多電平逆變器開(kāi)關(guān)管故障診斷方法綜述

宋 威，施偉鋒，卓金寶，謝嘉令

(上海海事大學(xué) 電氣自動(dòng)化系，上海 201306)

0 引 言

多電平逆變器是一種新型逆變器，它通過(guò)改變逆變器自身拓?fù)浣Y(jié)構(gòu)來(lái)實(shí)現(xiàn)高壓大功率輸出。與傳統(tǒng)的兩電平電路相比，多電平逆變器具有功率器件串聯(lián)均壓、開(kāi)關(guān)損耗小、輸出電壓諧波含量低、電磁干擾影響小和工作效率高等優(yōu)點(diǎn)[1]，因此被廣泛應(yīng)用于中高壓、電力傳動(dòng)與大功率電能變換系統(tǒng)。同時(shí)，多電平逆變器作為系統(tǒng)控制的中樞執(zhí)行機(jī)構(gòu)，其工作的穩(wěn)定性、可靠性和可維護(hù)性顯得更加重要[2]。然而，隨著逆變器電平數(shù)的增加，開(kāi)關(guān)管的數(shù)量也隨之增加，使得逆變器發(fā)生故障的概率增大，嚴(yán)重影響系統(tǒng)的安全可靠運(yùn)行，因此必須對(duì)多電平逆變器中開(kāi)關(guān)管的故障進(jìn)行診斷。

多電平逆變器中開(kāi)關(guān)管的故障可分為短路故障和開(kāi)路故障。由于功率器件短路故障發(fā)生的時(shí)間一般極短，難以檢測(cè)，所以短路故障的診斷和系統(tǒng)保護(hù)多采用硬件電路設(shè)計(jì)的方法解決，也可以通過(guò)將快速熔斷器接入電路，把短路故障轉(zhuǎn)化為開(kāi)路故障進(jìn)行處理[3-5]。當(dāng)開(kāi)路故障發(fā)生后，系統(tǒng)往往還能繼續(xù)運(yùn)行，導(dǎo)致非故障功率半導(dǎo)體器件流過(guò)更大電流、轉(zhuǎn)矩減小、發(fā)熱和絕緣損壞等問(wèn)題，嚴(yán)重時(shí)可以導(dǎo)致整個(gè)系統(tǒng)癱瘓，從而造成巨大經(jīng)濟(jì)損失。因此，目前多電平逆變器的故障診斷的研究重點(diǎn)集中于開(kāi)關(guān)管的開(kāi)路故障。

按照傳統(tǒng)的分類方法，故障診斷方法可分為基于解析模型的方法、基于信號(hào)處理的方法、基于知識(shí)的方法[6-7]。本文提出一種全新的故障診斷分類方法，分別從定性和定量的角度對(duì)多電平逆變器開(kāi)關(guān)管開(kāi)路故障診斷方法進(jìn)行分析，并總結(jié)出這些方法的基本思想、研究進(jìn)展、適用條件和優(yōu)缺點(diǎn)，最后進(jìn)一步說(shuō)明多電平逆變器開(kāi)關(guān)管開(kāi)路故障診斷方法今后的研究方向和趨勢(shì)。

1 NPC三電平逆變器故障分類及其診斷方法

1.1 開(kāi)關(guān)管開(kāi)路故障分類

多電平逆變器主要有三種拓?fù)浣Y(jié)構(gòu)：二極管箝位型、飛跨電容型和級(jí)聯(lián)型。中點(diǎn)鉗位型(Neutral Point Clamped, NPC)三電平逆變器作為一種典型的多電平逆變器，已經(jīng)廣泛應(yīng)用到電力傳動(dòng)系統(tǒng)和大功率電能變換系統(tǒng)中，其拓?fù)浣Y(jié)構(gòu)如圖1所示。以NPC三電平逆變器為例，對(duì)常見(jiàn)的開(kāi)關(guān)管開(kāi)路故障進(jìn)行分類。

圖1 NPC三電平逆變器拓?fù)浣Y(jié)構(gòu)

NPC三電平逆變器由A、B、C三相橋臂組成，每相橋臂結(jié)構(gòu)相同。每一相的鉗位二極管通過(guò)中點(diǎn)相連，并連接到直流側(cè)中性點(diǎn)，其作用是把橋臂上與其相連的點(diǎn)上的電位鉗回到中性點(diǎn)電位[8-9]。

