摘要：絕緣柵雙極型晶體管（insulated gate bipolar transistor）是模塊化多電平換流閥 （modular multi-level converter， MMC）中的關(guān)鍵部件之一，對(duì)其運(yùn)行狀態(tài)進(jìn)行在線監(jiān)測(cè)是保障MMC系統(tǒng)安全、可靠和經(jīng)濟(jì)運(yùn)行的重要措施。針對(duì)MMC子模塊中多芯片并聯(lián)IGBT模塊運(yùn)行狀態(tài)難以實(shí)時(shí)監(jiān)測(cè)的問題，文中提出了基于模塊殼溫分布規(guī)律與老化狀態(tài)映射關(guān)系的運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)方法，以實(shí)現(xiàn)不同工況下IGBT模塊狀態(tài)的自適應(yīng)評(píng)估和管理。首先，分析了MMC子模塊中IGBT模塊老化失效對(duì)熱流的影響規(guī)律，甄選了殼溫作為表征模塊狀態(tài)的特征參量。其次，建立了適用于不同工作點(diǎn)的基于神經(jīng)網(wǎng)絡(luò)的IGBT模塊老化狀態(tài)監(jiān)測(cè)模型，并根據(jù)不同應(yīng)用場(chǎng)景的需求偏好實(shí)現(xiàn)了對(duì)功率模塊運(yùn)行狀態(tài)的表征和識(shí)別；最后，基于所提的狀態(tài)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)方法在MMC測(cè)試平臺(tái)上驗(yàn)證了方法可行性和有效性。文中所提方法為解決大功率工況下MMC子模塊中IGBT模塊的狀態(tài)監(jiān)測(cè)問題提供了新的思路，為系統(tǒng)的運(yùn)行維護(hù)提供了實(shí)用、有效的解決方案。

關(guān)鍵詞：MMC；IGBT；狀態(tài)監(jiān)測(cè)系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；運(yùn)行狀態(tài)

中圖分類號(hào)：TM464????????? 文獻(xiàn)標(biāo)志碼：A????? 文章編號(hào)：1000-582X（2023）11-102-17

Design Method of IGBT Module Condition Monitoring System for Submodule in High Power MMC system

LUO Dan1，2， CHEN Minyou2， LAI Wei2， XIA Hongjian2， LI Changsheng2

（1. Shinan Power Supply Branch Company of State Grid Chongqing Electric Power Company， Chongqing 401136， P. R. China; 2. State Key Laboratory of Power Transmission Equipment Technology， Chongqing University， Chongqing 400044， P. R. China）

Abstract： The insulated gate bipolar transistor （IGBT） module plays a pivotal role in the modular multilevel converter （MMC）， making online monitoring essential for ensuring the MMC systems safety， reliability， and cost-effectiveness. Addressing the challenge of real-time monitoring for multi-chip parallel IGBT modules in the MMC system， this paper presents a design method of condition monitoring system based on the relationship between the modules case temperature distribution and its aging state， which enables adaptive evaluation and management of IGBT module under different operating conditions. Firstly， the impact of aging failure on the heat flow of IGBT modules in MMC sub-modules is analyzed， with case temperature selected as the characteristic parameter representing the module's state. Secondly， an aging state monitoring model for IGBT， based on neural network， is established. This model is adaptable to different working points， allowing for the characterization and identification of module states according to the demand preference of different application scenarios. Finally， the proposed condition monitoring system design method is verified on MMC test platform， demonstrating its feasibility and effectiveness. This paper provides an innovative solution for IGBT status monitoring in MMC sub-modules under high power operating conditions， offering a practical and effective approach to state maintenance.

Keywords： MMC; IGBT; condition monitoring system; neural network; working condition

中國綠色低碳道路的可持續(xù)發(fā)展戰(zhàn)略促進(jìn)了水能、風(fēng)能、太陽等綠色能源的全方位發(fā)展[1]。為了解決綠色能源的傳輸問題，高壓直流輸電技術(shù)（high voltage direct current， HVDC）因其系統(tǒng)容量大、傳輸距離遠(yuǎn)、運(yùn)行功率高等特點(diǎn)[2?3]得到了廣泛應(yīng)用。模塊化多電平換流閥（modular multilevel converter， MMC）具有開關(guān)頻率低、運(yùn)行效率高、輸出特性好等優(yōu)點(diǎn)已成為直流輸電系統(tǒng)的主流拓?fù)鋄4]。然而，統(tǒng)計(jì)數(shù)據(jù)表明換流閥元件故障是造成換流閥系統(tǒng)故障的主要原因[5]，如圖1（a）所示。絕緣柵雙極型晶體管（insulated gate bipolar transistor， IGBT）是換流閥元件的核心部件，在運(yùn)行時(shí)承受著高電壓、強(qiáng)電流的運(yùn)行應(yīng)力，是變流器中最容易發(fā)生疲勞失效的部件之一[6]，如圖1（b）所示。因此，對(duì)IGBT模塊運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)對(duì)MMC系統(tǒng)可靠運(yùn)行及主動(dòng)運(yùn)維具有重要意義[7]。

為滿足MMC系統(tǒng)大功率容量需求常選用大功率的多芯片并聯(lián)模塊，然而現(xiàn)有針對(duì)多芯片并聯(lián)模塊的狀態(tài)監(jiān)測(cè)方法還較少，主要分為基于模塊端部監(jiān)測(cè)電氣參量和基于內(nèi)部集成傳感器的方法?；谀K端部監(jiān)測(cè)電氣參量的方法是通過基于閾值電壓[8]、充電時(shí)長[9]、模塊跨導(dǎo)[10]和導(dǎo)通壓降[11]等電氣參量實(shí)現(xiàn)對(duì)模塊狀態(tài)監(jiān)測(cè)的方法，其優(yōu)點(diǎn)是對(duì)模塊侵入性較低。但該類方法的核心是檢測(cè)模塊開通與關(guān)斷瞬態(tài)或穩(wěn)態(tài)的電氣參數(shù)，這需要增加高電壓、大電流工況下具備較復(fù)雜的鉗位、隔離等功能的測(cè)量電路，難以應(yīng)用在大功率工況下?；趦?nèi)部集成傳感器方面，Dalessandro等[12]提出模塊內(nèi)部集成電流傳感器來監(jiān)測(cè)模塊健康狀態(tài)；Chen等[13]提出了每個(gè)芯片均架設(shè)監(jiān)測(cè)線路的新型結(jié)構(gòu)來實(shí)現(xiàn)模塊的健康評(píng)估；Tomonaga等[14]通過內(nèi)置微型磁場(chǎng)傳感器實(shí)現(xiàn)對(duì)狀態(tài)檢測(cè)。該類方法雖然能有效地檢測(cè)到多芯片模塊內(nèi)部各芯片模組的健康狀態(tài)，但是需對(duì)模塊內(nèi)部封裝布局進(jìn)行調(diào)整，侵入性較強(qiáng)，實(shí)施難度較大。

