TWI742900B - 三階t型變頻器故障診斷方法 - Google Patents
三階t型變頻器故障診斷方法 Download PDFInfo
- Publication number
- TWI742900B TWI742900B TW109137721A TW109137721A TWI742900B TW I742900 B TWI742900 B TW I742900B TW 109137721 A TW109137721 A TW 109137721A TW 109137721 A TW109137721 A TW 109137721A TW I742900 B TWI742900 B TW I742900B
- Authority
- TW
- Taiwan
- Prior art keywords
- chaotic
- type inverter
- order
- eye
- power transistor
- Prior art date
Links
Images
Landscapes
- Inverter Devices (AREA)
Abstract
本發明提供一種三階T型變頻器故障診斷方法,包含線電壓擷取步驟、混沌眼特徵擷取步驟、可拓分析步驟以及故障功率電晶體判斷步驟。於線電壓擷取步驟中,取三階T型變頻器的第一線電壓的波形做為複數輸入值。於混沌眼特徵擷取步驟中,使輸入值經混沌同步系統轉換後產出二混沌眼特徵。於可拓分析步驟中,事先建立物元資料庫,將二混沌眼特徵的特徵值進行關聯度計算取得對應各物元模型的關聯度。於故障功率電晶體判斷步驟中,確認關聯度中之最大者所對應之物元模型的類別,以找出故障之功率電晶體,藉此可快速且準確地找到故障功率電晶體。
Description
本發明是有關一種故障診斷方法,且尤其是有關一種三階T型變頻器故障診斷方法。
近年來,再生能源與電動車產業興起,如太陽光電併網系統、功率因數校正器及電動車驅動器等,使得低壓且高效能轉換器越加受到重視,並促成多階變頻器的發展越加蓬勃。
多階變頻器大多應用於需要高功率之場所,但因為功率電晶體的數量隨之增加,使得變頻器的故障檢測難度相對提高。因此,為了提高設備的可靠度,已有國內外學者投入許多心力研究多階變頻器之故障偵測機制,以快速且準確地找到故障之功率電晶體。
習知之故障偵測及診斷,主要有模型化(Model-Based)技術、機器學習(Machine learning)和專家系統(Expert System)。模型化技術中,由於變頻器模型中還包括緩衝電容(Snubber Capacitor)及平衡電阻(Balance Resistor),該些數值難以獲得而需進行假設,故有其限制存在。對專家系統而言,雖然可對其系統進行修改,然仍需要專家建構整個系統,故成本相對提高。是以,相較於其他兩者,機器學習仍是最受歡迎的一種方式。
機器學習中,最受矚目的是透過模仿人腦的「類神經網路」(Neural network),因其容易通過反向傳播(Backpropagation)來更新數據模型,同時隱藏層還能降低算法對特徵工程(Feature Engineering)的依賴。但其需透過大量數據來學習才能做出準確的判斷,且運算時間較長,而仍有其待改善之處。
有鑑於此,如何發展出準確且快速的變頻器故障診斷方法,特別是指對三階T型變頻器的故障診斷方法,已成為相關業/學者努力的目標。
為了解決上述問題,本發明提供一種三階T型變頻器故障診斷方法,透過其步驟的配置,可快速且準確地找到故障的功率電晶體。
依據本發明之一實施方式,提供一種三階T型變頻器故障診斷方法,應用於一三階T型變頻器,三階T型變頻器包含複數功率電晶體,且三階T型變頻器故障診斷方法包含一線電壓擷取步驟、一混沌眼特徵擷取步驟、一可拓分析步驟以及一故障功率電晶體判斷步驟。於線電壓擷取步驟中,取三階T型變頻器的一第一線電壓的波形做為複數輸入值。於混沌眼特徵擷取步驟,使輸入值經一混沌同步系統轉換後,產出二混沌眼特徵。於可拓分析步驟中,事先建立一物元資料庫,物元資料庫包含複數物元模型分別對應複數類別,將二混沌眼特徵的特徵值進行一關聯度計算,以取得對應各物元模型的一關聯度。於故障功率電晶體判斷步驟,確認關聯度中之最大者所對應之物元模型的類別,以找出故障之一功率電晶體。
藉此,透過擷取第一線電壓之波形數據,結合混沌理論與可拓分析理論,可快速找出故障之功率電晶體。
依據前述三階T型變頻器故障診斷方法的複數實施例,其中,於可拓分析步驟中,二混沌眼特徵之一待判物元模型如下:
;且
關聯度計算之一方程式如下所示:
;
其中,
為待判物元模型,
為一待判類別,
及
分別為二混沌眼特徵,
為其中一混沌眼特徵的特徵值,
為另一混沌眼特徵的特徵值,
為權重,
為一關聯函數,
為關聯度。
依據前述三階T型變頻器故障診斷方法的複數實施例,其中,於混沌眼特徵擷取步驟中,混沌同步系統為一羅倫茲主僕混沌系統,以羅倫茲主僕混沌系統中的一動態誤差方程式矩陣計算複數第一誤差及複數第二誤差,以前述複數第一誤差及前述複數第二誤差形成一動態軌跡圖,動態軌跡圖中之二重心點分別定義為二混沌眼特徵,二重心點的座標值分別定義為二混沌眼特徵的特徵值。
