面向并网逆变器故障诊断的数字孪生优化——一种贝叶斯方法
系统与控制
2022-12-08 v1 机器学习
系统与控制
摘要
本文针对并网逆变器的多种故障,采用基于超参数调优的贝叶斯优化来设计数字孪生以实现诊断。由于故障检测与诊断要求极高精度,我们将精力投向数字孪生的在线优化,这进而允许在有限数据量下灵活实现。结果表明,所提框架不仅是有限数据下数字孪生模型版本管理与部署的实用方案,还允许集成深度学习工具以提升超参数调优能力。为评估分类性能,我们考虑了虚拟同步发电机(VSG)控制的构网型变流器中的不同故障案例,并证明了方法的有效性。研究结果表明,我们的数字孪生设计实现了更高的精度与保真度,克服了传统超参数调优方法的不足。
引用
@article{arxiv.2212.03564,
title = {Optimizing a Digital Twin for Fault Diagnosis in Grid Connected Inverters -- A Bayesian Approach},
author = {Pavol Mulinka and Subham Sahoo and Charalampos Kalalas and Pedro H. J. Nardelli},
journal= {arXiv preprint arXiv:2212.03564},
year = {2022}
}