[论文解读] 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 8

一句话总结

本文综述了基于人工智能的电力电子变换器开路故障诊断方法，提出了一种结合随机森林与暂态故障特征的混合方法，以提升三相系统中的诊断精度。文章识别了故障检测中的关键挑战，并提出了电力系统智能故障诊断的未来研究方向。

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.

研究动机与目标

• 分析电力电子变换器中的故障特性，以支持智能诊断。
• 综述现有的基于人工智能的故障诊断技术及其在电力变换器中的应用。
• 提出一种新型混合故障诊断方法，结合随机森林与暂态故障特征，用于三相变换器。
• 识别人工智能驱动的电力系统故障诊断中的关键研究挑战与未来方向。

提出的方法

• 作者分析了电力电子变换器在开路故障期间产生的暂态故障特征。
• 提出一种混合故障诊断模型，将随机森林与提取的暂态故障特征相结合用于分类。
• 该方法通过故障事件期间的电流和电压信号提取特征，以训练随机森林分类器。
• 该方法在多种故障条件下的三相电力电子变换器上进行了验证。
• 通过分析开关转换期间的信号偏差并识别故障模式来实现故障检测。
• 使用仿真和实验数据对模型进行训练与测试，以评估诊断精度与鲁棒性。

实验结果

研究问题

• RQ1 在电力电子变换器发生开路故障时，其特有的暂态故障特征是什么？
• RQ2 人工智能技术（如随机森林）如何有效利用暂态信号特征对开路故障进行分类？
• RQ3 与独立方法相比，结合随机森林与暂态特征提取的性能提升如何？
• RQ4 在实际应用中，利用人工智能实现电力变换器实时、可靠故障诊断面临哪些关键挑战？
• RQ5 为提升人工智能故障诊断在电力系统中的鲁棒性与泛化能力，未来研究应关注哪些方向？

主要发现

• 所提出的结合随机森林与暂态故障特征的混合方法在故障检测精度上优于传统方法。
• 从电流和电压信号中提取的暂态故障特征可作为开路故障识别的可靠指标。
• 随机森林分类器在三相变换器的不同故障场景中表现出强大的泛化能力。
• 研究识别出数据质量、实时处理与模型可解释性是实际人工智能故障诊断中的主要挑战。
• 未来研究应聚焦于可解释人工智能、迁移学习，并与现有电力系统保护方案集成。
• 综述强调了在智能电网与航空航天应用中，提升电力变换器可靠性，迫切需要发展智能、自适应的故障诊断系统。