CN103364683A

CN103364683A - 一种逆变电路开路故障检测方法

Info

Publication number: CN103364683A
Application number: CN2013102736284A
Authority: CN
Inventors: 赵剑锋; 刘巍
Original assignee: Southeast University
Current assignee: Southeast University
Priority date: 2013-07-01
Filing date: 2013-07-01
Publication date: 2013-10-23
Anticipated expiration: 2033-07-01
Also published as: CN103364683B

Abstract

本发明公开了一种逆变电路开路故障检测方法，该方法包括如下部分：（1）定义故障特征量，本发明设定三个故障特征量，各自代表不同含义。（2）三相电压基波幅值计算，对采样所得三相电压分别进行移相和Park变换，并利用变换结果求取基波幅值的大小。在过程中需利用数字滤波器进行滤波。（3）神经网络故障检测，利用步骤（2）中所得计算结果，经过BP神经网络输出前两个故障特征量。（4）定位故障功率管，对采样所得的三相电压分别测其最大值与最小值，通过简单逻辑判断得到故障功率管的具***置，输出第三个故障特征量。该方法只需对输出的三相电压进行分析便可快速、准确得到逆变电路功率管故障的信息，无需增加其他硬件电路，只通过软件算法实现，可以节约成本并提高效率，具有较强应用能力，对于电力电子电路实时故障检测方面的研究具有应用价值。

Description

一种逆变电路开路故障检测方法

技术领域

本发明涉及一种逆变电路开路故障检测方法，属于逆变器领域。

背景技术

随着电力电子技术的日益发展，脉宽调制（PWM）逆变器由于其主电路结构简单、控制灵活等诸多优点得到迅速发展，尤其是电压源脉宽调制逆变器，在很多方面得到了广泛应用。但逆变器中的功率半导体器件及其控制电路是最易发生故障的薄弱环节，这会直接影响其在工业领域中的进一步推广。因此，逆变电路中功率管的故障检测尤为重要。

到目前为止，有很多论文与专利提出了对逆变电路功率管开路故障检测的方法，在这些方法中，主要分为两种。第一种方法以硬件电路配以相应算法对功率管的开路故障进行检测，这种方法一般是对各功率管的两端电压进行检测，通过分析功率管两端电压与正常电压之间的差异来判断故障，这种方法的主要缺点是需增设多个电压传感器以及其他硬件电路，相应增加了成本。另一种方法是通过检测分析逆变器输出端的电流来进行故障检测，由于要检测到输出电流波形的变化，用这种方法进行故障检测需要一定的时延，但其不需要附加硬件电路，节约了成本。

检测分析输出端电流的方法主要是基于波形分析和神经网络的，波形分析的方法主要有快速傅里叶变换法、小波变换法等。当逆变电路的功率管发生故障后，逆变电路的输出电流波形产生变化，可以利用傅里叶变换或小波变换提取其特征向量来进行故障检测，或直接根据输出的电流、电压波形进行逻辑判断实现故障检测的目的。总体来说，故障检测的快速性和准确性是逆变电路功率管故障检测方法的重点。

发明内容

发明目的：本发明提出一种逆变电路开路故障检测方法，不需另外增加硬件电路降低了成本，兼顾了检测的低成本和快速。

技术方案：本发明采用的技术方案为一种逆变电路开路故障检测方法，包括以下步骤：

1）定义参数F1表示故障类型，F2表示故障桥臂，F3表示故障功率管位置，对三相逆变器输出端电压采样，分别得到Ua、Ub、Uc三个采样电压；

2）将步骤1）中所得的三个采样电压中的每一个电压先经过低通滤波，然后分别移相120°和240°，这样每一相采样电压均得到一组电压即：

{U_{a}^{0}, U_{a}^{1},

U_{a}^{2}}, {U_{b}^{0}, U_{b}^{1}, U_{c}^{2}}, {U_{c}^{0}, U_{c}^{1}, U_{c}^{2}};

3）对这三组电压分别做Park变换，并得到Park变换后的变换电压：{U_ad，U_aq，U_a0}，{U_bd，U_bq，U_c0}，{U_cd，U_cq，U_c0}；

4）选择步骤3）变换电压中的U_ad，U_aq，U_bd，U_bq，U_cd，U_cq，6个量分别经过带阻滤波器，并对同源的两个变换电压求取均方根值，计算得到3个神经网络输入电压U_am，U_bm，U_cm；

5）将步骤4）中的神经网络输入电压输入神经网络，得到的神经网络输出即为F1和F2的值，根据三相电压的波峰值和波谷值的关系确定F3的值。

作为本发明的进一步改进，步骤5）中的神经网络具有一层隐含层，该神经网络的输入层有3个神经元，输出层有2个神经元，该神经网络的隐含层的激励函数采用双曲线正切Sigmoid函数。

有益效果：本发明无需额外配置复杂的硬件电路，只需一些低成本的传感器和数字芯片即可实现对逆变电路开路故障的检测。通过利用Park变换可快速确定输出波形的基波幅值，并能够定位故障元件。本方法还利用了神经网络的特点，对故障类型和故障桥臂的判断简单有效，能够很好得实现非线性映射。

