CN114609546B - 基于孤立森林的模块化多电平换流器开路故障诊断方法 - Google Patents
基于孤立森林的模块化多电平换流器开路故障诊断方法 Download PDFInfo
- Publication number
- CN114609546B CN114609546B CN202210234148.6A CN202210234148A CN114609546B CN 114609546 B CN114609546 B CN 114609546B CN 202210234148 A CN202210234148 A CN 202210234148A CN 114609546 B CN114609546 B CN 114609546B
- Authority
- CN
- China
- Prior art keywords
- isolated
- sub
- power switch
- submodule
- module
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003745 diagnosis Methods 0.000 title claims abstract description 23
- 238000005070 sampling Methods 0.000 claims abstract description 19
- 239000003990 capacitor Substances 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 4
- 238000012549 training Methods 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 11
- 230000004807 localization Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/54—Testing for continuity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Tests Of Electronic Circuits (AREA)
- Locating Faults (AREA)
- Inverter Devices (AREA)
Abstract
本发明公开基于孤立森林的模块化多电平换流器开路故障诊断方法，包括以下步骤：采样子模块电容电压，根据电容电压数据构建孤立树，计算每个子模块在孤立树中的深度；基于孤立树组成孤立森林，计算子模块在孤立森林中的平均深度，并将平均深度最小的子模块作为孤立森林输出，最后输出缓冲区定位故障子模块，实现故障子模块的准确定位。本发明仅涉及子模块电容电压，不需要额外的硬件资源；不涉及系统参数，不需要构建系统数学模型和人为设置经验阈值，具有很高的鲁棒性；该方法基于无监督学习，利用异常数据的稀疏性和差异性定位故障，无需大量数据分析和样本训练，具有线性时间复杂度、数据量小、计算过程简单、计算成本低等优点。
Description
技术领域
本发明涉及多电平电力电子变换器技术领域，具体是基于孤立森林的模块化多电平换流器开路故障诊断方法。
背景技术
随着现代科学技术的不断发展与进步，模块化多电平换流器(ModularMultilevel Converter，MMC)以其效率高、输出交流电压谐波小、开关频率低、冗余度高、高度模块化、操作灵活等特点，更适用于高电压、大功率的应用场合，在柔性直流输电、高功率电机驱动等领域具有广阔的应用前景。
MMC由大量子模块(Submodule,SM)级联而成，通过将大容量直流电容分成较小的电容器，串联的SM可在MMC中应用。这种独特的结构决定了MMC没有大容量的直流电容，较低的开关同步需求和较高的模块化程度。但是，大量串联子模块对MMC可靠性构成巨大的威胁，因为每一个SM都是MMC的潜在故障点，一旦发生故障将严重影响MMC系统的稳定运行和设备安全。
MMC的可靠运行是该技术研究的关键之一。子模块故障是MMC故障的主要来源之一，主要有两种类型：子模块开路(OC)故障和子模块短路(SC)故障。短路故障破坏性较大，因而子模块驱动电路中一般配备了短路保护模块，当短路故障发生时，由本地闭锁该子模块，确保系统仍可正常运行。开路故障危害相对较小，因而不易被立即检测到，从而造成电压电流波形畸变等后果，威胁到系统的正常运行。子模块开路(OC)故障诊断通常需要故障检测和故障定位。在故障检测中，会生成错误警报以通知子模块开路(OC)故障的发生。为了在子模块开路(OC)故障时实现MMC的不间断运行，将通过故障定位来识别故障SM，以确保正确配置拓扑。
目前学界提出了多种故障检测和定位方法。基于硬件的方法，如采用集成监控传感器和配备具有故障检测功能的驱动模块来实现SM的故障和定位，然而基于硬件的方法需要添加额外的故障检测电路，不仅增加了成本，又带来了新的潜在故障点。基于观测器的方法，如通过基于卡尔曼滤波器的观测器实现故障检测，通过电容电压的比较来进行故障定位；基于滑模观测器的分别执行用于故障检测和故障定位，该类方法需要构建MMC系统的精确的数学模型，并需要人为设置经验阈值。基于人工智能的方法，如基于滑动时间窗口与卷积神经网络的故障检测与定位方法，该类方法通常需要进行大量数据分析和样本训练，计算过程复杂且计算量大。
