光伏逆变器软故障特征提取方法研究

发布时间：2021-10-22 17:29

　　太阳能是21世纪以来最具有开发前景的新能源之一,光伏发电成为高效利用太阳能的一种方式。光伏逆变器属于光伏发电系统中的重要器件,一旦出现故障将会导致系统稳定性降低乃至停转。对光伏逆变器进行故障特征提取是提高光伏发电系统稳定性的关键,由元器件参数退化引起的软故障,特征不明显、区分度差,且传统的特征提取方法难以达到预期效果,故对光伏逆变器软故障特征提取方法的研究具有实用价值。本文具体研究内容如下:本文选择具有代表性的三电平中点钳位型（NPC）逆变器作为实验对象,首先在深入分析其工作原理的基础上对电容软故障类型分类,然后通过Matlab/Simulink建立电路模型,仿真得到不同软故障类型对应的三相桥臂中点间线电压信号作为故障信号,提出了两种软故障特征提取方法:基于VMD小波能量软故障特征提取,元器件参数发生退化时,故障信号的频带能量分布会发生较大波动,信号频带特征包含故障信息,故障信号的VMD小波能量可为故障特征。首先以排列熵算法优化VMD模态分量个数,提取故障信号VMD模态分量的小波能量构建故障特征向量,对获取的特征向量降维,最后结合支持向量机实现软故障的分类,经实验证明,与传统的小波、E... 

【文章来源】：安徽理工大学安徽省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

离网型光伏发电系统

安装维护轻松，可靠性较高，但是发电功率覆盖成本高的偏远地区，极大方便了当地居民的生活。图 2.1 离网型光伏发电系统Fig.2.1 Off-grid photovoltaic power generation system 2.2 所示，并网型光伏逆变器与离网型的区别在于，逆变网相连，蓄电池可以省去或采用较小的容量。系统功率不供电，系统有富余的电能也可上网起到调峰作用。

逆变器主电路拓扑二极管中点钳位(NPC)电压型逆变器[26-32]是常用的多电平逆变良好的输出电压波形和灵活的电平扩展性，本文选择三电平 究对象，图 2.4 为电路拓扑结构图。a1Sb1Sb2Sb4Sb3Sc1Sc2Sc3Sc4Sa1VDa2VDb1VDb2VDc1VDc2VDa4Sa2Sa3SdU1C2C

【参考文献】：
期刊论文
[1]光伏逆变器的研究现状综述[J]. 林志鸿,李少纲.  电气开关. 2017(05)
[2]基于光伏发电的永磁同步电机矢量控制系统研究[J]. 陈力.  天津科技. 2017(06)
[3]基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断[J]. 时培明,梁凯,赵娜,安淑君.  中国机械工程. 2017(09)
[4]应用EMD和双谱分析的故障特征提取方法[J]. 蒋永华,李荣强,焦卫东,唐超,蔡建程,施继忠.  振动.测试与诊断. 2017(02)
[5]基于递推最小二乘算法的逆变器参数辨识[J]. 张海宁.  电力科学与工程. 2017(02)
[6]大数据分析的神经网络方法[J]. 章毅,郭泉,王建勇.  工程科学与技术. 2017(01)
[7]高效光伏逆变器综述[J]. 张兴,李俊,赵为,陶磊.  电源技术. 2016(04)
[8]基于分形维数和支持向量机的串联电弧故障诊断方法[J]. 杨凯,张认成,杨建红,杜建华,陈首虹,涂然.  电工技术学报. 2016(02)
[9]重复过流冲击下IGBT的性能退化研究[J]. 刘丹,徐正国.  上海应用技术学院学报(自然科学版). 2015(03)
[10]基于MF-DFA与PSO优化LSSVM的滚动轴承故障诊断方法[J]. 熊庆,张卫华.  振动与冲击. 2015(11)

硕士论文
[1]基于EEMD样本熵的三电平逆变器故障诊断方法的研究[D]. 周进.安徽理工大学 2017
[2]基于极限学习机的风电机组主轴承故障诊断方法研究[D]. 绳菲菲.华北电力大学 2017
[3]基于VMD的旋转机械故障诊断方法研究[D]. 张锁峰.桂林电子科技大学 2017
[4]极限学习机优化不完备数据模糊聚类算法研究[D]. 潘辉.辽宁大学 2017
[5]基于小波变换与神经网络的特高压输电线路保护方法研究[D]. 肖文龙.西华大学 2017
[6]二极管箝位型三电平逆变器的控制策略研究[D]. 易理军.湘潭大学 2016
[7]光伏并网逆变器软故障诊断方法研究[D]. 朋泽群.安徽理工大学 2016
[8]三电平逆变器的故障诊断策略研究[D]. 吴娟.江南大学 2016
[9]基于序列数据获取的改进极限学习机算法研究[D]. 张晓.湘潭大学 2016
[10]电力电子电路故障诊断与故障预测方法研究[D]. 姜书燕.湖南大学 2016



本文编号：3451558