摘要
针对模块化多电平换流器(MMC)结构复杂、IGBT开路故障定位困难问题,提出一种基于小波包分解(WPD)与主成分分析(PCA)的数据压缩与降噪算法以及一种基于遗传算法(GA)和BP神经网络的故障定位算法;对比分析IGBT开路故障状态下的3种典型参量,选取子模块电容电压作为故障参量,并采用所提算法进行数据处理;提出双标签编码方式,进行故障定位;采用CPS-SPWM调制策略,构建模块化五电平换流器仿真模型,仿真结果表明,发生故障时,故障子模块节点能量明显高于其他子模块;故障特征相量经PCA降维后的前7个主成分累计贡献率可达99%;提出的WPD-PCA联合GA-BP定位算法与BP、SSAE-SOFTMAX、WPD-PNN、WPD-BP、FFT-PCA-BP 5种算法进行对比,测试准确率可达到100%,且抗噪声性能优良;提出的多标签编码方式减小网络训练难度,提高数据利用率;该算法能对故障桥臂、故障子模块以及IGBT进行精准定位。
- 单位