CN105277823A - 一种逆变器故障诊断方法 - Google Patents
一种逆变器故障诊断方法 Download PDFInfo
- Publication number
- CN105277823A CN105277823A CN201510647155.9A CN201510647155A CN105277823A CN 105277823 A CN105277823 A CN 105277823A CN 201510647155 A CN201510647155 A CN 201510647155A CN 105277823 A CN105277823 A CN 105277823A
- Authority
- CN
- China
- Prior art keywords
- inverter
- fault
- evidence
- basic
- short circuit
- 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
- 238000000034 method Methods 0.000 title abstract description 10
- 238000003745 diagnosis Methods 0.000 title abstract description 9
- 208000024891 symptom Diseases 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000002405 diagnostic procedure Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 230000004069 differentiation Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract 1
- 238000012423 maintenance Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
- Inverter Devices (AREA)
Abstract
本发明涉及一种逆变器故障诊断方法。逆变器的故障种类包括:外接线回路短路、逆变器主回路短路和逆变器控制回路异常;利用所述的故障种类建立D-S证据理论的识别框架,将逆变器的故障征兆作为D-S证据理论中识别框架的证据,并对每条所述的证据进行基本信度分配。通过D-S证据理论融合规则和决策规则,实现对逆变器的故障种类的判别。本发明对逆变器的故障原因进行充分详细的分析并进行合理的概括,总结引发逆变器故障的原因,由此操作人员可以根据其具体的故障问题进行准确的检修,避免重大的运行事故。
Description
技术领域
本发明涉及一种逆变器故障诊断方法,属于逆变器故障的技术领域。
背景技术
逆变器故障诊断与其运行状态、元器件结构等因素密切相关,其故障状态和故障机理具有多元性,由于电力电子器件的脆弱性及其控制的复杂性,以现代开关器件IGBT为核心的PWM控制模块是故障多发环节,目前很多研究人员致力于对逆变器故障诊断方法的研究,因此如何减少因逆变器故障而造成的停机损失,提高设备使用效率,具有非常重要的应用价值。但是,现有技术中对引起逆变器故障的原因分析的并不全面,即便逆变器系统在运行的过程中产生故障征兆,也无法根据其征兆准确并详细的诊断其故障的根本原因。
发明内容
本发明的目的在于克服现有技术的不足,提出了一种逆变器故障诊断方法,解决了无法准确诊断逆变器故障原因的问题。
本发明是通过如下方案予以实现的:
一种逆变器故障诊断方法,步骤如下:
步骤1),逆变器的故障种类包括:外接线回路短路、逆变器主回路短路和逆变器控制回路异常;根据所述的故障种类建立D-S证据理论的识别框架,即Θ={θ1,θ2,θ3},其中,θ1为外接线回路短路;θ2为逆变器主回路短路;θ3为逆变器控制回路异常;
步骤2),将逆变器的故障征兆作为D-S证据理论中识别框架的证据,并对每条所述的证据进行基本信度分配;
步骤3),去除所述的证据中的高冲突并调整所述证据之间的基本信度分配,通过D-S证据理论融合规则和决策规则,实现对逆变器的故障种类的判别。
进一步的,步骤2)中所述的故障征兆包括:电流瞬间变大、电网电压异常、电流变化连续升高、电流某个输入信号持续不变。
进一步的,步骤2)所述的基本信度分配中,表达式如下:
其中,m为2Θ→[0,1]的映射,是2Θ上的基本置信度分配函数;A为证据的焦元,是2Θ任一子集,记作子集m(A)为A的基本置信度,表示对A的信任程度;m(Φ)表示Φ的基本信任分配值为0。
进一步的,步骤3)所述的融合规则表达式如下:
其中, m1、m2、…、mn为同一识别框架上的基本置信度,与之对应的焦元分别是A1、A2、…、An。
进一步的,步骤3)所述的融合决策表达式如下:
若满足, 则判定结果为A1对应的故障种类;其中,ε1和ε2为预先设定的门限值。
本发明和现有技术相比的有益效果是:
现有技术中,对逆变器故障种类的缺乏全面性和客观性,导致工作人员无法根据逆变器在运行中的征兆合理的判断其具体的故障诊断因素。本发明充分对逆变器的故障原因进行详细的分析,并进行合理的总结概括,详细的分析了引发逆变器故障的原因,主要包括外接线回路短路、逆变器主回路短路和逆变器控制回路异常,由此操作人员可以根据其具体的故障问题进行准确的检修,避免重大的运行事故。
