CN114076882B - 一种基于模型预测的mmc子模块igbt开路故障诊断方法 - Google Patents
一种基于模型预测的mmc子模块igbt开路故障诊断方法 Download PDFInfo
- Publication number
- CN114076882B CN114076882B CN202111318510.XA CN202111318510A CN114076882B CN 114076882 B CN114076882 B CN 114076882B CN 202111318510 A CN202111318510 A CN 202111318510A CN 114076882 B CN114076882 B CN 114076882B
- Authority
- CN
- China
- Prior art keywords
- value
- smi
- open
- circuit fault
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inverter Devices (AREA)
Abstract
本发明公开了一种基于模型预测的MMC子模块IGBT开路故障诊断方法,包括如下步骤:通过建立的故障预测模型预测故障子模块电容电压值;根据测量获得的子模块电容电压测量值和步骤S1获取的子模块电容电压预测值,求取电容电压预测值相对于电容电压测量值的偏差绝对值;根据对偏差绝对值的区域判断,实现对于子模块IGBT的开路故障诊断和定位。本发明提出了Q1和Q2两个IGBT同时开路的数学模型,该模型能够准确表述故障情况下子模块电容电压与桥臂电流的定量关系,同时基于所提故障模型提出了基于模型预测的故障诊断与定位方法,该方法具有模型预测控制的快速性并且无需添加任何传感器;具有快速、准确度高等优点。
Description
技术领域
本发明涉及电力电子变流器故障诊断领域,具体涉及一种基于模型预测的MMC子模块IGBT开路故障诊断方法。
背景技术
由于MMC桥臂当中串联着数个子模块,当子模中的IGBT发生开路故障时,该子模块的电容电压会逐渐上升并影响MMC的正常运行。但是,子模块中的开路故障具有难探测的缺点,因此,提出相应的开路故障诊断方法对不同的IGBT开路故障进行诊断和定位是十分有必要的。这将有助于IGBT开路故障的及时诊断和定位,并最终保证MMC的稳定运行。然而,现有MMC模型全都是就基于MMC正常状态下的数学模型,无法准确描述MMC故障时的状态定量关系,MMC在故障情况下的数学模型鲜有被提出,尤其是子模块中的Q1和Q2两个IGBT同时发生开路故障的数学模型。
发明内容
发明目的:为了克服现有技术中存在的现有MMC模型全都是就基于MMC正常状态下的数学模型,无法准确描述MMC故障时的状态定量关系的问题,提供一种基于模型预测的MMC子模块IGBT开路故障诊断方法,首次提出了Q1和Q2两个IGBT同时开路的数学模型。并基于该模型建立了模型预测故障诊断方法,且该方法具有模型预测方法的快速性,大大缩短了故障诊断的时间。
技术方案:为实现上述目的,本发明提供一种基于模型预测的MMC子模块IGBT开路故障诊断方法,包括如下步骤:
S1:通过建立的故障预测模型预测故障子模块电容电压值;
S2:根据测量获得的子模块电容电压测量值和步骤S1获取的子模块电容电压预测值,求取电容电压预测值相对于电容电压测量值的偏差绝对值;
S3:根据对偏差绝对值的区域判断,实现对于子模块IGBT的开路故障诊断和定位。
进一步地,所述步骤S1中建立的故障模型的公式如下:
其中,Csm为子模块电容容值,Si为开关函数,Si_Q1open(t-1)为Q1开路故障标记函数,Si_Q2open(t-1)为Q2开路故障标记函数,iarm(t-1)为t-1时刻的桥臂电流,Usmi_Q1&Q2predic(t-1)为模型预测电压值。
进一步地,所述步骤S1具体为:通过桥臂电流传感器对t-1时刻的桥臂电流iarm(t-1)进行采样,并根据t-1时刻的Usmi_Q1&Q2predic(t-1)、Si(t-1)、Si_Q1open(t-1)、Si_Q2open(t-1)、控制周期Ts、子模块电容容值Csm代入到故障预测模型计算公式中计算t时刻的电容电压预测值Usmi_Q1&Q2predic(t)。
进一步地,所述步骤S1中t时刻的电容电压预测值Usmi_Q1&Q2predic(t)的计算公式如下:
进一步地,所述步骤S2具体为:
A1:利用电容电压传感器对t时刻的子模块电容电压Usmi(t)进行测量;
A2:将t时刻的电容电压预测值Usmi_Q1&Q2predic(t)与Usmi(t)做差并求其绝对值ΔUsmi_
All(t),具体的公式如下:
