CN114076882B

CN114076882B - 一种基于模型预测的mmc子模块igbt开路故障诊断方法

Info

Publication number: CN114076882B
Application number: CN202111318510.XA
Authority: CN
Inventors: 刘泽浩; 肖岚
Original assignee: Nanjing University of Aeronautics and Astronautics
Current assignee: Nanjing University of Aeronautics and Astronautics
Priority date: 2021-11-09
Filing date: 2021-11-09
Publication date: 2022-09-20
Anticipated expiration: 2041-11-09
Also published as: CN114076882A

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

一种基于模型预测的MMC子模块IGBT开路故障诊断方法

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，C_sm为子模块电容容值，S_i为开关函数，S_{i_Q1open}(t-1)为Q₁开路故障标记函数，S_{i_Q2open}(t-1)为Q₂开路故障标记函数，i_arm(t-1)为t-1时刻的桥臂电流，U_{smi_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i_arm(t-1)进行采样，并根据t-1时刻的U_{smi_Q1&Q2predic}(t-1)、S_i(t-1)、S_{i_Q1open}(t-1)、S_{i_Q2open}(t-1)、控制周期T_s、子模块电容容值C_sm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U_{smi_Q1&Q2predic}(t)。

进一步地，所述步骤S1中t时刻的电容电压预测值U_{smi_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U_smi(t)进行测量；

A2：将t时刻的电容电压预测值U_{smi_Q1&Q2predic}(t)与U_smi(t)做差并求其绝对值ΔU_{smi_}

_All(t)，具体的公式如下：

ΔU_{smi_All}(t)＝|U_{smi_Q1&Q2predic}(t)-U_smi(t)| (6)。

进一步地，所述步骤S3具体为：

B1：将ΔU_{smi_All}(t)与电压门限阈值ΔU比较，如果ΔU_{smi_All}(t)<ΔU，则计数值T_Alli加一；

B2：将计数值T_Alli与时间阈值T_T比较，如果T_Alli>T_T，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(ΔU_{smi_All}(t)＜ΔU)&(T_Alli≥T_T) (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T_T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，C_sm为子模块电容容值，S_i为开关函数，S_{i_Q1open}(t-1)为Q₁开路故障标记函数，S_{i_Q2open}(t-1)为Q₂开路故障标记函数，i_arm(t-1)为t-1时刻的桥臂电流，U_{smi_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i_arm(t-1)进行采样，并根据t-1时刻的U_{smi_Q1&Q2predic}(t-1)、S_i(t-1)、S_{i_Q1open}(t-1)、S_{i_Q2open}(t-1)、控制周期T_s、子模块电容容值C_sm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U_{smi_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：

_All(t)，具体的公式如下：

ΔU_{smi_All}(t)＝|U_{smi_Q1&Q2predic}(t)-U_smi(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ΔU_{smi_All}(t)与电压门限阈值ΔU比较，如果ΔU_{smi_All}(t)<ΔU，则计数值T_Alli加一；本实施例中电压门限阈值ΔU设置为0.03V；

B2：将计数值T_Alli与时间阈值T_T比较，如果T_Alli>T_T，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T_T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(ΔU_{smi_All}(t)＜ΔU)&(T_Alli≥T_T) (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S_i及桥臂电流i_arm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S_i＝1且i_arm>0时的电流路径，此时桥臂电流经二极管D₁流入电容C_sm，电流路径与子模块正常情况下的电流路径相同；图2(b)为S_i＝0且i_arm>0时的电流路径，此时桥臂电流经二极管D₁流入电容C_sm，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S_i＝1且i_arm<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C_sm流经开关管Q₁的电流路径不相同；图2(d)为S_i＝0且i_arm<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

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；

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，C_sm为子模块电容容值，S_i为开关函数，S_{i_Q1open}(t-1)为Q₁开路故障标记函数，S_{i_Q2open}(t-1)为Q₂开路故障标记函数，i_arm(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i_arm(t-1)进行采样，并根据t-1时刻的U_{smi_Q1&Q2predic}(t-1)、S_i(t-1)、S_{i_Q1open}(t-1)、S_{i_Q2open}(t-1)、控制周期T_s、子模块电容容值C_sm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U_{smi_Q1&Q2predic}(t)；

所述步骤S1中t时刻的电容电压预测值U_{smi_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：

A2：将t时刻的电容电压预测值U_{smi_Q1&Q2predic}(t)与U_smi(t)做差并求其绝对值ΔU_{smi_ All}(t)，具体的公式如下：

ΔU_{smi_All}(t)＝|U_{smi_Q1&Q2predic}(t)-U_smi(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ΔU_{smi_All}(t)与电压门限阈值ΔU比较，如果ΔU_{smi_All}(t)＜ΔU，则计数值T_Alli加一；

B2：将计数值T_Alli与时间阈值T_T比较，如果T_Alli＞T_T，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(ΔU_{smi_All}(t)＜ΔU)&(T_Alli≥T_T) (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T_T设定为600。