基于卷积神经网络的光伏逆变器故障诊断

陈旺斌，孟献蒙，程凡永, ，徐 杰,

（1.安徽工程大学 高端装备先进感知与智能控制教育部重点实验室，安徽 芜湖 241000；2.安徽工程大学 电气传动与控制安徽省重点实验室，安徽 芜湖 241000）

1 背景知识

随着工业化的快速发展，电子设备早期故障检测已成为一项必要技术，同时也是一项难点技术。近年来，随着人工智能的发展，越来越多的基于数据驱动的故障诊断技术被运用到设备故障诊断中，其中最典型的是深度学习中的卷积神经网络（convolutional neural network，CNN）模型[1]。文献[2]针对高速列车转向架故障问题提出一种利用一维CNN 提取高速列车故障信号深层特征模型，该模型能自动完成原始数据的特征提取和选择，进而实现对不同工况下转向架故障的分类。文献[3]提出一种基于二维CNN 的故障诊断方法。首先，设计了一种一维时间信号到二维图像信号的转换方法，在此基础上提出了基于二维图像信号的故障诊断算法，并在电机轴承数据集、自吸离心泵故障诊断数据集和轴向数据集上进行了训练和测试，实验结果显示，CNN 在基于数据驱动的故障诊断领域具有良好潜力。文献[4]针对轴承故障，利用CNN 对轴承信号故障数据进行特征提取和故障检测，实验结果表明，CNN 能可靠、有效地提取可分性强的故障特征，提高了系统故障诊断性能。

光伏逆变器是一种功率电子电路器件，其电路结构如图1 所示。光伏逆变器能将太阳能电池板的直流电压转换为交流电压，以驱动家用电器或者升压并入能源互联网。……