【精彩论文】基于梅尔倒谱系数特征集的储能变流器开路故障诊断方法

观点凝练

摘要：电池储能电站功率转换系统（power conversion system，PCS）故障诊断在储能电站智能运维中发挥着重要作用。现有方法在非侵入式识别PCS内部IGBT开路故障时，易出现信号特征提取困难、数据维度爆炸以及阈值判定区间不稳定等问题。提出一种基于梅尔倒谱系数（Mel-scale frequency cepstral coefficients，MFCC）特征集的储能变流器开路故障诊断方法。首先，以交流侧三相电流为输入信号，通过分析不同频率区间的信号频谱能量分布情况和包络特征，构建MFCC故障特征数据集。然后，结合核主成分分析（kernel principal components analysis，KPCA），实现充放电工况下非线性故障特征的降维筛选；其次，以低维故障特征集为输入，构建基于贝叶斯优化算法（bayesian optimization algorithm，BOA）与一维卷积神经网络（1d-convolutional neural network，CNN-1D）的故障状态诊断模型；最后，通过并网储能变流器的故障仿真实验，与现有方法进行比较，结果表明：所提方法在复杂的噪声环境下的鲁棒性和准确性更优。
结论：本文以提高多电平变流器的多耦合故障诊断精度为目的，提出了一种基于MFCC特征集的储能变流器开路故障诊断方法，并进行了仿真实验验证。主要结论如下。

（1）结合MFCC特征和KPCA在信号特征挖掘中独特优势，搭建故障特征挖掘模型，通过对信号频谱在不同频率区间能量分布和包络特征的分析，提升了故障诊断准确度。

（2）MFCC特征集可以通过自动分帧，获取不同时刻的故障特征，实现任意时刻的故障诊断，提高了实时诊断的效率。

（3）对于数据样本有限的储能变流器开路故障诊断，本文构建的BOA-CNN-1D模型涉及多种故障，通过优化CNN-1D超参数选取结果，以及深入挖掘故障特征，模型识别精度得到极大改善，下一步将尝试应用于实际储能电站运维场景。

引文信息

余斌, 宋兴荣, 周挺, 等. 基于梅尔倒谱系数特征集的储能变流器开路故障诊断方法[J]. 中国电力, 2022, 55(12): 34-42.YU Bin, SONG Xingrong, ZHOU Ting, et al. Open-circuit fault diagnosis method of energy storage converter based on mfcc feature set[J]. Electric Power, 2022, 55(12): 34-42.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹

校对：王文诗

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。