在逆變器實(shí)際運(yùn)行工作中，很少出現(xiàn)3只或3只以上開(kāi)關(guān)管同時(shí)故障的情況，針對(duì)常見(jiàn)的單管和雙管開(kāi)路故障情況進(jìn)行分類和描述，分類結(jié)果如下所示：

(1)單個(gè)開(kāi)關(guān)管發(fā)生故障，即Si1～Si4其中一個(gè)發(fā)生故障，其中i=a,b,c,共12種。

(2)同一橋臂兩個(gè)開(kāi)關(guān)管同時(shí)故障，即Sim和Sin同時(shí)發(fā)生故障，其中i=a,b,c，m，n=1,2,3,且m≠n，共18種。

(3)同一半橋交叉兩橋臂雙管故障，即Sik和Smn同時(shí)發(fā)生故障，其中i,m=a,b,c，i≠m，k,n=1,2,3,4，|k-n|≤1，共24種。

(4)上下半橋交叉兩橋臂雙管故障，即Sik和Smn同時(shí)發(fā)生故障，其中i,m=a,b,c，i≠m，k,n=1,2,3,4，|k-n|>1，共24種。

1.2 多電平逆變器故障診斷方法

通過(guò)總結(jié)已有的研究成果，以多電平逆變器開(kāi)關(guān)管開(kāi)路故障為對(duì)象，對(duì)現(xiàn)有的軟件冗余故障診斷方法進(jìn)行分析。從定性診斷方法和定量診斷方法出發(fā)，對(duì)目前的多電平逆變器故障診斷方法進(jìn)行分類，并對(duì)定量診斷方法按照基于解析模型和基于數(shù)據(jù)驅(qū)動(dòng)逐層細(xì)分，分類結(jié)構(gòu)圖如圖2所示。

圖2 多電平逆變器故障診斷方法分類

2 多電平逆變器定性故障診斷方法

基于定性經(jīng)驗(yàn)的逆變器故障診斷是一種利用不完備先驗(yàn)知識(shí)描述系統(tǒng)功能結(jié)構(gòu)，并建立定性模型實(shí)現(xiàn)故障診斷過(guò)程的方法，主要包括專家系統(tǒng)(Expert System,ES)、故障樹(shù)分析(Fault Tree Analysis,FTA)等方法。

2.1 專家系統(tǒng)

基于ES的故障診斷方法的基本思想是：根據(jù)專家在故障診斷領(lǐng)域內(nèi)積累的有效經(jīng)驗(yàn)和專業(yè)知識(shí)，通過(guò)理論分析建立知識(shí)庫(kù)，并通過(guò)計(jì)算機(jī)模擬專家思維過(guò)程，對(duì)故障信息進(jìn)行推理和決策以得到診斷結(jié)果。典型的逆變器故障診斷專家系統(tǒng)如圖3所示。

圖3 基于專家系統(tǒng)的逆變器故障診斷

專家系統(tǒng)提供了靈活的人機(jī)交互界面，因此故障診斷結(jié)果表達(dá)直觀性強(qiáng)，且故障診斷結(jié)果魯棒性較好。文獻(xiàn)[10]研究了基于專家系統(tǒng)理論的風(fēng)電變流器故障診斷方法，這種方法不需要建立系統(tǒng)數(shù)學(xué)模型,而是從預(yù)先得到的變流器故障知識(shí)中提取出有效的故障診斷信息，然后再與變流器實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行比較，從而實(shí)現(xiàn)系統(tǒng)的故障診斷。文獻(xiàn)[11]中利用ES對(duì)逆變器進(jìn)行故障診斷，并與電流電壓測(cè)量法進(jìn)行比較，證明了ES方法的實(shí)用性和精確性。

基于ES的逆變器開(kāi)關(guān)管故障診斷不需要精準(zhǔn)的數(shù)學(xué)模型，診斷過(guò)程和結(jié)果便于理解，但是該方法需要大量的專家領(lǐng)域知識(shí)積累。因?yàn)镋S方法不具有自主學(xué)習(xí)的功能，所以當(dāng)獲取的知識(shí)出現(xiàn)未知情況或者閾值范圍超出預(yù)判時(shí)，系統(tǒng)將無(wú)法做出判斷。因此，目前更多的研究側(cè)重于專家系統(tǒng)和人工智能算法的結(jié)合，如D-S融合專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)和貝葉斯網(wǎng)絡(luò)專家系統(tǒng)[12-13]。

