基于牛顿-拉夫逊优化CNN-SVM混合模型的MMC换流器桥臂电感参数型故障诊断方法及系统

本发明提出基于牛顿‑拉夫逊优化CNN‑SVM混合模型的MMC换流器桥臂电感参数型故障诊断方法及系统，包括以下步骤：S1：采集模块化多电平换流器中对应桥臂正常及故障情况下的电流信号；S2：对所采集的电流信号进行时频域特征提取，并从时域和频域特征中筛选出与故障相关性强的特征向量；S3：建立CNN‑SVM模型用于根据输入的特征向量输出故障诊断结果；S4：采用牛顿‑拉夫逊优化算法对CNN‑SVM模型的超参数进行优化；S5：将筛选出的与故障相关性强的特征向量作为输入数据，对超参数优化后的CNN‑SVM模型进行训练，并将训练好的CNN‑SVM模型用于MMC换流器桥臂电感参数型故障诊断。本发明通过深度学习与优化算法的结合，显著提升了故障诊断的准确性、实时性和可靠性。