基于SOM-BP神經網絡的光伏逆變器軟故障診斷研究

摘要：為了解決光伏系統光伏逆變器故障持續時間短、線路復雜的問題，使用SOM-BP串聯神經網絡并利用Simulink軟件進行仿真，對光伏逆變器的軟故障進行建模，收集了相關的參數作為研究樣本。在MATLAB環境中，與BP網絡、SOM神經網絡診斷結果進行對比，證明該串聯神經網絡在光伏逆變器軟故障診斷方面具有實用性。

關鍵詞：光伏逆變器；故障診斷；SOM-BP串聯神經網絡

中圖分類號：TP206""""""""" 文獻標志碼：A

太陽能是可再生的清潔能源，已經廣泛存在于日常生活中。太陽能光伏發電站設計簡單，建設安裝周期短，無噪聲，不易損壞，維護簡單。太陽能光伏列陣發出直流電，經過光伏逆變器轉換為可用市電。當太陽能充足時，室內可利用太陽能發電；當太陽能電力不足時，自動切換市電。在這個過程中，光伏逆變器作用十分重要，因此本文研究其故障診斷[1]。

光伏逆變器故障信息出現時間非常短，電路復雜，故障分為軟故障和硬故障。軟故障是參數性故障，例如電路元器件的性能退化等。硬故障是開關元件損毀，導致其拓撲結構發生異常。光伏逆變器故障診斷方法有自組織特征映射神經網絡（Self-Organizing feature Map，SOM）和反向傳播神經網絡[2]（Back Propagation，BP）等。本文就BP神經網絡泛化性能差、需要大量樣本、實時性差以及SOM神經網絡需要多次訓練且不能以向量形式表示結果的限制等問題，用simulink軟件搭建三相半橋式逆變器仿真模型，使用該模型作為試驗對象，設置不同的電容退化值，模擬電路25種軟故障，再以BP、SOM和SOM-BP神經網絡分別作為診斷網絡，進行結果對比，選擇最優診斷網絡，提高故障診斷率。……