可再生能源

2023, v.41;No.295(03) 361-369

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于SSAE-LSTM神经网络的风电变流器开路故障诊断
Wind power converter fault diagnosis based on SSAE-LSTM network

张瑞成;白晓泽;董砚;邸志刚;孙鹤旭;张靖轩;

摘要(Abstract):

针对风电变流器IGBT模块开路故障,在诊断中长时间序列信号的特征时难以提取和识别,文章提出了一种基于栈式稀疏自编码(SSAE)网络和长短期记忆(LSTM)神经网络的开路故障诊断方法。以网侧变流器为主要研究对象,首先,将预处理后的原始电流信号输入SSAE网络,利用无监督学习方式进行逐层贪婪训练,并结合有监督学习方式对SSAE网络进行参数更新和局部微调,进而提取隐含层降维特征,构建特征矩阵;其次,利用LSTM神经网络在处理时间序列中的记忆优势,将特征矩阵作为LSTM网络的输入进行模型的训练;最后,利用Softmax分类器实现故障的识别和分类。诊断结果表明,该方法实现了自动提取网侧变流器的故障电流信号特征;同时所提方法能够风电变流器IGBT模块单一开路和双开路的22种开路故障问题进行准确地识别和分类,平均测试集准确率可达99.64%。

关键词(KeyWords): 风电变流器;故障诊断;特征提取;栈式稀疏自编码;长短期记忆

Abstract:

Keywords:

基金项目(Foundation): 河北省重点研发计划项目(20314502D);; 河北省教育厅科学技术研究项目(ZD2021332,JQN2020020,JQN2022001);; 唐山市科技计划项目(21130219C)

作者(Authors): 张瑞成;白晓泽;董砚;邸志刚;孙鹤旭;张靖轩;

DOI: 10.13941/j.cnki.21-1469/tk.2023.03.016

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享