基于PSO-BP神经网络的MMC子模块开路故障诊断与容错控制研究（含详细代码及仿真分析）
基于PSO-BP神经网络的MMC子模块开路故障诊断与容错控制研究（含详细代码及仿真）
摘要
模块化多电平换流器（MMC）作为高压直流输电与柔性交流输电系统的核心设备，其可靠性对整个电力系统的稳定运行至关重要。然而，MMC系统中子模块数量庞大，开路故障频发，严重影响系统性能。本文提出一种基于粒子群优化-反向传播神经网络（PSO-BP）的MMC子模块开路故障诊断与容错控制方法。首先，利用小波包分解提取子模块电容电压的频带能量特征；其次，构建PSO-BP神经网络模型，实现故障的精准定位；最后，设计冗余子模块切换与调制策略调整相结合的容错控制策略。仿真结果表明，所提方法在多故障场景下诊断准确率达98.5%，响应时间小于10ms，具有较强的鲁棒性与工程适用性。
关键词：模块化多电平换流器；开路故障诊断；PSO-BP神经网络；小波包分解；容错控制；Python仿真
第一章 绪论
1.1 研究背景与意义
模块化多电平换流器（Modular Multilevel Converter, MMC）因其模块化结构、低谐波、高可靠性等优点，在高压直流输电（HVDC）、新能源并网和轨道交通等领域得到广泛应用。然而，MMC系统中每个桥臂通常包含数十至数百个子模块，每个子模块由IGBT、电容等元件构成，其复杂性使得开路故障成为系统运行中的主要威胁。
开路故障会导致桥臂电流畸变、电容电压异常、系统输出失衡，严重时甚至引发系统停机。因此，开发快速、准确、鲁棒的故障诊断与容错控制方法，对