[发明专利]一种逆变器开路故障诊断方法和系统

说明书

本发明公开了一种逆变器开路故障诊断方法和系统，涉及深度学习的技术领域，包括采集逆变器在不同工作状态下的输出电压信号；对不同工作状态下的输出电压信号进行预处理，获得预处理电压信号；利用预处理电压信号对构建的基于Wave‑U‑Net神经网络的故障诊断模型进行训练，获得训练好的故障诊断模型；将待诊断的逆变器的实时输出电压信号输入训练好的故障诊断模型中，获得待诊断的逆变器的开路故障诊断结果。本发明能够及时准确地诊断出逆变器开路故障，具有较高的准确率和鲁棒性，实现对逆变器开路故障的端到端诊断。

技术领域

本发明涉及深度学习的技术领域，更具体地，涉及一种逆变器开路故障诊断方法和系统。

背景技术

碳化硅逆变器是一种高效、可靠、节能的电力转换设备，广泛应用于电动汽车、风力发电、太阳能光伏等领域。然而，由于碳化硅逆变器的高压、高温特性，在运行过程中可能发生各种故障，其中最常见的一种故障是开路错误，即逆变器的某个开关元件失效，导致输出电压波形失真，进而影响系统的稳定性和性能。因此，及时准确地诊断开路错误是保证逆变器安全运行的重要问题。

现有技术公开了一种逆变器开路故障在线诊断方法，包括如下步骤：实时采集逆变器三相输出电流信号ia、ib、ic并进行傅里叶变换分析，得到逆变器发生不同开路故障时所表现的故障特征参数；利用特征参数对故障特征参数进行预处理；进行T-S模糊神经网络的前件网络运算，得到前件网络的输出；进行T-S模糊神经网络的后件网络运算，得到故障诊断结果。现有技术需要采集三相输出电流信号并进行傅里叶变换分析，利用T-S模糊神经网络进行故障诊断，诊断过程繁琐，诊断结果不准确。

发明内容

本发明为克服上述现有技术无法及时准确地诊断逆变器开路故障的缺陷，提供一种逆变器开路故障诊断方法和系统，能够及时准确地诊断出逆变器开路故障，具有较高的准确率和鲁棒性。

为解决上述技术问题，本发明的技术方案如下：

本发明公开了一种逆变器开路故障诊断方法，包括：

S1：采集逆变器在不同工作状态下的输出电压信号；

S2：对不同工作状态下的输出电压信号进行预处理，获得预处理电压信号；

S3：利用预处理电压信号对构建的基于Wave-U-Net神经网络的故障诊断模型进行训练，获得训练好的故障诊断模型；

S4：将待诊断的逆变器的实时输出电压信号输入训练好的故障诊断模型中，获得待诊断的逆变器的开路故障诊断结果。

优选地，所述逆变器为碳化硅逆变器，包括六个SIC MOSFET。

优选地，所述步骤S1中，不同工作状态包括正常工作状态和开路故障状态；

逆变器在正常工作状态下，输出电压信号的波形为对称的正弦波，无失衡和谐波现象；

所述开路故障状态包括单相开路故障状态、两相开路故障状态和三相开路故障状态；

逆变器在单相开路故障状态下，输出电压信号的波形出现失衡和三次谐波现象；

逆变器在两相开路故障状态下，输出电压信号的波形出现失衡和五次谐波现象；

逆变器在三相开路故障状态下，输出电压信号的波形消失。

优选地，利用仿真软件或实验平台采集碳化硅逆变器在不同工作状态下的输出电压信号；由于碳化硅逆变器由六个SIC MOSFET组成，则在正常工作状态下的碳化硅逆变器中随机选择一个SIC MOSFET，将其控制信号设置为0或1，使其始终处于关断或导通状态；开路故障发生后，碳化硅逆变器的输出电压信号的波形将出现失衡和畸变现象，并与开路相位相关。