請參閱第1圖及第2圖,其中第1圖繪示依照本發明一實施例之一種三階T型變頻器故障診斷方法100的方塊流程圖,第2圖繪示第1圖實施例之三階T型變頻器故障診斷方法100應用之三階T型變頻器200。三階T型變頻器故障診斷方法100應用於三階T型變頻器200,三階T型變頻器200包含複數功率電晶體
、
、
、
、
、
、
、
、
、
、
、
,且三階T型變頻器故障診斷方法100包含一線電壓擷取步驟110、一混沌眼特徵擷取步驟120、一可拓分析步驟130以及一故障功率電晶體判斷步驟140。
於線電壓擷取步驟110中,取三階T型變頻器200的一第一線電壓的波形做為複數輸入值。
於故障功率電晶體判斷步驟140中,確認關聯度中之最大者所對應之物元模型的類別,以找出故障之一功率電晶體(即功率電晶體
、
、
、
、
、
、
、
、
、
、
、
其中一者,除非有指特定之某一功率電晶體,否則後文所提之故障功率電晶體不再標號)。
藉此,透過擷取第一線電壓之波形數據,結合混沌理論與可拓分析理論,可快速找出故障之功率電晶體。後面將描述三階T型變頻器200之電路架構及三階T型變頻器故障診斷方法100的細節。
三階T型變頻器200可包含一直流電壓
、一第一相電路(未標示)、一第二相電路(未標示)及一第三相電路(未標示)。直流電壓
包含一正端點P及一負端點N;第一相電路包含二功率電晶體
、
,其為閘極絕緣雙極性接面電晶體,功率電晶體
的一集極與正端點P電性連接,功率電晶體
的一射極與功率電晶體
的一集極以一第一端點
電性連接,功率電晶體
的一射極與負端點N電性連接;第二相電路包含二功率電晶體
、
,其為閘極絕緣雙極性接面電晶體,功率電晶體
的一集極與正端點P電性連接,功率電晶體
的一射極與功率電晶體
的一集極以一第二端點
b電性連接,功率電晶體
的一射極與負端點N電性連接;第三相電路包含二功率電晶體
、
,其為閘極絕緣雙極性接面電晶體,功率電晶體
的一集極與正端點P電性連接,功率電晶體
的一射極與功率電晶體
的一集極以一第三端點
c電性連接,功率電晶體
的一射極與負端點N電性連接。
第一相電路更包含用以箝位的二功率電晶體
、
,功率電晶體
的一集極與中性點o電性連接,功率電晶體
的一射極與功率電晶體
的一射極電性連接,功率電晶體
的一集極與第一端點
電性連接;第二相電路更包含用以箝位的二功率電晶體
、
,功率電晶體
的一集極與中性點o電性連接,功率電晶體
的一射極與功率電晶體
的一射極電性連接,功率電晶體
的一集極與第二端點
b電性連接;第三相電路更包含用以箝位的二功率電晶體
、
,功率電晶體
的一集極與中性點o電性連接,功率電晶體
的一射極與功率電晶體
的一射極電性連接,功率電晶體
的一集極與第三端點
c電性連接。也就是說,二功率電晶體
、
彼此共射串聯,二功率電晶體
、
彼此共射串聯,二功率電晶體
、
彼此共射串聯。
三階T型變頻器200利用功率電晶體
、
、
、
、
、
達到中性點o的電壓箝位功能,而使輸出電壓具有三種變化。三階T型變頻器200的控制為習知且非本發明之改善重點,在此不再贅述。而由第2圖可知,功率電晶體
、
、
、
、
、
、
、
、
、
、
、
的數量為12。
請參閱第3圖及第4圖,並請一併參閱第1圖,第3圖繪示第1圖實施例之三階T型變頻器故障診斷方法100產出之一動態軌跡圖,第4圖繪示第1圖實施例之三階T型變頻器故障診斷方法100產出之另一動態軌跡圖。為了求出混沌眼特徵
、
,於混沌眼特徵擷取步驟120中,混沌同步系統為可為一羅倫茲主僕混沌系統,其中主系統如式(1)而僕系統如式(2)所示,
、
、
為所需輸入的基準值,
、
、
為所需輸入待測值,α、β、γ均為調整參數,其可例如為α=10、β=28、γ=8/3。
接著,以羅倫茲主僕混沌系統中的一動態誤差方式程矩陣,計算複數第一誤差
及第二誤差
,以前述複數第一誤差
及前述複數第二誤差
形成動態軌跡圖,如第3圖所示,而動態軌跡圖中之二重心點即可定義為二混沌眼特徵
、
。其中,動態誤差方式程矩陣可如式(3)所示,
,
,
。其中
、
、
為主系統連續的3筆輸入資料,而
、
、
則為僕系統之3筆連續輸入資料,此處設定
,即僕系統不動作。故式(3)可改寫成式(4)。
當有故障之功率電晶體時,動態軌跡中的重心點的座標值會改變,如第4圖所示,特別是取第一線電壓(即第一端點
與第二端點
b間的電壓)做為輸入線電壓時,故障後所形成重心點座標值差異較大。詳細而言,於線電壓擷取步驟110中,是對第一線電壓的波形進行取樣,將連續取樣的資料,依序代入式(4)中的
、
、
後,之後第4筆資料重複前述輸入順序。
由於重心點的座標值並非固定,而是在某特定範圍內,故可進一步使用可拓方法進行故障診斷。
本發明中,是事先建立物元資料庫,在每個功率電晶體
、
、
、
、
、
、
、
、
、
、
、
故障時,以其第一線電壓所取得之二重心點做為二混沌眼特徵
、
來建立物元模型
,並將無故障之功率電晶體(即正常運作)之第一線電壓所取得之二重心點做為二混沌眼特徵
、
來建立物元模型
,如表1所示。
表1