2.2 故障樹(shù)分析法

FTA是以故障樹(shù)邏輯圖為基礎(chǔ)的一種演繹分析方法，它對(duì)系統(tǒng)故障采用由果到因、從整體到局部、按樹(shù)枝狀逐步細(xì)化的方法[14]。故障樹(shù)診斷系統(tǒng)直觀明了、邏輯性強(qiáng)[15]，通過(guò)與其他算法相結(jié)合，可以實(shí)現(xiàn)多電平逆變器開(kāi)關(guān)管的故障診斷。

文獻(xiàn)[16]在三相電壓型PWM逆變器的鍵合圖模型基礎(chǔ)上，采用故障樹(shù)分析法，對(duì)逆變器開(kāi)路故障進(jìn)行定性分析，實(shí)現(xiàn)了故障源的定位，并且具有對(duì)模型精確度要求低和計(jì)算量少的優(yōu)點(diǎn)。文獻(xiàn)[17]通過(guò)故障樹(shù)和雙向聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的結(jié)合，實(shí)現(xiàn)逆變器的故障診斷。實(shí)驗(yàn)證明通過(guò)兩種方法的結(jié)合提高了診斷能力，并且表現(xiàn)出很好的實(shí)時(shí)性和有效性。

對(duì)于簡(jiǎn)單系統(tǒng)，建立故障樹(shù)是比較方便的。但是，隨著系統(tǒng)復(fù)雜性的增加，龐大的故障樹(shù)規(guī)模使得故障診斷搜索過(guò)程變得非常困難。因此故障樹(shù)診斷需要協(xié)同其他統(tǒng)計(jì)分析方法或者智能算法，才能更好地建立和維護(hù)故障樹(shù)，實(shí)現(xiàn)故障源的快速搜索和定位[18]。

3 多電平逆變器定量故障診斷方法

3.1 基于解析模型的方法

基于解析模型的故障診斷方法的基本思想是：通過(guò)將被診斷對(duì)象的可測(cè)信息與數(shù)學(xué)模型表達(dá)的系統(tǒng)先驗(yàn)信息進(jìn)行比較，產(chǎn)生殘差，并對(duì)殘差進(jìn)行分析和處理，從而實(shí)現(xiàn)故障的識(shí)別和定位[19]。根據(jù)產(chǎn)生殘差的方式不同，可分為參數(shù)估計(jì)法和狀態(tài)估計(jì)法，基于解析模型的故障診斷基本原理如圖4所示。

圖4 基于解析模型的故障診斷原理

文獻(xiàn)[20]通過(guò)對(duì)電壓源逆變器的拓?fù)浣Y(jié)構(gòu)進(jìn)行分析，提出了等電位的概念，并分別定義了描述健康和故障狀態(tài)下的兩種函數(shù)模型。結(jié)合任意兩相函數(shù)之間的殘差和電壓源逆變器的拓?fù)浣Y(jié)構(gòu)，實(shí)現(xiàn)對(duì)故障的準(zhǔn)確定位。文獻(xiàn)[21]通過(guò)對(duì)永磁同步電機(jī)驅(qū)動(dòng)系統(tǒng)中電壓源逆變器的數(shù)學(xué)模型分析，提出依賴于自適應(yīng)閾值的觀測(cè)器故障診斷算法，實(shí)現(xiàn)了多個(gè)IGBT的故障診斷，且檢測(cè)時(shí)間較短。文獻(xiàn)[22]基于計(jì)算的平均橋臂極電壓和誤差自適應(yīng)閾值，把平均橋臂極電壓偏差作為故障檢測(cè)和識(shí)別的診斷變量，實(shí)現(xiàn)電壓源逆變器單、多管開(kāi)路故障診斷。

