三電平光伏逆變器故障診斷研究

胡 超 姜媛媛 凌子俊

（安徽理工大學電氣與信息工程學院，安徽 淮南232001）

0 引言

近年來，新能源的運用越來越廣泛，尤其是光伏產(chǎn)業(yè)受到了很大重視，逆變技術作為其中的關鍵技術之一，光伏逆變器的安全、穩(wěn)定運行受到很大關注。由于多電平技術的發(fā)展及多電平技術的優(yōu)勢，目前應用較多的是三電平光伏逆變器，其輸出波形諧波小，開關應力低。

雖然三電平逆變器優(yōu)勢很大，但其在效率提高的同時也帶來了一定的麻煩，三電平逆變器的開關器件較兩電平逆變器增加了一倍，而開關器件正是整個逆變器中最薄弱的環(huán)節(jié)，這就增加了逆變器發(fā)生故障的可能性，因此做到對逆變器故障的及時診斷就尤為重要。

本文以應用較多的三電平中點鉗位型（NPC）光伏逆變器為研究對象，對目前廣泛使用的一些故障診斷方法進行總結(jié)、分析，提出一種新的故障診斷方法，以提高目前故障診斷的速度及正確率。

1 故障類型分析

三電平逆變器的拓撲結(jié)構(gòu)比較復雜，因此其故障形式也比較復雜。對于逆變器電路，大多數(shù)故障表現(xiàn)為功率開關器件的損壞，主要是由器件的開關特性引起的，其中以功率開關器件的開路故障和直通故障最為常見。直通故障存在時間很短，難以診斷，因此其診斷和保護方法多采用基于硬件電路的設計。所以本文只研究功率開關器件開路故障的情況。

三電平中點鉗位型逆變器功率器件較多，故障組合數(shù)目眾多，故障情況復雜，且其是三相對稱結(jié)構(gòu)，各相故障情況相同，因此本文只對其中一相（A相）進行分析，這樣可以達到對所有故障類型都得以分析而又使診斷模型得到簡化。三電平NPC型逆變器分為單功率器件故障和多功率器件故障兩種情況，多功率器件故障又以兩功率器件故障作為常見，所以本文主要研究單功率器件故障和兩功率器件故障的情況。

三電平NPC型逆變器正常工作時A相有六種工作狀態(tài)，而每種故障形式均對應其中的一種工作狀態(tài)，但僅依靠工作狀態(tài)還不能將各種故障形式一一區(qū)別出來，因為有不同的故障形式對應同一種工作狀態(tài)的情況，因此還需要結(jié)合其他信息將故障情況進行區(qū)分。

故障情況分類可分為以下幾種：

（1）正常運行，沒有功率器件故障

（2）任一功率器件故障

（3）同一相兩個功率器件故障

（4）不同相兩個功率器件故障（可看為每個單相發(fā)生故障時的疊加情況）

2 常用故障診斷方法分析

目前國內(nèi)關于三電平NPC型光伏逆變器的故障診斷已展開了大量研究。現(xiàn)階段，三電平NPC型逆變器的故障診斷主要集中在兩個方面：一是只考慮單個功率器件的開路故障，二是考慮到多功率器件故障模式，但目前尚缺少成熟故障診斷模型，以快速、精確的定位故障位置。

對于單功率器件的開路情況，文獻[1]提出通過檢測逆變器輸出側(cè)PWM電壓和輸出電流極性以識別功率管的開路故障，但其診斷結(jié)果沒有精確定位到某個器件，需要進行人工查找，且對于高于三電平的多電平逆變器存在過多開路故障而不能精確定位的問題[2]。對于多功率器件故障模式，目前有不少文獻提出了可行的方案，但也存在一定的問題，可靠性不高、診斷模型復雜等，都會對診斷結(jié)果造成較大影響。

故障診斷流程大致可分為故障信號采集、信號特征提取、故障診斷分類等幾個步驟。故障診斷方法目前應用較多的是傅里葉分析、小波變換和人工神經(jīng)網(wǎng)絡、支持向量機、鍵合圖理論等相結(jié)合的方法，但由于各自發(fā)展的局限性及診斷模型搭建的復雜性，其診斷效果有待進一步提高。

常用故障診斷方法可分為以下幾類：

（1）基于信號處理的故障診斷方法

（2）基于人工神經(jīng)網(wǎng)絡的故障診斷方法

（3）基于支持向量機的故障診斷方法

（4）基于鍵合圖理論的故障診斷方法

（5）其它一些故障診斷方法

3 故障診斷方法設計

本文通過對常用的一些故障診斷方法的分析，提出了一種新的三電平NPC型逆變器故障診斷方法。該方法采用小波變換對故障信號進行特征提取，然后利用極限學習機神經(jīng)網(wǎng)絡對故障情況進行分類識別。

小波變換的運用解決了傅里葉分析只能在頻域上對穩(wěn)定信號進行分析的局限性；極限學習機神經(jīng)網(wǎng)絡是一種將極限學習方法與單隱層前向神經(jīng)網(wǎng)絡相結(jié)合形成的新型分類方法，該方法具有參數(shù)易于選擇且泛化能力好等優(yōu)點，在保證計算精度的同時可以大幅度的縮短訓練時間。

該新型故障診斷方法利用小波變換提取故障信號的能量譜作為故障特征向量；然后將故障特征向量輸入到極限學習機神經(jīng)網(wǎng)絡中進行訓練、診斷，由極限學習機神經(jīng)網(wǎng)絡的輸出向量來對應不同的故障模式。

通過仿真實驗表明，該方法可實現(xiàn)三電平NPC型逆變器的多模式故障診斷，且具有精度高、速度快等優(yōu)點。

4 結(jié)論

本文通過對三電平中點鉗位型逆變器的故障類型和當前國內(nèi)常用的一些故障診斷方法進行了分析，發(fā)現(xiàn)目前的診斷模型或多或少的存在一些缺陷，不能很好的將故障精確快速的診斷出來。最后本文提出一種基于小波變換和極限學習機神經(jīng)網(wǎng)絡相結(jié)合的逆變器故障診斷方法，能夠克服以往故障診斷模型中的不足之處，通過仿真實驗證明了該方法具有很好的實用性。

［1］湯清泉,顏世超,盧松升,等.三電平逆變器的功率管開路故障診斷[J].中國電機工程學報,2008,28(21):26-32.

［2］陳丹江,葉銀忠.基于多神經(jīng)網(wǎng)絡的三電平逆變器器件開路故障診斷方法[J].電工技術學報,2013,28(6):120-126.

［3］肖剛.三電平逆變器故障診斷研究[D].西安：西安理工大學,2007.