发明内容
本发明的目的在于提供基于孤立森林的模块化多电平换流器开路故障诊断方法，解决了上述技术问题，同时实现子模块开路故障检测和定位，无需额外的硬件资源。
本发明的目的可以通过以下技术方案实现：
基于孤立森林的模块化多电平换流器开路故障诊断方法，包括以下步骤：
步骤1：对模块化多电平换流器的电容电压与时间的无限长流量信号进行采样，采样频率为fs，采样间隔为Ts；
步骤2：基于每个时刻采样的电容电压数据，对一个桥臂的电容电压数据构建一棵孤立树；
步骤3：基于所构建的孤立树，计算孤立树中每个子模块SMi的深度D(i)；
步骤4：每隔Ts为一个采样时刻，基于连续m个采样时刻所构建的m棵孤立树，组成孤立森林，计算每个子模块SMi在孤立森林中的平均深度AD(i)；
步骤5：将孤立森林中平均深度AD(i)最小的子模块的序号i作为当前孤立森林的输出，记为IFO，有序存储在可容纳k个IFO的输出缓冲区中；
步骤6：根据输出缓冲区的情况输出子模块故障定位标志Flag，并判断是否出现故障。
进一步地，所述孤立树是一种非线性的数据结构，具有一定数量的层数，用以根据子模块电容电压大小关系对子模块进行分类。
所述孤立树的构建方法为：第0层的根节点N0包含一个桥臂的n个子模块以及相对应的n个电容电压值，从根节点起，随机选择一个电压分割值u0，将电容电压小于等于u0的子模块分入节点N1_1，将电容电压大于u0的子模块分入节点N1_2；对N1_1、N1_2及之后的每个节点N重复上述过程，直到所有节点都不可再分，则一棵孤立树构建完成，此时孤立树含有n个不可再分的外部节点，每个外部节点仅包含一个子模块，表示为TN(SMi)，其中SMi对应于桥臂中的第i个子模块且1≤i≤n。
进一步地，所述步骤1中采样频率fs＝100kHz，采样间隔Ts＝1ms。
进一步地，所述步骤3中深度D(i)，定义为：子模块SMi所在外部节点在孤立树中的层数，计算公式为：
D(i)＝IT[Level(TN(SM i))]。
进一步地，所述步骤4中m＝100。
进一步地，所述步骤4中每个子模块SMi在m棵孤立树中的平均深度AD(i)，计算公式为：
其中，D(i,j)表示孤立森林的第j(1≤j≤m)棵孤立树中子模块SM i所在外部节点的深度。
进一步地，所述步骤5中k＝5。
进一步地，所述步骤5中输出缓冲区的工作方式为：每隔mTs的时间对输出缓冲区中的数据进行一次更新，将其中最早生成的IFO删除，同时加入最新生成的IFO。
进一步地，所述子模块为半桥结构，包括两个功率开关Su、Sl，两个二极管Du、Dl和一个直流电容C，其中，功率开关Su和二极管Du组成上管，功率开关Sl和二极管Dl组成下管；二极管Du的阴极连接功率开关Su的集电极，二极管Du的阳极连接功率开关Su的发射极，二极管Dl的阴极连接功率开关Sl的集电极，二极管Dl的阳极连接功率开关Sl的发射极，功率开关Su的发射极、功率开关Sl的集电极分别与子模块桥臂电流流入侧连接，功率开关Su的栅极、功率开关Sl的栅极分别与控制功率开关开通与关断的控制电路连接，功率开关Sl的发射极与子模块桥臂电流流出侧连接，功率开关Su的集电极经直流电容与子模块桥臂电流流出侧连接。
进一步地，所述步骤6中故障的具体判断方法为：
若输出缓冲区中的所有IFO都相同，则Flag＝1，对应的子模块SM i确定为故障子模块；否则，Flag＝0，系统视为正常，重复步骤1-5，继续对系统进行检测。
本发明的有益效果：
1、本发明提出的换流器开路故障诊断方法可同时实现故障检测和定位，具备很高的实用价值；摆脱了传统子模块开路故障诊断算法中将开路故障的检测和定位分离，使故障诊断过程复杂化，延长故障诊断时间的问题；
2、本发明开路故障诊断方法不涉及系统参数，无需构建系统数学模型和人为设置经验阈值，因此不受系统参数不确定性的影响，具有很高的鲁棒性；
3、本发明开路故障诊断方法不需要对硬件电路做任何改动，不增加额外的硬件成本，易于实施；
4、本发明开路故障诊断方法无需在系统中引入环流，不改变系统的输出特性；
5、本发明开路故障诊断方法基于无监督学习，利用异常数据的稀疏性和差异性定位故障，无需进行大量的数据分析和样本训练，具有线性时间复杂度、数据量小、计算过程简单、计算成本低等优点。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中三相MMC及子模块拓扑结构图；
图2是本发明故障诊断方法的具体实施流程图；
图3是本发明中所构建的孤立树(IT)的示例图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明针对子模块发生开路故障的问题，提出了适用于MMC的子模块故障诊断方法，其中MMC拓扑结构由六个桥臂组成，如图1所示，每个桥臂上包含了n个相同的子模块(Submodule，SM)以及一个桥臂电感Ls，子模块采用半桥结构，每个子模块由两个功率开关Su、Sl，两个二极管Du、Dl和一个直流电容C组成；
电容电压平衡方法为：根据桥臂参考电压与载波比较得到一个桥臂上需要投入的子模块个数为p，当桥臂电流大于0，投入电容电压最低的p个子模块，当桥臂电流小于0，投入电容电压最高的p个子模块。
