0 引言

    隨著石化能源的枯竭和環(huán)境污染的嚴重,，分布式清潔能源發(fā)電在世界范圍內(nèi)迅速發(fā)展,，比如風能成為解決能源危機和環(huán)境污染的不可替代的能源^[1-2]。相比于風力發(fā)電機組中的其他的機械部件,，逆變器的穩(wěn)定性是較差的,。因此有必要提高風力發(fā)電系統(tǒng)中的逆變器的可靠性與穩(wěn)定性^[3]。

    目前對IGBT開路故障診斷方法大致分為三大類：基于模型的故障診斷方法^[4],、基于專家系統(tǒng)的故障診斷方法^[5-6]和基于人工智能的故障診斷方法^[7-8],。然而，這些診斷算法都是針對開環(huán)系統(tǒng)進行的,，而實際網(wǎng)側(cè)變流器采用雙閉環(huán)控制方式,，這些診斷方法的不足局限了在實際系統(tǒng)中的應用。因此,，以前針對并網(wǎng)逆變器開環(huán)系統(tǒng)的故障診斷方法在閉環(huán)系統(tǒng)中可能不再適用或需要重新設計,。

    本文通過分析對比閉環(huán)控制的并網(wǎng)逆變器在正常與開路故障狀態(tài)下的三相電流，提取出開路故障時的歸一化三相電流平均值和平均絕對值,，在此基礎(chǔ)上提出一種基于相電流的多管開路故障診斷方法,。通過實驗驗證，證明該方法能夠快速實時對各種單個和雙個IGBT開路故障進行準確定位,。

1 單個IGBT開路故障特征分析

    并網(wǎng)逆變器常見的電路拓撲結(jié)構(gòu)如圖1所示,，其拓撲結(jié)構(gòu)中包含了6個IGBT 開關(guān)管 T1~T6和6個并聯(lián)二極管D1~D6，輸入的直流電壓為V_dc,。

    以開關(guān)管T1為例,，當T1發(fā)生開路故障時，a相電流沒有正向流通路徑,，導致其正半周期基本為0,，而a相電流的負向流通路徑不受T1開路故障影響，所以負半周期不變,。且這段時間內(nèi)的b相和c相電流受到影響發(fā)生畸變,。

    對于這種故障情況，可以利用閉環(huán)控制回路中Park變換所產(chǎn)生的相電流,，與測量的相電流進行歸一化處理,，然后取歸一化后的相電流平均值，以此來判斷故障的發(fā)生,。

    對于閉環(huán)控制系統(tǒng),，從abc三相坐標系到dq旋轉(zhuǎn)坐標系的變換為：

2 多個IGBT開路故障特征分析

2.1 同橋臂的兩個IGBT管同時故障

    當 T1、T2同時發(fā)生開路故障時,，此時a相電流既沒有正向流通路徑,，也沒有負向流通路徑，而僅存在續(xù)流通路,，故a相電流基本為0,，即a相電路斷開,，僅b,、c相電路工作,。此時，式(4)中定義的相電流平均值無法表征故障情況,，需要新的診斷變量,。

    在相電流幅值的基礎(chǔ)上取絕對值，然后根據(jù)條件得到歸一化的相電流平均絕對值為：

    當k_en>k_d時,，就表示T1,、T2同時發(fā)生開路故障。

2.2 不同橋臂的兩個IGBT管同時故障

    當T1,、T3同時發(fā)生開路故障時,，此時a相電流只有負向流通路徑，b相電流也只有負向流通路徑,，故a相電流在正半周期變?yōu)?,，b相電流則在正半周期變?yōu)?。此時的故障可以認為是T1故障與T3故障的疊加,，使用前面定義的歸一化相電流平均值與k_en可以判斷出T1與T3故障,。

3 基于相電流的故障診斷算法設計

    通過對各種故障情況下的電流特征進行分析，從而實現(xiàn)故障管定位,。具體的相電流故障診斷算法流程如圖2所示,。

    首先利用閉環(huán)控制系統(tǒng)中Park變換生成的dq指令電流進行平方和開方，生成的電流矢量幅值與測量的相電流進行歸一化處理,，然后對歸一化的相電流進行取絕對值和移動均值,，得到相電流平均絕對值，接著與正常系統(tǒng)產(chǎn)生的相電流平均絕對值進行對比產(chǎn)生e_n,；其次直接取移動均值,，得到相電流平均值；最后根據(jù)故障診斷規(guī)則表實現(xiàn)故障診斷和定位,。

3.1 正常工作狀態(tài)

3.2 單個IGBT管開路故障

    以T1開路故障為例進行分析,，當T1發(fā)生開路故障時，a相電流的正半周期為0,，理論上負半周期不受影響,。此時：

3.3 同橋臂IGBT開路故障

    以a相橋臂的T1和T2開路故障為例進行分析，當T1和T2同時發(fā)生開路故障時,，a相電流基本為0,。此時：

3.4 不同橋臂的兩個IGBT管開路故障

    以a、b相橋臂的T1和T3同時開路故障為例進行分析,，則a,、b相電流的正半周期均為0,，而理論上c相電流不受影響。此時a相電流為：

3.5 診斷規(guī)則

    為了讓診斷的方法更加簡單規(guī)則化,，定義2個診斷變量,，分別是：

    考慮到閉環(huán)控制對開路故障的結(jié)果有影響，所以具體的取值還需要根據(jù)實際系統(tǒng)的實驗結(jié)果來進行調(diào)整,。詳細的故障診斷規(guī)則如表1所示,。

