CN106885966B - 一种mmc功率器件开路故障诊断方法 - Google Patents

Abstract

本发明涉及一种MMC功率器件开路故障诊断方法，属于大功率变换器可靠性技术领域。该诊断方法包含故障检测和故障定位两步：故障检测采用基于增量预测模型的方法检测子模块功率器件开路故障是否发生；故障发生后，故障定位采用基于子模块电容电压斜率比较的方法定位故障子模块位置。该方法可以克服干扰、采样误差和模型参数不准确对诊断结果的影响，在不调整阈值的情况下，各种负载条件下均可在4ms准确快速的检测并定位多个子模块故障，故障后子模块电容电压不升高。

Description

一种MMC功率器件开路故障诊断方法

技术领域

本发明涉及一种MMC功率器件开路故障诊断方法，属于大功率变换器可靠性技术领域。

背景技术

模块化多电平变换器(modular multilevel converter,MMC)因其具有模块化、易扩展、输出特性好、具有公共直流母线等优势，在中高压大功率领域，特别是高压直流输电领域，得到了广泛的研究和应用。MMC拓扑由大量的子模块组成，导致MMC本身的可靠性不高，而其应用场合则要求其具有很高的工作可靠性。因此，工作可靠性问题已成为MMC工业应用中非常重要的实际问题。

故障诊断是提高MMC工作可靠性的途径之一。功率器件是工业应用中最易出现故障的部件之一，MMC子模块中功率器件的故障分为短路故障和开路故障。功率器件短路故障已有成熟的工业解决方案，功率器件开路故障不易发现，其影响更大。因此，需要快速准确的诊断功率器件开路故障。

现有文献和专利关于MMC功率器件开路故障诊断的方法主要分为基于人工智能算法和基于系统模型的方法。基于人工智能算法的方法是采用人工智能算法(如聚类算法和状态机)诊断故障，该方法不依赖于模型，鲁棒性强，但是存在计算量大，诊断时间长或增加硬件成本的缺点。基于系统模型的方法又分为基于状态观测和基于开关模型的方法，基于状态观测的方法是根据MMC变换器电路模型，建立数学表达式，根据故障前后系统参数的差值进行故障检测和故障定位，该方法简单易实现，但是易受模型参数、采样误差和干扰的影响，鲁棒性较差，且定位时间长；基于开关模型的方法是根据开关状态与模块电压的关系来定位故障，该方法定位时间短，但由于开关信号本身并不可靠，易受干扰影响，鲁棒性差。现有的方法都无法兼具强鲁棒性和快速性。

发明内容

为了提高模块化多电平变换器的工作可靠性，需要快速准确的检测并定位故障，本发明提出一种MMC功率器件开路故障诊断方法，适用于基于半桥子模块的模块化多电平变换器，该方法兼具鲁棒性和快速性。

本发明为解决其技术问题采用如下技术方案：

一种MMC功率器件开路故障诊断方法，包括故障检测方法和故障定位方法两步，所述故障检测方法采用基于增量预测模型的方法检测子模块功率器件开路故障是否发生；所述故障定位方法采用基于子模块电容电压斜率比较的方法定位故障子模块位置。

所述故障检测方法的具体步骤如下：

第一步，根据检测到电路参数，建立桥臂电流的电路方程：

式中，u_o表示交流侧输出电压，u_u和i_u分别表示上桥臂电压和电流，u_l和i_l分别表示下桥臂电压和电流，U_dc为直流侧电压，L为桥臂电感；

第二步，定义算子Δ满足Δf(k+1)＝f(k+1)-f(k)，建立桥臂电流的增量预测模型：

式中：

其中，为k-1时刻对k+1时刻的预测值；表示k-1时刻对k+p时刻的预测值，p＝1，…,P，P为预测时域；Δu(k)为k时刻的控制增量，Δu(k+p-1)为k+p-1时刻的控制增量；f_s为采样频率，e₁为期望的误差，e₂为不期望的误差，λ₁为补偿系数；e(k)为k时刻的测量值与预测值的差值，为增量预测模型已得出的k-1时刻的预测值，为n时刻的预测值，x(n)为n时刻的实际采样值；计算上桥臂电流时，为上桥臂的桥臂电流预测值，u(k)＝-u_o(k)-u_u(k)+U_dc/2，u_u(k)为k时刻上桥臂的桥臂电压值；计算下桥臂电流时，为下桥臂的桥臂电流预测值，u(k)＝u_o(k)-u_l(k)+U_dc/2，u_l(k)为k时刻下桥臂的桥臂电压值；u_o(k)为k时刻的交流侧电压值。