如图2所示，一种基于孤立森林的模块化多电平换流器开路故障诊断方法，包括：采样子模块电容电压，并根据每个时刻采样得到的电容电压数据构建孤立树，用以描述子模块电容电压的数据特征，并计算每个子模块在孤立树中的深度。基于所构建的孤立树组成孤立森林，计算每个子模块在孤立森林中的平均深度，并将平均深度最小的子模块视为当前孤立森林输出，最后通过输出缓冲区定位故障子模块，可在短时间内实现故障子模块的准确定位。具体包括以下步骤：
(1)对模块化多电平换流器的电容电压与时间的无限长流量信号进行采样，采样频率为fs，采样间隔为Ts(如fs＝100kHz，Ts＝1ms)。
(2)基于每个时刻采样的电容电压数据，对一个桥臂构建一棵孤立树(IsolationTree，IT)，孤立树是一种非线性的数据结构，具有一定数量的层数，用以根据子模块电容电压大小关系对子模块进行分类。
孤立树的构建方法为：第0层的根节点N0包含一个桥臂的n个子模块以及相对应的n个电容电压值，从根节点起，随机选择一个电压分割值u0(介于当前时刻子模块电容电压最大值与最小值之间)，将电容电压小于等于u0的子模块分入节点N1_1，将电容电压大于u0的子模块分入节点N1_2。对N1_1、N1_2及之后的每个节点N重复上述过程，直到所有节点都不可再分，则一棵孤立树构建完成，此时孤立树含有n个不可再分的外部节点(Terminal Node，TN)，每个外部节点仅包含一个子模块，表示为TN(SMi)，其中SMi对应于桥臂中的第i个子模块且1≤i≤n。
(3)基于所构建的孤立树，计算孤立树中每个子模块SMi的深度D(i)。
(4)每隔Ts为一个采样时刻，基于连续m个采样时刻所构建的m棵孤立树(如m＝100)，组成孤立森林(Isolation Forest，IF)，计算每个子模块SMi在孤立森林中的平均深度AD(i)。
(5)将孤立森林中平均深度AD(i)最小的子模块的序号i作为当前孤立森林的输出，记为IFO，有序存储在可容纳k个IFO的输出缓冲区中(如k＝5)。
(6)根据输出缓冲区的情况输出子模块故障定位标志Flag，并判断是否出现故障。
子模块开路故障标准，具体如下：若输出缓冲区中的所有IFO都相同，则Flag＝1，对应的子模块SMi确定为故障子模块；反之，Flag＝0，系统视为正常，子模块正常工作，未出现开路故障。
本发明尤其适用于子模块数目众多的MMC系统，与传统的子模块故障诊断方法相比，其能显著减小诊断算法的计算量。所提出的方法对电容电压进行分析，利用异常电容电压数据的稀疏性和差异性进行故障诊断。在子模块开路(OC)故障时，故障子模块的电容电压变化会与正常子模块有所不同。因此，在提出的方法中监测电容的电压变化。由于仅涉及电容电压，因此所提出的方法不需要额外的硬件资源，不增加额外的硬件成本。由于不涉及系统参数，不需要构建系统数学模型，不需要人为设置经验阈值，因此该方法不受系统参数不确定性的影响，并且具有很高的鲁棒性。与其他基于人工智能的方法相比，该方法基于无监督学习，不需要进行大量数据分析和样本训练，具有线性时间复杂度、数据量小、计算过程简单、计算成本低等优点。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
Claims (10)
1.基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，包括以下步骤：
步骤1：对模块化多电平换流器的电容电压与时间的无限长流量信号进行采样，采样频率为fs，采样间隔为Ts；
步骤2：基于每个时刻采样的电容电压数据，对一个桥臂的电容电压数据构建一棵孤立树；
步骤3：基于所构建的孤立树，计算孤立树中每个子模块SMi的深度D(i)；
步骤4：每隔Ts为一个采样时刻，基于连续m个采样时刻所构建的m棵孤立树，组成孤立森林，计算每个子模块SMi在孤立森林中的平均深度AD(i)；
步骤5：将孤立森林中平均深度AD(i)最小的子模块的序号i作为当前孤立森林的输出，记为IFO，有序存储在可容纳k个IFO的输出缓冲区中；
步骤6：根据输出缓冲区的情况输出子模块故障定位标志Flag，并判断是否出现故障。
2.根据权利要求1所述基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述孤立树是一种非线性的数据结构，具有一定数量的层数，用以根据子模块电容电压大小关系对子模块进行分类；
所述孤立树的构建方法为：第0层的根节点N0包含一个桥臂的n个子模块以及相对应的n个电容电压值，从根节点起，随机选择一个电压分割值u0，将电容电压小于等于u0的子模块分入节点N1_1，将电容电压大于u0的子模块分入节点N1_2；对N1_1、N1_2及之后的每个节点N重复上述过程，直到所有节点都不可再分，则一棵孤立树构建完成，此时孤立树含有n个不可再分的外部节点，每个外部节点仅包含一个子模块，表示为TN(SMi)，其中SMi对应于桥臂中的第i个子模块且1≤i≤n。
3.根据权利要求1所述基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述步骤1中采样频率fs＝100kHz，采样间隔Ts＝1ms。
4.根据权利要求1所述基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述步骤3中深度D(i)，定义为：子模块SMi所在外部节点在孤立树中的层数，计算公式为：
D(i)＝IT[Level(TN(SMi))]。
5.根据权利要求1所述基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述步骤4中m＝100。