由于現(xiàn)有的方法在實(shí)際應(yīng)用中存在一定的實(shí)施難度，因此仍需要一種對(duì)模塊侵入性小且易實(shí)現(xiàn)的方法來解決MMC系統(tǒng)子模塊中IGBT模塊健康狀態(tài)的監(jiān)測(cè)問題。針對(duì)該問題，文中提出基于模塊殼溫分布老化規(guī)律的狀態(tài)監(jiān)測(cè)方法。在IGBT模塊中焊層老化后會(huì)引起模塊底部有效散熱面積降低從而導(dǎo)致殼溫上升[15?16]，因此通過監(jiān)測(cè)不同工況下殼溫分布可實(shí)現(xiàn)對(duì)多芯片模塊內(nèi)部各芯片模組狀態(tài)的監(jiān)測(cè)。殼溫的監(jiān)測(cè)無須內(nèi)置傳感器，具有侵入性小、應(yīng)用難度低、測(cè)量成本低等優(yōu)點(diǎn)[17]，降低了MMC系統(tǒng)中高電壓、大電流工況對(duì)測(cè)量的影響。因MMC系統(tǒng)通常運(yùn)行在不同的工作點(diǎn)[18]，導(dǎo)致IGBT模塊的殼溫分布規(guī)律具有不同的特征，因此需要建立殼溫、模塊老化狀態(tài)和運(yùn)行工況的映射關(guān)系。同時(shí)，殼溫、模塊老化狀態(tài)和運(yùn)行工況的關(guān)系為復(fù)雜的電-熱耦合及異質(zhì)材料溫度多維空間熱傳導(dǎo)，難以用特定的數(shù)學(xué)表達(dá)式描述，因此文中采用人工神經(jīng)網(wǎng)絡(luò)對(duì)運(yùn)行狀態(tài)與老化的映射關(guān)系進(jìn)行建模。為解決IGBT模塊老化過程中臨界狀態(tài)難以判斷的問題，文中提出了一種基于需求偏好的分類方法，根據(jù)實(shí)際應(yīng)用場(chǎng)合要求，對(duì)神經(jīng)網(wǎng)絡(luò)輸出結(jié)果進(jìn)行處理以實(shí)現(xiàn)模塊老化過程中臨界狀態(tài)的識(shí)別。

首先結(jié)合MMC系統(tǒng)的工作原理，分析了大功率工況對(duì)IGBT模塊測(cè)量的影響，并根據(jù)模塊老化過程中端部特性的老化規(guī)律甄選出殼溫作為狀態(tài)感知參量；其次，針對(duì)實(shí)際的MMC系統(tǒng)工作環(huán)境設(shè)計(jì)了殼溫分布的采集方案，建立了以工況信息及殼溫分布為輸入，監(jiān)測(cè)傾向可控的神經(jīng)網(wǎng)絡(luò)評(píng)估模型；最后，提出了在線監(jiān)測(cè)系統(tǒng)設(shè)計(jì)方法，并在MMC系統(tǒng)工況模擬測(cè)試平臺(tái)上進(jìn)行了可行性和有效性的驗(yàn)證。

1 MMC系統(tǒng)中IGBT模塊在線監(jiān)測(cè)方法

MMC系統(tǒng)拓?fù)鋄19]如圖2所示，由3個(gè)相單元組成，每個(gè)單元包含上下2個(gè)橋臂，每個(gè)橋臂由n個(gè)子模塊和1個(gè)電感組成，其中每個(gè)子模塊均由功率模塊IGBT和電容器組成。橋臂內(nèi)接入的子模塊總電壓等于直流母線電壓，子模塊通過控制IGBT模塊的不同開關(guān)狀態(tài)實(shí)現(xiàn)電容的投入和切除。IGBT模塊老化后會(huì)導(dǎo)致模塊的性能下降，而且而且嚴(yán)重時(shí)會(huì)引起開路故障或者短路故障[20]。當(dāng)IGBT芯片或二極管發(fā)生開路失效時(shí)會(huì)導(dǎo)致子模塊無法切除，造成子模塊開路故障；當(dāng)芯片發(fā)生短路故障后不僅會(huì)導(dǎo)致模塊無法正常切除，造成電容器直接短接，嚴(yán)重時(shí)會(huì)引發(fā)電容器短路爆炸，對(duì)設(shè)備的運(yùn)行造成危害。因此對(duì)子模塊中IGBT進(jìn)行實(shí)時(shí)監(jiān)測(cè)并及時(shí)維護(hù)可以有效避免該類故障的發(fā)生，對(duì)于保證電力系統(tǒng)的可靠運(yùn)行具有重要意義[21]。

1.1 大功率工況對(duì)電氣測(cè)量的影響

當(dāng)變換器運(yùn)行在大功率環(huán)下會(huì)引起電壓和電流傳感器的帶寬頻率大幅降低，以常見的1 000 V電壓差分探頭DP6150A和1 000 A電流探頭CTB1000為例，傳感器的采樣帶寬和采樣幅值的特性如圖3（a）和（b）所示?？梢钥闯鲭S著被測(cè)幅值的升高，電壓的采樣帶寬從80 V的10 MHz降低至1 000 V的1 MHz，對(duì)應(yīng)的采樣間隔由0.1 μs下降至1 μs，電流的采樣帶寬由50 A的20 kHz下降到1 000 A的500 Hz，對(duì)應(yīng)的采樣間隔由50 μs下降至2 ms。目前大部分IGBT模塊的開關(guān)特性變化均是微秒或者納秒級(jí)，采樣靈敏度的降低會(huì)導(dǎo)致使用動(dòng)態(tài)特性的監(jiān)測(cè)方法產(chǎn)生極大的監(jiān)測(cè)誤差甚至失效，最終引起對(duì)IGBT狀態(tài)的誤識(shí)別和誤判斷。

基于導(dǎo)通壓降變化的監(jiān)測(cè)方法似乎受到采樣頻率的影響極小，但導(dǎo)通壓降的變化受到電氣環(huán)境的影響極大，大功率環(huán)境下難以實(shí)現(xiàn)對(duì)模塊上下管的同時(shí)測(cè)量。以常見的半橋電路為例，其電氣參量如圖3（c）所示，假設(shè)系統(tǒng)中電源電壓為1 000 V，電源負(fù)極V0接地，IGBT模塊的導(dǎo)通壓降為2 V。在下管IGBT導(dǎo)通時(shí)，其發(fā)射極電位V0接地，集電極對(duì)應(yīng)的電壓V1和V2均為2V。雖然上管導(dǎo)通時(shí)對(duì)應(yīng)的管壓降為2 V，但對(duì)應(yīng)的集電極和發(fā)射極電位分別為1 000 V和998 V。在實(shí)際運(yùn)行中無法實(shí)現(xiàn)對(duì)大量程下電壓變化的高精度識(shí)別，現(xiàn)有的測(cè)量電路[22-23]均需要隔離或降壓電路將IGBT上管兩端的高電位轉(zhuǎn)化為可測(cè)量的低電位信號(hào)以保證信號(hào)輸入的穩(wěn)定性，隔離電路復(fù)雜的結(jié)構(gòu)及單獨(dú)的供電電源極大地增加了監(jiān)測(cè)的復(fù)雜度。

1.2 功率模塊老化狀態(tài)特征參量甄選

當(dāng)IGBT模塊健康工作時(shí)，二極管芯片和IGBT芯片的損耗P發(fā)熱產(chǎn)生的熱量都會(huì)通過各層材料向模塊底部傳播并通過底板的有效散熱面積SEA[15]向散熱器散熱，如圖4（a）所示。

此時(shí)通過IGBT模塊底部的熱流密度q為

根據(jù)牛頓冷卻定理，模塊底部殼溫測(cè)量點(diǎn)的溫度TC到環(huán)境溫度TA的差值與流經(jīng)該點(diǎn)的熱流成正比，比例為散熱器的對(duì)流傳熱系數(shù)h，為

q = h （ TC - TA ）。（2）

結(jié)合式（1）和（2）可得底部測(cè)量點(diǎn)處殼溫的表達(dá)式為

由式（4）可知，測(cè)量點(diǎn)的殼溫變化除了受到功率的影響外還與有效散熱面積有關(guān)。

圖4（b）和（c）可知芯片焊層和基板焊層老化均會(huì)引起焊層面積減小導(dǎo)致模塊內(nèi)部的熱流向內(nèi)集中[16]，使得模塊底部傳熱的有效面積減小，單位面積上的熱流密度增大[15]。同時(shí)增大的結(jié)溫也會(huì)導(dǎo)致?lián)p耗上升，從而加劇了殼溫上升，為

