- 頭條適用于ANPC三電平逆變器實時故障診斷的新方法，速度快、精度高2021-02-22 作者：李兵 崔介兵 等 | 來源：《電工技術學報》 | 點擊率：導語功率開關器件是逆變器核心組成部分，其故障特征參數的提取及分類方法是故障診斷和預測的重要技術基礎，對于提高逆變器可靠性具有重要意義。 合肥工業大學電氣與自動化工程學院、可再生能源接入電網技術國家地方聯合工程實驗室的研究人員李兵、崔介兵、何怡剛、史露強、劉曉暉，在2020年第10期《電工技術學報》上撰文，以有源中性點鉗位（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網絡的故障診斷方法，采用ANPC三電平逆變器上、中、下橋臂電壓作為測量信號，通過小波包能量譜熵提取橋臂電壓信號特征，并利用核主成分分析對特征向量進行優化；并利用自適應矩估計小波神經網絡（A-WNN）建立故障字典。 實驗結果表明，A-WNN具有故障特征辨識速度快、精度高等優點，適用于ANPC三電平逆變器實時故障診斷。
相比傳統兩電平逆變器，三電平逆變器具有承受電壓高和電壓電流上升率低等優點，目前已得到廣泛應用。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鉗位（Active NPC, ANPC）三電平逆變器拓撲結構如圖1所示。該結構因具有功率大、容量大及器件損耗平衡等特點，而得到廣泛應用。
但相比之下，三電平逆變器IGBT數量增加了，且電路結構更加復雜，任一IGBT故障均可導致逆變器無法正常工作，甚至發生二次故障，造成巨大經濟損失。因此，有必要及時準確定位逆變器故障位置。
圖1 ANPC三電平逆變器拓撲結構
電力電子功率器件硬故障包括開路和短路故障，因具有突發性和破壞性大等特點，成為目前研究熱點。短路故障目前已有成熟的檢測方案，因此，合肥工業大學、可再生能源接入電網技術國家地方聯合工程實驗室的研究人員針對IGBT功率器件開路故障進行了研究。
研究人員認為，目前開路故障診斷方法主要分為基于數據和基于模型兩類。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信號依賴程度較高，易受外部干擾信號影響，準確率較低。
另一種是信號與人工神經網絡、支持向量機、極端學習機（Extreme Learning Machine，ELM）等相結合的智能診斷算法。但是，據文獻分析發現，目前的智能診斷算法存在計算復雜、硬件要求高，難以實現在線監測和參數選擇等問題。
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，且對負載變化不敏感，但該方法需對電路精確建模，若電路稍加改動，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確度。為此，研究人員提出了一種基于能量譜熵及小波神經網絡的故障診斷方法。
首先，將信息熵理論融入小波包分解，形成小波包能量譜，可減少外部信號干擾，有效提取故障信號特征。其次，采用自適應矩估計小波神經網絡（Adam-Wavelet Neural Network, A-WNN），充分利用小波基函數的伸縮性和平移性，根據參數訓練歷史自動更新參數學習率，避免算法陷入局部極小值。最后，搭建ANPC三電平逆變器實驗平臺。故障診斷流程如圖2所示。
圖2 故障診斷流程
圖3 實驗系統
診斷結果表明，所提出的診斷方法可以達到98.46%的準確度，性能優于ELM、PSO-BP、RBFNN、WNN等神經網絡，且單次診斷時間短，適用于在線故障診斷。
以上研究成果發表在2020年第10期《電工技術學報》，論文標題為“基于能量譜熵及小波神經網絡的有源中性點鉗位三電平逆變器故障診斷”，作者為李兵、崔介兵、何怡剛、史露強、劉曉暉。
