多电平逆变器具有谐波少、稳定性高等诸多优点,已经广泛应用在大功率、高电压场合。相比于两电平逆变器,多电平逆变器拓扑结构更加复杂,任一功率器件故障都可能导致逆变器无法正常工作,甚至发生二次故障,造成巨大损失。因此,展开多电平逆变器故障诊断和容错研究具有重要意义。针对功率器件状态难以检测的问题,本文在国内外众多学者研究的基础上,展开对多电平逆变器的故障诊断研究。以三电平有源中性点钳位(Active Neutral-Point Clamped,ANPC)逆变器为例,研究功率器件的故障诊断,并对单器件故障容错进行研究。本文主要研究内容如下:首先,研究三电平ANPC逆变器拓扑结构,介绍了逆变器的工作原理,进而分析其换流路径以及调制算法。对逆变器出现的故障进行划分,总结出最容易发生的两类故障。在此基础上,通过Matlab Simulink仿真,提取每一时刻上、中、下桥臂电压信号作为检测信号,通过分析电压波形,确定为故障特征。然后,根据三电平ANPC逆变器故障特性,将故障诊断划分为两部分,一是故障特征提取,二是故障诊断算法。本文针对故障特征提取,提出采用能量谱熵的方式处理桥臂电压信号,有效解决了原始特征信号不宜直接输入神经网络的问题,并且可以有效保存故障的原始特征。针对故障诊断算法提出优化的小波神经网络,克服传统神经网络训练速度慢、准确度不高等缺点。针对不同位置单器件故障进行容错研究,采用改变调制策略和拓扑结构两种方法,可以实现较好的容错控制,并通过Matlab Simulink仿真验证两种容错控制可行性。最后,设计了基于DSP+FPGA为控制芯片的三电平逆变器实验平台,完成了逆变器故障诊断。首先,通过采集三电平ANPC逆变器上、中、下桥臂电压作为测量信号,采用能量谱熵提取桥臂电压信号特征,建立故障特征向量,并将特征向量分为训练数据和测试数据;其次,通过训练数据不断优化小波神经网络,建立故障诊断模型,利用测试数据验证模型的性能;最后,通过搭建的实验平台验证故障诊断模型的可行性。实验结果表明,相比于其它算法,本文算法具有故障特征辨识速度快、精度高等优点,适用于三电平ANPC逆变器实时故障诊断。