← 返回
一种用于三相逆变器IGBT开路故障诊断的可迁移数据驱动方法
A Transferrable Data-Driven Method for IGBT Open-Circuit Fault Diagnosis in Three-Phase Inverters
| 作者 | Yang Xia · Yan Xu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2021年12月 |
| 技术分类 | 可靠性与测试 |
| 技术标签 | IGBT 三相逆变器 故障诊断 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | IGBT 开路故障 故障诊断 机器学习 迁移学习 三相逆变器 电力变换器 |
语言:
中文摘要
本文提出了一种新型可迁移数据驱动故障诊断方法,旨在解决机器学习模型在不同参数逆变器系统间泛化能力差的问题。该方法通过迁移学习技术,使在单一故障数据库上训练的模型能够准确应用于拓扑相同但参数不同的电力电子转换器系统,提升了故障诊断的鲁棒性。
English Abstract
Machine learning (ML) based data-driven methods have shown promising performance in power converter fault diagnosis. However, the existing ML model trained by one fault database can only work for the corresponding converter system, but cannot work accurately for a different system with the same topology but different parameters. In this article, a novel transferrable data-driven fault diagnosis is...
S
SunView 深度解读
该技术对阳光电源的核心产品线(组串式/集中式光伏逆变器、储能变流器PCS)具有极高的应用价值。目前逆变器在不同功率等级和应用场景下参数差异大,传统故障诊断模型需针对每种机型重新训练,成本高昂。该可迁移诊断方法能显著降低研发与运维成本,提升iSolarCloud智能运维平台在处理复杂工况下的故障定位精度。建议研发团队将其引入PowerTitan等大型储能系统及高功率光伏逆变器的状态监测模块,通过迁移学习实现跨机型故障诊断,从而提升产品全生命周期的可靠性与运维效率。