基于CNN-LSTM的支撐電容容值軟測量
2021年電子技術應用第9期
楊培盛1，付 宇1，李鴻飛2，初開麒2，王夢謙2，李政達2
1.濟南軌道交通集團建設投資有限公司，山東 濟南250014； 2.中車青島四方車輛研究所有限公司，山東 青島266033
摘要： 實時監(jiān)測功率變流器中支撐電容的老化狀態(tài)，及時發(fā)現并更換存在缺陷的電容，對提高功率變換器的可靠性具有重要意義。基于相關電壓電流數據，通過建立數據集，確定網絡模型參數和模型訓練，最終得到基于CNN-LSTM的神經網絡模型，并通過不同工況下的數據集對神經網絡模型的準確性進行了驗證。結果表明，該模型可對電容容值進行可靠預測。
中圖分類號： TN102；TM531
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201128
中文引用格式： 楊培盛，付宇，李鴻飛，等. 基于CNN-LSTM的支撐電容容值軟測量[J].電子技術應用，2021，47(9)：16-19.
英文引用格式： Yang Peisheng，Fu Yu，Li Hongfei，et al. Soft measurement of supporting capacitance based on CNN-LSTM[J]. Application of Electronic Technique，2021，47(9)：16-19.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201128
中文引用格式： 楊培盛，付宇，李鴻飛，等. 基于CNN-LSTM的支撐電容容值軟測量[J].電子技術應用，2021，47(9)：16-19.
英文引用格式： Yang Peisheng，Fu Yu，Li Hongfei，et al. Soft measurement of supporting capacitance based on CNN-LSTM[J]. Application of Electronic Technique，2021，47(9)：16-19.
Soft measurement of supporting capacitance based on CNN-LSTM
Yang Peisheng1，Fu Yu1，Li Hongfei2，Chu Kaiqi2，Wang Mengqian2，Li Zhengda2
1.Jinan Rail Transit Group Construction Investment Co.，Ltd.，Jinan 250014，China； 2.CRRC Qingdao Sifang Rolling Stock Research Institute Co.，Ltd.，Qingdao 266033，China
Abstract： It is of great significance to monitor the aging state of the supporting capacitors in the power converter in real time and to find and replace the defective capacitors in time. In this paper, based on the relevant voltage and current data, through the establishment of data sets, the network model parameters and model training are determined. Finally, the neural network model based on CNN-LSTM is obtained. The accuracy of the neural network model is verified by the data sets under different working conditions. The results show that the model can reliably predict the capacitance value.
Key words : support capacitor；CNN-LSTM；reliability；neural network
0 引言
近年來，電力電子系統(tǒng)的可靠性越來越引起社會各界的廣泛注意[1-2]。大量的研究及實踐表明，在軌道交通領域，實現軌道列車牽引系統(tǒng)的實時健康狀態(tài)監(jiān)測，做到及時的故障預警和提前維修[3-4]，將大大提高系統(tǒng)的可靠性，節(jié)約維修成本。
直流母線支撐電容作為牽引系統(tǒng)的關鍵部件，其健康狀態(tài)隨著投入運行年限的增加而變差，直流母線電容失效導致的列車系統(tǒng)停機甚至損毀給社會帶來了巨大的經濟損失[5-6]。因此，支撐電容的狀態(tài)監(jiān)測技術成為了當前研究的熱點[7-8]。支撐電容的容值能夠表征其真實的健康狀態(tài)[9]，本文提出了一種大功率變流器直流母線電容容值的在線監(jiān)測方法，利用數據訓練得到基于卷積神經網絡-長短期記憶網絡(Convolutional Neural Networks-Long Short Term Memory，CNN-LSTM)的神經網絡模型[10]，可以根據列車系統(tǒng)運行過程中采集到的實時運行數據進行支撐電容值的準確軟測量，對于實現支撐電容健康狀態(tài)在線監(jiān)測、提高功率變流器的可靠性具有重要意義。
本文詳細內容請下載：http://www.viuna.cn/resource/share/2000003737。
作者信息：
楊培盛1，付 宇1，李鴻飛2，初開麒2，王夢謙2，李政達2
(1.濟南軌道交通集團建設投資有限公司，山東 濟南250014；
2.中車青島四方車輛研究所有限公司，山東 青島266033)
此內容為AET網站原創(chuàng)，未經授權禁止轉載。