[发明专利]基于改进的隐马尔可夫模型GHMM的NPC光伏逆变器故障诊断方法

摘要

本发明公开了基于改进的隐马尔可夫模型GHMM的NPC光伏逆变器故障诊断方法，属于电力电子运用与故障诊断技术领域。该方法将隐马尔可夫模型(HMM)与遗传算法结合，引入到NPC光伏逆变器故障诊断上。运用HMM进行故障诊断,模型初始值的选取可能达到局部最优而影响诊断正确率，本发明针对此缺陷，加入遗传算法，遗传算法具有全局寻优的功能，因此将HMM与遗传算法结合(GHMM)，进行逆变器故障诊断。对比现有的光伏逆变器故障诊断方法，本发明中训练模型的迭代步数远远小于常规方法，且训练时间短、识别速度快，与单独运用HMM进行对比，GHMM近一步提高了识别正确率。GHMM在系统运行的动态过程中进行监测与诊断，模型达到全局最优，大幅提高了故障识别率。

主权项

基于改进的隐马尔可夫模型GHMM的NPC光伏逆变器故障诊断方法，其特征在于，包括以下步骤：S1，由获得的NPC光伏逆变器的输出电压U和输出电流I训练GHMM，具体过程如下：S1.1，获得用于训练GHMM的NPC光伏逆变器的输出电压U和输出电流I,包括所有已明确故障类型及正常状态的输出电压U和输出电流I；S1.2，对S1.1获得的所有故障状态时的输出电压U和输出电流I的值进行处理；S1.3，建立一个GHMM：λ＝(π,A,B)，确定λ模型中的参数初始值；S1.4，用遗传算法训练出最优观测值概率矩阵B的初始值，此时λ＝(π,A,B)的初始化完成；S1.5，得到λ模型中参数π、A、B的初始值后，用Baum‑Welch算法对参数π、A、B进行重估，得到重估后的模型重复此过程，直到参数π、A、B收敛到设定的范围内，此时的就是所求的改进的隐马尔可夫模型；S2，由某一故障状态时的输出电压U和输出电流I值，对NPC光伏逆变器故障进行诊断，具体过程如下：S2.1，根据步骤S1完成训练后得到的参数π、A、B，可以得到对应于NPC光伏逆变器各故障状态的改进的隐马尔可夫模型；S2.2，将待测故障状态中的输出电压U与输出电流I用S1.2的方法处理后，带入S2.1中各故障状态的改进的隐马尔可夫模型，用Viterbi算法求出最大的概率输出值P(O|λ)；S2.3，概率输出值最大的模型所对应的状态为当前NPC光伏逆变器所处的故障。