基于CNN-LSTM的支撑电容容值软测量
2021年电子技术应用第9期
杨培盛1，付 宇1，李鸿飞2，初开麒2，王梦谦2，李政达2
1.济南轨道交通集团建设投资有限公司，山东 济南250014； 2.中车青岛四方车辆研究所有限公司，山东 青岛266033
摘要： 实时监测功率变流器中支撑电容的老化状态，及时发现并更换存在缺陷的电容，对提高功率变换器的可靠性具有重要意义。基于相关电压电流数据，通过建立数据集，确定网络模型参数和模型训练，最终得到基于CNN-LSTM的神经网络模型，并通过不同工况下的数据集对神经网络模型的准确性进行了验证。结果表明，该模型可对电容容值进行可靠预测。
中图分类号： TN102；TM531
文献标识码： A
DOI：10.16157/j.issn.0258-7998.201128
中文引用格式： 杨培盛，付宇，李鸿飞，等. 基于CNN-LSTM的支撑电容容值软测量[J].电子技术应用，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.
文献标识码： A
DOI：10.16157/j.issn.0258-7998.201128
中文引用格式： 杨培盛，付宇，李鸿飞，等. 基于CNN-LSTM的支撑电容容值软测量[J].电子技术应用，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
近年来，电力电子系统的可靠性越来越引起社会各界的广泛注意[1-2]。大量的研究及实践表明，在轨道交通领域，实现轨道列车牵引系统的实时健康状态监测，做到及时的故障预警和提前维修[3-4]，将大大提高系统的可靠性，节约维修成本。
直流母线支撑电容作为牵引系统的关键部件，其健康状态随着投入运行年限的增加而变差，直流母线电容失效导致的列车系统停机甚至损毁给社会带来了巨大的经济损失[5-6]。因此，支撑电容的状态监测技术成为了当前研究的热点[7-8]。支撑电容的容值能够表征其真实的健康状态[9]，本文提出了一种大功率变流器直流母线电容容值的在线监测方法，利用数据训练得到基于卷积神经网络-长短期记忆网络(Convolutional Neural Networks-Long Short Term Memory，CNN-LSTM)的神经网络模型[10]，可以根据列车系统运行过程中采集到的实时运行数据进行支撑电容值的准确软测量，对于实现支撑电容健康状态在线监测、提高功率变流器的可靠性具有重要意义。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003737。
作者信息：
杨培盛1，付 宇1，李鸿飞2，初开麒2，王梦谦2，李政达2
(1.济南轨道交通集团建设投资有限公司，山东 济南250014；
2.中车青岛四方车辆研究所有限公司，山东 青岛266033)
此内容为AET网站原创，未经授权禁止转载。