ΔUsmi_All(t)=|Usmi_Q1&Q2predic(t)-Usmi(t)| (6)。
进一步地,所述步骤S3具体为:
B1:将ΔUsmi_All(t)与电压门限阈值ΔU比较,如果ΔUsmi_All(t)<ΔU,则计数值TAlli加一;
B2:将计数值TAlli与时间阈值TT比较,如果TAlli>TT,则第i个子模块中的Q1和Q2开关管发生开路故障。
进一步地,所述步骤B2中Q1和Q2开关管发生开路故障的具体判断公式为:
Q1&Q2fault,when(ΔUsmi_All(t)<ΔU)&(TAlli≥TT) (7)。
进一步地,所述步骤B1中电压门限阈值ΔU设置为0.03V,步骤B2中时间阈值TT设定为600。
本发明提出了Q1和Q2两个IGBT同时开路的数学模型,该模型能够准确表述故障情况下子模块电容电压与桥臂电流的定量关系。本发明同时基于所提故障模型提出了基于模型预测的故障诊断与定位方法,该方法具有模型预测控制的快速性并且无需添加任何传感器;具有快速、准确度高等优点。
本发明提出了基于模型预测方法的IGBT开路故障诊断方法。首先,半桥子模块在Q1和Q2两个IGBT同时开路故障情况下的故障模型被首次提出,该模型准确表述了子模块电容电压与桥臂电流的关系。基于该故障模型,用于诊断Q1和Q2两个IGBT同时开路故障的模型预测方法被提出,该方法首次实现了半桥子模块中所有IGBT同时发生开路故障的准确诊断和定位。同时该方法无需添加额外的硬件电路,节约了硬件成本。
有益效果:本发明与现有技术相比,具备如下优点:
1)首次提出了Q1和Q2两个IGBT同时发生开路故障的数学模型,精确并定量的描述了子模块电容电压与桥臂电流的关系。
2)基于该故障模型,首次提出了基于模型预测的IGBT开路故障诊断方法,该方法通过模型预测值与传感器测量值进行比较实现故障诊断与定位。该方法具有模型预测的快速性和准确性。
3)该方法首次实现了对单个子模块中双IGBT同时开路故障诊断。
4)该方法能够在5ms实现多IGBT的开路故障诊断和定位。
5)该方法无需额外硬件检测电路。
附图说明
图1是单相模块化多电平变换器电路图;
图2是模块化多电平变换器的半桥子模块Q1和Q2同时故障的电流流向示意图;
图3是半桥子模块故障诊断流程图;
图4是多IGBT开路故障仿真图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于模型预测的MMC子模块IGBT开路故障诊断方法,本实施例中将该方法应用于模块化多电平变流器(modular multilevel converter.MMC)的故障诊断,其单相的MMC主回路结构如图1所示,其半桥子模块结构如图1中的子图所示。
如图3所示,上述诊断方法包括如下步骤:
S1:通过建立的故障预测模型预测故障子模块电容电压值:
建立的故障模型的公式如下:
其中,Csm为子模块电容容值,Si为开关函数,Si_Q1open(t-1)为Q1开路故障标记函数,Si_Q2open(t-1)为Q2开路故障标记函数,iarm(t-1)为t-1时刻的桥臂电流,Usmi_Q1&Q2predic(t-1)为模型预测电压值;
通过桥臂电流传感器对t-1时刻的桥臂电流iarm(t-1)进行采样,并根据t-1时刻的Usmi_Q1&Q2predic(t-1)、Si(t-1)、Si_Q1open(t-1)、Si_Q2open(t-1)、控制周期Ts、子模块电容容值Csm代入到故障预测模型计算公式中计算t时刻的电容电压预测值Usmi_Q1&Q2predic(t),其计算公式如下:
S2:根据测量获得的子模块电容电压测量值和步骤S1获取的子模块电容电压预测值,求取电容电压预测值相对于电容电压测量值的偏差绝对值,具体包括如下步骤A1和A2:
A1:利用电容电压传感器对t时刻的子模块电容电压Usmi(t)进行测量;
A2:将t时刻的电容电压预测值Usmi_Q1&Q2predic(t)与Usmi(t)做差并求其绝对值ΔUsmi_
All(t),具体的公式如下:
ΔUsmi_All(t)=|Usmi_Q1&Q2predic(t)-Usmi(t)| (6)
S3:根据对偏差绝对值的区域判断,实现对于子模块IGBT的开路故障诊断和定位,具体包括如下步骤B1和B2:
B1:将ΔUsmi_All(t)与电压门限阈值ΔU比较,如果ΔUsmi_All(t)<ΔU,则计数值TAlli加一;本实施例中电压门限阈值ΔU设置为0.03V;
B2:将计数值TAlli与时间阈值TT比较,如果TAlli>TT,则第i个子模块中的Q1和Q2开关管发生开路故障;本实施例中时间阈值TT设定为600;
Q1和Q2开关管发生开路故障的具体判断公式为:
Q1&Q2fault,when(ΔUsmi_All(t)<ΔU)&(TAlli≥TT) (7)
