带故障诊断功能的七电平逆变器及故障诊断方法
【技术领域】：
[0001] 本发明涉及电力故障诊断，具体涉及一种带故障诊断功能的七电平逆变器以及相 应的故障诊断方法。
【背景技术】：
[0002] 随着电力电子技术的发展和电力电子器件生产成本的降低，高压大功率变换器被 广泛应用于各种电气设备中，例如大功率交流电机传动、有源电力滤波和新能源并网等。而 为了满足日益提高的电力系统发展需求，多电平逆变器应运而生。和普通的二电平逆变器 相比，级联H桥型逆多电平逆变器具有诸多优异的性能，比如谐波少，输出波形更加接近于 正弦，开关管两端电压低，由于随着开关管耐压的增高，其价格按照指数型增加，所以通过 用廉价的低耐压开关管代替昂贵的高耐压开关管，能够极大的降低逆变器的设计成本与维 修费用，在高压大功率场合尤为明显。
[0003] 尽管多电平逆变器有诸多优点，但是它也有着一些不可避免的缺陷。随着输出电 平数的增多，它所需要的开关器件数将会大量增加，这将会大大地提高系统发生故障的概 率。级联H桥型多电平逆变器的产生虽然为电力电子技术在高压、大功率场合的应用提供 了很多便利，但一旦发生故障，轻则造成企业停产，重则会造成灾难性事故，给社会带来巨 大的损失。
【发明内容】
：
[0004] 本发明首次将基于神经网络的故障诊断方法嵌入DSP内，通过DSP在线采集七电 平逆变器的输出电压做到实时的检测与故障诊断。
[0005] 本发明的第一个目的是提供一种带故障诊断功能的七电平逆变器，其技术方案如 下：
[0006] -种带故障诊断功能的七电平逆变器，包括直流电源、H桥主电路、DSP、电压变速 器、电阻负载、以及显示装置。直流电源由三个24v直流电源组成，DSP产生SPffM驱动H桥 主电路将来自直流电源的直流电转换成交流电，该交流电其电压加载到20欧姆的电阻负 载两端，并且被电压变送器检测。电压变送器将检测到的电压信号成比例降低到〇~3v的 范围之内送给DSP。
[0007] H桥主电路由三个H桥组成，将第一个H桥的四个开关管分别标记为H1S1、H1S2、 H1S3和H1S4,第二个H桥的四个开关管分别标记为H2S1、H2S2、H2S3和H2S4,将第三个H 桥的四个开关管分别标记为H3S1、H3S2、H3S3和H3S4,开关管选择为IGBT。Vol、Vo2和Vo3 分别表示三个H桥的输出电压，Vo是该电路最终的输出电压，将三个H桥的输出端级联后， 使得Vo = Vol+Vo2+Vo3。由于Vol、Vo2、Vo3 = 0V或±E。三个直流电源的电压为Vl、V2 和V3,并且Vl = V2 = V3 = E。这样，在任意时刻，Vo可以等于±3E、±2E、土E或0V，即 本逆变器可以输出七种不同的电平。
[0008] H桥主电路的电路状态和七电平逆变器的故障类型对应如下：HlSl开路-故障1， H1S2开路-故障2, H1S3开路-故障3, H1S4开路-故障4, H2S1开路-故障5, H2S1开 路-故障6, H2S3开路-故障7, H2S4开路-故障8, H3S1或者H3S4开路-故障9, H3S2或 者H3S3开路-故障10,正常工作-故障0。
[0009] 通过DSP在线采集七电平逆变器的输出电压做到实时的检测与故障诊断。所述 DSP中嵌入基于神经网络的七电平逆变器的故障诊断方法。所述故障诊断方法经过数据预 处理和神经网络训练。
[0010] 本发明带故障诊断功能的七电平逆变器的一个实施例，还包括数码管，DSP通过数 码管实时显示逆变器的状态。
[0011] 本发明带故障诊断功能的七电平逆变器的另一个实施例，DSP包括数据预处理和 神经网络训练模块、基于神经网络的故障诊断模块、以及数据存储模块
[0012] 所述基于神经网络的七电平逆变器故障诊断方法的数据预处理步骤如下：
[0013] 步骤1采集故障样本数据：
[0014] 首先采集逆变器故障时的输出电压作为故障样本数据，采集的方法为在逆变器 的输出电压一个周期内等间隔地采集512个时刻的离散电压值，每次采集的电压用序列 {-ΟΓ 1 =卜。,心,"_,七11丨,表示。序列中的每个值等于对应时刻的电压值。
[0015] 根据H桥主电路的电路状态和七电平逆变器的故障类型的对应关系：HlSl开 路-故障1，H1S2开路-故障2, H1S3开路-故障3, H1S4开路-故障4, H2S1开路-故障 5, H2S1开路-故障6, H2S3开路-故障7, H2S4开路-故障8, H3S1或者H3S4开路-故障 9, H3S2或者H3S3开路-故障10,正常工作-故障0,人为设置开路故障，采集逆变器在十 种故障情况下输出的电压波形，以及正常工作情况下的电压波形。本步骤中采集的故障数 据越多越好。本发明的一个实施例选取采集每种电压波形各100组。