附图说明

图1为电压源型逆变器主电路等效拓扑图；

图2为故障检测方法整体框图；

图3为第一类故障仿真波形；

图4为第三类故障仿真波形；

图5为第四类故障仿真波形。

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同形式的修改均落于本申请所附权利要求所限定的范围。

权利要求书、说明书及说明书附图中所称“上桥臂”是指靠近输入电压正极的一边。

电压源型逆变电路的等效拓扑结构如图1所示，逆变电路的开关器件为IGBT，总体结构为三相全桥，电路输出端接有负载。功率管短路故障是逆变电路功率管故障中最常见的，任由IGBT短路也可导致IGBT烧毁而形成开路故障。另外，短路故障在没有烧毁IGBT的情况下也会由于自身的保护电路使其开路。假定最多有两只功率管同时开路。

功率管断路故障可分为以下四类：

第一类：单个功率管故障，例如VT1断路，共6种情况。

第二类：位于同一桥臂的两个功率管故障，例如VT1与VT2同时断路，共3种情况。

第三类：不同桥臂上但同侧的两个功率管故障，例如VT1与VT3断路，共6种情况。

第四类：交叉相对的两个功率管故障，例如VT1与VT4断路，共6种情况。

用F1、F2、F3这3个特征量来定义逆变器的具体故障，其中，F1表示逆变器的故障类型，有4种状态；F2表示发生故障的桥臂，共有6种状态；F3表示故障桥臂上发生断路的功率管的位置，共有五种情况。F1、F2、F3的取值范围与各值所表示意义如表1所示。

表1三个故障特征量的取值及含义

当逆变器电路正常工作时，F1、F2、F3三个故障特征量都取值为0。

如图2中所示，U_a，U_b，U_c为逆变器输出端采集到的三相电压，三相电压首先经低通滤波器滤波，然后分别进行120°、240°移相，得到三组三相电压

{U_{a}^{0}, U_{a}^{1}, U_{a}^{2}}, {U_{b}^{0} {, U}_{b}^{1} {, U}_{c}^{2}}, {U_{c}^{0}, U_{c}^{1} {, U}_{c}^{2}} .

对这三组三相电压分别进行Park变换，以a相为例，a相电压经过移相后得到三个电压量：

对这三个电量进行Park变换：

[\begin{matrix} U_{ad} \\ U_{aq} \\ U_{a 0} \end{matrix}] = P [\begin{matrix} U_{a}^{0} \\ U_{a}^{1} \\ U_{a}^{2} \end{matrix}] - - - (2)

其中P为Park变换矩阵，Park变换所得结果为：

U_ad，U_aq，U_am满足如下关系：

U_{am} = \sqrt{{U_{ad}}^{2} + {U_{aq}}^{2}} - - - (4)

对b相、c相电压进行相同的处理，得到U_am，U_bm，U_cm的值，这三个值将作为BP神经网络的输入。之前定义的特征量F1、F2作为BP神经网络的输出。BP神经网络的输入层有3个神经元，输出层有2个神经元，采用只有一层的隐含层，激励函数采用双曲线正切Sigmoid函数。

对于特征量F3的取值，采用逻辑判断的方法，根据三相电压的最大值与最小值，可确定F3的值。图3为第一类故障模拟VT1、VT2断路的仿真波形，由图可见，当VT1断路时，a相电压波峰接近为零，波谷明显大于波峰；当VT2断路时，a相电压波谷接近为零，波峰明显大于波谷。据此，可以根据a相波形的最大值与最小值来确定发生故障的功率管。同理，也可定位b相、c相故障元件。图4为第三类故障模拟VT1、VT3断路与VT2、VT4断路的仿真波形，可见，当VT1、VT3故障时，a、b相电压波峰小于波谷，波峰接近为零，c相则相反。当VT2、VT4故障时，表现相反。因此第三类故障也可根据各相电压最大值与最小值进行故障元件定位。图5为第四三类故障模拟VT1、VT4断路与VT2、VT3断路的仿真波形可见，当VT1、VT3故障时，a、b相电压波峰小于波谷，波峰接近为零，c相相反。当VT2、VT4故障时，表现相反。因此第四类故障也可根据各相电压最大值与最小值进行故障元件定位。

由此可见，当波峰小于波谷，波峰接近于零时，令F3=1；当波谷小于波峰，波谷接近于零时，令F3=2。由于第二类故障F3始终为零，不需要进行故障元件定位。

故障特征量F1、F2、F3确定后，则可以对故障功率管进行准确的定位。

Claims

1.一种逆变电路开路故障检测方法，其特征在于，包括以下步骤：

{U_{a}^{0}, U_{a}^{1},

U_{a}^{2}}, {U_{b}^{0}, U_{b}^{1}, U_{c}^{2}}, {U_{c}^{0}, U_{c}^{1}, U_{c}^{2}};

5）将步骤4）中的神经网络输入电压输入神经网络，得到的神经网络输出即为F1和F2的值，再根据三相电压的波峰值和波谷值的关系确定F3的值。

2.根据权利要求1所述的逆变电路开路故障检测方法，其特征在于，步骤5）中的神经网络具有一层隐含层，该神经网络的输入层有3个神经元，输出层有2个神经元，该神经网络的隐含层的激励函数采用双曲线正切Sigmoid函数。