電力電子電路作為開(kāi)關(guān)型功率變換器，其離散事件與連續(xù)動(dòng)態(tài)特性相互作用，是一個(gè)典型的混合邏輯動(dòng)態(tài)(Mixed Logical Dynamic,MLD)系統(tǒng)[23]。近年來(lái)，基于混合邏輯動(dòng)態(tài)系統(tǒng)模型的逆變器故障診斷方法得到發(fā)展。文獻(xiàn)[24]建立了電力電子電路混合邏輯動(dòng)態(tài)模型，并基于故障事件識(shí)別向量實(shí)現(xiàn)電路的故障診斷，最后通過(guò)逆變電路故障診斷的仿真和實(shí)驗(yàn)驗(yàn)證了診斷方法的有效性。文獻(xiàn)[25]提出一種基于混合邏輯動(dòng)態(tài)模型和殘差生成的單相PWM整流器開(kāi)路故障診斷的新方法，通過(guò)將MLD模型輸出與實(shí)際系統(tǒng)輸出相比較，產(chǎn)生殘差，通過(guò)對(duì)殘差的分析，實(shí)現(xiàn)整流器的故障診斷。文獻(xiàn)[26]建立了三電平NPC變換器的混合邏輯動(dòng)態(tài)模型，對(duì)電網(wǎng)電流進(jìn)行了估計(jì)，不同故障下的被測(cè)電流減去估計(jì)值產(chǎn)生殘差，進(jìn)而根據(jù)殘差變化率的特點(diǎn)實(shí)現(xiàn)晶閘管和二極管的快速檢測(cè)和故障定位。實(shí)驗(yàn)結(jié)果表明此故障診斷方法時(shí)間短且避免了二次故障，提高了故障維護(hù)的可靠性和效率，并且也適合整流器和逆變器的故障診斷。

綜上所述，基于解析模型的故障診斷需要充分了解系統(tǒng)運(yùn)行機(jī)理，在構(gòu)建合適的數(shù)學(xué)模型的基礎(chǔ)上才能實(shí)現(xiàn)理想的故障檢測(cè)與定位。因此，此方法適合可以建立精確數(shù)學(xué)模型的系統(tǒng)。然而，多電平逆變器所在整個(gè)系統(tǒng)是個(gè)復(fù)雜非線性系統(tǒng)，且存在電網(wǎng)擾動(dòng)、負(fù)載擾動(dòng)，很難建立一個(gè)精確數(shù)學(xué)模型，因此基于解析模型的多電平逆變器故障診斷存在著局限性。

3.2 基于數(shù)據(jù)驅(qū)動(dòng)的方法

基于數(shù)據(jù)驅(qū)動(dòng)的診斷方法是指對(duì)過(guò)程運(yùn)行數(shù)據(jù)進(jìn)行分析和處理，利用數(shù)學(xué)方法或者智能算法等一系列方法進(jìn)行學(xué)習(xí)與推理，從而實(shí)現(xiàn)系統(tǒng)的故障診斷的方法。主要分為三類：基于統(tǒng)計(jì)分析的方法、基于信號(hào)處理的方法、基于人工智能定量算法的方法。

3.2.1 基于統(tǒng)計(jì)分析的方法

基于統(tǒng)計(jì)分析的方法是指運(yùn)用基本數(shù)學(xué)理論和方法對(duì)系統(tǒng)運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)與分析，從而實(shí)現(xiàn)系統(tǒng)的故障診斷。多電平逆變器故障診斷統(tǒng)計(jì)分析方法主要包括主成分分析(Principal Component Analysis,PCA)、貝葉斯網(wǎng)絡(luò)(Bayesian Network,BN)。

(1)主成分分析

主成分分析是一種常用的多元統(tǒng)計(jì)分析方法，通過(guò)降低維度把多指標(biāo)數(shù)據(jù)轉(zhuǎn)化為能夠反映事物特征的少量指標(biāo)數(shù)據(jù)，從而從多元事物中解析出主要影響因素。PCA在多電平逆變器故障診斷中主要用于特征向量降維和故障辨識(shí)[27]。

文獻(xiàn)[28]提出了一種基于主成分分析和多分類相關(guān)向量機(jī)的故障診斷技術(shù)。首先通過(guò)快速傅里葉變換對(duì)特征信號(hào)進(jìn)行預(yù)處理，其次用PCA提取故障信號(hào)特征并減少樣本維數(shù)，最后采用多分類支持向量機(jī)實(shí)現(xiàn)級(jí)聯(lián)H橋多電平逆變器的故障診斷。文獻(xiàn)[29]對(duì)三相電壓源逆變器故障檢測(cè)與診斷進(jìn)行研究，提出了一種基于逆變器輸出電流的主成分分析算法，通過(guò)仿真，驗(yàn)證了算法的可行性。

PCA主要用于多電平逆變器故障信號(hào)特征的降維處理，可以處理帶有測(cè)量噪聲、誤差甚至數(shù)據(jù)缺失的多元相關(guān)數(shù)據(jù)[30]。通過(guò)將PCA與其他方法相結(jié)合，可實(shí)現(xiàn)對(duì)多電平逆變器的故障檢測(cè)和診斷。