故障之功率電晶體 | 類別 |
無 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 | |
功率電晶體 |
表2為三階T型變頻器200工作於60Hz下僅擷取第一線電壓所得之二重心點的座標值,其可做為物元模型中各類別之混沌眼特徵
、
所對應之特徵值。
表2
故障 類別 | 混沌眼特徵 | |||
(X軸) | (Y軸) | (X軸) | (Y軸) | |
-1.8308 | 1.9935 | 1.9673 | -4.5685 | |
-1.2227 | -3.4996 | 1.4417 | -11.4781 | |
-1.363 | -6.7133 | 1.1404 | -10.7648 | |
-1.1765 | 8.9421 | 1.2862 | 4.8655 | |
-1.4381 | 10.2815 | 1.1928 | 2.2773 | |
-1.2729 | 6.1066 | 1.8293 | 4.7317 | |
-1.5539 | 10.3856 | 1.6251 | 3.8971 | |
-1.6578 | -5.3968 | 1.5543 | -13.3752 | |
-1.8461 | -6.6006 | 1.2712 | -7.4623 | |
-2.1751 | 3.9242 | 1.674 | -4.9344 | |
-1.4959 | 2.0018 | 2.0737 | -4.4605 | |
-2.1033 | 2.9209 | 1.4255 | -3.6922 | |
-1.7095 | 2.4033 | 2.1019 | -5.1572 |
因此,物元資料庫中的物元模型可如式(5)所示。
於可拓分析步驟130中,可依目前取得二混沌眼特徵
、
的特徵值,取得二混沌眼特徵
、
之一待判物元模型如式(6)所示,其中
為待判物元模型,
為一待判類別,
為混沌眼特徵
的特徵值,
為另一混沌眼特徵
的特徵值。
而除了考慮到點與區間之間的關聯性外,還須要考量點與兩個區間、區間與區間之間的關係。因此,一個點與兩個區間之關係則以位置值做表示。可令
,
與
分別屬於實域兩個區間,且區間
在區間
內,則點
與區間
及區間
的位置值可表示為式(9)。
據此,將距除以位置值所組成之函數即為關聯函數,如式(10)所示。
而在本發明中,一個混沌眼特徵的特徵值可視為一個點,故當有多個點時,會需要進行權重調整,以求得最終之關聯度。
請參閱第5圖,其中第5圖繪示第1圖實施例之三階T型變頻器故障診斷方法100的步驟流程圖。在步驟S01時,開始進行故障診斷,並進入步驟S02,擷取線電壓,特別是對第一線電壓的波形進行取樣,並進入步驟S03,將取樣後的值代入式(4)找到二混沌眼特徵
、
,之後,建立待測物元模型,並計算其與物元資料庫中各物元模型的關聯度。在計算出關聯度後,可進入步驟S04,確認是否與類別
的關聯度最高,若是,則可回到步驟S02。若否,進入步驟S05確認診斷結果是否為類別
其中一者,若否,則表示系統異常,進入步驟S07進行人工診斷;若是,進入步驟S06以關聯度最高之該類別所對應之功率電晶體(即功率電晶體
、
、
、
、
、
、
、
、
、
、
、
其中一者)為故障之功率電晶體,並進入步驟S08,診斷結束。
由此可知,本發明所提之三階T型變頻器故障診斷方法100,只需擷取單一線電壓,不但可有效提高診斷效率,且具有準確的診斷結果。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100:三階T型變頻器故障診斷方法
110:線電壓擷取步驟
120:混沌眼特徵擷取步驟
130:可拓分析步驟
140:故障功率電晶體判斷步驟
200:三階T型變頻器
b:第二端點
c:第三端點
N:負端點
o:中性點
P:正端點
S01,S02,S03,S04,S05,S06,S07,S08:步驟
第1圖繪示依照本發明一實施例之一種三階T型變頻器故障診斷方法的方塊流程圖;
第2圖繪示第1圖實施例之三階T型變頻器故障診斷方法應用之三階T型變頻器;
第3圖繪示第1圖實施例之三階T型變頻器故障診斷方法產出之一動態軌跡圖;
第4圖繪示第1圖實施例之三階T型變頻器故障診斷方法產出之另一動態軌跡圖;以及
第5圖繪示第1圖實施例之三階T型變頻器故障診斷方法的步驟流程圖。
100:三階T型變頻器故障診斷方法
110:線電壓擷取步驟
120:混沌眼特徵擷取步驟
130:可拓分析步驟
140:故障功率電晶體判斷步驟
Claims (3)
- 一種三階T型變頻器故障診斷方法,應用於一三階T型變頻器,該三階T型變頻器包含複數功率電晶體,且該三階T型變頻器故障診斷方法包含: 一線電壓擷取步驟,取該三階T型變頻器的一第一線電壓的波形做為複數輸入值; 一混沌眼特徵擷取步驟,使該些輸入值經一混沌同步系統轉換後,產出二混沌眼特徵; 一可拓分析步驟,事先建立一物元資料庫,該物元資料庫包含複數物元模型分別對應複數類別,將二該混沌眼特徵的特徵值進行一關聯度計算,以取得對應各該物元模型的一關聯度;以及 一故障功率電晶體判斷步驟,確認該些關聯度中之最大者所對應之該物元模型的該類別,以找出故障之一該功率電晶體。