MMC系統(tǒng)中多芯片模塊通常需要承受較大的電流和電壓應(yīng)力，為了降低芯片模組間熱耦合作用常采用獨(dú)立的結(jié)構(gòu)進(jìn)行封裝，各芯片模組支路封裝在獨(dú)立的DBC板上，再將所有DBC板焊接于同1個(gè)銅基板。文中所采用IGBT模塊FF1000R17IE4如圖5所示，該模塊共由12個(gè)IGBT芯片和12個(gè)二極管芯片Diodes組成，其中每2個(gè)IGBT和二極管芯片組成1個(gè)模組支路，每個(gè)芯片模組支路（如圖5中紅色框所示）對(duì)應(yīng)各自不同的有效散熱面積。

由于各芯片之間距離較大且分別封裝在獨(dú)立DBC上，使得該模塊中芯片之間的熱耦合較小[24]，因此IGBT芯片和二極管芯片底部的殼溫表達(dá)式可基于式（4）進(jìn)行構(gòu)建，分別如式（5）和（6）所示，其中TIGBT1…TIGBT12和TDIODE1…TDIODE12分別為12個(gè)IGBT芯片和二極管芯片所對(duì)應(yīng)的底部殼溫，h為散熱器的對(duì)流換熱系數(shù)，SI1…SI12和SD1…SD12為12個(gè)IGBT芯片和二極管芯片所對(duì)應(yīng)的底部有效散熱面積，PIGBT1…PIGBT12和PDIODE1…PDIODE12分別為12個(gè)IGBT芯片和二極管芯片所對(duì)應(yīng)的損耗，TA為散熱器傳熱的環(huán)境溫度。

根據(jù)式（5）和（6）可知，各芯片對(duì)應(yīng)的焊層老化會(huì)引起對(duì)應(yīng)的IGBT芯片和二極管芯片的損耗上升[24]，同時(shí)芯片焊層老化后也會(huì)引起有效散熱面積減小，二者共同作用加劇老化芯片底部的殼溫變化。當(dāng)芯片出現(xiàn)失效后，對(duì)應(yīng)失效芯片的損耗消失導(dǎo)致剩余芯片上的損耗增大，根據(jù)公式（5）和（6）可知，此時(shí)會(huì)導(dǎo)致對(duì)應(yīng)失效點(diǎn)的殼溫降低而其余殼溫點(diǎn)的溫度上升。

因此，文中采用IGBT模塊底部殼溫作為表征模塊內(nèi)部各芯片健康狀態(tài)的特征參數(shù)，以實(shí)現(xiàn)對(duì)IGBT模塊運(yùn)行狀態(tài)的評(píng)估。殼溫作為表征多芯片并聯(lián)IGBT模塊老化甄選的特征參量，既可準(zhǔn)確反映模塊的老化狀態(tài)，又具有良好的可觀測(cè)性，便于實(shí)時(shí)測(cè)量和跟蹤。使用殼溫作為監(jiān)測(cè)模塊運(yùn)行狀態(tài)參量的優(yōu)點(diǎn)在于不會(huì)破壞模塊固有的封裝結(jié)構(gòu)，且測(cè)量點(diǎn)位于散熱器上不會(huì)影響模塊的正常運(yùn)行，當(dāng)模塊更換后評(píng)估系統(tǒng)依然能正常工作，降低了運(yùn)維成本。

2 MMC系統(tǒng)中IGBT模塊狀態(tài)監(jiān)測(cè)方法

2.1 基于多參數(shù)輸入的IGBT模塊神經(jīng)網(wǎng)絡(luò)診斷模型

根據(jù)1.2節(jié)可知，模塊殼溫變化可以有效反映出對(duì)應(yīng)芯片的健康狀態(tài)，通過建立殼溫和有效散熱面積的映射關(guān)系可以獲取對(duì)應(yīng)的運(yùn)行狀態(tài)，實(shí)現(xiàn)對(duì)模塊健康狀態(tài)的監(jiān)測(cè)，如圖6所示。但是在實(shí)際運(yùn)行時(shí)難以直接提取各芯片模組損耗分布和有效散熱面積，無法直接建立基于殼溫和老化狀態(tài)映射關(guān)系的評(píng)估模型。因MMC系統(tǒng)通常運(yùn)行在不同的工作點(diǎn)，導(dǎo)致IGBT模塊的殼溫分布規(guī)律具有不同的特征，因此需要建立殼溫、運(yùn)行工況和模塊老化狀態(tài)的映射關(guān)系。同時(shí)，殼溫、運(yùn)行工況和模塊老化狀態(tài)的關(guān)系為復(fù)雜的電-熱耦合及異質(zhì)材料溫度多維空間熱傳導(dǎo)，難以用一個(gè)特定的數(shù)學(xué)表達(dá)式描述該關(guān)系。常用的查表法[25]（look up table， LUT）需要采集的數(shù)據(jù)量極大，并且無法完全覆蓋系統(tǒng)中IGBT模塊的所有老化狀態(tài)與運(yùn)行工況，并不能有效解決MMC系統(tǒng)多工況和多芯片復(fù)雜結(jié)構(gòu)的老化問題。

針對(duì)IGBT模塊進(jìn)行老化建模時(shí)，需要考慮運(yùn)行工況、老化狀態(tài)、失效模式等多因素對(duì)狀態(tài)評(píng)估的影響，使用智能算法對(duì)數(shù)據(jù)進(jìn)行挖掘，可以提取出監(jiān)測(cè)特征量和老化狀態(tài)的映射關(guān)系。神經(jīng)網(wǎng)絡(luò)構(gòu)建的等效模型可以通過對(duì)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)來構(gòu)建適用于不同工況下的狀態(tài)辨識(shí)模型，通過基于殼溫、運(yùn)行工況與老化狀態(tài)的對(duì)應(yīng)關(guān)系可以實(shí)現(xiàn)老化評(píng)估模型的構(gòu)建，從而實(shí)現(xiàn)對(duì)IGBT模塊的狀態(tài)評(píng)估。因此本節(jié)采用人工神經(jīng)網(wǎng)絡(luò)模型以構(gòu)建殼溫和老化狀態(tài)的映射關(guān)系實(shí)現(xiàn)對(duì)IGBT模塊的狀態(tài)監(jiān)測(cè)。為建立起IGBT模塊12個(gè)IGBT芯片和12個(gè)二極管芯片的殼溫變化與老化狀態(tài)的映射關(guān)系，設(shè)置MMC系統(tǒng)的橋臂運(yùn)行電流和電容電壓的交直流分量作為運(yùn)行工況的輸入量，將各芯片對(duì)應(yīng)的底部殼溫作為模塊狀態(tài)的輸入量。

MMC系統(tǒng)中橋臂電流主要由交流分量和直流偏置組成，以670 A工作電流下的波形為例，如圖7（a）所示。圖中藍(lán)色實(shí)線為電流波形，紅色實(shí)線為直流分量，紅色虛線為電流的包絡(luò)線。圖中電流波形包絡(luò)線上的最大值為IH為670 A，最小值IL為-249 A，根據(jù)式（7）分離出直流分量IDC為210.5 A，根據(jù)式（8）求取出交流分量IAC為459.5 A。