图2为半桥子模块Q1和Q2同时故障的电流流向,由于Q1和Q2同时发生开路故障,桥臂电流在子模块中的具体流通路径在相应的状态下会发生改变。由开关函数Si及桥臂电流iarm方向两个状态可以将此时的故障子模块分为四种状态:状态a、状态b、状态c、状态d。其电流的具体流通路径分别如图2(a)、2(b)、2(c)、2(d)。图2(a)为Si=1且iarm>0时的电流路径,此时桥臂电流经二极管D1流入电容Csm,电流路径与子模块正常情况下的电流路径相同;图2(b)为Si=0且iarm>0时的电流路径,此时桥臂电流经二极管D1流入电容Csm,该路径与正常情况下电流流经开关管Q2的电流路径不相同;图2(c)为Si=1且iarm<0时的电流路径,此时桥臂电流经二极管D2,该路径与正常情况下电流由电容Csm流经开关管Q1的电流路径不相同;图2(d)为Si=0且iarm<0时的电流路径,此时桥臂电流经二极管D2,该路径与子模块正常情况下的电流路径相同。由上述分析可知,图2(b)和图2(c)中的电流路径与子模块正常情况下的电流路径不同,但图2(a)和图2(d)中的电流路径与子模块正常情况下的电流路径相同。因此,普通的故障诊断方法无法在状态a和状态d的情况下识别子模块故障,但是本发明所提出的基于故障模型预测的方法因采用电容电压预测值进行判断故障,因此故障子模块的四种状态都能实现故障诊断,因此该方法具有快速性和准确性。
基于上述方案,为了验证本发明方法的效果,进行了仿真实验,具体的仿真结果如图4所示,图4为Q1和Q2开关管同时发生开路故障的仿真波形图,其中Q1和Q2开关管在0.1s发生开路故障。本发明方法在0.135s触发故障诊断程序,其中故障诊断程序在0.14s准确的对开关管Q1和Q2的开路故障实现了准确的诊断和定位,可见仿真验证了所提方法的可行性。
Claims (5)
1.一种基于模型预测的MMC子模块IGBT开路故障诊断方法,其特征在于,包括如下步骤:
S1:通过建立的故障预测模型预测故障子模块电容电压值;
S2:根据测量获得的子模块电容电压测量值和步骤S1获取的子模块电容电压预测值,求取电容电压预测值相对于电容电压测量值的偏差绝对值;
S3:根据对偏差绝对值的区域判断,实现对于子模块IGBT的开路故障诊断和定位;
所述步骤S1中建立的故障模型的公式如下:
其中,Csm为子模块电容容值,Si为开关函数,Si_Q1open(t-1)为Q1开路故障标记函数,Si_Q2open(t-1)为Q2开路故障标记函数,iarm(t-1)为t-1时刻的桥臂电流;
所述步骤S1具体为:通过桥臂电流传感器对t-1时刻的桥臂电流iarm(t-1)进行采样,并根据t-1时刻的Usmi_Q1&Q2predic(t-1)、Si(t-1)、Si_Q1open(t-1)、Si_Q2open(t-1)、控制周期Ts、子模块电容容值Csm代入到故障预测模型计算公式中计算t时刻的电容电压预测值Usmi_Q1&Q2predic(t);
所述步骤S1中t时刻的电容电压预测值Usmi_Q1&Q2predic(t)的计算公式如下:
2.根据权利要求1所述的一种基于模型预测的MMC子模块IGBT开路故障诊断方法,其特征在于,所述步骤S2具体为:
A1:利用电容电压传感器对t时刻的子模块电容电压Usmi(t)进行测量;
A2:将t时刻的电容电压预测值Usmi_Q1&Q2predic(t)与Usmi(t)做差并求其绝对值ΔUsmi_ All (t),具体的公式如下:
ΔUsmi_All(t)=|Usmi_Q1&Q2predic(t)-Usmi(t)| (6)。
3.根据权利要求2所述的一种基于模型预测的MMC子模块IGBT开路故障诊断方法,其特征在于,所述步骤S3具体为:
B1:将ΔUsmi_All(t)与电压门限阈值ΔU比较,如果ΔUsmi_All(t)<ΔU,则计数值TAlli加一;
B2:将计数值TAlli与时间阈值TT比较,如果TAlli>TT,则第i个子模块中的Q1和Q2开关管发生开路故障。
4.根据权利要求3所述的一种基于模型预测的MMC子模块IGBT开路故障诊断方法,其特征在于,所述步骤B2中Q1和Q2开关管发生开路故障的具体判断公式为:
Q1&Q2fault,when(ΔUsmi_All(t)<ΔU)&(TAlli≥TT) (7)。
