本课题来自国家自然科学基金资助项目“风力发电并网逆变器的智能故障诊断方法研究”（项目编号：61364010）。由于日益严重的环境问题，清洁能源越来越广泛的受到人类的关注，因此风力发电得到了快速发展，而逆变器作为风力发电系统的重要环节，保障其正常运行具有实际意义和经济意义。同时，在风电系统向高压大功率发展的过程中，由于多电平逆变结构具有改善输出电压波形以及减少电磁干扰的优势，使其得到了越来越多的应用。　　目前，电力电子设备的故障诊断研究大多针对结构性故障，对于参数性故障诊断的研究发展较慢且存在着一些不足。由于参数性故障的渐进性，即其发生时系统不会完全失效或是瘫痪，但会使系统功能在不知不觉中衰退，造成系统安全性和功能性的下降及电路的输出特性变差，并将在很大程度上导致与结构性故障同等级的灾害。因此，开展参数性故障诊断的研究具有重要意义，其不但能够检测和隔离参数性故障，还能够为故障预测奠定坚实的基础。　　针对风力发电并网多电平逆变器的混杂特性（时变性、非线性、不确定性等），仅利用单一的故障诊断方法已无法满足其要求及精度。因此，本课题采用以键合图理论建立系统模型为基础的故障诊断方法，并结合基于人工智能的故障诊断方法，不仅能够实现多电平逆变器的统一建模，还能够对其参数性故障进行检测和隔离，以及获取系统故障时各元器件的检修维护优先级计划。　　本文从能量域角度出发，以飞跨电容型三电平逆变器为研究对象，首先利用逆变器基本单元的思想建立系统的键合图模型，其次利用全局解析冗余关系及粒子群参数辨识进行故障诊断，并结合模式转换自适应阈值的方法评价残差以减少误报警，最后通过贝叶斯网络推理得到故障时各元器件参数对系统的影响程度，从而为系统元器件提供一个检修维护优先级计划。因此，本课题为多电平逆变器的建模及参数性故障诊断提供了新思路。