时检测方法 |
CN111398787A (zh) * | 2020-04-17 | 2020-07-10 | 安徽理工大学 | 复杂工况下的三相电压型pwm整流电路故障诊断方法 |
CN111398787B (zh) * | 2020-04-17 | 2022-09-16 | 安徽理工大学 | 复杂工况下的三相电压型pwm整流电路故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103116090B (zh) | 2015-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116090B (zh) | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 | |
Lu et al. | DA-DCGAN: An effective methodology for DC series arc fault diagnosis in photovoltaic systems | |
US11489490B2 (en) | Arc fault detection method for photovoltaic system based on adaptive kernel function and instantaneous frequency estimation | |
Chen et al. | A data-driven ground fault detection and isolation method for main circuit in railway electrical traction system | |
CN106526400B (zh) | Dc600v列车供电系统的接地故障诊断方法及装置 | |
Gargoom et al. | Automatic classification and characterization of power quality events | |
CN104698397B (zh) | 一种多电平逆变器故障诊断方法 | |
CN106646096A (zh) | 基于振动分析法的变压器故障分类和识别方法 | |
Wang et al. | Arc fault and flash detection in photovoltaic systems using wavelet transform and support vector machines | |
CN104753461A (zh) | 基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 | |
CN109444667B (zh) | 基于卷积神经网络的配电网早期故障分类方法及装置 | |
CN103575525A (zh) | 一种断路器机械故障的智能诊断方法 | |
Hang et al. | Robust open-circuit fault diagnosis for PMSM drives using wavelet convolutional neural network with small samples of normalized current vector trajectory graph | |
CN105241643B (zh) | 采用hs变换和单类支持向量机的高压断路器机械状态监测方法 | |
CN106291162A (zh) | 一种光伏二极管箝位式三电平逆变器的故障诊断方法 | |
CN109039280B (zh) | 基于非主成分数据特征的光伏阵列故障诊断方法 | |
Fatama et al. | A multi feature based islanding classification technique for distributed generation systems | |
Husari et al. | Stator turn fault diagnosis and severity assessment in converter-fed induction motor using flat diagnosis structure based on deep learning approach | |
CN1908987A (zh) | 基于波形识别的地铁机车牵引电路故障诊断方法 | |
CN113702767B (zh) | 基于小波滑窗能量的孤岛直流微电网故障诊断方法 | |
Zhang et al. | Incipient fault identification of distribution networks based on feature matching of power disturbance data | |
Saini et al. | Signal Processing Tool & Artificial Intelligence for Detection & Classification of Voltage Sag | |
Kurukuru et al. | Fault detection in single-phase inverters using wavelet transform-based feature extraction and classification techniques | |
CN115906350A (zh) | 一种微电网故障定位和诊断方法 | |
Chang et al. | Fault location identifications in HV transmission networks and different MV wind farms using nonintrusive monitoring techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150610 Termination date: 20180121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |