仪器仪表学报

作者：耿想，何顺帆，朱容波，段启豪，田微

单位：耿想,中南民族大学计算机科学学院武汉430074,2022110296@mail.scuec.edu.cn,何顺帆,中南民族大学计算机科学学院武汉430074,heshunfan@scuec.edu.cn,朱容波,华中农业大学信息学院武汉430070,,段启豪,中南民族大学计算机科学学院武汉430074,,田微,中南民族大学计算机科学学院武汉430074,

关键词：模块化多电平换流器;开路故障诊断;张量分解;宽度学习系统

基金：国家自然科学基金项目（61903384）、湖北省自然科学基金面上项目（2025AFB741）、湖北省科技计划项目（2024BAB070）资助

模块化多电平换流器(MMC)是柔性直流输配电系统的核心换流设备,因其采用大量子模块级联的拓扑结构,面临着开关器件数量庞大带来的可靠性挑战,其故障发生率较高。传统MMC开关管开路故障诊断方法存在需要额外传感器、阈值易受干扰等问题。故提出了一种基于张量特征提取和二维宽度学习系统的MMC开关管开路故障诊断与定位方法,实现了MMC开关管开路故障的快速高精度诊断与定位。该方法根据MMC结构,采用子模块电容电压数据构造三阶张量,提高了对MMC多通道信号的处理效率;通过Tucker分解将故障类型分类与故障位置识别任务进行拆分,并提取相应的张量特征,简化了机器学习难度;针对各子任务的张量特征,训练了对应的基于二维宽度学习系统的子分类器,该分类器利用双线性变换在减少参数的同时保留了特征的空间结构,最后综合各个子分类器的输出结果实现了故障诊断和定位。该方法无须额外传感器与经验阈值,同时极大减少了机器学习模型复杂度,从而提高故障诊断和定位的精度与效率,尤其在处理多故障时具有明显优势。仿真和实验表明故障诊断与定位时间<15ms,准确率高于98.5%,验证了该方法的优越性与有效性。

来源：2025年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第4期