基于鍵合圖和貝葉斯網絡的NPC逆變器故障診斷

程碩，帕孜來·馬合木提

(新疆大學電氣工程學院，新疆烏魯木齊 830047)

0 前言

相比于傳統的兩電平逆變器，多電平逆變器具有輸出電壓高、諧波含量比較低、電壓容量高等優點，被廣泛應用于各種牽引拖動系統。隨著電平數增加，逆變器的功率開關管數量增多，故障率也隨之升高。逆變器發生故障時，其輸出電壓波形畸變、直流側電壓不平衡甚至停機。因此，對三電平逆變器故障進行及時診斷，對提高系統安全性、可靠性有重要意義。

文獻[3]和文獻[4]分別從電流殘差和電流矢量變換兩個角度對逆變器進行故障診斷，利用電流殘差診斷方法，可以快速診斷單管開路故障，但是所提出的混雜系統建模過程比較復雜且診斷精度受負載變化的不確定性影響較大；電流矢量變換診斷方法具有診斷效率高的優點，但是其準確率受故障閾值選取的不確定性影響很大。文獻[5]通過三相電流的傅里葉變換，將時域信號轉化為頻域，提取其直流分量、基波幅值、基波相位以及二次諧波相位等頻域特征，構建故障特征向量，輸入神經網絡進行診斷。但是，在傅里葉變換的同時，也丟失了信號的時域特性。文獻[6]將小波分析與粒子群優化的支持向量機結合起來，診斷了三電平逆變器的開路故障,但是小波函數選取的不確定性會影響診斷結果。有學者利用專家系統進行診斷，但建立一個完備的專家系統需要大量領域專家的經驗知識，且維護難度大。

基于以上問題，本文作者提出一種鍵合圖建模和貝葉斯網絡定量分析方法?！?br>