本发明涉及电力系统柔性直流输电领域，特别涉及一种基于混合核支持张量机的模块化多电平换流器子模块开路故障检测方法。
背景技术
模块化多电平换流器(mmc)作为一种新型电压源换流器，通过子模块串联的方法代替传统电压源换流器(vsc)开关元件的直接串联，电平台阶数高，可以通过子模块的串联达到任意的电平数，灵活性高。mmc运用较低的开关频率便可获得较优的波形品质，且对器件的开关一致性要求也大大降低。此外，mmc无需借助变压器来实现电压匹配，能够直接连接至高压网络，能够更好地适应高压应用场合。
mmc采用子模块级联的方式，每个桥臂由n个子模块(sub-module,sm)和一个电感器l串联而成，上下两个桥臂构成一个相单元。每个子模块由两个绝缘栅双极晶体管(igbt)和一个电容器c组成。由于在高电压等级时mmc串联子模块个数较多，子模块故障发生的可能性也相对于普通的电压源换流器来说更大些，一旦有子模块发生故障(以igbt器件发生开路故障为主)，如不能及时检测出故障，则在影响到供电质量的同时，可能诱发其他子模块故障，进而导致系统无法正常运行，造成重大的事故隐患，甚至造成人员和财产的损失，因此，迫切需要提高提运行可靠性，而可靠性提高依赖于准确的故障诊断与故障定位技术。
针对mmc的子模块开路故障诊断问题，有学者提出一种基于卡尔曼滤波器的子模块故障检测方法，该方法通过由卡尔曼滤波器估计的状态变量和测量的状态变量进行比较从而检测故障的存在。在此基础上，又有学者提出了一种基于扩展卡尔曼滤波算法(ekfa)的mmc故障诊断策略，旨在通过观测系统内部环流状态以快速判断系统是否处于故障状态并定位故障点所在位置，获得很好的诊断及定位结果此外，也有学者提出一种基于滑膜观测器的故障检测方法，该方法也能检测出故障。
上述方法都是基于状态空间等模型的故障检测方法，由于mmc的子模块数众多，采用上述方法很难建立精确的mmc数学模型，也限制了该类方法的实际应用。因此，需要一种合适的子模块故障检测方法来及时检测出系统故障，以确保系统的安全及稳定运行。
技术实现要素：
本发明是为了解决上述问题而进行的，目的在于提供一种基于混合核支持张量机的mmc子模块开路故障检测方法，快速检测出故障桥臂。
本发明提供的一种基于混合核支持张量机的mmc子模块开路故障检测方法，其特征在于，包括以下步骤：
步骤1，采集已知模块化多电平换流器运行状态下交流侧的每一相电流ij，j＝(a,b,c)以及每一相的环流idiffj，j＝(a,b,c)，其中，运行状态包括正常运行以及子模块开路故障；
步骤2，对ij和idiffj进行处理得到电流信号mj和环流信号mdiffj；
步骤3，对每一相的mj都进行包络均值分解，得到每相的包络均值信号ej；
步骤4，选取三相中某一相在正常运行状态下以及子模块开路故障状态下的mj、mdiffj、ej作为训练集输入混合核支持张量机进行训练；
步骤5，随机设置已知模块化多电平换流器中桥臂子模块开路故障并采集获取相应的电流ij'和环流idiffj'，重复步骤1至步骤3对ij'和idiffj'进行处理，获取相应的电流信号mj'、环流信号mdiffj'以及包络均值信ej'，将mj'、mdiffj'、ej'作为测试集输入混合核支持张量机；
步骤6，采用径向基核函数与多项式核函数相结合的混合核函数建立混合核支持张量机模型；
步骤7，采用步骤6所得的混合核支持张量机模型，根据决策输出值fout来判断待检测模块化多电平换流器是否发生子模块开路故障，并定位到故障桥臂。
在本发明提供的基于混合核支持张量机的mmc子模块开路故障检测方法中，还可以具有这样的特征：其中，步骤6中，建立混合核支持张量机模型具体包括如下步骤：