6.根据权利要求5所述基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述步骤4中每个子模块SMi在m棵孤立树中的平均深度AD(i)，计算公式为：
其中，D(i,j)表示孤立森林的第j(1≤j≤m)棵孤立树中子模块SMi所在外部节点的深度。
7.根据权利要求1所述基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述步骤5中k＝5。
8.根据权利要求1所述基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述步骤5中输出缓冲区的工作方式为：每隔mTs的时间对输出缓冲区中的数据进行一次更新，将其中最早生成的IFO删除，同时加入最新生成的IFO。
9.根据权利要求1所述基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述子模块为半桥结构，包括两个功率开关Su、Sl，两个二极管Du、Dl和一个直流电容C，其中，功率开关Su和二极管Du组成上管，功率开关Sl和二极管Dl组成下管；二极管Du的阴极连接功率开关Su的集电极，二极管Du的阳极连接功率开关Su的发射极，二极管Dl的阴极连接功率开关Sl的集电极，二极管Dl的阳极连接功率开关Sl的发射极，功率开关Su的发射极、功率开关Sl的集电极分别与子模块桥臂电流流入侧连接，功率开关Su的栅极、功率开关Sl的栅极分别与控制功率开关开通与关断的控制电路连接，功率开关Sl的发射极与子模块桥臂电流流出侧连接，功率开关Su的集电极经直流电容与子模块桥臂电流流出侧连接。
10.根据权利要求1所述的基于孤立森林的模块化多电平换流器开路故障诊断方法，其特征在于，所述步骤6中故障的具体判断方法为：
若输出缓冲区中的所有IFO都相同，则Flag＝1，对应的子模块SMi确定为故障子模块；否则，Flag＝0，系统视为正常，重复步骤1-5，继续对系统进行检测。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210234148.6A CN114609546B (zh) | 2022-03-10 | 2022-03-10 | 基于孤立森林的模块化多电平换流器开路故障诊断方法 |
| PCT/CN2023/073937 WO2023169098A1 (zh) | 2022-03-10 | 2023-01-31 | 基于孤立森林的模块化多电平换流器开路故障诊断方法 |
| US18/561,221 US20240255584A1 (en) | 2022-03-10 | 2023-01-31 | Isolation forest-based modular multilevel converter open-circuit fault diagnosis method devices |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210234148.6A CN114609546B (zh) | 2022-03-10 | 2022-03-10 | 基于孤立森林的模块化多电平换流器开路故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114609546A CN114609546A (zh) | 2022-06-10 |
| CN114609546B true CN114609546B (zh) | 2023-07-28 |
Family
ID=81862957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210234148.6A Active CN114609546B (zh) | 2022-03-10 | 2022-03-10 | 基于孤立森林的模块化多电平换流器开路故障诊断方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20240255584A1 (zh) |
| CN (1) | CN114609546B (zh) |
| WO (1) | WO2023169098A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114609546B (zh) * | 2022-03-10 | 2023-07-28 | 东南大学 | 基于孤立森林的模块化多电平换流器开路故障诊断方法 |
| CN116995909B (zh) * | 2023-09-27 | 2023-12-29 | 安徽大学 | 储能mmc系统开路故障诊断与容错运行的方法和系统 |
| CN117077067B (zh) * | 2023-10-18 | 2023-12-22 | 北京亚康万玮信息技术股份有限公司 | 一种基于智能匹配的信息系统自动部署规划方法 |
| CN117407822B (zh) * | 2023-12-12 | 2024-02-20 | 江苏新希望生态科技有限公司 | 一种全自动芽苗机及其控制方法 |
| CN117421687B (zh) * | 2023-12-18 | 2024-03-15 | 圣道天德电气(山东)有限公司 | 一种数字化电力环网柜运行状态监测方法 |