本发明利用D-S理论证据将逆变器运行过程中的故障征兆作为信息进行融合,从而判断逆变器发生的故障的具体原因。D-S证据理论具有融合开放性和处理兼容性的优点,适用于存在大量不确定性因素的逆变器故障诊断工作,能够解决逆变器故障模式间存在交叉数据、误判率较高和诊断速度慢的模式识别问题,并有效提高逆变器故障诊断的准确性和灵敏性。
附图说明
图1是本发明实施例的逆变器故障诊断方法的流程图;
图2是本发明实施例的D-S证据理论中的基本置信度示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细的说明。
一种逆变器故障诊断方法,步骤如下:
步骤(一)、逆变器的故障种类包括:外接线回路短路、逆变器主回路短路和逆变器控制回路异常;利用所述的故障种类建立D-S证据理论的识别框架,即Θ={θ1,θ2,θ3},其中,θ1为外接线回路短路;θ2为逆变器主回路短路;θ3为逆变器控制回路异常。
步骤(二)、将逆变器的故障征兆作为D-S证据理论中识别框架的证据,并对每条所述的证据进行基本信度分配;其中,逆变器的故障征兆包括:电流瞬间变大、电网电压异常、电流变化连续升高、电流某个输入信号持续不变。具体方式如下:
(1)识别框架的证据:
D-S证据理论中识别框架的证据为:S1:电流瞬间变大;S2:电流变化连续增大;S3:电网电压异常;S4:电流的某个输入信号持续不变。
(2)基本信度分配:
其中,利用D-S证据理论对,每条证据中的焦元进行基本信度分配:设函数m为2Θ→[0,1]的映射,A为证据的焦元,是2Θ任一子集,记作且满足:
其中,m是2Θ上的基本置信度分配函数;m(A)为命题A的基本置信度指派值,表示对A的信任程度;m(Φ)表示Φ的基本信任分配值为0。
步骤(三)、去除所述的证据中的高冲突并调整所述的证据之间的基本信度分配,通过D-S证据理论融合规则和决策规则,实现对逆变器的故障种类的判别。具体的方式如下:
(1)去除证据中的高冲突
若本实施例中的D-S证据合成存在高冲突的证据,需要找出不和谐焦元,调整冲突证据体中焦元的基本信度分配。
假设识别框架中的证据个数为n,第i个证据的焦元集A的基本信度即为mi(A)(i=1,2,…n),将mi(A)按大小排列为T1、T2、…、Tn,则mi(A)的中位数Tm表达式如下:
假设Tp为[T1,Tm]的中位数,Tq为[Tm,Tn]的中位数,设定区间[2Tp-Tq,2Tq-Tp]为合理区间,若mi(A)不在此区间内,即可判断Ai为不和谐焦元。
设ωi为mi(A)被mj(A)(j≠i,j=1,2,…,n)所支持的程度。通过上述方式,找出A中存在的不和谐焦元后,计算其支持度矩阵:
其中,dij(A)=|mi(A)-mj(A)|,综上分析可知,Rij是一个非负对称矩阵。
根据对称矩阵性质可知,Rij中存在最大的特征值λ(λ>0),该特征值对应的特征向量α为正,使得λα=Rijα,其中α=(α1,α2,…,αn)T,进而可计算不和谐焦元Ai在焦元集A中的权值,表达式如下式:
则冲突证据所对应的焦元A的基本概率赋值为:进一步归一化,完成基本概率重新调整及分配。
(2)证据理论中的融合规则
将调整后的证据通过D-S证据理论融合规则进行融合。假设m1、m2分别是同一识别框架上两条证据基本置信度函数,分别对应的焦元分别为A1、A2、A3、…、Ai和B1、B2、B3、…、Bj,则每个焦元对应的信任度为m1(A1)、m1(A2)、m1(A3)、…、m1(Ai)和m2(B1)、m2(B2)、m2(B3)、…、m2(Bj),通过对m1和m2进行正交合运算,即m1⊕m2,则D-S证据理论的表达式如下:
其中,系数为归一化因子,表明在合成时将非0的信任赋给空集;k值越大,说明证据冲突程度也越大。
由于证据理论满足交换律和结合律,所以n条证据的组合可按照两条证据的组合公式,经n-1次组合得到,获得最终证据与其次序无关。
设m1、m2、…、mn是同一识别框架上的基本置信度指派,对应的焦元分别是A1、A2、…、An,则这n条证据的组合公式为:
其中,
(3)证据理论中的决策规则:
证据理论的决策规则基于基本置信度,设决策规则的表达式如下:
如果满足 则判定为A1对应的故障种类,其中,ε1和ε2为预先设定的门限值。
根据上述D-S证据理论中的决策规则完成对逆变器的故障诊断,实现对逆变器的故障种类的判别,从所述的三种逆变器故障原因,即外接线回路短路、逆变器主回路短路和逆变器控制回路异常中,快速准确分析并作出结论。
本实施例中分别通过电流瞬间变大、电网电压异常、电流变化连续升高、电流某个输入信号持续不变,这四种逆变器征兆对逆变器故障原因进行诊断,作为其他实施方式,逆变器在运行中可能发生故障的征兆因素复杂,在诊断的过程中同样可以选取其他的故障征兆合理判断其发生故障的具体原因。
在本发明给出的思路下,采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改,并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同,这样形成的技术方案是对上述实施例进行微调形成的,这种技术方案仍落入本发明的保护范围内。
Claims (5)
1.一种逆变器故障诊断方法,其特征在于,步骤如下:
步骤1),逆变器的故障种类包括:外接线回路短路、逆变器主回路短路和逆变器控制回路异常;根据所述的故障种类建立D-S证据理论的识别框架,即Θ={θ1,θ2,θ3},其中,θ1为外接线回路短路;θ2为逆变器主回路短路;θ3为逆变器控制回路异常;
步骤2),将逆变器的故障征兆作为D-S证据理论中识别框架的证据,并对每条所述的证据进行基本信度分配;
步骤3),去除所述的证据中的高冲突并调整所述证据之间的基本信度分配,通过D-S证据理论融合规则和决策规则,实现对逆变器的故障种类的判别。
