大功率三电平逆变器在当今工业生产中得到了广泛应用,与传统的两电平逆变器相比,三电平逆变器具有功率器件电压应力较低,输出波形畸变较小等优势。根据相关调查研究发现,在逆变器运行过程中发生故障占比相对较大的分别是功率开关器件IGBT故障和直流端分压电容参数退化故障即软故障。逆变器发生故障后若不及时处理,会导致电路整体运行精度和稳定性下降,严重时会带来重大安全事故,所以,本文以二极管中点钳位型三电平逆变器为研究对象,提出了VMD和排列熵的故障特征提取方法,并结合极限学习机实现对逆变器的故障诊断。本文的具体研究内容如下:首先,本文以二极管中点钳位型（NPC）三电平逆变器为研究对象,介绍了该逆变器的拓扑结构和工作原理,在此基础上分别针对IGBT开路故障和电容软故障进行故障特征分析和故障分类,通过PSIM仿真平台搭建了电路模型,分别提取不同故障模式下的故障信号,结合MATLAB软件完成逆变器故障仿真和故障分析。其次,在故障特征提取方面,提出了基于变分模态分解（VMD）和排列熵的故障特征提取方法。首先对比分析了经验模态分解（EMD）和VMD对合成信号的分解效果,发现后者在处理复杂信号时具有明显的优势。在此基础上,分析了VMD算法在实际应用中存在的问题,提出了基于中心频率法确定VMD分解阶数的方法,使得各模态分量频谱符合原故障信号的频谱分布,用优化后的VMD对不同故障信号进行分解处理,提取能够反映时序信号的微小变化及突变状态的排列熵构建故障特征向量。最后,针对VMD排列熵无法直接准确定性逆变器故障类型的问题,建立了VMD-ELM的故障诊断模型。针对逆变器IGBT开关管开路故障类型,将故障特征向量作为极限学习机的输入,故障模式标号作为输出,实现开路故障模式分类;针对电容软故障,也将故障特征向量作为极限学习机的输入,将电容值作为极限学习机的输出,对实际电容值和预测结果进行误差分析对比。另外,分别建立了EMD-ELM和VMD能谱熵-ELM诊断模型进行对比,实验结果表明,本文所提VMD排列熵-ELM方法诊断正确率更高,能够实现三电平逆变器不同故障类型的精确诊断。