IDC = （ IH + IL ） /2，（7）

IAC = IH - IDC。（8）

子模塊容電壓的波形如圖7（b）所示，其中藍(lán)色實(shí)線為電壓波形，紅色實(shí)線為直流分量，紅色虛線為電壓的包絡(luò)線。其中電壓的峰值VH為722 V，谷值VL為620 V，通過式（9）和（10）計(jì)算出電容電壓的直流分量VDC為671 V，紋波電壓VRIP幅值為51 V。

VDC = （VH + VL ） /2，（9）

VRIP = VH - VDC。（10）

實(shí)驗(yàn)中模擬IGBT模塊老化過程中的狀態(tài)變化，設(shè)置了健康、良好、一般和危險(xiǎn)4類模塊運(yùn)行狀態(tài)作為神經(jīng)網(wǎng)絡(luò)的輸出。將神經(jīng)網(wǎng)絡(luò)輸出層最大值對(duì)應(yīng)的狀態(tài)作為最終輸出結(jié)果。神經(jīng)網(wǎng)絡(luò)的隱藏層神經(jīng)元節(jié)點(diǎn)數(shù)通常大于輸入節(jié)點(diǎn)數(shù)和輸出節(jié)點(diǎn)數(shù)乘積的平方根值[26]，在文中輸入層數(shù)為28，輸出層數(shù)為4，隱藏層設(shè)置為11個(gè)神經(jīng)元節(jié)點(diǎn)，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖8所示。對(duì)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集進(jìn)行標(biāo)定時(shí)，標(biāo)定的規(guī)則是數(shù)據(jù)對(duì)應(yīng)的狀態(tài)標(biāo)記為1，其余狀態(tài)結(jié)果標(biāo)記為0。各狀態(tài)對(duì)應(yīng)的輸出結(jié)果健康NW、良好NH、一般NN和危險(xiǎn)ND進(jìn)行如下標(biāo)定：健康（1，0，0，0）、良好（0，1，0，0）、一般（0，0，1，0）和危險(xiǎn)（0，0，0，1）。將標(biāo)定后的數(shù)據(jù)集分為訓(xùn)練集和校驗(yàn)集，使用訓(xùn)練集的數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行計(jì)算，并將校驗(yàn)集的數(shù)據(jù)帶入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型以驗(yàn)證模型的準(zhǔn)確性。

2.2 MMC系統(tǒng)測(cè)試平臺(tái)搭建和實(shí)驗(yàn)結(jié)果分析

完整的MMC系統(tǒng)在導(dǎo)通大電流時(shí)需要較高的直流母線電壓和較多的子模塊，因容量、成本等因素在實(shí)驗(yàn)室中無法直接復(fù)現(xiàn)。為了降低電路的復(fù)雜性，本章節(jié)采用含有輔助子模塊的半橋子模塊測(cè)試電路拓?fù)鋪砟M單相MMC子模塊的工況[27]，如圖9（a）所示。MMC工況模擬平臺(tái)主要由主電源、全橋控制模塊、被測(cè)子模塊和輔助子模塊構(gòu)成。其中供電模塊由全橋電路組成，全橋電路通過逆變直流電源向電路中提供橋臂電流以模擬橋臂上MMC子模塊的工作電流，輔助子模塊補(bǔ)償被測(cè)子模塊的電壓直流分量從而降低對(duì)直流母線電壓的需求，被測(cè)子模塊和輔助子模塊進(jìn)行能量交換來補(bǔ)償直流母線電流分量。該拓?fù)湓诮档土酥绷髂妇€電壓和電感的需求的條件下，極大地提升了子模塊上的輸出電壓，實(shí)現(xiàn)了在相同直流母線電壓條件下電壓測(cè)試能力的提升。該MMC系統(tǒng)測(cè)試平臺(tái)結(jié)構(gòu)如圖9（b）所示，電源柜為3臺(tái)SP600VDC4000W可編程電源作為直流母線供電；模塊柜中分別存放輔助子模塊、被測(cè)子模塊和電感，如圖9（c）所示，輔助子模塊使用2塊IGBT模塊FF1000R17IE4并聯(lián)以提升輔助子模塊的運(yùn)行裕度，電容電壓和運(yùn)行電流分別通過差分探頭和電流鉗進(jìn)行采集；控制柜主要控制模塊柜中的循環(huán)水溫度和系統(tǒng)電源的開關(guān)；水冷箱對(duì)模塊柜中的模塊進(jìn)行散熱；實(shí)驗(yàn)平臺(tái)通過上位機(jī)的Plecs軟件控制DSP開發(fā)板DSP28377S實(shí)現(xiàn)對(duì)平臺(tái)中IGBT的調(diào)制，測(cè)量到的橋臂電流和電容電壓通過采集卡NI-6225采集后上傳至上位機(jī)中的Labview和Plecs軟件中進(jìn)行處理。為保證平臺(tái)的安全可靠運(yùn)行，設(shè)置系統(tǒng)的最大工作電流和子模塊電容電壓為最大工況額定值的70%，即800 V/700 A。

為模擬MMC系統(tǒng)的不同運(yùn)行工況，分別設(shè)置平臺(tái)運(yùn)行在7種不同電流和電壓等級(jí)的運(yùn)行模式下，不同模擬老化實(shí)驗(yàn)的運(yùn)行工況見表1所示。

由于在實(shí)際實(shí)驗(yàn)中難以通過改變焊層面積來模擬多芯片模塊中焊層老化的情況，采用改變冷卻水溫的方式來模擬焊層老化。

水冷散熱器殼溫測(cè)量點(diǎn)的表達(dá)式[28]為

q = C ?M ?（TC - TA ），（11）

式中：q為流過測(cè)量點(diǎn)的熱流密度；C為散熱水的熱容；M為散熱水的質(zhì)量；TC和TA分別為殼溫點(diǎn)溫度和冷卻水溫。

散熱水質(zhì)量可以通過冷卻液的密度ρ和單位流量V計(jì)算，為

M = ρ ?V。（12）

將式（12）和（1）帶入式（11），得到了殼溫點(diǎn)的表達(dá)式為

在實(shí)驗(yàn)中由于條件所限，無法模擬模塊老化后有效散熱面積SEA和功率P的變化，但是根據(jù)式（12）可知在保持散熱工況時(shí)，改變冷卻液溫度即可實(shí)現(xiàn)模擬焊層老化引起的殼溫上升。因此在文中通過改變循環(huán)液體溫度來模擬多芯片IGBT模塊的老化狀態(tài)。分別設(shè)置10、15、20、25 ?C四種不同循環(huán)液溫度來模擬IGBT模塊處于健康、良好、一般和危險(xiǎn)的不同狀態(tài)。測(cè)試數(shù)據(jù)以秒為單位記錄模塊在不同運(yùn)行模式下到達(dá)熱穩(wěn)定后的采集數(shù)據(jù)，為保證訓(xùn)練的網(wǎng)絡(luò)準(zhǔn)確而不具有傾向性[29]，在各種工況下分別采集500組數(shù)據(jù)作為數(shù)據(jù)總集。將采集到數(shù)據(jù)中的70%作為訓(xùn)練集，15%作為校驗(yàn)集，15%作為測(cè)試集。

神經(jīng)網(wǎng)絡(luò)訓(xùn)練迭代過程如圖10（a）所示，其中藍(lán)色實(shí)線為訓(xùn)練集均方誤差MSE曲線，紅色虛線為校驗(yàn)集均方誤差MSE曲線，在迭代174次后神經(jīng)網(wǎng)絡(luò)模型達(dá)到穩(wěn)定。使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對(duì)測(cè)試集數(shù)據(jù)進(jìn)行分類，所對(duì)應(yīng)的混淆矩陣如圖10（b）所示，此時(shí)神經(jīng)網(wǎng)絡(luò)輸出的分類值與輸入的目標(biāo)分類值一致，所有數(shù)據(jù)均可以正常分類到對(duì)應(yīng)的標(biāo)簽下，該神經(jīng)網(wǎng)絡(luò)模型對(duì)訓(xùn)練數(shù)據(jù)集中的測(cè)試數(shù)據(jù)實(shí)現(xiàn)了較好的分類。