- 如請求項1所述之三階T型變頻器故障診斷方法,其中,於該混沌眼特徵擷取步驟中,該混沌同步系統為一羅倫茲主僕混沌系統,以該羅倫茲主僕混沌系統中的一動態誤差方程式矩陣計算複數第一誤差及複數第二誤差,以該些第一誤差及該些第二誤差形成一動態軌跡圖,該動態軌跡圖中之二重心點分別定義為二該混沌眼特徵,二該重心點的座標值分別定義為二該混沌眼特徵的特徵值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109137721A TWI742900B (zh) | 2020-10-29 | 2020-10-29 | 三階t型變頻器故障診斷方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109137721A TWI742900B (zh) | 2020-10-29 | 2020-10-29 | 三階t型變頻器故障診斷方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI742900B true TWI742900B (zh) | 2021-10-11 |
TW202217349A TW202217349A (zh) | 2022-05-01 |
Family
ID=80782530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109137721A TWI742900B (zh) | 2020-10-29 | 2020-10-29 | 三階t型變頻器故障診斷方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI742900B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013176348A1 (ko) * | 2012-05-24 | 2013-11-28 | 아주대학교산학협력단 | 3-레벨 티타입 인버터의 스위치 고장진단장치 및 방법 |
WO2017083521A1 (en) * | 2015-11-13 | 2017-05-18 | Marquette University | A fault-tolerant topology for multilevel t-type converters |
TW201947854A (zh) * | 2018-05-14 | 2019-12-16 | 國立勤益科技大學 | 三階t型變頻器之容錯控制系統及其容錯控制方法 |
TW202008698A (zh) * | 2018-07-24 | 2020-02-16 | 國立勤益科技大學 | 三階中性點箝位型變頻器之容錯控制系統及其容錯控制方法 |
CN111812460A (zh) * | 2020-06-04 | 2020-10-23 | 杭州电子科技大学 | 一种局部放电故障类型检测方法 |
-
2020
- 2020-10-29 TW TW109137721A patent/TWI742900B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013176348A1 (ko) * | 2012-05-24 | 2013-11-28 | 아주대학교산학협력단 | 3-레벨 티타입 인버터의 스위치 고장진단장치 및 방법 |
WO2017083521A1 (en) * | 2015-11-13 | 2017-05-18 | Marquette University | A fault-tolerant topology for multilevel t-type converters |
TW201947854A (zh) * | 2018-05-14 | 2019-12-16 | 國立勤益科技大學 | 三階t型變頻器之容錯控制系統及其容錯控制方法 |
TW202008698A (zh) * | 2018-07-24 | 2020-02-16 | 國立勤益科技大學 | 三階中性點箝位型變頻器之容錯控制系統及其容錯控制方法 |
CN111812460A (zh) * | 2020-06-04 | 2020-10-23 | 杭州电子科技大学 | 一种局部放电故障类型检测方法 |
Non-Patent Citations (1)
Title |
---|
"Application of chaos and extension theory to fault diagnosis of three-phase synchronous generators",Journal of Low Frequency Noise, Vibration and Active Control ,2019/02/14 |
Also Published As
Publication number | Publication date |
