船舶消耗化石燃料较多,为了应对各项节能减排法规,航运领域不断推进新能源技术在船舶上的应用。其中,风力和光伏发电系统在船舶上的研究与应用逐渐广泛。逆变器是风、光发电系统必备的设备,也是故障率较高的设备。现阶段对逆变器的故障诊断大多基于离线故障数据,利用信号处理或数据驱动的方法进行故障信号的特征提取,然后做故障分类;其缺点是实效性不高,无法做到在系统运行时做实时的故障诊断。本文以新能源船舶逆变器为对象,基于Flink搭建流数据处理平台,并在该平台上部署故障诊断算法,来实现新能源船舶逆变器实时故障诊断。本文主要的研究内容如下:首先,基于Matlab/Simulink建立包含风、光发电系统在内的新能源船舶电力系统仿真模型。然后基于仿真模型,对船舶逆变器的各种开路故障进行模拟,以获取故障数据,用于构建训练故障分类算法模型的数据集。其次,针对新能源船舶电力系统拓扑结构复杂,逆变模块的电信号采集数据包含大量的噪声干扰,故障特征不易提取,以及EMD和ICEEMDAN算法存在的端点效应等问题。结合Flink流处理特性,提出基于滑动窗口剪切的SWC-ICEEMDAN方法,利用窗口机制去除受端点效应影响的数据点,并在下一个窗口内重新处理被去除数据,避免了数据丢失问题。与EMD、VMD和ICEEMDAN的对比实验表明,本方法有效的降低了端点效应的影响,提高了信号分解的准确度,且不需要预设模态数。在此基础上结合能量熵来提取IMF分量的能量构成故障特征向量,用作后续的故障分类。然后,在Flink上实现随机森林多分类算法,并基于已有的离线故障数据集进行训练,得到故障分类模型;将训练好的分类模型部署到Flink平台上,用于后续的实时流数据的故障诊断。最后,完成了新能源船舶逆变器实时故障诊断系统的搭建,并进行了功能测试,能够从可视化页面中监控到逆变器的电压波形、SWC-ICEEMDAN的分解结果以及故障分类结果,验证了该系统的有效性。