2.根据权利要求1所述的一种逆变器故障诊断方法,其特征在于,步骤2)中所述的故障征兆包括:电流瞬间变大、电网电压异常、电流变化连续升高、电流某个输入信号持续不变。
3.根据权利要求1所述的一种逆变器故障诊断方法,其特征在于,步骤2)所述的基本信度分配中,表达式如下:
其中,m为2Θ→[0,1]的映射,是2Θ上的基本置信度分配函数;A为证据的焦元,是2Θ任一子集,记作子集m(A)为A的基本置信度,表示对A的信任程度;m(Φ)表示Φ的基本信任分配值为0。
4.根据权利要求1所述的一种逆变器故障诊断方法,其特征在于,步骤3)所述的融合规则表达式如下:
其中,A≠Φ;m1、m2、…、mn为同一识别框架上的基本置信度,与之对应的焦元分别是A1、A2、…、An。
5.根据权利要求1所述的一种逆变器故障诊断方法,其特征在于,步骤3)所述的融合决策表达式如下:
若满足, 则判定结果为A1对应的故障种类;其中,ε1和ε2为预先设定的门限值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510647155.9A CN105277823B (zh) | 2015-10-09 | 2015-10-09 | 一种逆变器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510647155.9A CN105277823B (zh) | 2015-10-09 | 2015-10-09 | 一种逆变器故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105277823A true CN105277823A (zh) | 2016-01-27 |
CN105277823B CN105277823B (zh) | 2018-08-07 |
Family
ID=55147180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510647155.9A Expired - Fee Related CN105277823B (zh) | 2015-10-09 | 2015-10-09 | 一种逆变器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105277823B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132831A (zh) * | 2016-02-26 | 2017-09-05 | 同济大学 | 一种磁浮列车控制器板卡故障检测数据权重设置方法 |
CN107368854A (zh) * | 2017-07-20 | 2017-11-21 | 华北电力大学(保定) | 一种基于改进证据理论的断路器故障诊断方法 |
CN108920426A (zh) * | 2018-07-04 | 2018-11-30 | 西北工业大学 | 一种基于幂均算子和ds证据理论的故障诊断方法 |
CN109100608A (zh) * | 2018-07-23 | 2018-12-28 | 华北电力大学(保定) | 一种基于d-s信息融合算法的双馈风机定子匝间短路故障的诊断方法 |
CN109982287A (zh) * | 2019-03-13 | 2019-07-05 | 北京工业大学 | 基于zigbee无线传感器网络的林业多传感器火警告警系统 |
CN111007452A (zh) * | 2019-12-07 | 2020-04-14 | 新奥数能科技有限公司 | 一种数据采集系统的故障诊断方法及装置 |
CN115085571A (zh) * | 2022-08-18 | 2022-09-20 | 深圳戴普森新能源技术有限公司 | 逆变系统控制方法和保护电路 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614775A (zh) * | 2009-07-15 | 2009-12-30 | 河北科技大学 | 基于多源信息融合的变压器状态评估系统及其评估方法 |
CN102175282A (zh) * | 2011-01-24 | 2011-09-07 | 长春工业大学 | 一种基于信息融合的离心式空气压缩机故障诊断方法 |
CN104931857A (zh) * | 2015-06-25 | 2015-09-23 | 山东大学 | 一种基于d-s证据理论的配电网故障定位方法 |
-
2015
- 2015-10-09 CN CN201510647155.9A patent/CN105277823B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614775A (zh) * | 2009-07-15 | 2009-12-30 | 河北科技大学 | 基于多源信息融合的变压器状态评估系统及其评估方法 |
CN102175282A (zh) * | 2011-01-24 | 2011-09-07 | 长春工业大学 | 一种基于信息融合的离心式空气压缩机故障诊断方法 |
CN104931857A (zh) * | 2015-06-25 | 2015-09-23 | 山东大学 | 一种基于d-s证据理论的配电网故障定位方法 |
Non-Patent Citations (3)
Title |
---|
杨伟 等: "证据理论在电机故障诊断中的应用", 《电力系统保护与控制》 * |