步骤6-1，载入张量数据：将步骤4的训练集以及步骤5的测试集作为支持张量机的张量数据输入；
步骤6-2，设置支持张量机的混合核函数：将径向基核函数与多项式核函数的凸组合形式作为混合核函数，公式如下：
式中，k(a,b)为混合核函数，kpoly(a,b)为多项式核函数，krbf(a,b)为径向基核函数，m为多项式核函数的阶数，h是径向基核的核宽度，x(i)为训练样本数据，x(j)为为核函数的中心；
步骤6-3，初始化混合核函数的参数，该参数包括：多项式核函数的阶数m，径向基核的核宽度h，支持张量机的惩罚系数c，松弛变量ζ，权重系数θ；
步骤6-4，采用网络搜索结合交叉验证法来选择最优参数，获得最优支持张量机模型；
步骤6-5，采用量子遗传算法获得优化混合核函数的最优组合系数，从而建立混合核支持张量机模型。
在本发明提供的基于混合核支持张量机的mmc子模块开路故障检测方法中，还可以具有这样的特征：其中，训练集经过混合核支持张量机训练获得决策函数，测试集通过混合核支持张量机的决策函数的输出值定位出已知模块化多电平换流器中的故障桥臂。
在本发明提供的基于混合核支持张量机的mmc子模块开路故障检测方法中，还可以具有这样的特征：其中，步骤1中，环流idiffj通过以下过程获取：采集多电换流器的每一相上桥臂电流ipj，j＝(a,b,c)以及每一相下桥臂的电流inj，j＝(a,b,c)，按照以下公式计算同时流经第j相上桥臂与下桥臂的电流idiffj：
idiffj＝(ipj+inj)/2，j＝(a,b,c)
电流idiffj即为第j相的环流。
在本发明提供的基于混合核支持张量机的mmc子模块开路故障检测方法中，还可以具有这样的特征：其中，步骤2中，ij和idiffj处理过程具体包括：步骤2-1，将量纲化的ij和idiffj进行归一化处理，得到归一化信号hj和hdiffj；步骤2-2，将hj和hdiffj采用滑动平均滤波器进行滤波处理得到信号mj和mdiffj。
在本发明提供的基于混合核支持张量机的mmc子模块开路故障检测方法中，还可以具有这样的特征：其中，步骤3中，包络均值分解为采用三次样条插值法进行包络均值分解。
在本发明提供的基于混合核支持张量机的mmc子模块开路故障检测方法中，还可以具有这样的特征：其中，步骤7中，决策输出值fout来判断待检测模块化多电平换流器子模块开路故障的规则如下：当决策输出值fout为0时，则判断为待检测模块化多电平换流器没有出现开路故障；当决策输出值fout为1或-1时，则对应判断为待检测模块化多电平换流器的a相上桥臂或下桥臂出现子模块开路故障；当决策输出值fout为2或-2时，则对应判断为待检测模块化多电平换流器的b相上桥臂或下桥臂出现子模块开路故障；当决策输出值fout为3或-3时，则对应判断为待检测模块化多电平换流器的c相上桥臂或下桥臂出现子模块开路故障。
发明的作用与效果
本发明的基于混合核支持张量机的模块化多电平换流器子模块开路故障检测方法采用了机器学习的方法，结合系统在正常运行和故障运行时得到的交流侧电流及环流数据特点，对采集的数据进行训练及测试，以交流电流、电流包络均值以及三相间环流的变化特点作为故障判断依据，更准确地判断mmc系统是否出现故障，将故障检测结果以简单的形式表现出来，以便及时地将故障桥臂找出，避免因延时检测给系统造成重大的事故隐患。
本发明的检测方法建模中创新性地将径向基核函数与多项式核函数的凸组合形式作为混合核函数，利用混合核支持张量机对mmc进行故障诊断，不要额外增加传感器，准确定位到故障桥臂。
附图说明