2.3 基于需求偏好的狀態(tài)監(jiān)測(cè)結(jié)果處理

在MMC系統(tǒng)運(yùn)行過程中，功率模塊的老化過程是連續(xù)的，使得實(shí)際監(jiān)測(cè)到數(shù)據(jù)對(duì)應(yīng)的狀態(tài)量也是連續(xù)變化的。對(duì)于變化過程中的狀態(tài)，傳統(tǒng)的識(shí)別方法是基于中值或者最大值進(jìn)行狀態(tài)分類[30]，雖然從數(shù)學(xué)角度上進(jìn)行了分類，但是當(dāng)分類數(shù)值接近后，僅選擇更大的結(jié)果作為輸出容易忽視模塊處于其他狀態(tài)的可能性。

在實(shí)際應(yīng)用中，不同需求偏好的應(yīng)用場(chǎng)合對(duì)于模塊的可靠性和經(jīng)濟(jì)性有著不同的需求，如圖11所示。

對(duì)于高可靠性要求的應(yīng)用場(chǎng)景監(jiān)測(cè)傾向較為保守，其對(duì)可靠性的要求高于經(jīng)濟(jì)性；對(duì)于高經(jīng)濟(jì)性要求的應(yīng)用場(chǎng)景，經(jīng)濟(jì)性的影響要大于可靠性的需求。針對(duì)不同應(yīng)用場(chǎng)合，筆者提出一種考慮需求偏好的運(yùn)行狀態(tài)評(píng)估方法，根據(jù)不同的需求偏好在可靠性與經(jīng)濟(jì)性之間尋求平衡點(diǎn)，對(duì)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果進(jìn)行評(píng)估。以健康狀態(tài)向良好狀態(tài)的變化過程為例：對(duì)于高可靠性偏好的應(yīng)用場(chǎng)合，一旦良好狀態(tài)對(duì)應(yīng)的輸出值NW高于保守傾向設(shè)定的狀態(tài)閾值NC，即判定模塊的狀態(tài)由健康下降至良好，為

對(duì)于平衡型的應(yīng)用場(chǎng)景，依然以NH和NW中的最大值作為判定結(jié)果，為

對(duì)于偏向于經(jīng)濟(jì)性的應(yīng)用場(chǎng)景，只有當(dāng)NH低于激進(jìn)監(jiān)測(cè)傾向設(shè)定的狀態(tài)閾值NA時(shí)才判定模塊狀態(tài)下降至良好，為

以文中系統(tǒng)為例，將MMC系統(tǒng)測(cè)試平臺(tái)分別運(yùn)行在模式2、4、7三種運(yùn)行模式下，在原有的每2組標(biāo)簽的分類中點(diǎn)分別設(shè)置不同水溫對(duì)應(yīng)的6種運(yùn)行工況，在每種運(yùn)行工況下分別采集約90組數(shù)據(jù)。按照傳統(tǒng)分類法，循環(huán)水溫為12 ?C為健康狀態(tài)，13～17 ?C為良好狀態(tài)，18～22 ?C為一般狀態(tài)，超過23 ?C為危險(xiǎn)狀態(tài)，在4個(gè)狀態(tài)下采集到的數(shù)據(jù)總數(shù)如表2所示。

此時(shí)按照傳統(tǒng)的分類方法，將采集結(jié)果帶入2.2節(jié)中訓(xùn)練的神經(jīng)網(wǎng)絡(luò)中，輸出結(jié)果如圖12（a）所示。此時(shí)的輸出結(jié)果中雖然有86.3%的數(shù)據(jù)分類與初始標(biāo)簽一致，但是仍有13.7%的數(shù)據(jù)與所屬標(biāo)簽不同。對(duì)輸出結(jié)果的分布進(jìn)行統(tǒng)計(jì)（去除為0的部分），如圖12（b）所示。由圖可知，當(dāng)功率模塊處于模擬老化中間狀態(tài)時(shí)，由于水溫波動(dòng)、傳感器誤差、模塊結(jié)構(gòu)等因素的影響，輸出結(jié)果對(duì)各標(biāo)簽的匹配度逐漸降低，使得大量的輸出結(jié)果處于0.5附近，易造成誤分類并影響模塊狀態(tài)的判斷。

根據(jù)文中所提方法，重新對(duì)表2中采集的數(shù)據(jù)進(jìn)行評(píng)估，將保守和激進(jìn)的監(jiān)測(cè)傾向均設(shè)置為0.25，此時(shí)的輸出結(jié)果與平衡型的對(duì)比如圖13（a）和圖13（b）所示。由圖13（a）可知，在使用保守型傾向的監(jiān)測(cè)模式下模塊處于健康狀態(tài)的數(shù)據(jù)從266下降到126，處于危險(xiǎn)狀態(tài)的數(shù)據(jù)則從283上升到481。此時(shí)的監(jiān)測(cè)系統(tǒng)將原來模糊的狀態(tài)更多地定位于下一級(jí)老化運(yùn)行狀態(tài)，對(duì)于模塊健康狀態(tài)的評(píng)估更加嚴(yán)格，該監(jiān)測(cè)傾向適用于對(duì)模塊運(yùn)行可靠性要求較高的系統(tǒng)。由圖13（b）可知，使用激進(jìn)型監(jiān)測(cè)傾向時(shí)模塊處于健康狀態(tài)的數(shù)據(jù)由266上升至411，處于危險(xiǎn)狀態(tài)的數(shù)據(jù)由283降低至51。監(jiān)測(cè)系統(tǒng)將原來模糊的狀態(tài)更多地定位于上一級(jí)健康運(yùn)行狀態(tài)，該類監(jiān)測(cè)傾向適用于對(duì)經(jīng)濟(jì)性要求較高的應(yīng)用場(chǎng)景。

結(jié)合本章所提的監(jiān)測(cè)結(jié)果處理方法，可以構(gòu)建出針對(duì)大功率工況下IGBT模塊狀態(tài)監(jiān)測(cè)方法的流程圖，如圖14所示。首先，采集系統(tǒng)運(yùn)行的電壓、電流參量并對(duì)其進(jìn)行交直流分解后獲取IGBT模塊運(yùn)行的電氣工況，采集IGBT模塊的殼溫獲取其運(yùn)行狀態(tài)，將采集到的數(shù)據(jù)輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中后可以獲取到對(duì)應(yīng)