第三步，对一个预测值进行多次预测并取平均值：

其中：为k+p时刻的最终预测值，为k+n-1时刻对k+p时刻的预测值；

第四步，对测量值和预测值之间的差值进行多次计算取平均值：

其中：为k+n时刻的最终预测值，x(k+n)为k+n时刻的实际采样值；

第五步，当|J|大于阈值J_th，判断为故障发生，否则为正常工作状态。阈值J_th的选取为5-10倍e₂。

所述故障定位方法分为两个过程：故障特征处理过程和故障定位过程。

所述故障特征处理过程如下所述：采用比较桥臂电流预测值与测量值的差值的方向来判断故障类型，当差值大于零，为下管故障，此时，故障桥臂所有子模块切除；当差值小于零，为上管故障，采用非故障桥臂子模块循环投切的方法使故障特征快速增大。

所述故障定位过程的实现方式如下：

第一步，对一个周期内电容电压取均值，并计算子模块电容电压斜率：

式中， 表示k时刻之前一个开关周期电容电压均值，为k+j时刻之前一个开关周期电容电压均值；U_c,u(l)(i)(n)表示上桥臂或下桥臂第i个模块n时刻的电容电压值；Δt＝t(k+j)-t(k)，t(k)表示k时刻时间值，t(k+j)为k+j时刻时间值，M为一个开关周期内的采样个数，为采样频率除以开关频率，j为斜率计算时间间隔，该值取1和M之间；

第二步，计算子模块电容电压斜率均值：

其中，η_u(l)(i)为每个子模块的电容电压斜率；

第三步，当上管故障时，子模块电容电压斜率均值除以某个子模块电容电压斜率得出的值大于阈值η_th，该子模块为故障子模块，否则该子模块为正常工作子模块；当下管故障时，子模块电容电压斜率均值与某个子模块电容电压斜率相除得出的值大于阈值η_th，该子模块为正常工作子模块，当所有正常子模块被定位，利用排除法，剩余子模块为故障子模块，阈值η_th选取为1000-10000。

本发明的有益效果如下：

(1)克服采样误差、模型参数不准确和外部干扰等对故障诊断结果的影响。

(2)在4ms内即可检测并定位子模块故障位置，并可以定位多个子模块。

(3)在不调整阈值的情况下，各种负载条件下均可准确快速的检测并定位子模块故障，易于工程设计。

(4)故障后子模块电容电压不升高。

附图说明

图1为基于半桥子模块的模块化多电平变换器结构框图。

图2为模块化多电平变换器的单相等效电路框图。

图3为本发明的系统流程图。

图4为本发明的基于增量预测模型的故障检测方法流程图。

图5为本发明的基于子模块电容电压斜率的故障定位方法中故障处理过程流程图。

图6为本发明的基于子模块电容电压斜率的故障定位方法中故障定位过程流程图。

图7为本发明的额定负载下一个功率器件开路故障波形图。

图8为本发明的额定负载下两个功率器件开路故障波形图。

图9为本发明的小负载下一个功率器件开路故障波形图。

具体实施方式

下面结合附图对本发明作进一步详细说明，但本发明不受具体实例限制。

基于半桥子模块的模块化多电平变换器结构如图1所示，每相由上下两个桥臂通过两个桥臂电感L连接而成，每个桥臂包含N个子模块，每个子模块由一个储能电容和两个功率器件组成。一般情况下，子模块中还有一个旁路开关T用于旁路故障子模块。子模块有三种故障状态：S₁故障、S₂故障和两者同时故障，由于两者同时故障时兼具S₁故障和S₂故障时的故障特征，故只需考虑S₁故障、S₂故障即可。图2所示为模块化多电平变换器单相等效电路图。

如图3所示为系统流程图，先由基于增量预测模型的故障检测方法检测故障是否发生，当故障发生后，由基于子模块电容电压斜率比较的故障定位方法定位故障子模块。本发明的具体实施步骤如下：