5.根据权利要求3所述的一种基于模型预测的MMC子模块IGBT开路故障诊断方法,其特征在于,所述步骤B1中电压门限阈值ΔU设置为0.03V,步骤B2中时间阈值TT设定为600。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111318510.XA CN114076882B (zh) | 2021-11-09 | 2021-11-09 | 一种基于模型预测的mmc子模块igbt开路故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111318510.XA CN114076882B (zh) | 2021-11-09 | 2021-11-09 | 一种基于模型预测的mmc子模块igbt开路故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114076882A CN114076882A (zh) | 2022-02-22 |
CN114076882B true CN114076882B (zh) | 2022-09-20 |
Family
ID=80283884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111318510.XA Active CN114076882B (zh) | 2021-11-09 | 2021-11-09 | 一种基于模型预测的mmc子模块igbt开路故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114076882B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114740326B (zh) * | 2022-03-28 | 2024-02-20 | 上海电力大学 | 一种基于电流误差的mmc子模块igbt开路故障诊断方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104597370A (zh) * | 2015-02-16 | 2015-05-06 | 哈尔滨工业大学 | 基于状态观测器的模块化多电平换流器igbt开路故障的检测方法 |
CN106885966A (zh) * | 2017-02-15 | 2017-06-23 | 南京航空航天大学 | 一种mmc功率器件开路故障诊断方法 |
CN111693898A (zh) * | 2020-05-18 | 2020-09-22 | 西安交通大学 | 一种模块化多电平变流器中igbt开路故障的加速定位方法 |
WO2021038246A1 (en) * | 2019-08-30 | 2021-03-04 | Sajjad Fekriasl | Method of submodule switching control in modular multilevel converters |
CN112540261A (zh) * | 2020-11-11 | 2021-03-23 | 华中科技大学 | 一种快速mmc子模块器件开路故障的检测方法及系统 |
CN113358997A (zh) * | 2021-05-31 | 2021-09-07 | 南京航空航天大学 | 基于故障模型的mmc子模块igbt开路故障诊断方法 |
-
2021
- 2021-11-09 CN CN202111318510.XA patent/CN114076882B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104597370A (zh) * | 2015-02-16 | 2015-05-06 | 哈尔滨工业大学 | 基于状态观测器的模块化多电平换流器igbt开路故障的检测方法 |
CN106885966A (zh) * | 2017-02-15 | 2017-06-23 | 南京航空航天大学 | 一种mmc功率器件开路故障诊断方法 |
WO2021038246A1 (en) * | 2019-08-30 | 2021-03-04 | Sajjad Fekriasl | Method of submodule switching control in modular multilevel converters |
CN111693898A (zh) * | 2020-05-18 | 2020-09-22 | 西安交通大学 | 一种模块化多电平变流器中igbt开路故障的加速定位方法 |
CN112540261A (zh) * | 2020-11-11 | 2021-03-23 | 华中科技大学 | 一种快速mmc子模块器件开路故障的检测方法及系统 |
CN113358997A (zh) * | 2021-05-31 | 2021-09-07 | 南京航空航天大学 | 基于故障模型的mmc子模块igbt开路故障诊断方法 |
Non-Patent Citations (3)
Title |
---|
