[发明专利]一种MMC功率器件开路故障诊断方法有效

专利信息
申请号: 201710081586.2 申请日: 2017-02-15
公开(公告)号: CN106885966B 公开(公告)日: 2019-06-14
发明(设计)人: 徐坤山;谢少军;袁小峰 申请(专利权)人: 南京航空航天大学
主分类号: G01R31/02 分类号: G01R31/02
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 许方
地址: 210017 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 mmc 功率 器件 开路 故障诊断 方法
【说明书】:

本发明涉及一种MMC功率器件开路故障诊断方法,属于大功率变换器可靠性技术领域。该诊断方法包含故障检测和故障定位两步:故障检测采用基于增量预测模型的方法检测子模块功率器件开路故障是否发生;故障发生后,故障定位采用基于子模块电容电压斜率比较的方法定位故障子模块位置。该方法可以克服干扰、采样误差和模型参数不准确对诊断结果的影响,在不调整阈值的情况下,各种负载条件下均可在4ms准确快速的检测并定位多个子模块故障,故障后子模块电容电压不升高。

技术领域

本发明涉及一种MMC功率器件开路故障诊断方法,属于大功率变换器可靠性技术领域。

背景技术

模块化多电平变换器(modular multilevel converter,MMC)因其具有模块化、易扩展、输出特性好、具有公共直流母线等优势,在中高压大功率领域,特别是高压直流输电领域,得到了广泛的研究和应用。MMC拓扑由大量的子模块组成,导致MMC本身的可靠性不高,而其应用场合则要求其具有很高的工作可靠性。因此,工作可靠性问题已成为MMC工业应用中非常重要的实际问题。

故障诊断是提高MMC工作可靠性的途径之一。功率器件是工业应用中最易出现故障的部件之一,MMC子模块中功率器件的故障分为短路故障和开路故障。功率器件短路故障已有成熟的工业解决方案,功率器件开路故障不易发现,其影响更大。因此,需要快速准确的诊断功率器件开路故障。

现有文献和专利关于MMC功率器件开路故障诊断的方法主要分为基于人工智能算法和基于系统模型的方法。基于人工智能算法的方法是采用人工智能算法(如聚类算法和状态机)诊断故障,该方法不依赖于模型,鲁棒性强,但是存在计算量大,诊断时间长或增加硬件成本的缺点。基于系统模型的方法又分为基于状态观测和基于开关模型的方法,基于状态观测的方法是根据MMC变换器电路模型,建立数学表达式,根据故障前后系统参数的差值进行故障检测和故障定位,该方法简单易实现,但是易受模型参数、采样误差和干扰的影响,鲁棒性较差,且定位时间长;基于开关模型的方法是根据开关状态与模块电压的关系来定位故障,该方法定位时间短,但由于开关信号本身并不可靠,易受干扰影响,鲁棒性差。现有的方法都无法兼具强鲁棒性和快速性。

发明内容

为了提高模块化多电平变换器的工作可靠性,需要快速准确的检测并定位故障,本发明提出一种MMC功率器件开路故障诊断方法,适用于基于半桥子模块的模块化多电平变换器,该方法兼具鲁棒性和快速性。

本发明为解决其技术问题采用如下技术方案:

一种MMC功率器件开路故障诊断方法,包括故障检测方法和故障定位方法两步,所述故障检测方法采用基于增量预测模型的方法检测子模块功率器件开路故障是否发生;所述故障定位方法采用基于子模块电容电压斜率比较的方法定位故障子模块位置。

所述故障检测方法的具体步骤如下:

第一步,根据检测到电路参数,建立桥臂电流的电路方程:

式中,uo表示交流侧输出电压,uu和iu分别表示上桥臂电压和电流,ul和il分别表示下桥臂电压和电流,Udc为直流侧电压,L为桥臂电感;

第二步,定义算子Δ满足Δf(k+1)=f(k+1)-f(k),建立桥臂电流的增量预测模型:

式中:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京航空航天大学,未经南京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710081586.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top