[发明专利]一种基于神经网络的功率器件在线老化检测方法及系统

权利要求书

1.一种基于神经网络的功率器件在线老化检测方法，其特征在于：包括以下步骤:

S1、确定待检测电力电子变换器的类型，其中，所述待检测电力电子变换器包括功率器件；

S2、采集所述功率器件的健康工作参数，获取训练集，其中，所述健康工作参数用于描述健康功率器件在所述电力电子变换器稳定工作状态下的数据指标；

S3、构建功率器件老化识别模型，基于待检测电力电子变换器的类型，利用所述健康工作参数，训练所述功率器件老化识别模型；

S4、基于训练好的所述功率器件老化识别模型构建功率器件在线状态分类器；

S5、利用所述功率器件在线状态分类器在线进行所述功率器件老化检测。

2.根据权利要求1所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述S2包括以下步骤：

采集所述功率器件的工作参数，剔除所述工作参数中的非健康工作参数，获得所述功率器件的健康工作参数，其中所述非健康工作参数指所述电力电子变换器的输出电压和电流在非稳定期间产生的功率器件的工作参数。

3.根据权利要求1或2所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述工作参数包括所述功率器件的电参数、温度、输出电流数据，其中，所述电参数在不同电流和温度下是变化的。

4.根据权利要求1所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述S3包括以下步骤：

S3.1、构建所述功率器件老化识别模型的结构；

S3.2、基于所述电力电子变换器的类型选择所述功率器件老化识别模型的训练方式，设置所述功率器件老化识别模型的训练参数，基于所述训练集对所述功率器件老化识别模型进行训练及优化。

5.根据权利要求1或4所述的基于神经网络的功率器件在线老化检测方法，其特征在于：构建所述功率器件老化识别模型采用神经网络。

6.根据权利要求5所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述功率器件老化识别模型为三层神经网络，包括1层输入层，1层隐藏层和1层输出层；所述输入层神经元的数量根据所述电力电子变换器的工作模式决定，所述隐含层神经元的数量的计算方法如式(1)所示：

式中，a表示隐藏层神经元的数量，b表示输入层神经元的数量，l表示输出层神经元的数量，c表示常数。

7.根据权利要求1所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述S4包括以下步骤：

将功率器件老化识别模型与电力电子变换器建立通讯，共同组成功率器件在线状态分类器。

8.根据权利要求1所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述S4中还包括对所述功率器件在线状态分类器进行准确性验证：

人工模拟老化所述功率器件，获得模拟老化功率器件；将所述模拟老化功率器件和所述健康功率器件分别放入所述电力电子变换器中运行，分别采集所述模拟老化功率器件的老化工作参数和所述健康功率器件的对比工作参数，分别将所述老化工作参数和所述对比工作参数输入到所述功率器件在线状态分类器，完成功率器件在线状态分类器的准确性验证。

9.根据权利要求1所述的基于神经网络的功率器件在线老化检测方法，其特征在于：所述人工模拟老化采用包括但不限于硅胶掺杂、外部串联电阻。

10.一种基于神经网络的功率器件在线老化检测系统，用于实施权利要求1所述的基于神经网络的功率器件在线老化检测方法，其特征在于：包括功率器件工作参数采集模块、通讯模块和功率器件老化识别模块，其中，所述功率器件工作参数采集模块用于采集功率器件的电参数、温度和输出电流，

所述功率器件工作参数采集模块和所述通讯模块均固定设置在电力电子变换器内部，所述功率器件工作参数采集模块与功率器件连接，所述功率器件老化识别模块设置于服务器内部，所述功率器件工作参数采集模块通过所述通讯模块与所述服务器进行数据交互。