工況下的運(yùn)行狀態(tài)輸出值。根據(jù)對(duì)應(yīng)的需求偏好選擇對(duì)應(yīng)的監(jiān)測(cè)傾向，當(dāng)監(jiān)測(cè)傾向?yàn)槠胶鈺r(shí)，則以各狀態(tài)中最大輸出值作為模塊當(dāng)前的對(duì)應(yīng)狀態(tài)；當(dāng)監(jiān)測(cè)傾向?yàn)楸Ｊ貢r(shí)則表明用戶對(duì)應(yīng)可靠性有較高的可靠性需求，此時(shí)將初始狀態(tài)重置為危險(xiǎn)，若危險(xiǎn)狀態(tài)對(duì)應(yīng)的輸出值大于保守型設(shè)置的閾值時(shí)則輸出狀態(tài)為危險(xiǎn)，否則將對(duì)應(yīng)的狀態(tài)前移一位后繼續(xù)重復(fù)判斷步驟直至輸出監(jiān)測(cè)狀態(tài)；當(dāng)監(jiān)測(cè)傾向?yàn)榧みM(jìn)時(shí)表明用戶對(duì)經(jīng)濟(jì)性有更高的需求，此時(shí)將初始狀態(tài)重置為健康，若健康狀態(tài)對(duì)應(yīng)的輸出值大于激進(jìn)型設(shè)置的閾值時(shí)則輸出狀態(tài)為健康，否則將對(duì)應(yīng)的狀態(tài)后移一位后繼續(xù)重復(fù)判斷步驟直至輸出監(jiān)測(cè)狀態(tài)。通過該方法可以實(shí)現(xiàn)了基于需求偏好對(duì)連續(xù)變化狀態(tài)量的進(jìn)一步處理，提升了對(duì)模塊運(yùn)行狀態(tài)監(jiān)測(cè)的識(shí)別準(zhǔn)確性。

3 MMC系統(tǒng)中子模塊狀態(tài)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)方法

3.1 狀態(tài)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

對(duì)功率變換器進(jìn)行狀態(tài)監(jiān)測(cè)可以及時(shí)獲取關(guān)鍵部件的健康狀態(tài)，針對(duì)失效的器件及時(shí)維護(hù)可以有效地減少變換器故障。IGBT的狀態(tài)監(jiān)測(cè)系統(tǒng)根據(jù)其老化狀態(tài)與對(duì)應(yīng)特征參量的映射關(guān)系，建立起相應(yīng)的老化監(jiān)測(cè)模型，從而根據(jù)采集到的特征參量變化信息實(shí)現(xiàn)對(duì)關(guān)鍵部件的狀態(tài)監(jiān)測(cè)。構(gòu)建MMC系統(tǒng)中的IGBT狀態(tài)監(jiān)測(cè)系統(tǒng)有助于提升系統(tǒng)的運(yùn)行可靠性，進(jìn)一步挖掘功率變換器的應(yīng)用潛力。根據(jù)文中所提監(jiān)測(cè)方法的特點(diǎn)，將狀態(tài)監(jiān)測(cè)系統(tǒng)的結(jié)構(gòu)總結(jié)為5個(gè)功能模塊構(gòu)成，為圖15所示。

1）狀態(tài)感知模塊。狀態(tài)感知模塊主要實(shí)現(xiàn)對(duì)關(guān)鍵部件特征量的采集，通過設(shè)置溫度傳感器、電壓傳感器、電流傳感器等對(duì)應(yīng)的測(cè)量設(shè)備實(shí)現(xiàn)對(duì)應(yīng)特征量的測(cè)量，實(shí)現(xiàn)對(duì)模塊當(dāng)前運(yùn)行狀態(tài)的感知。該系統(tǒng)需要監(jiān)測(cè)的待測(cè)量主要為工況和殼溫，針對(duì)電壓、電流和溫度進(jìn)行采集。IGBT的殼溫通過散熱器上的輔助板布置在芯片正下方熱電偶進(jìn)行采集，如圖16（a）所示；子模塊的電容電壓通過差分探頭經(jīng)由電容母排輸出口進(jìn)行采集，如圖16（b）所示；橋臂電流使用電流鉗采集電感電流，如圖16（c）所示。

2）通信模塊。通信模塊將狀態(tài)感知模塊中采集到的數(shù)據(jù)傳輸至特征識(shí)別模塊中進(jìn)行處理，在數(shù)據(jù)傳輸時(shí)需要保障實(shí)時(shí)性和有效性以確保監(jiān)測(cè)結(jié)果的準(zhǔn)確性。該MMC系統(tǒng)模擬大功率運(yùn)行工況時(shí)，高電壓、大電流的運(yùn)行環(huán)境會(huì)產(chǎn)生極大的電磁干擾，并最終影響信號(hào)的通信與傳輸。為了減少電磁干擾的影響，針對(duì)信號(hào)的采集做了電磁屏蔽處理，如圖17（a）和（b）所示，通過設(shè)置金屬屏蔽箱并將其接地可以有效地降低磁場(chǎng)對(duì)內(nèi)部信號(hào)采集設(shè)備的干擾。在該工況下使用通訊線進(jìn)行傳輸會(huì)受到電磁干擾影響，因此選擇使用光纖進(jìn)行通信。光信號(hào)不受電磁場(chǎng)干擾的影響，可以有效地避免大功率運(yùn)行工況對(duì)數(shù)據(jù)傳輸和采集造成的影響。在屏蔽箱中將采集到的數(shù)據(jù)通過光纖轉(zhuǎn)換器轉(zhuǎn)換為光信號(hào)，通過光纖傳送至接收端后，在接收端處通過光纖轉(zhuǎn)換器重新還原為電信號(hào)，并輸送至上位機(jī)進(jìn)行處理，如圖17（c）和（d）所示。

狀態(tài)感知模塊對(duì)采集到的參數(shù)進(jìn)行狀態(tài)感知，分別檢測(cè)每個(gè)采樣周期內(nèi)的電容電壓、橋臂電流數(shù)據(jù)并提取對(duì)應(yīng)的交直流分量作為運(yùn)行工況的特征，并將最大運(yùn)行電流輸出到輸出顯示系統(tǒng)中作為報(bào)警提示，避免系統(tǒng)超限運(yùn)行；通過溫度傳感器采集IGBT模塊的殼溫?cái)?shù)據(jù)作為模塊狀態(tài)的特征以進(jìn)行模塊老化狀態(tài)的識(shí)別。采集到的數(shù)據(jù)信號(hào)通過光纖轉(zhuǎn)換器將光信號(hào)重新轉(zhuǎn)換為電信號(hào)輸入到上位機(jī)中，并在上位機(jī)軟件中進(jìn)行數(shù)據(jù)處理實(shí)現(xiàn)對(duì)IGBT和電容器的狀態(tài)監(jiān)測(cè)，如圖18所示。

3）特征識(shí)別模塊。通信模塊傳輸回的采集數(shù)據(jù)中，因?yàn)椴蓸釉肼暋⒐r變化、運(yùn)行波動(dòng)等造成信號(hào)中可能存在較多的無用、異常或缺失的信號(hào)，以及與對(duì)應(yīng)的特征狀態(tài)無關(guān)的信號(hào)，通過特征識(shí)別模塊提取出評(píng)估模型所需的特征信號(hào)以濾除無關(guān)信號(hào)對(duì)監(jiān)測(cè)的干擾。傳輸后的數(shù)據(jù)輸入到上位機(jī)中，由于在電壓和電流的采樣中存在較多的諧波、雜波、噪聲的干擾，如圖19（a）和（c）所示，需要對(duì)其進(jìn)行濾波處理后以降低噪聲、采樣波動(dòng)等對(duì)原信號(hào)的影響，提升采集到的信號(hào)質(zhì)量。濾波后的波形如圖19（b）和（d）所示。

4）狀態(tài)評(píng)估模塊。狀態(tài)評(píng)估模塊將采集并識(shí)別到的特征量輸入到對(duì)應(yīng)的評(píng)估模型中，實(shí)現(xiàn)對(duì)IGBT和電容器的狀態(tài)評(píng)估。在LabVIEW中將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型導(dǎo)入到上位機(jī)中建立針對(duì)IGBT模塊老化狀態(tài)的監(jiān)測(cè)模型，根據(jù)殼溫的變化監(jiān)測(cè)對(duì)應(yīng)的老化狀態(tài)實(shí)現(xiàn)對(duì)IGBT模塊的狀態(tài)評(píng)估。上位機(jī)中程序框圖如圖20所示。