---|---|
TW202217349A (zh) | 2022-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Online two-section PV array fault diagnosis with optimized voltage sensor locations | |
WO2018045689A1 (zh) | 光伏二极管箝位型三电平逆变器的决策树svm故障诊断方法 | |
WO2017041428A1 (zh) | 二极管箝位型级联多电平换流器的建模方法及系统 | |
CN105938578A (zh) | 一种基于聚类分析的大规模光伏电站等值建模方法 | |
CN114744625B (zh) | 一种风电机组模型降阶方法及系统 | |
Fatemi et al. | Comparison of three-point P&O and hill climbing methods for maximum power point tracking in PV systems | |
Wu et al. | Digital twin approach for degradation parameters identification of a single-phase DC-AC inverter | |
TWI742900B (zh) | 三階t型變頻器故障診斷方法 | |
CN116937696B (zh) | 一种基于光伏发电系统的自适应等效建模方法 | |
Abdelsalam et al. | An ADALINE based capacitor voltage estimation algorithm for modular multilevel converters | |
Paranthagan et al. | Global maximum power point tracking under partial shading condition using SEPIC converter | |
Rahimi Mirazizi et al. | Evaluating technical requirements to achieve maximum power point in photovoltaic powered z-source inverter | |
CN112036010A (zh) | 一种基于数据驱动的光伏系统动态过程混合等效建模方法 | |
US20220366115A1 (en) | General decoupling method and system for electromagnetic transient simulation of voltage source converter | |
CN114172401B (zh) | 基于降阶观测器的npc三电平逆变器多类故障诊断方法 | |
CN113922408B (zh) | 基于参数反演的mmc-hvdc电网双极短路故障电流计算方法 | |
Fatemi et al. | A new method for maximum power point tracking in solar PV systems by combining extremum seeking method (ESM) and model predictive control (MPC) | |
Hsieh et al. | Chaos synchronization based novel real‐time intelligent fault diagnosis for photovoltaic systems | |
CN112993969A (zh) | 一种直流微电网集群的大信号稳定性分析方法 | |
Suskis et al. | Converter state-space model estimation using dynamic mode decomposition | |
CN106786494B (zh) | 带有并联变换器的直流微电网系统及其稳定方法 | |
Zhou et al. | Research on grid-connected photovoltaic inverter based on quasi-PR controller adjusting by dynamic diagonal recurrent neural network | |
CN110531625A (zh) | 有源电子梯形电路的有限频率范围迭代学习容错控制方法 | |
CN115267474B (zh) | 一种基于特勒根定理的电力变流器故障诊断方法及系统 | |
Ning et al. | Application of SOA optimization back-stepping control in single stage photovoltaic inverter control |