典型文献
基于梅尔倒谱系数特征集的储能变流器开路故障诊断方法
文献摘要：
电池储能电站功率转换系统(power conversion system,PCS)故障诊断在储能电站智能运维中发挥着重要作用.现有方法在非侵入式识别PCS内部IGBT开路故障时,易出现信号特征提取困难、数据维度爆炸以及阈值判定区间不稳定等问题.提出一种基于梅尔倒谱系数(Mel-scale frequency cepstral coefficients,MFCC)特征集的储能变流器开路故障诊断方法.首先,以交流侧三相电流为输入信号,通过分析不同频率区间的信号频谱能量分布情况和包络特征,构建MFCC故障特征数据集.然后,结合核主成分分析(kernel principal components analysis,KPCA),实现充放电工况下非线性故障特征的降维筛选;其次,以低维故障特征集为输入,构建基于贝叶斯优化算法(bayesian optimization algorithm,BOA)与一维卷积神经网络(1d-convolutional neural network,CNN-1D)的故障状态诊断模型;最后,通过并网储能变流器的故障仿真实验,与现有方法进行比较,结果表明:所提方法在复杂的噪声环境下的鲁棒性和准确性更优.
文献关键词：
电池储能;变流器;故障诊断;梅尔倒谱系数;诊断模型
中图分类号：
作者姓名：
余斌;宋兴荣;周挺;罗林波;李辉;车亮
作者机构：
国网湖南省电力有限公司电力科学研究院,湖南 长沙 410007;国网湖南省电力有限公司,湖南 长沙 410004;国网湖南省电力有限公司 娄底供电分公司,湖南 娄底 417000;湖南大学 电气与信息工程学院,湖南 长沙 410082
文献出处：
引用格式：
[1]余斌;宋兴荣;周挺;罗林波;李辉;车亮-.基于梅尔倒谱系数特征集的储能变流器开路故障诊断方法)[J].中国电力,2022(12):34-42
A类：
B类：
梅尔倒谱系数特征,征集,储能变流器,开路故障,故障诊断方法,电池储能电站,功率转换系统,power,conversion,system,PCS,智能运维,非侵入式,IGBT,信号特征提取,数据维度,Mel,scale,frequency,cepstral,coefficients,MFCC,三相电流,不同频率,频率区间,信号频谱,频谱能量,能量分布,包络,故障特征,特征数据集,核主成分分析,kernel,principal,components,analysis,KPCA,充放电,非线性故障,低维,集为,贝叶斯优化算法,bayesian,optimization,algorithm,BOA,一维卷积神经网络,1d,convolutional,neural,network,1D,故障状态,状态诊断,诊断模型,并网,故障仿真,噪声环境
AB值：
0.424703
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