(2)貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是在信息不確定、不完備的情況下，采用概率推理技術(shù)對(duì)部分未知狀態(tài)進(jìn)行估計(jì)，然后利用貝葉斯公式更新概率信息以進(jìn)行診斷決策的一種統(tǒng)計(jì)模型決策方法[31]。

文獻(xiàn)[32]提出一種基于多分辨率小波和貝葉斯分類器的NPC三電平逆變器的故障診斷方法，利用小波分析對(duì)故障信號(hào)進(jìn)行多尺度分解，建立故障特征，以此作為貝葉斯分類器的輸入來(lái)進(jìn)行故障識(shí)別。文獻(xiàn)[33]提出一種基于FFT-PCA-BN的一種三相逆變器故障診斷方法。采用快速傅里變換提取信號(hào)特征，利用主成分分析降低了樣本的維數(shù)，并利用貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)系統(tǒng)的故障檢測(cè)和診斷，實(shí)驗(yàn)表明基于貝葉斯理論的數(shù)據(jù)驅(qū)動(dòng)故障診斷方法對(duì)傳感器噪聲和偏差有較好的耐受性。

貝葉斯網(wǎng)絡(luò)的構(gòu)建需要相關(guān)領(lǐng)域?qū)＜液凸こ處煆V泛收集相關(guān)資料，綜合其各種檢測(cè)數(shù)據(jù)和故障征兆，才能獲得較為全面的故障集和征兆集，從而提高診斷結(jié)果的準(zhǔn)確性。

3.2.2 基于信號(hào)處理的方法

基于信號(hào)處理的故障診斷方法是指直接利用測(cè)量信號(hào)的時(shí)域和頻域特征實(shí)現(xiàn)故障的檢測(cè)與定位。在傳感器故障過(guò)程中，故障信息存在于已測(cè)信號(hào)里，根據(jù)這些故障特征和正常系統(tǒng)的相應(yīng)特征進(jìn)行比對(duì)，從而實(shí)現(xiàn)系統(tǒng)的故障診斷。信號(hào)處理的方法通常也作為其他故障診斷方法的第一步。基于信號(hào)處理的多電平逆變器故障診斷方法主要有頻譜分析法、小波分析法和信息融合技術(shù)。

(1)頻譜分析法

頻譜分析法是指將系統(tǒng)輸出的故障信號(hào)從時(shí)域信息變換頻域，進(jìn)而對(duì)功率譜、倒頻譜或高階譜進(jìn)行分析，通過(guò)提取不同頻譜表現(xiàn)的故障特征，實(shí)現(xiàn)系統(tǒng)的故障診斷[34]。用于多電平逆變器的頻譜分析法主要是指傅里葉變換法。

文獻(xiàn)[35]提出一種基于傅里葉變換和神經(jīng)網(wǎng)絡(luò)的逆變器故障檢測(cè)與診斷方法，利用加窗傅里葉變換提取逆變器輸出信號(hào)的正序?qū)ΨQ分量，提出譜殘差和相對(duì)譜殘差的概念，利用基本殘差實(shí)現(xiàn)逆變器的故障檢測(cè)。文獻(xiàn)[36]研究了采用高階譜分析和支持向量機(jī)的電力電子電路故障診斷方法，首先利用高階譜中的雙譜技術(shù)分析、處理和提取電路狀態(tài)的故障特征，然后采用多類層次支持向量機(jī)實(shí)現(xiàn)電路的故障準(zhǔn)確定位。文獻(xiàn)[37]針對(duì)變頻驅(qū)動(dòng)系統(tǒng)中的逆變器開(kāi)關(guān)管開(kāi)路故障，應(yīng)用開(kāi)關(guān)函數(shù)的雙傅里葉變換技術(shù)，通過(guò)檢測(cè)直流側(cè)電流頻譜的低頻是否含有調(diào)制信號(hào)實(shí)現(xiàn)逆變器的故障診斷。

基于傅里葉變換的故障特征提取方法簡(jiǎn)單，適合平穩(wěn)信號(hào)的處理。然而多電平逆變器三相電壓中信號(hào)中含有非平穩(wěn)或時(shí)變信息，因此難以有效提取故障特征。并且，故障原始信號(hào)經(jīng)過(guò)傅里葉變換之后，經(jīng)歷了一個(gè)全局變化的過(guò)程，舍棄了時(shí)域特性且不能用于局部分析?；谝陨先秉c(diǎn)，頻譜分析法逐漸被小波分析法取代。

