RX320ERM1100++RX320ER1100@@RX320ER1100RX320ERM1100++RX320ER1100@@RX320ER1100RX320ERM1100++RX320ER1100@@RX320ER1100RX320ERM1100++RX320ER1100@@RX320ER1103）基于HMM的变换器故障诊断HMM利用长期监测随时间变化的历史数据建立动态模型，通过此模型挖掘数据潜在的信息，实现变换器的故障诊断。HMM主要在时间和频域上进行动态分析，是一种重要的动态数据解析方法，并且过程简便、易于实现，适用于时变系统。文献[21]采用HMM的方法对传统的光伏逆变器故障进行诊断，其减少了诊断时间，提高了准确率。文献[22]提出一种基于HMM的直流变流器故障识别分类方法，促进了高压直流输电的逐步发展，确保了设备的稳定运行。文献[23]针对传统电网断路器实际的运行方式，依据线性时不变模型的参数空间，建立了基于HMM模型且实现了数据的自主学习。HMM方法能够建立简易的故障诊断模型，便于掌握，但缺点是建立的动态模型准确率较低，且学习过程中使用的经典算法没有考虑到模型的复杂度、不能解决过适应和欠适应的问题。1.2基于信号处理的变换器故障诊断方法变换器发生故障后，其可测点处的电压、电流等特征量的幅值、相位和频率就会发生较大的变化。基于信号处理的故障诊断方法，主要对特征向量进行处理和分析，并获得了变换器正常和故障状况下的综合评价。目前，基于信号处理的变换器故障诊断方法主要：有小波变换法（w***elettransform,WT）和希尔伯特-黄变换法（hilbert-huangtransform,HHT）。WT是一种新的变换分析方法，不仅传承了短时傅里叶变换局部化的思想，还克服了窗口大小不随频率变化的缺点。WT通过伸缩平移运算，对时间和频域信号逐步进行多尺度细化，***终达到高频处时间细化和低频处频率细化的效果，可以满足任意细节时频信号分析的要求。文献[24]采用WT提取三电平逆变器的输出电压故障特征，并将此作为支持向量机（supportvectormachine,SVM）的输入信号。ASEABROWNBOVERIVZ1701KASEABROWNBOVERIT7MSQB3EE0GADGAXCASEABROWNBOVERIT5VQ300BWASEABROWNBOVERIT8VQE3HE0EACEEXXASEABROWNBOVERIT7HQ1200SWAASEABROWNBOVERIAF1101F2-CB4AASEABROWNBOVERITS3H150DWBAASEABROWNBOVERIXT4VE4080BFF000XXXASEABROWNBOVERIXT2LU3100GFFBBLXXXASEABROWNBOVERI2TLA022300R1000ASEABROWNBOVERIT4H250BWAASEABROWNBOVERIT4H040TWS8ASEABROWNBOVERIT5H400TW-4KLASEABROWNBOVERIT5L600BWASEABROWNBOVERI1SDA060402R1ASEABROWNBOVERIA26STN3-8N1S/H1ASEABROWNBOVERIT4H150TWPASEABROWNBOVERIAF1451F2-C***DASEABROWNBOVERIT4V100B0BASEABROWNBOVERI1SVR427060R1000ASEABROWNBOVERIN1M3-CE68Z/10PASEABROWNBOVERIAF1101F2-2A4FZACASEABROWNBOVERIT4L150TWASEABROWNBOVERIT5L600CWPASEABROWNBOVERIXT4SE3250HFF000XXXASEABROWNBOVERIXT4SE3100HFF000XXXASEABROWNBOVERIT4H100TLU4ASEABROWNBOVERIT5V600BWAS8ASEABROWNBOVERIT4H250BW-4ASEABROWNBOVERIT4H250CWS9ASEABROWNBOVERIFPL7421235R2123)