[发明专利]一种UPS系统中三相电压源型逆变器的故障诊断方法

权利要求书

1.一种UPS系统中三相电压源型逆变器的故障诊断方法，其特征在于，包括以下步骤：

通过对开关管的触发信号进行控制，模拟出UPS系统中三相电压源型逆变器单个、两个开关管开路故障状态，采集各种故障状态下的三相输出电流数据；

对各种故障状态下的三相电流数据进行预处理，并进行数据重构得到融合后的一维特征向量，建立故障样本数据集；

将数据融合后的每种故障类型的所有样本按照6:2:2的比例随机分为训练集、验证集和测试集；

搭建1D CNN网络模型，利用训练集和验证集数据对1D CNN进行训练和验证，得到训练完成的1D CNN模型；

将测试集数据输入训练完成的1D CNN模型，进行故障诊断。

2.根据权利要求1所述的UPS系统中三相电压源型逆变器的故障诊断方法，其特征在于，所述采集各种故障状态下的三相输出电流数据包括单个、两个开关管开路故障及正常状态的三相输出电流数据。

3.根据权利要求1所述的UPS系统中三相电压源型逆变器的故障诊断方法，其特征在于，所述对各种故障状态下的三相电流数据进行预处理，并进行数据重构得到融合后的一维特征向量具体包括：

利用Min-Max归一化将三相电流归一化到[-1,1]，再使用重叠率为25％的重叠采样进行数据分割，将来自三个电流传感器的数据X_i＝[x_i1,x_i2,...,x_in](i＝1,2,3)融合为一维特征向量X＝[X₁,X₂,X₃]。

4.根据权利要求1所述的UPS系统中三相电压源型逆变器的故障诊断方法，其特征在于，所述利用训练集和验证集数据对1D CNN进行训练和验证具体指：

所述训练集用于训练1D CNN模型；

所述验证集用于调整模型的超参数和初步评估经过训练的1D CNN模型的能力。

5.根据权利要求1所述的UPS系统中三相电压源型逆变器的故障诊断方法，其特征在于，所述1D CNN包括卷积层、激活层、池化层、全连接层和softmax分类层结构，并采用批标准化和dropout两种深度学习训练技巧；

所述卷积层和激活层用于提取特征；

所述池化层用于特征降维；

所述全连接层和softmax分类层用于把前面所有层学习到的特征综合起来进行分类。

6.根据权利要求5所述的UPS系统中三相电压源型逆变器的故障诊断方法，其特征在于，所述1D CNN是五个卷积层-激活层-批归一化-池化层结构、一个dropout层、两个全连接层和一个softmax分类层。