1、电 力 系 统 及 其 自 动 化 学 报Proceedings of the CSU-EPSA第 35 卷 第 2 期2023 年 2 月Vol.35 No.2Feb.2023光伏并网逆变器参数性故障的 VMD-WPE 和 MPA-LSTM诊断方法研究张彼德，余海宁，罗荣秋，张锦，冯京（西华大学电气与电子信息学院，成都 610039）摘要：针对三相光伏并网逆变器参数性故障的特征量提取难、诊断准确率较低等问题，提出变分模态分解的小波包能量特征与海洋捕食者算法优化长短期记忆神经网络相结合的故障诊断方法。首先，以逆变器三相线电压为原始数据，以最小样本熵为准则优化变分模态分解的模态数；然后，利用小波
2、包分解提取变分模态分解各模态分量的小波包能量作为故障特征量；最后，利用海洋捕食者算法优化长短期记忆网络超参数实现故障的参数性辨识。对比分析结果表明，所提方法用于光伏并网逆变器参数性故障诊断具有可行性和精确性。关键词：光伏并网逆变器；变分模态分解；小波包能量；海洋捕食者算法；长短时记忆网络；故障诊断中图分类号：TM464文献标志码：A文章编号：1003-8930（2023）02-0140-08DOI：10.19635/ki.csu-epsa.001039Research on VMD-WPE and MPA-LSTM Diagnostic Methods for Parametric Fault
3、s ofPhotovoltaic Grid-connected InvertersZHANG Bide，YU Haining，LUO Rongqiu，ZHANG Jin，FENG Jing（School of Electrical Engineering and Electronic Information，Xihua University，Chengdu 610039，China）Abstract:Aimed at problems such as the difficulty in extracting characteristic quantities and the low diagn
4、ostic accuracy of parametric faults of three-phase photovoltaic（PV）grid-connected inverters，a fault diagnosis method which combin the wavelet packet energy（WPE）feature of variational modal decomposition（VMD）and the marine predator algorithm（MPA）to optimize the long short-term memory（LSTM）neural netw
5、ork is proposed.This method uses the three-phase line voltage of the inverter as the raw data and the minimum sample entropy as the criterion to optimize the modalnumber of VMD.Then，wavelet packet decomposition is used to extract the WPE of each modal component of VMD asthe fault characteristic quan
6、tity.Finally，the MPA optimization LSTM network hyperparameter is used to achieve theparametric identification of faults.The comparative analysis results show the feasibility and accuracy of the proposedmethod for the parametric fault diagnosis of PV grid-connected inverters.Keywords:grid-connected p
7、hotovoltaic（PV）inverter；variational modal decomposition（VMD）；wavelet packet energy（WPE）；marine predators algorithm（MPA）；long short-term memory（LSTM）network；fault diagnosis随着全球日益严重的环境污染问题，以及化石能源的不断减少和枯竭，太阳能光伏发电作为最具有可持续发展前景的一种可再生能源发电技术，得到国内外的普遍重视。光伏并网逆变器安全、稳定、可靠的运行对于光伏发电系统至关重要1-2。在光伏并网逆变器中，故障主要分为参数性故障
8、与结构性故障。结构性故障通常为电路元件损毁引起系统结构改变，造成电路运行状态严重异常的情况3，由电路元件开路或短路引起的结构性故障，故障特征较为明显，对其故障诊断研究较多；参数性故障是指电路器件在各种工作应力作用下，发生性能劣化、参数退化从而产生的故障。对参数性故障诊断现有研究较少，且故障特征区分度差，不易进行故障诊断，因此，有必要对光伏并网逆变器参数性故障的诊断进行研究，以解决更实际的生产安全性问题4。文献5针对飞跨电容型逆变器的参数性故障建立诊断键合图模型，提出全局解析冗余关系的参数性故障诊断方法；文献6针对光伏逆变器的参数性故障，利用小波分解提取变分模态分解 VMD（variationa
9、l modal decomposition）后各模态分量的小波能量作为参数性故障特征量，再利用卷积神经网络CNN（convolutional neural network）实现参数性故障诊断；文献7对中性点钳位型3电平光伏逆变器三相线电压进行改进的变分模态分解后，利用小波分解求取模态分量的小波能量，作为参数性故障特征量，再利用支持向量机 SVM（support收稿日期：2022-01-13；修回日期：2022-06-23网络出版时间：2022-07-13 11：35：08张彼德等：光伏并网逆变器参数性故障的 VMD WPE 和 MPA LSTM 诊断方法研究张彼德等：光伏并网逆变器参数性故障的
10、VMD WPE和MPA LSTM诊断方法研究141第 35 卷vector machine）实现对其分压电容参数性故障的诊断。目前，逆变器的参数性故障诊断大多针对开环系统，而对闭环系统的相关研究较少。由于闭环系统与开环系统的控制方式区别较大，现有的参数性故障诊断方法难以直接应用，需做进一步研究。本文针对两级三相光伏并网逆变器直流母线电容的参数性故障，以三相桥臂中间点的线电压为原始数据，采用基于变分模态分解的小波包能量VMD-WPE（variational madal decomposition-waveletpacket energy）特征提取方法，即采用样本熵优化VMD的模态数后，利用小波包
11、分解提取各变分模态分量的小波包能量 WPE（wavelet packet energy）作为故障特征向量；利用海洋捕食者算法MPA（marine predators algorithm）对长短期记忆 LSTM（longshort-term memory）神经网络进行超参数寻优，构成海洋捕食者算法优化长短期记忆MPA-LSTM（marine predators algorithm-long short-term memory）神经网络模型来实现故障的参数性辨识。1光伏并网逆变器参数性故障分析图1为两级式三相光伏并网逆变器拓扑结构及控制策略图。图1中，逆变器采用两级式结构和直流电压外环、网侧电流内
12、环的双闭环控制策略；两级式三相光伏并网逆变器拓扑结构由DC-DC电路和DC-AC逆变电路组成。其中，L、T、D1、Cdc构成前级DC-DC功率变换电路，实现光伏阵列的最大功率点跟踪控制MPPT（maximum power point tracking）8，同时将光伏阵列输出的电压值转换到后级逆变并网所需要的直流电压值；后级为6个绝缘栅双极型晶体管IGBT（Insulated Gate Bipolar Transistor）构成的三相桥式逆变电路实现并网控制。在图1光伏并网逆变器的双闭环控制策略中，电压外环控制使直流母线电压udc保持稳定；电流内环控制输出电流，调节输出电网电流使之与电网电压同频
13、同相，从而实现单位功率因数并网。LCL滤波器对谐波的衰减具有更好的抑制作用，最后经过L1、L2和C1组成的LCL滤波器滤波后并网。光伏并网逆变器直流母线电容Cdc目前多采用容量较大的铝电解电容，直流母线电容吸收由逆变器在高频工作模式下产生的大量高次谐波电流，起到稳定直流母线侧电压和对逆变器升压后进行储能的作用，从而实现向电网输送稳定、干净电能的目的。图2为电容C和等效串联电阻ESR（equivalentseries resistance）所构成的直流母线电容Cdc的等效模型。光伏并网逆变器系统作为强非线性系统，元器件长时间处于高频模式运行，使电容的ESR增大、电容值C减小，造成直流母线电容加速
14、老化、性能急剧退化，最终导致电路出现参数性故障，造成装置的损坏甚至系统的崩溃。通常以ESR增大为初始值的23倍或者电容值C减小到初始值的80%作为电解电容的失效判据9。光伏并网逆变器直流母线处电容的ESR值较小，且易受电路的工作情况影响，检测精度不高，因此本文以电容值减小到初始值的80%作为光伏并网逆变器直流母线电容发生参数性故障的判据。2VMD-WPE 故障特征提取方法故障特征提取方法是实现光伏并网逆变器参数性故障诊断的核心环节。直流母线电容在不同老化程度下的光伏并网逆变器电路状态区别甚微，因此对故障特征量的提取较为困难。VMD可有效避免在处理参数性故障信号时所产生的模态混叠，具有较好的复杂
15、数据分析精度的优点。小波包变换用于故障特征提取综合了时域和频域分析两种方法，是一种精细的信号分解方法，利用小波包变换提取WPE能够表征信号的故障特征，其特征提取结果可信度高，抗干扰性强。以光伏并网逆变器三相桥臂中点间的线电压Uab、Ubc、Uca为测量点，该测量点数据不受其他相故障的影响，减少了特征提取中冗余的干扰数据。故对光伏并网逆变器三相线电压信号进行优化VMD后，提取各模态分量的WPE作为参数性故障特征量。2.1VMD 分解信号VMD通过迭代搜寻变分模型的最优解匹配各图 1两级式三相光伏并网逆变器拓扑结构及控制策略Fig.1Topology of two-stage three-phas
16、e photovoltaicgrid-connected inverter and its control strategy脉冲宽度调制电流控制系统PI控制MPPT锁相环光伏阵列电网光照udcu*dci*di*qidiqiabcdqabcC1VgabcVL1T1CPVD1LiaabcibicT3T5T2T4T6udcCdcTL2egaegbegc+-+-+-图 2电解电容等效模型Fig.2Equivalent model of electrolytic capacitorESRC-电 力 系 统 及 其 自 动 化 学 报142第 2 期模态分量的最佳中心频率和有效带宽，进而实现给定信号的有效分离10。其方法的整体思想是构造和求解变分问题。假设有一原始信号被分解为K个本征模态分量，为使分量为具有中心频率的有限带宽，同时满足各模态分量的估计带宽之和最小，约束条件为所有模态分量之和与原始信号相等，则相应的约束条件可表示为|min uk,k|k=1Kt|(t)+jtuk(t)e-jkt22s.t.k=1Kuk=f(t)（1）式中：f(t)为当前时刻t的原始信号；j为虚数单位；(t)为单位冲击