A Diagnosis Strategy for Multiple IGBT Open-Circuit Faults of Modular Multilevel Converters;Xingxing Chen 等;《IEEE Transactions on Power Electronics》;20200527;第191-203页 * |
Fault detection method for IGBT open-circuit faults in the modular multilevel converter based on predictive model;Kunshan Xu 等;《2017 IEEE Energy Conversion Congress and Exposition》;20171107;第4190-4195页 * |
面向电力电子电路故障诊断的拓展型教学案例探究;朱琴跃 等;《实验室研究与探索》;20210430;第40卷(第4期);第97-102页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114076882A (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7929323B2 (en) | Method and apparatus for pre-charging power converters and diagnosing pre-charge faults | |
JP5313250B2 (ja) | バッテリーの長期特性予測システム及び方法 | |
CN111465866B (zh) | 使用成对样本相关性的传感器故障检测 | |
JP6195612B2 (ja) | 車両の駆動部用の電気エネルギー貯蔵システムを検査する方法及び装置 | |
CN114076882B (zh) | 一种基于模型预测的mmc子模块igbt开路故障诊断方法 | |
US10620265B2 (en) | Computer-implemented method for real-time testing of a control unit | |
KR101772808B1 (ko) | Tsv 테스트 및 분석 회로 및 테스트 방법 | |
JP2020527228A (ja) | コンタクタコイル電流を用いたコンタクタ寿命診断システムおよび方法 | |
CN106324507A (zh) | 动力电池的性能检测方法及系统 | |
CN113987932A (zh) | 一种基于时间序列模型的mosfet寿命预测方法 | |
CN113358997B (zh) | 基于故障模型的mmc子模块igbt开路故障诊断方法 | |
JP2002237506A (ja) | 故障解析装置及び故障解析方法、並びに半導体装置の製造方法 | |
CN116879702B (zh) | SiC MOSFET功率循环退化机理的在线诊断方法、系统、装置 | |
JP2009103706A (ja) | 電池電圧検出線の検査方法、検査回路及び電池モジュール | |
US5914615A (en) | Method of improving the quality and efficiency of Iddq testing | |
CN112009252A (zh) | 一种动力电池系统故障诊断及容错控制方法 | |
CN109932640B (zh) | 一种高精度fpga焊点故障实时诊断方法及诊断装置 | |
CN110399926A (zh) | 一种路灯故障诊断方法及装置 | |
CN115185837A (zh) | 软件和/或硬件相似性的检测方法及检测装置 | |
Park et al. | Thermal estimation of modular multilevel converter submodule using deep regression on GRU and LSTM network | |
CN107528518A (zh) | 电机矢量控制方法、装置及终端设备 | |
US9007079B2 (en) | System and method for compensating measured IDDQ values | |
JPH09264921A (ja) | Lsiの電源電流テスト方法 | |
WO2022264314A1 (ja) | モータの絶縁抵抗値を計算するモータ駆動装置 | |
KR20170077005A (ko) | Igbt의 c-e간 온 저항을 이용한 고장 예지 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |