← 返回
用于逆变器系统早期故障检测的密集多阶特征提取方法
Intensive Multiorder Feature Extraction for Incipient Fault Detection of Inverter System
| 作者 | Min Wang · Feiyang Cheng · Min Xie · Gen Qiu · Jingxin Zhang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年2月 |
| 技术分类 | 可靠性与测试 |
| 技术标签 | 故障诊断 机器学习 深度学习 光伏逆变器 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 逆变器系统 故障诊断 初期故障 数据驱动方法 特征提取 机器学习 |
语言:
中文摘要
逆变器系统在电力系统中至关重要，故障诊断是研究热点。现有基于数据的方法在处理顽固的早期故障时表现不佳。本文提出了一种密集多阶特征提取方法，旨在提升逆变器系统早期故障检测的准确性与鲁棒性，有效解决复杂工况下的故障识别难题。
English Abstract
Inverter systems play a crucial role in aerospace, defense, transportation, modern industry, and power systems, leading to extensive efforts from scholars and engineers in fault diagnosis. Data-based methods are widely utilized with the accessible history data instead of complex math modeling for this issue but they are incompetent for obstinate incipient fault. Therefore, this article proposes an...
S
SunView 深度解读
该研究提出的早期故障检测技术对阳光电源的核心业务具有极高价值。在组串式逆变器和PowerTitan/PowerStack储能系统中，早期故障预警能显著降低运维成本并提升系统可用性。通过将该特征提取算法集成至iSolarCloud智能运维平台，可实现从“事后维修”向“预测性维护”的跨越。建议研发团队关注该算法在复杂电网环境下的泛化能力，并将其作为提升产品全生命周期可靠性的关键技术储备，特别是在大规模地面电站和工商业储能项目的远程诊断中进行试点应用。