吳 娟，沈艷霞

(江南大學(xué)電氣自動化研究所，江蘇無錫214122)

電力電子功率變換器故障診斷方法綜述

吳 娟，沈艷霞

(江南大學(xué)電氣自動化研究所，江蘇無錫214122)

隨著電力電子技術(shù)的發(fā)展，功率變換器已廣泛應(yīng)用于電網(wǎng)以及工業(yè)生產(chǎn)等各種重要場所中，因此電力電子功率變換器的安全運行得到了研究者的廣泛重視。本文以開路故障為主對功率變換器現(xiàn)有故障診斷方法進(jìn)行了歸類和總結(jié)。從基于解析模型、基于知識和基于信號處理三個方面進(jìn)行了分類，介紹了各故障診斷方法的原理，并從適用性、算法復(fù)雜性、診斷時間和可靠性等角度，對這些方法進(jìn)行了比較，指出了功率變換器故障診斷的難點和今后的研究方向。

功率變換器;故障診斷;解析模型;知識;信號處理

1 引言

電力電子功率變換器作為系統(tǒng)控制的中樞執(zhí)行機(jī)構(gòu)，廣泛應(yīng)用于電機(jī)驅(qū)動和各種電源系統(tǒng)中，但由于功率開關(guān)器件在工作時，要承受高電壓和大電流，而自身過載能力有限，導(dǎo)致開關(guān)器件損壞的幾率很大。據(jù)統(tǒng)計，工業(yè)應(yīng)用的交流電機(jī)調(diào)速系統(tǒng)中，38%的故障來自于功率器件的損壞［1］。功率變換器一旦發(fā)生故障，如不及時處理，在一般場合會給工業(yè)生產(chǎn)帶來極大的經(jīng)濟(jì)損失，尤其在航空、軍事等安全性要求高的場合，將造成災(zāi)難性事故。因此，準(zhǔn)確、快速地判斷故障，及時診斷和定位故障受到了越來越多的重視。

一般地，功率變換器的故障可分為開關(guān)管的開路故障和短路故障。短路故障存在的時間極短，可在硬件電路上進(jìn)行處理，也可以將快速熔絲植入電路中，將短路故障轉(zhuǎn)化為開路故障，利用開路故障診斷方法加以處理［2］。文獻(xiàn)［3］總結(jié)出了10種短路故障診斷方法。開路故障發(fā)生后，系統(tǒng)往往還能繼續(xù)運行，不易被發(fā)現(xiàn)，這樣導(dǎo)致其他功率器件流過更大的電流，引發(fā)轉(zhuǎn)矩減小、發(fā)熱和絕緣損壞等問題，如不及時處理，將發(fā)展成為極具破壞性的大故障，如系統(tǒng)癱瘓等［4］。因此，目前功率變換器故障診斷的研究重點都集中于開關(guān)管的開路故障。

2 功率變換器開路故障分類

以電壓型三相全橋電路為例(其結(jié)構(gòu)圖如圖1所示)，對常見故障進(jìn)行分類。

圖1 三相電壓型橋式逆變電路Fig．1 Three-phase voltage inverter circuit

功率變換器在實際運行時，很少出現(xiàn)三只或三只以上開關(guān)管同時故障的情況，針對常見的單管和雙管故障情況進(jìn)行分類，如表1所示。

當(dāng)發(fā)生開路故障時，故障相電流、輸出電壓以及功率器件承受的電壓都會發(fā)生幅值和相位的調(diào)制，因此通過對這些信號進(jìn)行監(jiān)測，利用相應(yīng)的故障診斷技術(shù)可實現(xiàn)故障識別和定位。

表1 逆變器開路故障分類Tab．1 Open circuit fault classification of inverter

3 功率變換器故障診斷技術(shù)