第一步、根据图2中检测到的直流侧电压、交流侧电压电流和子模块电容电压参数，建立桥臂电流的电路方程：

式中，u_o表示交流侧输出电压，u_u和i_u分别表示上桥臂电压和电流，u_l和i_l分别表示下桥臂电压和电流，U_dc为直流侧电压，L为桥臂电感。

第二步，定义算子Δ满足Δf(k+1)＝f(k+1)-f(k)，建立桥臂电流的增量预测模型：

式中：

其中，为k-1时刻对k+1时刻的预测值；表示k-1时刻对k+p时刻的预测值，p＝1，…,P，P为预测时域；Δu(k)为k时刻的控制增量，Δu(k+p-1)为k+p-1时刻的控制增量；f_s为采样频率，e₁为期望的误差，e₂为不期望的误差，λ₁为补偿系数；e(k)为k时刻的测量值与预测值的差值，为增量预测模型已得出的k-1时刻的预测值，为n时刻的预测值，x(n)为n时刻的实际采样值；计算上桥臂电流时， 为上桥臂的桥臂电流预测值，u(k)＝-u_o(k)-u_u(k)+U_dc/2，u_u(k)为k时刻上桥臂的桥臂电压值；计算下桥臂电流时， 为下桥臂的桥臂电流预测值，u(k)＝u_o(k)-u_l(k)+U_dc/2，u_l(k)为k时刻下桥臂的桥臂电压值；u_o(k)为k时刻的交流侧电压值。

第三步，对一个预测值进行多次预测并取平均值：

其中：为k+p时刻的最终预测值，为k+n-1时刻对k+p时刻的预测值；

第四步，对测量值和预测值之间的差值进行多次计算取平均值：

其中：为k+n时刻的最终预测值，x(k+n)为k+n时刻的实际采样值；

第五步，如图4所示，当|J|大于阈值J_th，判断为故障发生，否则为正常工作状态。

第六步、当故障发生后，如图5所示，判断桥臂电流预测值与测量值的差值，当差值大于零，故障桥臂为下管故障，此时，故障桥臂所有子模块切除，非故障桥臂子模块循环切除；当差值小于零，故障桥臂为上管故障，非故障桥臂子模块循环投入。

第七步、对一个周期内电容电压取均值，并计算子模块电容电压斜率：

式中， 表示k时刻之前一个开关周期电容电压均值，为k+j时刻之前一个开关周期电容电压均值；U_c,u(l)(i)(n)表示上桥臂或下桥臂第i个模块n时刻的电容电压值；Δt＝t(k+j)-t(k)，t(k)表示k时刻时间值，t(k+j)为k+j时刻时间值，M为一个开关周期内的采样个数，为采样频率除以开关频率，j为斜率计算时间间隔；

第八步、计算子模块电容电压斜率均值：

其中，η_u(l)(i)为每个子模块的电容电压斜率；

第九步、如图6所示，当上管故障时，子模块电容电压斜率均值除以某个子模块电容电压斜率得出的值大于阈值η_th，该子模块为故障子模块，否则该子模块为正常工作子模块。当下管故障时，子模块电容电压斜率均值与某个子模块电容电压斜率相除得出的值大于阈值η_th，该子模块为正常工作子模块，当所有正常子模块被定位，利用排除法，剩余子模块为故障子模块。阈值η_th选取为1000-10000。

图7为本发明的额定负载下一个功率器件开路故障波形图，在0.5125s处发生故障，在0.514s处桥臂电流预测值与测量值差值绝对值大于阈值，且差值小于零，检测到上管开路故障，经0.8ms后定位故障子模块1，从故障发生到故障定位所需时间为2.3ms，故障桥臂子模块SM1电容电压并未超过额定工作状态下的上限值，非故障子模块保持电压平衡。

图8为本发明的额定负载下两个功率器件开路故障波形图，故障发生在0.5125s处，经过1ms后桥臂电流预测值与测量值差值绝对值大于阈值，且差值小于零，检测到上管开路故障，采用本文所提定位方法，在0.514s处定位到故障子模块2，经过0.5ms后定位到故障子模块1，故障诊断时间为2ms，故障桥臂子模块SM1和SM2电容电压并未超过的额定工作状态下的上限值，非故障子模块保持电压平衡。

图9为本发明的小负载下一个功率器件开路故障波形图，在0.5115s处发生故障，在0.5135s处检测到故障，在0.5145s处定位到故障子模块，故障诊断时间为3ms，障桥臂子模块SM1电容电压并未超过额定工作状态下的上限值，非故障子模块保持电压平衡。

需要说明的是，图7到图9中所采用的检测阈值和定位阈值都相同，且电路中存在模型参数不准确、采样误差和外部干扰。

从具体实例中可以看出，当电路中存在模型参数不准确、采样误差和外部干扰的情况下，不调整阈值，即可以在各种负载条件下4ms内检测并定位多个子模块故障位置，并且相比于正常工作状态，故障后子模块电容电压不升高。

当然，本发明的保护范围并不局限于上述实施例，只要是本领域的普通技术人员未经过创造性地改进，就应该在本发明的保护范围之内。

Claims (5)