图1是本发明的实施例中三相mmc拓扑结构图；
图2是本发明的实施例中mmc子模块拓扑结构图；
图3是本发明的实施例中建立混合核支持张量机模型的算法流程图；
图4a是本发明的实施例mmc中a相上桥臂子模块开路故障时三相交流电流波形图；
图4b是本发明的实施例mmc中a相上桥臂子模块开路故障时三相环流波形图；
图4c是本发明的实施例mmc中a相上桥臂子模块开路故障时三相电流均值波形图；
图5是本发明的实施例mmc中a相上桥臂子模块开路故障检测结果示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明基于混合核支持张量机的mmc子模块开路故障检测方法作具体阐述。
<实施例>
图1是本发明的实施例中三相mmc拓扑结构图。如图1所示，mmc由六个桥臂组成，每个桥臂均由n个相同结构的子模块(ms)和一个桥臂电感串联构成。其中，uvj,j＝(a,b,c)为交流侧的电压；ivj,j＝(a,b,c)为交流侧的电流；l0为桥臂电抗值；udc为直流侧的电压；idc为直流侧的电流；ipj,j＝(a,b,c)为上桥臂相电流；inj,j＝(a,b,c)为下桥臂相电流。图2是本发明的实施例中mmc子模块拓扑结构图。子模块作为mmc的功率单元，如图2所示，每个子模块由两个igbt器件反并联二极管，以及一个电容并联而成。其中，vt1和vt2表示igbt器件；vd1和vd2表示反并联二极管；c是子模块的电容；usm是子模块两端电压。
本实施例中基于混合核支持张量机的mmc子模块开路故障检测方法，包括以下步骤：
步骤1，采集获取已知模块化多电平换流器mmc已知运行状态(包括正常运行以及子模块开路故障)下交流侧的每一相电流ij，j＝(a,b,c)以及每一相的环流idiffj，j＝(a,b,c)，
其中，环流idiffj通过以下过程获取：
采集多电换流器的每一相上桥臂电流ipj，j＝(a,b,c)以及每一相下桥臂的电流inj，j＝(a,b,c)，按照下面公式计算同时流经第j相上桥臂与下桥臂的电流idiffj，计算得到的电流idiffj即为第j相的环流。
idiffj＝(ipj+inj)/2，j＝(a,b,c)
步骤2，对ij和idiffj进行处理：
步骤2-1，对ij和idiffj进行处理，得到电流信号mj和环流信号mdiffj。
步骤2-2，将hj和hdiffj采用滑动平均滤波器进行滤波处理得到信号mj和mdiffj。
步骤3，对每一相的mj采用三次样条插值法进行包络均值分解，得到每相的包络均值信号ej。
步骤4，选取三相中某一相在正常运行状态下以及子模块开路故障状态下的mj、mdiffj、ej作为训练集输入混合核支持张量机进行训练。
本步骤中，将已知的正常数据和故障数据作为训练集输入张量机，以对这些数据进行学习以及分类，以便测试数据输入时测试出是否发生故障。
步骤5，随机设置模块化多电平换流器中桥臂子模块开路故障并采集获取相应的电流ij'和环流idiffj'，重复步骤1至步骤3对ij'和idiffj'进行处理，获取相应的电流信号mj'、环流信号mdiffj'以及包络均值信ej'，将mj'、mdiffj'、ej'作为测试集输入混合核支持张量机。
步骤6，采用径向基核函数与多项式核函数相结合的混合核函数建立混合核支持张量机模型，建立混合核支持张量机模型的算法流程如图3所示，具体包括如下步骤：
步骤6-1，载入张量数据：将步骤4的训练集以及步骤5的测试集作为支持张量机的张量数据输入。训练集经过混合核支持张量机训练以获得决策函数，测试集通过混合核支持张量机的决策函数输出值以定位出已知模块化多电平换流器中的故障桥臂。