故障診斷方法分為硬件冗余方法和軟件冗余方法。硬件冗余方法是最早應(yīng)用于故障診斷領(lǐng)域的技術(shù)手段之一，可以有效地保證系統(tǒng)的正常運行。近年來有學(xué)者在逆變器開關(guān)函數(shù)模型和運行模式分析的基礎(chǔ)上，根據(jù)故障和正常狀態(tài)下橋臂下管承受電壓的不同，采用簡單的硬件電路來實現(xiàn)故障診斷，這種方法降低了成本，可靠性高，診斷時間短，適用性強(qiáng)［5，6］。然而，硬件冗余方法測試設(shè)備繁多，設(shè)計過程復(fù)雜，逐漸被軟件冗余方法所取代。按照國際故障診斷權(quán)威——德國P M Frank教授的觀點［7］，可將目前功率變換器軟件冗余故障診斷技術(shù)分為三類:①基于解析模型的方法;②基于知識的方法;③基于信號分析的方法。

3.1 基于解析模型的方法

基于解析模型的功率變換器故障診斷方法的基本思想是利用功率變換器的數(shù)學(xué)模型，將估計的系統(tǒng)輸出與測量信息相比得到殘差，通過殘差分析來實現(xiàn)電力電子裝置的故障診斷。根據(jù)獲取殘差的不同方式，這一類故障診斷方法可分為狀態(tài)估計法和參數(shù)估計法。

狀態(tài)估計法利用功率變換器數(shù)學(xué)模型和各測量信號設(shè)計狀態(tài)觀測器，觀測系統(tǒng)的可測變量，將觀測值與實際值進(jìn)行比較產(chǎn)生殘差，分析該殘差可達(dá)到故障診斷的目的。

文獻(xiàn)［8］以變流器主回路輸出電壓為特征量，利用實際系統(tǒng)與參考模型特征輸出量的殘差實現(xiàn)故障診斷。該方法的輸入量少、判據(jù)簡單，特別適用于復(fù)雜電力電子電路的故障診斷。文獻(xiàn)［9］以定子電流和機(jī)械速度為輸出，將感應(yīng)電機(jī)模型看作周期性解耦結(jié)構(gòu)，利用dq軸方向殘差實現(xiàn)了開關(guān)管故障隔離，并且多故障發(fā)生的情況也能得到解決。在這些研究中，電力電子變換器按照其開關(guān)周期被等效成一種“平均模型”。

參數(shù)估計法是將系統(tǒng)物理參數(shù)和模型參數(shù)的變化提取出來作為特征量進(jìn)行監(jiān)測和診斷故障的方法。功率變換器故障的發(fā)生往往導(dǎo)致系統(tǒng)參數(shù)的變化，因此通過檢測參數(shù)的變化可實現(xiàn)故障診斷?；趨?shù)估計的故障診斷框圖如圖2所示。

圖2 基于參數(shù)估計的故障診斷框圖Fig．2 Block diagram of fault diagnosis based on parameter estimation

參數(shù)估計法與狀態(tài)估計法在本質(zhì)上是互補(bǔ)的，參數(shù)估計法在故障隔離上更有優(yōu)勢;其缺點在于系統(tǒng)的故障有可能引起模型結(jié)構(gòu)的變化，為此可將該方法與其他故障診斷方法相結(jié)合。文獻(xiàn)［10］以鍵合圖為工具，提出了一種能應(yīng)用于大功率整流供電系統(tǒng)特性研究的建模方法，為進(jìn)一步研究基于模型的診斷提供了新的思路和方法。

近年來，由傳統(tǒng)的解析模型發(fā)展而來的混雜系統(tǒng)模型故障診斷方法得到了關(guān)注。功率變換器中開關(guān)器件呈現(xiàn)出離散時間動態(tài)特性，狀態(tài)變量卻體現(xiàn)出連續(xù)動態(tài)系統(tǒng)特征，可看成一個典型的混雜系統(tǒng)。因此基于混雜系統(tǒng)理論的故障診斷方法在電力電子系統(tǒng)中得到應(yīng)用［11，12］。