| CN117874653B (zh) * | 2024-03-11 | 2024-05-31 | 武汉佳华创新电气有限公司 | 一种基于多源数据的电力系统安全监测方法及系统 |
| CN118447666B (zh) * | 2024-07-05 | 2024-09-10 | 山西沣庆恒能源科技有限公司 | 基于人工智能的煤仓安全监测预警方法和系统 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100070212A1 (en) * | 2008-09-15 | 2010-03-18 | Caterpillar Inc. | Method and apparatus for determining state of inverter capacitor in an electric drive |
| CN107271925B (zh) * | 2017-06-26 | 2019-11-05 | 湘潭大学 | 基于深度卷积网络的模块化五电平换流器故障定位方法 |
| US10867250B2 (en) * | 2018-12-27 | 2020-12-15 | Utopus Insights, Inc. | System and method for fault detection of components using information fusion technique |
| CN110322368A (zh) * | 2019-07-03 | 2019-10-11 | 厦门理工学院 | 一种谐波数据异常检测方法、终端设备及存储介质 |
| CN110719044B (zh) * | 2019-09-12 | 2020-09-22 | 东南大学 | 模块化多电平换流器子模块下管开路故障的定位方法 |
| CN110988742A (zh) * | 2019-10-31 | 2020-04-10 | 东南大学 | 基于四分位数的模块化多电平换流器开路故障诊断方法 |
| CN113765427A (zh) * | 2020-06-03 | 2021-12-07 | 台达电子企业管理（上海）有限公司 | 模块化多电平变换器系统及其电压检测方法、开路故障诊断方法 |
| CN111707973B (zh) * | 2020-06-04 | 2021-11-26 | 东南大学 | 基于格拉布斯准则的模块化多电平换流器开路故障诊断方法 |
| BR112023003671A2 (pt) * | 2020-08-26 | 2023-04-04 | Prescinto Tech Private Limited | Sistema e método de monitoramento de baixo desempenho da usina de energia solar |
| CN112234576B (zh) * | 2020-09-29 | 2022-07-05 | 东南大学 | 基于滑窗特征提取的模块化多电平换流器故障诊断方法 |
| CN112348071B (zh) * | 2020-10-30 | 2022-05-17 | 浙江大学 | 一种模块化多电平换流器子模块开关管开路故障诊断方法 |
| CN112611982B (zh) * | 2020-11-30 | 2022-07-12 | 西华大学 | 模块化多电平换流器的深度小波孪生网络故障诊断方法 |
| CN113159119A (zh) * | 2021-03-11 | 2021-07-23 | 大连理工大学 | 一种中压模块化多电平变流器故障诊断方法 |
| CN113341345A (zh) * | 2021-06-04 | 2021-09-03 | 浙江大学 | 一种基于特征提取和随机森林的mmc开关管开路故障诊断方法 |
| CN113762350A (zh) * | 2021-08-12 | 2021-12-07 | 南京星云数字技术有限公司 | 异常数据检测方法、装置、计算机设备和存储介质 |
| CN113420073A (zh) * | 2021-08-23 | 2021-09-21 | 平安科技（深圳）有限公司 | 基于改进的孤立森林的异常样本检测方法及相关设备 |
| CN114089181B (zh) * | 2021-11-19 | 2022-11-08 | 浙江大学 | 基于XG-Boost的MMC开关管开路故障检测方法 |
| CN114609546B (zh) * | 2022-03-10 | 2023-07-28 | 东南大学 | 基于孤立森林的模块化多电平换流器开路故障诊断方法 |
-
2022
- 2022-03-10 CN CN202210234148.6A patent/CN114609546B/zh active Active
-
2023
- 2023-01-31 US US18/561,221 patent/US20240255584A1/en active Pending
- 2023-01-31 WO PCT/CN2023/073937 patent/WO2023169098A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| CN114609546A (zh) | 2022-06-10 |