1.一种MMC功率器件开路故障诊断方法，其特征在于：包括故障检测方法和故障定位方法两步，所述故障检测方法采用基于增量预测模型的方法检测子模块功率器件开路故障，通过建立桥臂电流增量预测模型计算桥臂电流预测值，然后判断桥臂电流预测值与测量值之间的差值是否大于阈值来判断是否发生故障；所述故障定位方法采用基于子模块电容电压斜率比较的方法定位故障子模块位置，通过计算桥臂各个子模块电容电压斜率和斜率均值，将斜率均值与各个子模块电容电压斜率值相除，然后判断相除后所得的值是否大于阈值来定位故障子模块。

2.根据权利要求1所述的一种MMC功率器件开路故障诊断方法，其特征是所述故障检测方法的具体步骤如下：

第一步，根据检测到电路参数，建立桥臂电流的电路方程：

u_u+Ldi_u/dt+u_o＝U_dc/2

u_l+Ldi_l/dt-u_o＝U_dc/2

式中，u_o表示交流侧输出电压，u_u和i_u分别表示上桥臂电压和电流，u_l和i_l分别表示下桥臂电压和电流，U_dc为直流侧电压，L为桥臂电感；

第二步，定义算子Δ满足Δf(k+1)＝f(k+1)-f(k)，建立桥臂电流的增量预测模型：

式中：

D＝1/Lf_s，

其中，为k-1时刻对k+1时刻的预测值；表示k-1时刻对k+p时刻的预测值，p＝1，…,P，P为预测时域；Δu(k)为k时刻的控制增量，Δu(k+p-1)为k+p-1时刻的控制增量；f_s为采样频率，e₁为期望的误差，e₂为不期望的误差，λ₁为补偿系数；e(k)为k时刻的测量值与预测值的差值，为增量预测模型已得出的k-1时刻的预测值，为k时刻的预测值增量，为n时刻的预测值，x(n)为n时刻的实际采样值；计算上桥臂电流时， 为上桥臂的桥臂电流预测值，u(k)＝-u_o(k)-u_u(k)+U_dc/2，u_u(k)为k时刻上桥臂的桥臂电压值；计算下桥臂电流时， 为下桥臂的桥臂电流预测值，u(k)＝u_o(k)-u_l(k)+U_dc/2，u_l(k)为k时刻下桥臂的桥臂电压值；u_o(k)为k时刻的交流侧电压值；

第三步，对一个预测值进行多次预测并取平均值：

其中：为k+p时刻的最终预测值，为k+n-1时刻对k+p时刻的预测值；

第四步，对测量值和预测值之间的差值进行多次计算取平均值：

其中：为k+n时刻的最终预测值，x(k+n)为k+n时刻的实际采样值；

第五步，当|J|大于阈值J_th，判断为故障发生，否则为正常工作状态， 阈值J_th的选取为5-10倍e₂。

3.根据权利要求1所述的一种MMC功率器件开路故障诊断方法，其特征在于所述故障定位方法分为两个过程：故障特征处理过程和故障定位过程。

4.根据权利要求3所述的一种MMC功率器件开路故障诊断方法，其特征在于所述故障特征处理过程如下所述：采用比较桥臂电流预测值与测量值的差值的方向来判断故障类型，当差值大于零，为下管故障，此时，故障桥臂所有子模块切除；当差值小于零，为上管故障，采用非故障桥臂子模块循环投切的方法使故障特征快速增大。

5.根据权利要求3所述的一种MMC功率器件开路故障诊断方法，其特征在于所述故障定位过程的实现方式如下：

第一步，对一个周期内电容电压取均值，并计算子模块电容电压斜率：

式中， 表示k时刻之前一个开关周期电容电压均值，为k+j时刻之前一个开关周期电容电压均值；U_c,u(l)(i)(n)表示上桥臂或下桥臂第i个模块n时刻的电容电压值；Δt＝t(k+j)-t(k)，t(k)表示k时刻时间值；t(k+j)为k+j时刻时间值；M为一个开关周期内的采样个数，为采样频率除以开关频率；j为斜率计算时间间隔，j∈[1,M]；

第二步，计算子模块电容电压斜率均值：

其中，η_u(l)(i)为每个子模块的电容电压斜率；

第三步，当上管故障时，子模块电容电压斜率均值除以某个子模块电容电压斜率得出的值大于阈值η_th，该子模块为故障子模块，否则该子模块为正常工作子模块；当下管故障时，子模块电容电压斜率均值与某个子模块电容电压斜率相除得出的值大于阈值η_th，该子模块为正常工作子模块，当所有正常子模块被定位，利用排除法，剩余子模块为故障子模块，阈值η_th选取为1000-10000。