(2)小波分析法

小波分析法是時(shí)間和空間頻率的局部化分析，它通過(guò)伸縮平移運(yùn)算對(duì)信號(hào)逐步進(jìn)行多尺度和多分辨率細(xì)化，最終實(shí)現(xiàn)高頻處時(shí)間細(xì)分，低頻處頻率細(xì)分，從而可以聚焦到信號(hào)的任意細(xì)節(jié)。目前應(yīng)用于多電平逆變器故障診斷的小波分析法主要有小波變換、小波包變換與小波多分辨率分析[38]。

文獻(xiàn)[39]針對(duì)H橋逆變器IGBT開(kāi)路故障，提出一種基于小波多分辨率、核主成分分析和最小二乘法支持向量機(jī)的故障診斷方法，通過(guò)選取了半個(gè)基波周期的電容電壓平均值為原始信號(hào)，避免了負(fù)載變化對(duì)故障診斷的影響。文獻(xiàn)[40]提出一種結(jié)合小波變換與Concordia變換的逆變器故障特征提取方法，并用于開(kāi)環(huán)控制的逆變器驅(qū)動(dòng)電路功率管故障診斷與定位。文獻(xiàn)[41]提出一種基于小波包分析和概率神經(jīng)網(wǎng)絡(luò)的電磁法三電平變換器故障診斷方法，通過(guò)小波包分析方法提取特征向量，然后利用核主成分分析對(duì)特征向量進(jìn)行降維，最后采用概率神經(jīng)網(wǎng)絡(luò)建立故障分類器，提高診斷方法的魯棒性。

相比于頻譜分析法，小波分析法能夠有效處理非穩(wěn)態(tài)、非線性信號(hào)，具有多分辨率分析、時(shí)頻局部化等優(yōu)良特性，因此是分析和處理多電平逆變器的故障信息的有效工具。通過(guò)與其他數(shù)學(xué)分析方法和智能算法相結(jié)合，可以進(jìn)一步提高故障診斷的可靠性。然而該方法也有一些缺點(diǎn)，如：自適應(yīng)能力不強(qiáng)、小波基函數(shù)選取困難、小波譜的時(shí)頻分辨率互相影響所造成的能量泄露問(wèn)題等。

(3)信息融合技術(shù)

當(dāng)實(shí)際系統(tǒng)中存在較大干擾或者噪聲時(shí)，如果僅僅提取直流側(cè)電壓或者交流側(cè)相電流作為故障特征向量，故障信息的不確定將降低診斷系統(tǒng)的可靠性[42]。基于信息融合技術(shù)的故障診斷方法的思想是通過(guò)利用不同傳感器信息之間的互補(bǔ)和冗余關(guān)系，對(duì)多個(gè)信息源進(jìn)行分析和綜合，克服利用單一數(shù)據(jù)源信息進(jìn)行故障診斷因故障信息的不確定性而導(dǎo)致診斷錯(cuò)誤的問(wèn)題，從而實(shí)現(xiàn)精確的故障定位[43]。

信息融合按照融合時(shí)信息的抽象層可以分為數(shù)據(jù)層融合、特征層融合和決策層融合，其中，數(shù)據(jù)層的融合通常利用多源傳感器采集故障信息來(lái)實(shí)現(xiàn)。應(yīng)用于多電平逆變器故障診斷的信息融合技術(shù)主要是特征層融合和決策層融合，其診斷結(jié)構(gòu)分別如圖5和圖6所示[44]。

圖5 特征層融合的多電平逆變器故障診斷結(jié)構(gòu)

圖6 決策層融合的多電平逆變器故障診斷結(jié)構(gòu)

文獻(xiàn)[45]將多源信息特征融合應(yīng)用于光伏并網(wǎng)逆變器故障診斷中，選擇電網(wǎng)側(cè)電流和重要橋臂電壓為融合對(duì)象，利用小波變換對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和特征提取，通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)特征值進(jìn)行訓(xùn)練，有效提高了光伏并網(wǎng)逆變器故障診斷的精度。文獻(xiàn)[46]將待測(cè)電路的電壓信號(hào)、電流信號(hào)通過(guò)小波變換和主成分分析進(jìn)行預(yù)處理與特征提取，采取間隔交叉的方式將電壓特征矢量和電流特征矢量聯(lián)合形成特征矢量，通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)聯(lián)合特征矢量進(jìn)行推理實(shí)現(xiàn)故障診斷。