步骤6-2，设置支持张量机的混合核函数：将径向基核函数与多项式核函数的凸组合形式作为混合核函数，公式如下：
式中，k(a,b)为混合核函数，kpoly(a,b)为多项式核函数，krbf(a,b)为径向基核函数，m为多项式核函数的阶数，h是径向基核的核宽度，h是径向基核的核宽度，x(i)为训练样本数据，x(j)为为核函数的中心。
步骤6-3，初始化混合核函数的参数，该参数包括：多项式核函数的阶数m，径向基核的核宽度h，支持张量机的惩罚系数c，松弛变量ζ，权重系数θ。
步骤6-4，采用网络搜索结合交叉验证法来选择最优参数，获得最优支持张量机(stm)模型。
交叉验证法法中训练集使用来训练模型，测试集使用来测试模型的准确率，网格搜索遍历所用的参数，本发明的此步骤将网络搜索结合交叉验证法来选择最优参数使得数据分类精度高，结果精确度高。
步骤6-5，采用量子遗传算法(qga)获得优化混合核函数的最优组合系数，从而建立混合核支持张量机(mkstm)模型。
步骤7，采用步骤6所得的混合核支持张量机模型，根据决策输出值fout来判断待检测的模块化多电平换流器是否发生子模块开路故障，并定位到故障桥臂。
根据决策输出值fout来判断待检测模块化多电平换流器子模块开路故障的规则如下：当决策输出值fout为0时，则判断为待检测模块化多电平换流器没有出现开路故障；当决策输出值fout为1或-1时，则对应判断为待检测模块化多电平换流器的a相上桥臂或下桥臂出现子模块开路故障；当决策输出值fout为2或-2时，则对应判断为待检测模块化多电平换流器的b相上桥臂或下桥臂出现子模块开路故障；当决策输出值fout为3或-3时，则对应判断为待检测模块化多电平换流器的c相上桥臂或下桥臂出现子模块开路故障。
通过实验验证本发明的mmc子模块开路故障检测方法的准确性。图4a～4c为mmc在额定负载情况下，设置a相上桥臂故障时的开路波形图，其中，图4a是本发明的实施例mmc中a相上桥臂子模块开路故障时三相交流电流波形图；图4b是本发明的实施例mmc中a相上桥臂子模块开路故障时三相环流波形图；图4c是本发明的实施例mmc中a相上桥臂子模块开路故障时三相电流均值波形图。由图4a～4c可知，三相电流及环流均在正常运行时，系统交流侧三相对称电流，幅值一致，相位依次相差120度，此时三相包络均值为0，环流分量也是互差120度。在子模块开路故障时使交流侧电流产生直流分量，如a相上桥臂发生子模块开路故障，则a相电流产生正的直流偏置，由基尔霍夫电流定律可知，任一时刻三相电流之和为0，因此此时其他两相产生负的直流偏置，对环流的影响则是：故障相环流幅值变小，其他两相环流幅值增大，且二倍频环流明显增大。
如图5所示，mmc中a相上桥臂子模块开路故障设置在2.5s处，在2.502s之前的分类标签值为0(正常运行)，在2.502s之后的分类标签值为1，分类精度为98.8％，精度较高、定位准确，由此可见，本发明的混合核支持张量机基于混合核支持张量机的mmc子模块开路故障检测方法能够对故障进行有效诊断与准确定位。
本发明提供的基于混合核支持张量机的mmc子模块开路故障检测方法，在不需要建立精确数据模型的条件下，通过混合核支持张量机对处理过的电流及环流信号集及其包络均值进行训练和分类预测，得到故障决策输出值，根据决策输出值判断故障桥臂。实验结果证明本发明提出的方法能快速有效的识别mmc系统开路故障，并能实现智能决策。
应当理解的是，上述实施例仅是本发明的一个具体实施例，对于所属领域的普通技术人员来说，在上述说明的基础上进行的各种不同形式的修改和变形，均应认为是本发明的保护范围。