通過以上分析可知，基于解析模型的方法適用于已知精確數(shù)學(xué)模型的系統(tǒng)。雖然該技術(shù)相對來說已經(jīng)比較完善，但在實際情況下，功率變換器系統(tǒng)參數(shù)是不確定的(如元器件參數(shù)的正常變化和系統(tǒng)故障)，負(fù)載擾動、電網(wǎng)擾動等噪聲的干擾，以及開關(guān)器件的非線性和離散性等特性都導(dǎo)致無法對這種系統(tǒng)建立準(zhǔn)確的解析模型。因此，在對復(fù)雜非線性系統(tǒng)進(jìn)行故障診斷時，基于解析模型的故障診斷方法受到了很大的限制。

3.2 基于知識的方法

基于知識的方法是一種通過提前掌握被診斷對象的故障行為，利用故障樹、專家系統(tǒng)、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等手段，將故障癥狀組織起來進(jìn)行故障診斷的方法［6］。

3.2.1 故障樹

基于故障樹的診斷方法采用數(shù)理邏輯表示故障之間的關(guān)系，對故障發(fā)生的原因進(jìn)行推理分析，建立一個由故障特征到故障原因的樹形圖。故障樹方法直觀、明了，思路清晰，邏輯性強(qiáng)，結(jié)合其他算法，可實現(xiàn)功率變換器的故障診斷。

文獻(xiàn)［13］基于隨機(jī)森林算法建立故障樹，實現(xiàn)了三相可控整流電路的在線診斷，大大提高了診斷精度和診斷速度。文獻(xiàn)［14］針對三相逆變器，結(jié)合鍵合圖理論，對傳統(tǒng)的故障樹進(jìn)行了改進(jìn)，通過建立系統(tǒng)的鍵合圖模型進(jìn)行因果分析，降低了遺漏的可能。

故障樹的建立比較繁瑣，容易出現(xiàn)遺漏，且這種方法理論性強(qiáng)，結(jié)果的可靠性依賴于分析人員本身的水平。使用故障樹診斷的同時需要充分利用知識、系統(tǒng)的控制模型和歷史數(shù)據(jù)，并且還要協(xié)同其他智能算法，才可以完好地建立和維護(hù)故障樹，實現(xiàn)故障源的快速搜索，然而這些問題都還未得到解決。

3.2.2 專家系統(tǒng)

專家系統(tǒng)根據(jù)領(lǐng)域內(nèi)專家的理論分析、實踐經(jīng)驗等，利用計算機(jī)的推理能力模擬專家解決問題的思路，其原理框圖如圖3所示。

圖3 基于專家系統(tǒng)的故障診斷原理框圖Fig．3 Structure diagram of fault diagnosis based on expert system

專家系統(tǒng)提供了靈活的人機(jī)交互界面，知識庫易于修改，知識表達(dá)直觀性強(qiáng)，診斷結(jié)果魯棒性好，應(yīng)用比較廣泛。文獻(xiàn)［15］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，從預(yù)先得到的變流器故障知識中提取出有效的故障信息，再與變流器實際運行數(shù)據(jù)進(jìn)行比較實現(xiàn)了故障診斷，解決了無法建立模型的問題。文獻(xiàn)［16］結(jié)合模糊推理方法，將模糊專家系統(tǒng)應(yīng)用于可再生能源電力電子設(shè)備的狀態(tài)監(jiān)測和故障診斷。

但是這種方法推導(dǎo)速度慢，知識庫建立困難，實時性差。在知識獲取時，如果出現(xiàn)未知情況或閾值對應(yīng)的范圍超出預(yù)判，系統(tǒng)將無法推理;在知識表示時，有的故障不能簡單地使用規(guī)則進(jìn)行推理，推理過程表述不清楚，也不能進(jìn)行良好的診斷。

3.2.3 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)，可以擬合任意的函數(shù)，包括非線性函數(shù)，它克服了功率變換器系統(tǒng)的建模困難，在故障診斷領(lǐng)域得到了廣泛的應(yīng)用［17］。

