随着工业规模不断扩大,人们对能源的依赖程度越来越大。而传统能源的不断枯竭,清洁可再生能源受到了越来越多的重视。柔性直流输电在风能、太阳能等清洁能源的输送中发挥着巨大的作用,得到了广泛的研究和应用。在柔性直流输电中,模块化多电平换流器(Modular Multilevel Converter,MMC)因为其易制造、低损耗、波形质量好等特点得到了大力发展。但随着MMC的不断深入发展,子模块的串联个数不断增加,大大增加了换流器发生故障的几率,对输电质量构成了威胁。而目前,针对MMC故障诊断的研究相对较少,为故障检测而添加的传感器数量较多,不仅增加了成本,也增加了输电系统的复杂程度。本文在MMC数学模型及其故障机理的基础上,对不同故障类型及相关影响进行了分析研究和仿真验证,并通过故障特征提取、故障分类及故障定位进行故障诊断,在减少检测硬件,实现高精度且高效的故障诊断方面具有重要的研究意义和价值。具体研究内容为:1、为更好分析和诊断MMC的不同故障类型,搭建了 MMC数学模型与仿真模型。首先对MMC的拓扑结构、工作原理、调制方法等机理进行详细分析研究,通过桥臂电流、交流侧电压、直流侧电压构建数学模型。然后在此基础上对MMC故障进行分析研究。最后通过MMC仿真模型进行仿真验证,并得到采样数据。2、针对MMC子模块数量多,不同故障之间在时间维度上相互耦合且复杂度高的问题,提出了一种基于短时小波包能量交叉熵的故障特征提取方法。通过故障特征提取,不需要对较多电信号进行故障数据采集就可以得到故障特征向量,节约了故障诊断的成本并降低了冗余。3、针对用于故障分类的神经网络分类阈值设置困难的问题,提出了一种基于深度神经网络-支持向量机的故障分类方法,通过对故障特征向量的自适应分类实现对不同故障类型的故障识别。同时为了进一步实现故障定位到子模块并提高精度,对长短期记忆网络进行改进。通过故障分类与故障定位完成对MMC的故障诊断。本文分析和研究了 MMC主要故障类型的特点与影响,并通过上述方法提高了 MMC故障诊断的准确度,大大减少了电信号采样数量,降低了MMC故障诊断成本,实现了高效的MMC故障诊断。