信息融合故障診斷技術(shù)充分利用系統(tǒng)的故障信息，從而實(shí)現(xiàn)故障的準(zhǔn)確定位。隨著信息融合技術(shù)的發(fā)展，在故障診斷工作中綜合運(yùn)用多特征提取和多分類器融合決策的方法，將進(jìn)一步提高故障診斷的準(zhǔn)確性和可靠性。目前，信息融合技術(shù)的核心和難點(diǎn)是如何選擇合適的融合算法和制定故障判定規(guī)則，這是進(jìn)一步研究的方向。

3.2.3 基于人工智能定量算法的方法

人工智能定量算法的方法是逆變器故障診斷方法中的重要組成成分，通過(guò)將智能算法和故障診斷的思想相結(jié)合，實(shí)現(xiàn)系統(tǒng)的故障檢測(cè)與定位。主要包括人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)，支持向量機(jī)(Support Vector Machines,SVM)，粗糙集(Rough Set,RS)等。

(1)人工神經(jīng)網(wǎng)絡(luò)

ANN是一種定量的人工智能算法，具有良好的泛化能力，并且具有自學(xué)習(xí)、自組織、并行性和較強(qiáng)的聯(lián)想記憶功能，因此被越來(lái)越多的用在多電平逆變器系統(tǒng)的故障診斷中。神經(jīng)網(wǎng)絡(luò)一般由輸入層、隱含層、輸出層組成。

基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法是指通過(guò)大量的已知故障數(shù)據(jù)樣本進(jìn)行訓(xùn)練，通過(guò)數(shù)據(jù)的學(xué)習(xí)不斷調(diào)整權(quán)值和閾值的大小，從而建立故障信息和故障類型之間的映射關(guān)系，再將待診斷故障信息輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，從而實(shí)現(xiàn)系統(tǒng)的故障診斷。

文獻(xiàn)[47]將神經(jīng)網(wǎng)絡(luò)應(yīng)用于多電平逆變器的故障診斷中。通過(guò)把遺傳算法應(yīng)用于主成分分析，實(shí)現(xiàn)故障信息的降維處理和故障特征提取。這種方法不僅提高了系統(tǒng)故障診斷性能，并且大大減少了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間。文獻(xiàn)[48]利用頻譜分析提取橋臂電壓諧波幅值和相位作為故障特征信息，把多神經(jīng)網(wǎng)絡(luò)應(yīng)用于三電平逆變器功率器件的故障診斷，實(shí)現(xiàn)單個(gè)器件和多個(gè)器件同時(shí)開(kāi)路的多故障模式診斷。實(shí)驗(yàn)驗(yàn)證該方法具有診斷結(jié)果精度高、抗干擾能力強(qiáng)的優(yōu)點(diǎn)。

ANN具有較高的非線性擬合能力、魯棒性和容錯(cuò)性，并且不需要考慮系統(tǒng)的內(nèi)部結(jié)構(gòu)，克服了解析模型需要建立精確模型的缺點(diǎn)，因此在多電平逆變器的故障診斷當(dāng)中被廣泛應(yīng)用。然而網(wǎng)絡(luò)的學(xué)習(xí)需要大量的故障樣本，因此確保故障樣本的完整性和典型性是準(zhǔn)確實(shí)現(xiàn)系統(tǒng)故障檢測(cè)和定位的關(guān)鍵。其次，ANN對(duì)學(xué)習(xí)和診斷結(jié)果的可解釋性比較差，可以將神經(jīng)網(wǎng)絡(luò)與其他智能算法進(jìn)行融合，構(gòu)建與ANN的映射關(guān)系，從而尋找能夠使蘊(yùn)含在ANN中的知識(shí)得以用語(yǔ)言表達(dá)的規(guī)則，增強(qiáng)故障診斷的解釋性[49]。

(2)支持向量機(jī)

SVM是一種基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理的定量智能算法，具有較強(qiáng)的分類能力。SVM具有完整的數(shù)學(xué)形式、直觀的幾何解釋和良好的泛化能力，是處理小樣本、高維度、非線性問(wèn)題的有力工具。

