论文部分内容阅读
本文提出了一种新型的五级级联式多级逆变器。它是一种基于PPCA和机器学习k-近邻算法的级联多电平逆变器故障诊断算法。目前,在可再生能源和其他电力驱动应用领域,多电平变频器的开发已取得了长足的进展。在工业高压电源中多级变频器非常受欢迎。将直流(直流)电源转换为所需输出电压和频率电平的交流电源的电力电子装置,称为逆变器。逆变器可大致分为几种不同的方式,如基于输出电压电平,再如单电平逆变器和多级逆变器。与单电平逆变器相比,多级逆变器具有总谐波失真最小的优点,可以在多个电压电平上操作。多阶段逆变器正在应用于有源电力滤波器、静止无功补偿器、正弦和梯形电流的机械传动等多种领域。电力电子设备可靠性的提高,对保证多电平逆变系统的稳定运行,快速检测和定位故障具有重要意义。由于它由多种开关器件组成,所以很难采用数学模型方法来诊断多电平逆变器的故障。为了提高级联H桥多级逆变器的故障诊断精度和故障率(CHMLI),提出了一种基于概率原理分量分析(PPCA)的故障诊断方法。采用相移脉宽调制(PS-PWM)技术,将级联H桥多级逆变器的各种故障情况下的输出电压信号作为故障特征。在不同故障条件,以级联多电平逆变器下的输出电压信号作为故障特征信号,用以避免故障诊断中的负载变化。PPCA用于减少样本维度而不更改输入数据的原始属性。给出了 5级CHMLI不同振幅调制(AM)指数的仿真结果,表明该方法对故障的检测和定位是准确的。最后,采用k-近邻算法对故障定位进行辨识,通过利用FPGA对级联h桥多电平逆变器进行PSPWM技术控制,验证了所提出技术的正确性。仿真结果表明,所提出的故障诊断方法减少了故障诊断时间,与其它故障诊断方法相比提高了精度。实验结果与诸如FFT-PCA-k-近邻算法和PPCA-k-近邻算法等不同的技术进行了比较。