苗伟: "智能故障诊断及其在变频器中的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
郭创新 等: "多数据源信息融合的电网故障诊断新方法", 《中国电机工程学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132831A (zh) * | 2016-02-26 | 2017-09-05 | 同济大学 | 一种磁浮列车控制器板卡故障检测数据权重设置方法 |
CN107368854A (zh) * | 2017-07-20 | 2017-11-21 | 华北电力大学(保定) | 一种基于改进证据理论的断路器故障诊断方法 |
CN107368854B (zh) * | 2017-07-20 | 2020-06-09 | 华北电力大学(保定) | 一种基于改进证据理论的断路器故障诊断方法 |
CN108920426A (zh) * | 2018-07-04 | 2018-11-30 | 西北工业大学 | 一种基于幂均算子和ds证据理论的故障诊断方法 |
CN109100608A (zh) * | 2018-07-23 | 2018-12-28 | 华北电力大学(保定) | 一种基于d-s信息融合算法的双馈风机定子匝间短路故障的诊断方法 |
CN109982287A (zh) * | 2019-03-13 | 2019-07-05 | 北京工业大学 | 基于zigbee无线传感器网络的林业多传感器火警告警系统 |
CN109982287B (zh) * | 2019-03-13 | 2021-10-15 | 北京工业大学 | 基于zigbee无线传感器网络的林业多传感器火警告警系统 |
CN111007452A (zh) * | 2019-12-07 | 2020-04-14 | 新奥数能科技有限公司 | 一种数据采集系统的故障诊断方法及装置 |
CN115085571A (zh) * | 2022-08-18 | 2022-09-20 | 深圳戴普森新能源技术有限公司 | 逆变系统控制方法和保护电路 |
CN115085571B (zh) * | 2022-08-18 | 2023-02-03 | 深圳戴普森新能源技术有限公司 | 逆变系统控制方法和保护电路 |
Also Published As
Publication number | Publication date |
---|---|
CN105277823B (zh) | 2018-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105277823A (zh) | 一种逆变器故障诊断方法 | |
CN101968974B (zh) | 一种核电站反应堆保护系统 | |
CN107368854A (zh) | 一种基于改进证据理论的断路器故障诊断方法 | |
CN106428115A (zh) | 轨道车辆系统故障的检测方法和装置 | |
US9692258B2 (en) | Method and system for multi-IED event classification in an electrical grid | |
CN105703258A (zh) | Gis开关设备动作状态监测系统及其使用方法 | |
CN105719062B (zh) | 一种考虑两重故障概率特性的电网风险及薄弱环节评估方法 | |
CN113131518B (zh) | 一种mlpe光伏系统及其mlpe设备检测方法 | |
CN106058334A (zh) | 一种新型电池管理系统 | |
CN104991549A (zh) | 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法 | |
CN105974304A (zh) | 一种断路器分合闸线圈的故障诊断方法 | |
CN113887606A (zh) | 基于故障树建立的电子设备控制系统故障诊断方法 | |
CN105954616A (zh) | 基于外特性电气参数的光伏组件故障诊断方法 | |
CN106532692A (zh) | 一种地区电网计及备自投的静态安全分析方法及装置 | |
CN206850428U (zh) | 电网风险预测系统、处理系统以及管控系统 | |
CN104515945B (zh) | 隐藏故障检测电路及利用隐藏故障检测电路检测隐藏故障的方法 | |
CN206187050U (zh) | 轨道车辆系统故障的检测装置 | |
CN103324795B (zh) | 一种考虑站用电影响的直流系统可靠性评估方法 | |
CN111469889A (zh) | 一种计算机联锁轨道停电故障防护方法、装置及系统 | |
CN103927697A (zh) | 基于电网多环节灵敏度的电网调控方法和系统 | |
CN104699597A (zh) | 基于unix操作系统的计算软件监控系统 | |
CN110501597A (zh) | 电动汽车及用于bms的检测电路、方法和系统 | |
CN110531608A (zh) | 基于冗余设计的高可靠电子设备定量fmeca分析方法和系统 | |
CN213149533U (zh) | 一种硬件三取二表决电路及列车lcu控制系统 | |
CN206440960U (zh) | 一种基于fpga的有源电力滤波器控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180807 |