文獻(xiàn)[50]針對(duì)級(jí)聯(lián)H-橋多電平逆變系統(tǒng)提出一種基于PCA-SVM模型的故障診斷策略，通過(guò)快速傅里葉變換和主元分析對(duì)故障信號(hào)進(jìn)行預(yù)處理和特征向量提取，最后通過(guò)SVM進(jìn)行訓(xùn)練和故障診斷。實(shí)驗(yàn)表明該方法診斷精度高達(dá)98%，且計(jì)算效率高。文獻(xiàn)[51]提出一種基于自適應(yīng)噪聲和支持向量機(jī)的三相逆變器的故障診斷方法，實(shí)驗(yàn)證明該方法具有更高的診斷準(zhǔn)確率和較好的抗干擾能力。文獻(xiàn)[52]采用粒子群聚類算法生成決策樹(shù)SVM實(shí)現(xiàn)三電平逆變器的故障診斷，仿真結(jié)果表明故障診斷結(jié)果精度優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

SVM適合小樣本系統(tǒng)故障特征的學(xué)習(xí)和診斷，克服了構(gòu)建神經(jīng)網(wǎng)絡(luò)映射關(guān)系需要大量已知故障樣本的缺點(diǎn)。但是SVM參數(shù)以及樣本的完備性和代表性對(duì)故障診斷的結(jié)果精度影響很大，且SVM僅僅是從分類的角度對(duì)故障進(jìn)行診斷，并沒(méi)有深層次地挖掘數(shù)據(jù)的結(jié)構(gòu)信息。因此，SVM在進(jìn)行多電平逆變器故障診斷時(shí)通常和其他方法相結(jié)合以提高診斷結(jié)果的準(zhǔn)確率[53]。

4 結(jié) 語(yǔ)

本文針對(duì)多電平逆變器開(kāi)關(guān)管開(kāi)路故障，對(duì)現(xiàn)有的故障診斷方法進(jìn)行了綜述，按照定性診斷方法和定量診斷方法對(duì)其進(jìn)行分類，重點(diǎn)介紹了故障診斷方法的基本思想、研究進(jìn)展、適用條件和優(yōu)缺點(diǎn)。

基于定性的故障診斷方法利用不完備先驗(yàn)知識(shí)描述系統(tǒng)功能結(jié)構(gòu)，通過(guò)建立定性模型實(shí)現(xiàn)系統(tǒng)的故障診斷。這種方法需要豐富的經(jīng)驗(yàn)知識(shí)作為支撐，且不具有自學(xué)習(xí)的能力，當(dāng)系統(tǒng)過(guò)于復(fù)雜時(shí)，定性故障診斷方法難以準(zhǔn)確實(shí)現(xiàn)。因此，對(duì)于定性故障診斷方法的研究，目前更多的側(cè)重將其和人工智能算法相結(jié)合來(lái)實(shí)現(xiàn)系統(tǒng)故障診斷。基于定量的故障診斷方法主要有基于解析模型的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法。多電平逆變器是一個(gè)非線性離散系統(tǒng)，難以建立精確的數(shù)學(xué)模型，因此，基于解析模型的故障診斷方法受到了很大限制。近年來(lái)，隨著信息處理技術(shù)和人工智能算法的深入研究，基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法得到進(jìn)一步發(fā)展，系統(tǒng)故障特征的提取、處理以及故障診斷決策都逐步趨向于多信息融合，從而大大提高了故障診斷的精度和可靠性。因此，采取多種技術(shù)方法相結(jié)合，取長(zhǎng)補(bǔ)短實(shí)現(xiàn)多電平逆變器的故障診斷將逐步成為未來(lái)的研究熱點(diǎn)。特別地，當(dāng)逆變器的數(shù)量增多或者系統(tǒng)結(jié)構(gòu)比較復(fù)雜時(shí)，系統(tǒng)故障狀態(tài)將會(huì)成倍增加，如何選取和采集合適的故障信息、并進(jìn)行精確的故障診斷也是一個(gè)值得研究的方向。

在工業(yè)生產(chǎn)中，當(dāng)逆變器發(fā)生故障時(shí)，如不及時(shí)采取措施進(jìn)行處理，輕則造成系統(tǒng)停機(jī)，影響產(chǎn)量，重則給工業(yè)生產(chǎn)帶來(lái)重大經(jīng)濟(jì)損失或者災(zāi)難性事故。因此，在現(xiàn)有的故障診斷技術(shù)基礎(chǔ)上對(duì)多電平逆變器故障狀態(tài)預(yù)警和設(shè)備運(yùn)行壽命進(jìn)行預(yù)測(cè)、以及故障后的容錯(cuò)控制進(jìn)行深入研究，具有廣闊的前景和應(yīng)用價(jià)值。