本发明涉及电力电子变换器,特别是一种多能源ups并联装置及其故障诊断方法。
背景技术:
1、目前许多重要生产设备中,关键设备均采用ups不间断电源作为控制电源,主要目的是当外部电源断电时,ups不间断电源能有效保证在电源无电的状态下正常提供电源,保证现场人员能及时采取有效措,保证人员和设备的安全,防止当外部电源停电后,造成控制回路电源失电,引发重大经济损失,造成重大事故。在生产实践中,当出现ups不间断电源故障断电时,控制回路电源失电,由于外部电源供电正常,不易发现ups电源失电,高压或低压设备在控制电源失电时还在运行,从而造成重大事故。
2、目前,业界保障供电系统安全性和可靠性的方案主要是依靠对ups当前状态监测或周期性检查,无法从根本上提高供电系统的安全性和可靠性。然而,仅仅依靠对当前状态监测或周期检查,只能满足对当下的安全可靠性要求,并不具有预测性,因此,风险依然存在。
技术实现思路
1、为了解决上述技术问题,本发明提供了一种多能源ups并联装置及其故障诊断方法。
2、为达到上述目的,本发明是按照以下技术方案实施的:
3、本发明的第一个目的是要提供一种多能源ups并联装置,包括多个多能源不间断电源模块,所述多能源不间断电源模块包括电网电源、网侧整流器、切换旁路开关、负载侧逆变器、负载侧变换器、储能装置、直流母线、光伏发电装置、变换器,电网电源分别连接到网侧整流器的交流输入端和切换旁路开关,网侧整流器的直流输出端连接到直流母线,负载侧逆变器的直流输入端连接到直流母线,负载侧逆变器的交流输出端连接到切换旁路开关和负载;光伏发电装置通过变换器连接到直流母线,储能装置通过负载侧变换器连接到直流母线;相邻两个所述多能源不间断电源模块通过直流母线之间连接的断路器并联连接。
4、本发明的第二个目的是要提供一种多能源ups并联装置的故障诊断方法,包括以下步骤:
5、s1、利用传感器收集的多能源不间断电源模块的历史运行参数和状态构建数据集,利用数据集训练构建好的复杂神经网络模型,获得训练好的复杂神经网络模型,作为教师模型;
6、s2、构建多个学生模型,每个学生模型相对独立;
7、s3、根据s1训练好的教师模型,通过目标函数损失函数对学生模型进行训练,对于每个学生模型的训练采用不同组合的ups特征向量,对步骤二训练的学生模型和特征向量组合进行选择,获得训练好的学生模型;
8、s4、利用传感器采集多能源不间断电源模块的实时运行参数,构成待测样本;
9、s5、将所述待测样本输入到学生模型中,所述学生模型输出ups故障的预测结果。
10、进一步地,所述多能源不间断电源模块的历史运行参数包括电网电压、电网频率、ac/dc、ac/ac、dc/ac、dc/dc变换器状态、直流母线电压、多能源不间断电源模块输出电压、多能源不间断电源模块输出电流、多能源不间断电源模块频率、多能源不间断电源模块温度、多能源不间断电源模块湿度、多能源不间断电源模块噪声、储能装置电量、储能装置温度;多能源不间断电源模块的历史运行状态包括:正常、?;其中运行参数作为复杂神经网络模型的输入,运行状态作为复杂神经网络模型的输出。
11、优选地,所述数据集包括训练集、验证集以及测试集,其所占数据集的比例为6:2:2。
12、进一步地,所述s3具体包括以下步骤:
13、s31、对学生模型进行迭代训练,每轮迭代输入参数为n-i,n为教师模型迭代训练输入参数,i为迭代次数;逐渐减少输入参数,根据全局目标函数训练学生网络;计算每个学生模型的故障诊断性能;
14、s32、训练s31中输出每个模型的代价目标函数,记录该次迭代输入参数;经过多轮迭代直到满足参数目标函数,每个诊断阶段正确率最高的学生模型即为最终的学生模型。
15、进一步地,所述s31中计算每个学生模型的故障诊断性能公式为:
16、
17、其中:n为教师模型训练输入参数维数,每轮迭代输入参数为n-i,i为迭代次数,p为诊断测试正确率;
18、所述s32中的参数目标函数为:
19、ji>ji+1。
20、与现有技术相比,本发明以电网供电和光伏系统供电为一个模块,同时向负载供电和向储能系统充电;在直流母线上安装有断路器,通过断路器将多个模块并联,在直流母线故障时可将其部分断开,不影响其余部分供电,提高供电可靠性;在光能充足时减少电网能源的消耗;采用知识蒸馏的方法训练轻量化学生网络,在提高故障诊断效率的同时减少计算负担和测量传感器需求。
1.一种多能源ups并联装置,包括多个多能源不间断电源模块,其特征在于:所述多能源不间断电源模块(1)包括电网电源(100)、网侧整流器(101)、切换旁路开关(102)、负载侧逆变器(103)、负载侧变换器(105)、储能装置(106)、直流母线(107)、光伏发电装置(108)、变换器(109),电网电源(100)分别连接到网侧整流器(101)的交流输入端和切换旁路开关(102),网侧整流器(101)的直流输出端连接到直流母线(107),负载侧逆变器(103)的直流输入端连接到直流母线(107),负载侧逆变器(103)的交流输出端连接到切换旁路开关(102)和负载(104);光伏发电装置(108)通过变换器(109)连接到直流母线(107),储能装置(106)通过负载侧变换器(105)连接到直流母线(107);相邻两个所述多能源不间断电源模块(1)通过直流母线(107)之间连接的断路器(200)并联连接。
2.一种如权利要求1所述的多能源ups并联装置的故障诊断方法,其特征在于,包括以下步骤:
3.根据权利要求2所述的多能源ups并联装置的故障诊断方法,其特征在于:所述多能源不间断电源模块的历史运行参数包括电网电压、电网频率、ac/dc、ac/ac、dc/ac、dc/dc变换器状态、直流母线电压、多能源不间断电源模块输出电压、多能源不间断电源模块输出电流、多能源不间断电源模块频率、多能源不间断电源模块温度、多能源不间断电源模块湿度、多能源不间断电源模块噪声、储能装置电量、储能装置温度;多能源不间断电源模块的历史运行状态包括:正常;其中运行参数作为复杂神经网络模型的输入,运行状态作为复杂神经网络模型的输出。
4.根据权利要求2或3所述的多能源ups并联装置的故障诊断方法,其特征在于:所述数据集包括训练集、验证集以及测试集,其所占数据集的比例为6:2:2。
5.根据权利要求2所述的多能源ups并联装置的故障诊断方法,其特征在于,所述s3具体包括以下步骤:
6.根据权利要求5所述的多能源ups并联装置的故障诊断方法,其特征在于,所述s31中计算每个学生模型的故障诊断性能公式为: