公开(公告)号：CN107271925A

公开(公告)日：2017-10-20

申请号：CN201710493277.6

申请日：2017-06-26

Applicant: 湘潭大学

Inventor： 段斌 ,  屈相帅 ,  尹桥宣 ,  沈梦君 ,  晏寅鑫

IPC: G01R31/42

Abstract: 本发明公开了一种基于深度卷积网络的模块化五电平换流器故障定位方法，首先将模块化五电平换流器的子模块中采集到的电容电压信号组合成多通道序列，再从序列中采样得到数据带并进行归一化处理，处理后的数据带视为灰度图并作为深度卷积神经网络模型的输入；在深度卷积神经网络模型中，首先利用多个交错的卷积层和池化层提取数据的特征，再将最后一个池化层的特征图传递给全连接层进行融合处理，最后利用softmax分类器实现故障分类，不同的类别对应不同位置的故障子模块，从而实现故障的检测与定位。本发明中的方法所需数据很容易得到，不需要额外的传感器，大大地降低了成本，而且具有较强的MMC故障识别和定位能力。

公开(公告)号：CN107271925B

公开(公告)日：2019-11-05

申请号：CN201710493277.6

申请日：2017-06-26

Applicant: 湘潭大学

Inventor： 段斌 ,  屈相帅 ,  尹桥宣 ,  沈梦君 ,  晏寅鑫

IPC: G01R31/42

Abstract: 本发明公开了一种基于深度卷积网络的模块化五电平换流器故障定位方法，首先将模块化五电平换流器的子模块中采集到的电容电压信号组合成多通道序列，再从序列中采样得到数据带并进行归一化处理，处理后的数据带视为灰度图并作为深度卷积神经网络模型的输入；在深度卷积神经网络模型中，首先利用多个交错的卷积层和池化层提取数据的特征，再将最后一个池化层的特征图传递给全连接层进行融合处理，最后利用softmax分类器实现故障分类，不同的类别对应不同位置的故障子模块，从而实现故障的检测与定位。本发明中的方法所需数据很容易得到，不需要额外的传感器，大大地降低了成本，而且具有较强的MMC故障识别和定位能力。