来源：期刊VIP网 时间：
作者：公铮;丁家伟;刘允浩;李武能;
单位：中国矿业大学电气工程学院;
摘要：现有基于离线学习的光伏并网逆变器故障诊断技术在更新模型参数时需要在整个数据集上重新训练模型，存在辨别新增故障类型困难和模型灵活性不足的问题。针对以上缺点，提出一种结合多尺度形态学和增量学习的光伏并网逆变器故障诊断方法。首先，通过多尺度形态学滤波处理三相电流故障信号，使用滑动窗口分割处理过的信号后得到故障数据集，并将故障数据集分为历史数据集和新增数据集；然后，利用一维卷积神经网络学习历史数据，通过最近均值分类器辨别历史故障类型；最后，采用牧群算法构建代表样本，在原有损失函数中加入蒸馏损失，并重新训练模型，实现对新增故障类型的辨别。仿真结果表明，所提方法能够有效辨别新增故障类型和历史故障类型，克服灾难性遗忘，使得模型有较高的准确性和鲁棒性。
关键词：光伏并网逆变器;增量学习;数学形态学;故障诊断;卷积神经网络
基金资助：国家自然科学基金资助项目（52277205）; 江苏省自然科学基金资助项目（BK20230108）
