基于无监督学习的MMC子模块开路故障诊断方法

• 作者: 张彼德 洪锡文 刘俊 蒋拯 刘铠 余海宁
• 来源期刊: 电力系统保护与控制
• 关键词: 模块化多电平换流器 开路 故障诊断 无监督学习 机器学习
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 应用研究|Application Research
• 页码范围: 98-105
• 页数: 8页
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.201019

摘要

模块化多电平换流器(MMC)子模块发生故障时,快速准确地检测并定位故障是提高换流器运行可靠性的关键.目前,机器学习在MMC故障诊断领域得到了一定的应用,但大多需要采集每种故障情况下的样本,而故障样本采集难度较大.针对此问题,提出一种无需采集故障样本,仅根据正常样本训练分类模型即可实现故障检测和定位的无监督故障诊断方法.首先,采用在线顺序极限学习机对变量预测模型进行改进,通过比较预测量与实际量的距离判断桥臂故障,实现故障检测.其次,以故障桥臂各子模块电容电压变化率为特征,通过K近邻异常值检测方法定位故障子模块.最后,搭建了三相五电平MMC仿真模型对所提方法进行了仿真研究.结果表明,与有监督的机器学习方法相比,所提方法在不需要故障样本集的情况下便能快速准确地检测并定位故障,为机器学习在MMC故障诊断实际工程中的应用提供了参考.