4 實驗及驗證

    具體實驗參數(shù)如表2所示。通過對各類單個IGBT或2個IGBT開路故障進行測試,，這里設定診斷閾值k_f和k_d為-0.1和0.6,，其值大小可根據(jù)實際診斷需要自行設定。

4.1 正常狀態(tài)

    圖3為并網(wǎng)逆變器在正常條件下的診斷波形,。在無故障的情況下,，歸一化的相電流平均值和e_n基本保持0不變，均未超過閾值,，因此可以診斷無故障發(fā)生,。

4.2 單個IGBT管開路故障

    圖4為T1開路故障時診斷波形，可以看出a相的正半周期為0,。并且診斷變量ea持續(xù)增大,，但它的斜率不超過閾值 k_d，而e_b和e_c向著負方向緩慢增大,，且斜率都小于閾值k_f,。另一方面由于上一級開關(guān)處于開路狀態(tài)，底部IGBT可使電流流過,，在這個階段產(chǎn)生較大的負平均值,，使〈i_aN〉一直小于0，診斷變量M_a就為L,。所有的故障特征都滿足診斷規(guī)則表中T1開路的故障特征,，所以T1開路故障被檢測出來。

4.3 同橋臂的IGBT管開路故障

    圖5為T1和T2同時開路故障時診斷波形,，可以看出a相電流基本為0,。并且診斷變量e_a開始正向迅速增大，它的斜率超過閾值k_d,，另一方面〈i_aN〉也基本為0,。所以當診斷變量e_a的斜率超過閾值k_d時，可以根據(jù)故障診斷規(guī)則表診斷出T1,、T2開路故障,。

4.4 不同橋臂的IGBT管開路故障

    圖6為T1和T3同時開路故障時診斷波形。可以看出a相電流正半周期基本為0,，b,、c相電流都受到影響產(chǎn)生畸變。此時診斷變量e_a開始正向增大,，它的斜率不超過閾值k_d,，診斷變量e_b負向緩慢增大，它的斜率不低于k_f,，診斷變量e_c負向增大,，它的斜率不高于k_f。另一方面〈i_aN〉小于0,，〈i_bN〉和〈i_cN〉大于0，所以M_a為L,，M_b為H,，M_c為H，然后就可以根據(jù)故障診斷規(guī)則表診斷出T1,、T3開路故障,。

    同樣地，其他單個開關(guān)管或兩個開關(guān)管開路故障的實驗診斷結(jié)果均可以根據(jù)故障診斷規(guī)則表來判斷其開路故障,。

5 結(jié)論

    本文綜合考慮了并網(wǎng)逆變器閉環(huán)控制系統(tǒng)的IGBT模塊的多種開路故障情況,，提出一種基于相電流的故障診斷方法，仿真實驗結(jié)果表明,，該診斷方法是可準確快速定位故障,，診斷時間很短，無需增加額外的傳感器等硬件,；并且在閉環(huán)控制下進行故障診斷具有很高的可靠性,，不會出現(xiàn)誤診斷和漏診斷現(xiàn)象。

參考文獻

[1] 賈君,，姜建國,，趙劍飛.風力發(fā)電并網(wǎng)控制系統(tǒng)的實驗研究[J].電力電子技術(shù)，2010,，44(5)：5-6.

[2] 王建,，李興源，邱曉燕.含有分布式發(fā)電裝置的電力系統(tǒng)研究綜述[J].電力系統(tǒng)自動化,，2005(24)：90-97.

[3] 徐流建.基于鍵合圖和BP神經(jīng)網(wǎng)絡的并網(wǎng)逆變器故障診斷研究[D].烏魯木齊：新疆大學,，2015.

[4] 安群濤，孫力,，孫立志,，等.三相逆變器開關(guān)管故障診斷方法研究進展[J].電工技術(shù)學報，2011，26(4)：135-144.

[5] DEBEBE K,，RAJAGOPALAN V,，SANKAR T S.Expert systems for fault diagnosis of VSI fed AC drives[C].Conference Record of the Industry Applications Society Meeting，1991.IEEE,，1991：368-373.

[6] DEBEBE K,，RAJAGOPALAN V，SANKAR T S.Diagnosis and monitoring for AC drives[C].Conference Record of the Industry Applications Society Meeting,，1992.IEEE,，1992：370-377.

[7] NANDI S，TOLIYAT H A,，LI X.Condition monitoring and fault diagnosis of electrical motors—a review[J].IEEE Transactions on Energy Conversion,，2005，20(4)：719-729.

[8] KHOMFOI S,，TOLBERT L M.Fault diagnostic system for a multilevel inverter using a neural network[J].IEEE Transactions on Power Electronics,，2007，22(3)：1062-1069.

作者信息:

韓  艷,，帕孜來·馬合木提

(新疆大學 電氣工程學院,，新疆 烏魯木齊830047)