| WO2023169098A1 (zh) | 2023-09-14 |
| US20240255584A1 (en) | 2024-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114609546B (zh) | 基于孤立森林的模块化多电平换流器开路故障诊断方法 | |
| US10234495B2 (en) | Decision tree SVM fault diagnosis method of photovoltaic diode-clamped three-level inverter | |
| CN111707973B (zh) | 基于格拉布斯准则的模块化多电平换流器开路故障诊断方法 | |
| CN104682351B (zh) | 基于数学构造调制的矩阵变换器开路故障容错控制方法 | |
| CN105548792A (zh) | 基于预测控制的矩阵变换器开关开路故障诊断方法 | |
| AU2021102724A4 (en) | A method for modular multilevel converter (inverter) open-circuit fault identification and positioning | |
| CN110988742A (zh) | 基于四分位数的模块化多电平换流器开路故障诊断方法 | |
| Wang et al. | Survey of switch fault diagnosis for modular multilevel converter | |
| CN110133538A (zh) | 一种anpc三电平逆变器开路故障诊断方法及实验平台 | |
| Wu et al. | Digital twin approach for degradation parameters identification of a single-phase DC-AC inverter | |
| Deng et al. | Isolation forest based submodule open-circuit fault localization method for modular multilevel converters | |
| CN112234576B (zh) | 基于滑窗特征提取的模块化多电平换流器故障诊断方法 | |
| Xin et al. | A deep learning and softmax regression fault diagnosis method for multi-level converter | |
| CN113341345A (zh) | 一种基于特征提取和随机森林的mmc开关管开路故障诊断方法 | |
| Badr et al. | Fault detection and diagnosis for photovoltaic array under grid connected using support vector machine | |
| Singh et al. | Open circuit fault diagnosis and fault classification in multi-level inverter using fuzzy inference system | |
| Intravaia et al. | Prognostic Analysis of Switching Devices in DC-DC Converters | |
| Hu et al. | An Open Circuit Faults Diagnosis Method Based on XG-Boost Used in MMC | |
| CN108649600A (zh) | 一种基于模型的多电平逆变器参数性故障诊断方法 | |
| CN113449771B (zh) | 基于人工神经网络的四象限变流器故障诊断方法及系统 | |
| CN109506936A (zh) | 基于流向图和非朴素贝叶斯推理的轴承故障程度识别方法 | |
| Fan et al. | Data-driven fault detection of multiple open-circuit faults for MMC systems based on long short-term memory networks | |
| CN115099345A (zh) | 一种基于自适应聚类算法的mmc子模块故障监测方法 | |
| Zhuang et al. | Fault-Tolerant Control of IGBT Open-Circuit Failure in Five-Level Nested Neutral Point Piloted Converters | |
| Sahani et al. | Deep Convolutional Neural Network Based Fault Detection and Diagnosis Method for Three-Phase T-Type Converter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |