学习pso-ngm模型的电力电子电路故障预测方法

《学习pso-ngm模型的电力电子电路故障预测方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、·电气与自动化·朱宝琳．等·基于PSO—NGM模型的电力电子电路故障预测方法基于PSO—NGM模型的电力电子电路故障预测方法朱宝琳，陈则王，贾云涛(南京航空航天大学自动化学院，江苏南京210016)摘要：针对现有电力电子电路故障预测技术的不足，提出了将电路特征性能参数和粒子群非齐次灰色模型PSO—NGM(particleswarmoptimizationnon—homogenousgreymode1)模型结合。对电力电子电路进行故障预测。以Buck—Boost电路为例．选择电路输出电压作为监测信号，提取输出电压平

2、均值和纹波值作为电路特征性能参数．并利用PSO—NGM预测模型实现故障预测。实验结果表明．利用PSO—NGM对电路输出平均电压和输出纹波电压的预测相对误差很小，能够跟踪故障特征性能参数的变化趋势．有效实现电力电子电路故障预测。关键词：电力电子电路；故障预测；特征性能参数；粒子群非齐次灰色模型中图分类号：TP206．3文献标志码：B文章编号：1671．5276I2015)05．0155．04ResearchonFaultPredictionMethodofPowerElectronicCircuitsBasedon

3、ParticleSwarmOptimizationNon-homogenousGreyModelZHUBaolin．CHENZewang。JIAYuntao(NanjingUniversityofAeronauticsandAstronautics，Nanjing210016，China)Abstract：Aimingattheissueexistinginthefaultpredictiontechniqueofpowerelectroniccircuits，thispaperproposesthatthech

4、ar-acteristicparameterdataisusedwiththeparticleswarmoptimizationnon·homogenousgreymodel(PSO-NGM)topredictthepowerelectroniccircuitsfailure．TheBuck-Boostconvertercircuitistakenasanexampletopredictitsfailure．Theoutputvoltageisselectedasmonitoringsignalandtheave

5、ragevoltageandripplevoltageareextractedascharacteristicparameters，thenthePSO-NGMalgo—mhmisusedtopredictBuck-Boostconvertercircuit．TheexperimentalresultsshowthatusingthePSO·NGMalgorithmtopredicttheaveragevoltageandripplevoltage，itserrorissmaller．Thenewmethodca

6、nbeusedtotracethecharacteristicparametertrendandpredicthefailureofpowerelectroniccircuitsefectively．Keywords：powerelectroniccircuits；faultprediction；characteristicparameter；particleswarmoptimizationnon·homogenousgreymodel持向量机SVM(suppo~vectormachines)]、灰色系统GM0

7、引言(greymode1)、遗传算法GA(geneticalgorithms)]、粒子滤波PF(particlefilter)¨0]等智能处理算法。时间序列预随着电力电子技术的进步。电力电子装置得到快速的测方法对序列变化比较均匀的短期预测情况较为理想，优发展并广泛应用于人们的生活、传统工业和高新技术产业点是所需历史数据少、工作量少，但该方法在非线性预测等领域。电力电子装置一旦发生故障，小则造成电器产品中预测效果较差。神经网络方法在非线性领域中得到广损坏、交通阻塞、工矿企业停产，大则会威胁人民生命、财泛的应用，但该

8、方法存在容易陷入局部最优、收敛速度慢产安全．造成重大的人员伤亡和灾难事故⋯。对电力电等缺点。灰色系统以“部分信息已知，部分信息未知”的子装置进行故障预测可以有效监测系统故障状况及故障“小样本”、“贫信息”不确定系统为研究对象，通过对部分发展趋势，实现对系统的事先维修，避免重大事故的发生，已知信息的开发。提取数据内部隐含的系统特征，实现对因此电力电子装置的故障预测技术对提高