5）控制中心。狀態(tài)評(píng)估模塊對(duì)變換器關(guān)鍵部件當(dāng)前狀態(tài)進(jìn)行評(píng)估后將結(jié)果輸入到控制中心并通過人機(jī)交互界面向用戶展示，同時(shí)儲(chǔ)存并記錄監(jiān)測(cè)結(jié)果。在線監(jiān)測(cè)系統(tǒng)的輸出顯示模塊如圖21所示，最大工作電流作為報(bào)警提示，避免系統(tǒng)超限運(yùn)行；輸出結(jié)果顯示神經(jīng)網(wǎng)絡(luò)對(duì)不同狀態(tài)對(duì)應(yīng)的輸出結(jié)果；根據(jù)用戶的需求偏好選擇監(jiān)測(cè)方案控制狀態(tài)以評(píng)估模塊的處理方案，其對(duì)應(yīng)的輸出狀態(tài)顯示在健康、良好、一般和危險(xiǎn)4個(gè)輸出顯示燈上；狀態(tài)監(jiān)測(cè)的結(jié)果可以通過保存按鈕進(jìn)行保存。

3.2 實(shí)驗(yàn)結(jié)果展示

以最大工作電流為670 A的模式7工況為例，將循環(huán)水水溫從15 °C上升至20 °C，模擬模塊運(yùn)行狀態(tài)由良好降低到一般的過程。在變化初期處于良好結(jié)果為0.75，處于一般狀態(tài)的結(jié)果為0.25。此時(shí)所有的監(jiān)測(cè)傾向下都會(huì)輸出良好，如圖22（a）所示。水溫繼續(xù)上升后良好的輸出下降至0.64而一般的輸出上升到0.36，雖然平衡型和激進(jìn)型的監(jiān)測(cè)傾向均認(rèn)為模塊處于良好狀態(tài)，但此時(shí)處于一般狀態(tài)結(jié)果已經(jīng)超過保守型監(jiān)測(cè)傾向的觸發(fā)動(dòng)作臨界點(diǎn)0.25，即判斷模塊的運(yùn)行狀態(tài)已經(jīng)發(fā)生變化，如圖22（b）所示。因此使用保守型的監(jiān)測(cè)傾向會(huì)在模塊老化初期就進(jìn)行評(píng)估以保證運(yùn)行系統(tǒng)具備極高的可靠性。當(dāng)循環(huán)水溫繼續(xù)上升后，模塊處于良好的輸出結(jié)果已經(jīng)下降到0.27，而處于一般狀態(tài)的輸出結(jié)果已經(jīng)上升到0.73。此時(shí)的平衡型和保守型均會(huì)將模塊的運(yùn)行狀態(tài)調(diào)整至一般。但是此時(shí)模塊處于健康狀態(tài)的輸出結(jié)果仍然高于激進(jìn)型策略的基準(zhǔn)值，因此激進(jìn)型的保守策略仍然認(rèn)為模塊可以處于良好狀態(tài)下，如圖22（c）。激進(jìn)型的監(jiān)測(cè)傾向在保證模塊正常運(yùn)行的前提下降低了監(jiān)測(cè)評(píng)估的指標(biāo)，雖然可靠性有所降低，但是延長的工作時(shí)間以保證其經(jīng)濟(jì)性。

4 結(jié) 論

針對(duì)模塊化多電平換流閥中多芯片并聯(lián)IGBT模塊運(yùn)行狀態(tài)提出了一種監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)方法，得出了以下結(jié)論：

1）MMC系統(tǒng)中IGBT模塊老化與殼溫上升存在著映射關(guān)系，通過建立對(duì)應(yīng)的映射模型可以根據(jù)殼溫的測(cè)量反應(yīng)模塊的老化。但由于MMC系統(tǒng)工況的復(fù)雜性，該映射關(guān)系無法簡(jiǎn)單地通過計(jì)算求取對(duì)應(yīng)的數(shù)學(xué)關(guān)系。因此，文中基于測(cè)量數(shù)據(jù)集通過神經(jīng)網(wǎng)絡(luò)建立了模塊老化與殼溫的映射模型，實(shí)現(xiàn)MMC子模塊中IGBT模塊狀態(tài)的測(cè)量。

2）文中基于應(yīng)用場(chǎng)景對(duì)經(jīng)濟(jì)性和可靠性的需求提出了一種基于監(jiān)測(cè)傾向的評(píng)估方法，可以根據(jù)不同的應(yīng)用需求做出更加符合實(shí)際情況的評(píng)估，以解決老化過程中狀態(tài)量連續(xù)變化難以識(shí)別的問題。

3）文中提出了一種在線監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)方法，并采用MMC工況應(yīng)力模擬平臺(tái)驗(yàn)證了方法的可行性和有效性，對(duì)于大功率工況下IGBT模塊的狀態(tài)監(jiān)測(cè)問題可以提供有效的理論參考和設(shè)計(jì)依據(jù)。

文中在構(gòu)建針對(duì)大功率MMC系統(tǒng)中功率模塊狀態(tài)的在線監(jiān)測(cè)系統(tǒng)時(shí)由于條件所限，僅通過改變水溫來模擬不同運(yùn)行狀態(tài)下的功率模塊，并未融入全服役運(yùn)行周期不同運(yùn)行狀態(tài)的特征數(shù)據(jù)進(jìn)行建模。在實(shí)際應(yīng)用時(shí)，可將廠商歷史運(yùn)維數(shù)據(jù)及運(yùn)行實(shí)測(cè)數(shù)據(jù)進(jìn)行建模訓(xùn)練，以便完善模型，提升IGBT狀態(tài)監(jiān)測(cè)系統(tǒng)識(shí)別的準(zhǔn)確性和實(shí)用性。

參考文獻(xiàn)

［1］? Li B， Ma Z M， Hidalgo-Gonzalez P， et al. Modeling the impact of EVs in the Chinese power system： pathways for implementing emissions reduction commitments in the power and transportation sectors[J]. Energy Policy， 2021， 149： 111962.

［2］? 袁志昌， 郭佩乾， 劉國偉， 等. 新能源經(jīng)柔性直流接入電網(wǎng)的控制與保護(hù)綜述[J]. 高電壓技術(shù)， 2020， 46（5）： 1460-1475.

Yuan Z C， Guo P Q， Liu G W， et al. Review on control and protection for renewable energy integration through VSC-HVDC[J]. High Voltage Engineering， 2020， 46（5）： 1460-1475.（in Chinese）

［3］? 葉杰， 湯廣福， 趙成勇. 多電壓等級(jí)柔性直流電網(wǎng)建模與穩(wěn)定性分析[J]. 高電壓技術(shù)， 2022， 48（4）： 1433-1441.

Ye J， Tang G F， Zhao C Y. Modeling and stability analysis for flexible DC power grid with multi-voltage levels[J]. High Voltage Engineering， 2022， 48（4）： 1433-1441.（in Chinese）

［4］? 苑賓， 梅念， 陳東， 等. 三次諧波注入對(duì)MMC運(yùn)行特性的影響[J]. 高電壓技術(shù)， 2020， 46（3）： 1060-1068.

Yuan B， Mei N， Chen D， et al. Influences of third harmonic injection on the operation characteristics of MMC system[J]. High Voltage Engineering， 2020， 46（3）： 1060-1068.（in Chinese）

［5］? 鄧吉利. 柔性直流換流閥壓接式IGBT器件可靠性建模與評(píng)估[D]. 重慶： 重慶大學(xué)， 2018.

Deng J L. Reliability modeling and assessment of press-pack igbt devices for the flexible DC converter valve[D]. Chongqing： Chongqing University， 2018.

