逆變器是把直流電能(電池、蓄電瓶)轉(zhuǎn)變成交流電(一般為220V,50Hz正弦波)。它由逆變橋、控制邏輯和濾波電路組成。廣泛適用于空調(diào)、家庭影院、電動(dòng)砂輪、電動(dòng)工具、縫紉機(jī)、DVD、VCD、電腦、電視、洗衣機(jī)、抽油煙機(jī)、冰箱，錄像機(jī)、按摩器、風(fēng)扇、照明等。
而功率開關(guān)器件是逆變器核心組成部分，其故障特征參數(shù)的提取及分類方法是故障診斷和預(yù)測(cè)的重要技術(shù)基礎(chǔ)，對(duì)于提高逆變器可靠性具有重要意義。
合肥工業(yè)大學(xué)電氣與自動(dòng)化工程學(xué)院、可再生能源接入電網(wǎng)技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室的研究人員李兵、崔介兵、何怡剛、史露強(qiáng)、劉曉暉，在2020年第10期《電工技術(shù)學(xué)報(bào)》上撰文，以有源中性點(diǎn)鉗位(ANPC)三電平逆變器的IGBT開路故障診斷為例，提出一種基于能量譜熵及小波神經(jīng)網(wǎng)絡(luò)的故障診斷方法，采用ANPC三電平逆變器上、中、下橋臂電壓作為測(cè)量信號(hào)，通過小波包能量譜熵提取橋臂電壓信號(hào)特征，并利用核主成分分析對(duì)特征向量進(jìn)行優(yōu)化;并利用自適應(yīng)矩估計(jì)小波神經(jīng)網(wǎng)絡(luò)(A-WNN)建立故障字典。
實(shí)驗(yàn)結(jié)果表明，A-WNN具有故障特征辨識(shí)速度快、精度高等優(yōu)點(diǎn)，適用于ANPC三電平逆變器實(shí)時(shí)故障診斷。
相比傳統(tǒng)兩電平逆變器，三電平逆變器具有承受電壓高和電壓電流上升率低等優(yōu)點(diǎn)，目前已得到廣泛應(yīng)用。為克服二極管鉗位式(Neutral-Point Clamped, NPC)三電平逆變器功率器件損耗不平衡的缺陷，T. Bruckner教授等提出了有源中性點(diǎn)鉗位(Active NPC, ANPC)三電平逆變器拓?fù)浣Y(jié)構(gòu)如圖1所示。該結(jié)構(gòu)因具有功率大、容量大及器件損耗平衡等特點(diǎn)，而得到廣泛應(yīng)用。
但相比之下，三電平逆變器IGBT數(shù)量增加了，且電路結(jié)構(gòu)更加復(fù)雜，任一IGBT故障均可導(dǎo)致逆變器無(wú)法正常工作，甚至發(fā)生二次故障，造成巨大經(jīng)濟(jì)損失。因此，有必要及時(shí)準(zhǔn)確定位逆變器故障位置。
電力電子功率器件硬故障包括開路和短路故障，因具有突發(fā)性和破壞性大等特點(diǎn)，成為目前研究熱點(diǎn)。短路故障目前已有成熟的檢測(cè)方案，因此，合肥工業(yè)大學(xué)、可再生能源接入電網(wǎng)技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室的研究人員針對(duì)IGBT功率器件開路故障進(jìn)行了研究。
研究人員認(rèn)為，目前開路故障診斷方法主要分為基于數(shù)據(jù)和基于模型兩類。前者主要利用器件電壓和電流獲取器件故障信息。但是目前的研究方法對(duì)信號(hào)依賴程度較高，易受外部干擾信號(hào)影響，準(zhǔn)確率較低。
另一種是信號(hào)與人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、極端學(xué)習(xí)機(jī)(Extreme Learning Machine，ELM)等相結(jié)合的智能診斷算法。但是，據(jù)文獻(xiàn)分析發(fā)現(xiàn)，目前的智能診斷算法存在計(jì)算復(fù)雜、硬件要求高，難以實(shí)現(xiàn)在線監(jiān)測(cè)和參數(shù)選擇等問題。
此外，基于模型的方法近些年也被廣泛提出。雖然本方法不需增加額外硬件，且對(duì)負(fù)載變化不敏感，但該方法需對(duì)電路精確建模，若電路稍加改動(dòng)，則需重新建模。
逆變器故障診斷方法需要較好的抗干擾能力和較高診斷準(zhǔn)確度。為此，研究人員提出了一種基于能量譜熵及小波神經(jīng)網(wǎng)絡(luò)的故障診斷方法。
首先，將信息熵理論融入小波包分解，形成小波包能量譜，可減少外部信號(hào)干擾，有效提取故障信號(hào)特征。其次，采用自適應(yīng)矩估計(jì)小波神經(jīng)網(wǎng)絡(luò)(Adam-Wavelet Neural Network, A-WNN)，充分利用小波基函數(shù)的伸縮性和平移性，根據(jù)參數(shù)訓(xùn)練歷史自動(dòng)更新參數(shù)學(xué)習(xí)率，避免算法陷入局部極小值。最后，搭建ANPC三電平逆變器實(shí)驗(yàn)平臺(tái)。故障診斷流程如圖所示。
診斷結(jié)果表明，所提出的診斷方法可以達(dá)到98.46%的準(zhǔn)確度，性能優(yōu)于ELM、PSO-BP、RBFNN、WNN等神經(jīng)網(wǎng)絡(luò)，且單次診斷時(shí)間短，適用于在線故障診斷。
下載文檔
