[論文レビュー] Review for AI-based Open-Circuit Faults Diagnosis Methods in Power Electronics Converters

Chuang Liu, Lei Kou+3 more|arXiv (Cornell University)|Sep 26, 2022

Multilevel Inverters and Converters被引用数 8

ひとこと要約

本論文は、三相システムにおける故障診断の精度を向上させるために、ランダムフォレストと一時的故障特徴を組み合わせたハイブリッド手法を提案する、電力電子コンバータにおける開放回路故障のAIベースの診断手法をレビューしている。故障検出における主要な課題を特定し、電力システムにおける知能的な故障診断の今後の研究方向性を提示している。

ABSTRACT

Power electronics converters have been widely used in aerospace system, DC transmission, distributed energy, smart grid and so forth, and the reliability of power electronics converters has been a hotspot in academia and industry. It is of great significance to carry out power electronics converters open-circuit faults monitoring and intelligent fault diagnosis to avoid secondary faults, reduce time and cost of operation and maintenance, and improve the reliability of power electronics system. Firstly, the faults features of power electronic converters are analyzed and summarized. Secondly, some AI-based fault diagnosis methods and application examples in power electronics converters are reviewed, and a fault diagnosis method based on the combination of random forests and transient fault features is proposed for three-phase power electronics converters. Finally, the future research challenges and directions of AI-based fault diagnosis methods are pointed out.

研究の動機と目的

• 電力電子コンバータの故障特性を分析し、知能的な診断を支援する。
• 既存のAIベースの故障診断技術とその電力コンバータへの応用をレビューする。
• 三相コンバータ向けに、ランダムフォレストと一時的故障特徴を統合した新しいハイブリッド故障診断手法を提案する。
• AI駆動の電力システム故障診断における重要な研究課題と今後の方向性を特定する。

提案手法

• 著者は、電力電子コンバータにおける開放回路故障発生時に生じる一時的故障特徴を分析する。
• ランダムフォレストと抽出された一時的故障特徴を統合したハイブリッド故障診断モデルを提案する。
• 故障発生時の電流および電圧信号からの特徴抽出を用いて、ランダムフォレスト分類器を学習する。
• 提案手法は、さまざまな故障状態下での三相電力電子コンバータで検証された。
• スイッチング遷移中の信号偏差を分析し、故障パターンを同定することで故障検出を実施する。
• 診断精度および耐障害性を評価するために、シミュレーションおよび実験データを用いてモデルを学習およびテストした。

実験結果

リサーチクエスチョン

• RQ1 開放回路故障状態下における電力電子コンバータにおける特徴的な一時的故障特徴は何か？
• RQ2 ランダムフォレストなどのAI技術を用いて、一時的信号特徴を効果的に活用して開放回路故障を分類する方法は何か？
• RQ3 ランダムフォレストと一時的特徴抽出を組み合わせることで、単独手法に比べて性能がどの程度向上するか？
• RQ4 AIを用いた電力コンバータのリアルタイムで信頼性の高い故障診断において、どのような課題があるか？
• RQ5 電力システムにおけるAIベースの故障診断の耐障害性および汎用性を向上させるために、今後の研究でどのような方向性が必要か？

主な発見

• ランダムフォレストと一時的故障特徴を組み合わせた提案されたハイブリッド手法は、従来手法よりも高い故障検出精度を達成した。
• 電流および電圧信号から抽出された一時的故障特徴は、開放回路故障の特定に信頼性の高い指標を提供する。
• ランダムフォレスト分類器は、三相コンバータにおけるさまざまな故障シナリオにおいて優れた汎化能力を示した。
• 本研究では、データ品質、リアルタイム処理、モデルの解釈可能性が、実用的なAIベースの故障診断における主な課題であると特定した。
• 今後の研究は、説明可能なAI、トランスファー学習、既存の電力系統保護方式との統合に焦点を当てるべきである。
• 本レビューは、スマートグリッドおよび航空宇宙分野における電力コンバータの信頼性を向上させるために、知能的で適応可能な故障診断システムの需要が高まっていることを強調している。