［6］? Yang S ， Bryant A， Mawby P， et al. An industry-based survey of reliability in power electronic converters[C]// 2009 IEEE Energy Conversion Congress and Exposition. IEEE， 2009.

［7］? 呂高泰， 雷萬鈞， 趙佳琪， 等. MMC子模塊關(guān)鍵器件長時(shí)間尺度運(yùn)行工況老化分析與可靠性評(píng)估[J]. 高電壓技術(shù)， 2020， 46（10）： 3469-3476.

Lü G T， Lei W J， Zhao J Q， et al. Long-time scale working condition based aging analysis and reliability evaluation of key devices in MMC submodule[J]. High Voltage Engineering， 2020， 46（10）： 3469-3476.（in Chinese）

［8］? Mandeya R， Chen C L， Pickert V， et al. Gate–emitter pre-threshold voltage as a health-sensitive parameter for IGBT chip failure monitoring in high-voltage multichip IGBT power modules[J]. IEEE Transactions on Power Electronics， 2019， 34（9）： 9158-9169.

［9］? Wang K H， Zhou L W， Sun P J， et al. Monitoring bond wires fatigue of multichip IGBT module using time duration of the gate charge[J]. IEEE Transactions on Power Electronics， 2021， 36（1）： 888-897.

［10］? Wang K H， Zhou L W， Sun P J， et al. Monitoring bond wire defects of IGBT module using module transconductance[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics， 2021， 9（2）： 2201-2211.

［11］? Yuan W B， He Y G， Li Z G， et al. A real-time aging monitoring method of parallel-connected IGBT modules[J]. Materials Science in Semiconductor Processing， 2021， 124： 105555.

［12］? Dalessandro L， Karrer N， Ciappa M， et al. Online and offline isolated current monitoring of parallel switched high-voltage multi-chip IGBT modules[C]//2008 IEEE Power Electronics Specialists Conference. IEEE， 2008： 2600-2606.

［13］? Chen C L， Pickert V， Al-Greer M， et al. Localization and detection of bond wire faults in multichip IGBT power modules[J]. IEEE Transactions on Power Electronics， 2020， 35（8）： 7804-7815.

［14］? Tomonaga H， Tsukuda M， Okoda S， et al. 16-Channel micro magnetic flux sensor array for IGBT current distribution measurement[J]. Microelectronics Reliability， 2015， 55（9/10）： 1357-1362.

［15］? Wang Z， Qiao W， Qu L Y. A real-time adaptive IGBT thermal model based on an effective heat propagation path concept[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics， 2021， 9（4）： 3936-3946.

［16］? Hu Z， Du M X， Wei K X， et al. An adaptive thermal equivalent circuit model for estimating the junction temperature of IGBTs[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics， 2019， 7（1）： 392-403.

［17］? 胡姚剛， 李輝， 白鵬飛， 等. 基于殼溫差的風(fēng)電變流器IGBT模塊基板焊層健康狀態(tài)評(píng)估[J]. 太陽能學(xué)報(bào)， 2020， 41（4）： 194-204.

Hu Y G， Li H， Bai P F， et al. Health assessment of base plate solder of igbt module in wind power converter based on shell temperature difference[J]. Acta Energiae Solaris Sinica， 2020， 41（4）： 194-204.（in Chinese）

［18］? 張宇嬌， 范虹興， 張炫焜， 等. 柔性直流輸電換流閥用IGBT模塊焊料層疲勞壽命研究[J]. 高電壓技術(shù)， 2020， 46（10）： 3381-3389.

Zhang Y J， Fan H X， Zhang X K， et al. Fatigue life analysis of IGBT module solder layer for VSC-HVDC valve[J]. High Voltage Engineering， 2020， 46（10）： 3381-3389.（in Chinese）

［19］? 夏宏鑒， 陳民鈾， 賴偉， 等. 基于頻帶能量的模塊化多電平換流閥中金屬化薄膜電容器失效檢測(cè)方法[J]. 中國電機(jī)工程學(xué)報(bào)， 2021， 41（22）： 7782-7793.

Xia H J， Chen M Y， Lai W， et al. Failure detection method for metalized polypropylene film capacitor in modular multilevel converter based on band energy[J]. Proceedings of the CSEE， 2021， 41（22）： 7782-7793.（in Chinese）

［20］? 肖飛， 劉賓禮， 羅毅飛. IGBT疲勞失效機(jī)理及其健康狀態(tài)監(jiān)測(cè)[M]. 北京： 機(jī)械工業(yè)出版社， 2019.

Xiao F， Liu B L， Luo Y F. Fatigue failure mechanism of IGBT and its health monitoring[M]. Beijing： China Machine Press， 2019.（in Chinese）

［23］? 韓曉云， 郝全睿， 許烽， 等. 模塊化多電平換流器的可靠性維修周期優(yōu)化[J]. 高電壓技術(shù)， 2020， 46（10）： 3429-3439.

Han X Y， Hao Q R， Xu F， et al. Optimization of reliability maintenance cycle of modular multilevel converter[J]. High Voltage Engineering， 2020， 46（10）： 3429-3439.（in Chinese）

［21］? B?czkowski S， Ghimre P， de Vega A R， et al. Online Vce measurement method for wear-out monitoring of high power IGBT modules[C]//2013 15th European Conference on Power Electronics and Applications （EPE）. Lille， France： IEEE， 2013： 1-7.

［22］? Gelagaev R， Jacqmaer P， Driesen J. A fast voltage clamp circuit for the accurate measurement of the dynamic ON-resistance of power transistors[J]. IEEE Transactions on Industrial Electronics， 2015， 62（2）： 1241-1250.

［24］? Hu B R， Hu Z D， Ran L， et al. Heat-flux-based condition monitoring of multichip power modules using a two-stage neural network[J]. IEEE Transactions on Power Electronics， 2021， 36（7）： 7489-7500.

［25］? 楊立敏， 王暉， 韓志勇， 等. 全橋型模塊化多電平換流器損耗簡(jiǎn)化計(jì)算模型研究[J]. 電工電能新技術(shù)， 2019， 38（8）： 53-62.

Yang L M， Wang H， Han Z Y， et al. Research on simplified loss model of full-bridge modular multilevel converters[J]. Advanced Technology of Electrical Engineering and Energy， 2019， 38（8）： 53-62.（in Chinese）

［26］? Khomfoi S， Tolbert L M. Fault diagnosis and reconfiguration for multilevel inverter drive using AI-based techniques[J]. IEEE Transactions on Industrial Electronics， 2007， 54（6）： 2954-2968.

［27］? Tang Y， Ran L， Alatise O， et al. Improved testing capability of the model-assisted testing scheme for a modular multilevel converter[J]. IEEE Transactions on Power Electronics， 2016， 31（11）： 7823-7836.

［28］? Holman J P. Heat transfer[M]. New York： McGraw-Hill， 2009.

［29］? 周志華. 機(jī)器學(xué)習(xí)[M]. 北京： 清華大學(xué)出版社， 2016.

Zhou Z H. Machine learning[M]. Beijing： Tsinghua University Press， 2016.（in Chinese）

［30］? 王月月， 陳民鈾， 賴偉， 等. 基于MOSFET外特性參量的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)狀態(tài)評(píng)估模型[J]. 電工技術(shù)學(xué)報(bào)， 2018， 33（18）： 4286-4294.

Wang Y Y， Chen M Y， Lai W， et al. Healthy condition assessment on MOSFETs based on external characteristic parameters and adaptive neuro-fuzzy inference system[J]. Transactions of China Electrotechnical Society， 2018， 33（18）： 4286-4294.（in Chinese）