[0016] 步骤2 FFT变换：
[0017] 将序列认上11进行FFT变换，FFT变换公式：巧=<足、」=G i - ，这 里 Wb= e j2"b，k = 0, 1，· · ·，b/2-l ;
[0020] 经过FFT变换后得到了一个个数为512的虚数序列{巧以1，取该序列的前10个数 据{仄丨并且将该序列的数据进行取模，将取模后的序列?Ι巧的作为样本数据进行下一 步的计算。
[0021] 步骤3 PCA降维：
[0022] 经过上述的FFT变换及截取后，原电压信号的特征数据由512个变为了 10个，接 下来进行PCA降维。具体方法如下：
[0023] 首先采集所有种类的故障样本数据：
[0025] 接着求协方差矩阵馬的特征值λ与特征值向量P :
[0026] 协方差矩阵：Rx = E {[Χ-Ε (X) ] [Χ-Ε (X) ] τ}。
[0027] 通过求解I入I-RxI = 0和I入J-RxIpi= 0, i = 1，2,…，b求得λ和Ρ，其中，λ i 为馬的第i个特征值，并且满足λ λ 2彡…彡λ b，Pi是相应于特征值λ i的特征向量， P = [P1, P2,…，pb]τ。这里b的值为11。选取前P的前3列，得到Pl = [P1, p2, p3]，且Pl为 10X3的矩阵。以上工作只需要离线做一次，然后保留P1。
[0028] 最后计算出BP神经网络的输入序列Xto= {而沙(6),{|巧|}> P1}，\"是个数为4 的数据序列，第一个数据是原信号的基波的相位，后三个是PCA降维后的数据序列。
[0029] 所述基于神经网络的七电平逆变器故障诊断方法的神经网络训练步骤如下：
[0030] 步骤4构建并训练BP神经网络
[0031] 本发明构建的BP神经网络为三层神经网络，由于原始信号经过FFT变换以及PCA 降维后得到了个数为4的特征数据χιη，则输入层神经元个数定为4个，由于总共有11种故 障类型，则输出层神经元个数为11，隐层神经元个数根据经验选取为15。
[0032] 设输入层的神经元为你祕}；；,隐层的神经元为丨&，输出层的神经元为K'4 , 激活函数为Sigmoid函数，设G和·iw,,}〗4的系数矩阵为Xw4X15, 和(η',,}〗4的系数矩 阵为XW15xll，则输入输出关系为：
[0035] 构建好BP神经网络之后，需要对原始的网络进行训练。
[0036] 首先将步骤1中采集好的11种故障信号（含正常信号），经过FFT和PCA后得到 训练样本：
[0038] 由于步骤1中每种故障各采集了 100组信号，所以此时可以得到100个X_Sample， 将每个X_Sample的理论输出均设置为：
[0040] 采用动量梯度下降算法训练BP网络，训练误差阈值设为0.0001，学习率α = 0. 5,训练后得到两个系数矩阵xw_end e R4xi5和xw_end e R15X11，这两个矩阵包含了训练 好的神经网路所有信息，因此，神经网络只需要离线训练一次，得到这两个矩阵后便不再需 要训练了。
[0041] 所述基于神经网络的七电平逆变器故障诊断方法嵌入DSP的步骤如下：
[0042] 步骤5将算法嵌入DSP中
[0043] 首先初始化DSP。初始化DSP的时钟、锁相环、中断向量表，定义DSP的AO 口为 AD采集口采集电压，定义DSP的GPI016、GPI017、GPI018、GPI019为数码管通讯口，用来 控制数码管显示的数字。配置DSP的TimerO模块，使DSP产生周期中断，中断的频率为 25. 6KHz。同时建立数组xw[4] [15]和wy [15] [11]分别储存步骤4中的xw_end e R4x15和 wy_end e R15xn,建立数组ad_value[512]存储DSP采集的电压值。
[0044] 然后编写故障诊断子函数程序，命名为"diagn〇Sis()"。该子函数的输入是512 个电压值
[0045] 序列ad_value[512];该子函数的输出是一个数字量k，k的值就是故障的类型，比 如diagnosis ()函数最终输出k = 1，则表明DSP诊断出逆变器的故障为种类1，即HlSl 开路故障。所述故障诊断子函数程序的内容如下：
[0046] ad_valUe[512]数组存储满之后，触发一次故障诊断，根据步骤2和步骤3中的 内容，将采集好的512个数据ad_Value[512]进行预处理，得到预处理之后的四个数据 %,= )，彳I G I丨_〗x 丨_，接着将该数据和步骤4中的结果xw[4] [15]和wy [15] [11] 带入公式公式（2-1)和式（2-2)进行神经网络诊断；最后，得到神经网络输出序列yk，该 序列由11个数据组成，包含诊断结果；DSP使用冒