找到 2 条结果
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
Min Wang · Feiyang Cheng · Min Xie · Gen Qiu 等5人 · IEEE Transactions on Power Electronics · 2025年2月
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。
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...
逆变器系统早期故障检测的多阶密集特征提取
Intensive Multiorder Feature Extraction for Incipient Fault Detection of Inverter System
Min Wang · Feiyang Cheng · Min Xie · Gen Qiu 等5人 · IEEE Transactions on Power Electronics · 2024年10月
逆变器系统在航空航天、国防、交通运输、现代工业和电力系统中起着至关重要的作用，这促使学者和工程师们在故障诊断方面付出了大量努力。基于数据的方法在解决该问题时被广泛应用，因其可利用现有的历史数据，而无需进行复杂的数学建模，但它们在检测顽固的早期故障方面能力不足。因此，本文提出了一种深度多阶特征提取器（IMFE）用于逆变器系统的早期故障检测，该提取器能够深度提取统计特征并减少有害干扰。首先，采用一种在非相邻层之间具有短路径的密集结构，以实现多阶知识的复用。然后，对获取的特征进行优化，并舍弃低质量信息...
解读: 从阳光电源的业务视角来看，这篇关于逆变器系统早期故障检测的论文具有重要的工程应用价值。论文提出的密集多阶特征提取器（IMFE）方法，针对传统数据驱动方法在早期故障检测中的不足，通过密集连接结构实现多阶知识重利用和特征精炼，将故障检测率提升3.1%，这对于大规模光伏电站和储能系统的可靠性保障具有显著意...