利用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷時，一般需要利用小波變換、頻譜分析等方法對故障信號進(jìn)行處理。文獻(xiàn)［18］利用頻譜分析提取三電平逆變器橋臂電壓的諧波幅值和相位作為故障特征信息，提出了多神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法，實現(xiàn)了單器件開路和多器件同時開路的多故障模式的診斷，并精確定位到故障器件。文獻(xiàn)［19］利用快速傅里葉變換(FFT)對多電平逆變器輸出電壓信號進(jìn)行變換，提取出故障特征作為神經(jīng)網(wǎng)絡(luò)的輸入，從而實現(xiàn)了故障的分類。該方法具有很好的分類性能，但需要使用五層感知網(wǎng)絡(luò)進(jìn)行識別，導(dǎo)致診斷時間過長。因此文獻(xiàn)［20］提出了主成分神經(jīng)網(wǎng)絡(luò)(PC-NN)故障診斷方法，利用主成分分析(PCA)降低神經(jīng)網(wǎng)絡(luò)的輸入維數(shù)，減少訓(xùn)練神經(jīng)網(wǎng)絡(luò)的時間，同時降低噪聲，改善映射性能。在該方法中，不同的主成分會引起結(jié)果的不確定性。為了更好地確定主成分，文獻(xiàn)［21］對該方法進(jìn)行改進(jìn)，提出了基于遺傳算法選擇主成分的神經(jīng)網(wǎng)絡(luò)(PC-GA-NN)多電平逆變器故障診斷方法，結(jié)果表明PC-GA-NN具有更好的整體分類性能，比PC-NN高出約2.5%。

神經(jīng)網(wǎng)絡(luò)故障診斷采用并行結(jié)構(gòu)與并行處理方式，特別適合處理大量的并行信息，且具有很強(qiáng)的自學(xué)習(xí)、自組織與自適應(yīng)能力，因此有很好的應(yīng)用前景。然而，訓(xùn)練樣本獲取困難、網(wǎng)絡(luò)學(xué)習(xí)沒有確定模式、學(xué)習(xí)算法收斂速度慢、訓(xùn)練時間長等問題還有待進(jìn)一步的研究。

3.2.4 支持向量機(jī)(SVM)

SVM是一種基于統(tǒng)計學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法，與神經(jīng)網(wǎng)絡(luò)類似，通過對訓(xùn)練樣本進(jìn)行學(xué)習(xí)，掌握樣本的特征，識別未知樣本。基于支持向量機(jī)的故障診斷一般分為四步:特征信號監(jiān)測、特征向量提取、SVM故障模型建立與診斷、維修決策［22］。

文獻(xiàn)［23］利用小波包分析獲取電力電子電路故障特征，基于支持向量機(jī)進(jìn)行狀態(tài)分類，實現(xiàn)電力電子電路故障診斷方法。該方法能準(zhǔn)確定位故障元，計算效率高，且在小樣本下具有很好的推廣能力。文獻(xiàn)［24］以三相橋式全控整流電路為例，利用小波變換對整流輸出電壓進(jìn)行分解，以各尺度的高頻部分能量為特征向量;根據(jù)支持向量機(jī)理論，提出了一種改進(jìn)的一對多分類算法建立分類器，優(yōu)化了支持向量機(jī)的訓(xùn)練和學(xué)習(xí)能力。

SVM在解決小樣本、非線性和高維模式識別等問題中表現(xiàn)出特有的優(yōu)勢:①能在有限的樣本中最大限度地挖掘隱含在數(shù)據(jù)中的分類信息;②應(yīng)用核技術(shù)將實際問題通過非線性變換轉(zhuǎn)化為高維空間中的線性問題;③巧妙地解決了維數(shù)問題，樣本復(fù)雜度與維數(shù)無關(guān)。由于其出色學(xué)習(xí)性能和分類能力，SVM成為故障模式識別問題的研究熱點。

3.3 基于信號處理的方法

通常不論是基于解析模型的方法，還是基于知識的方法，都需要先對監(jiān)測信號進(jìn)行處理。在功率變換器的故障診斷中，常用的信號處理方法有頻譜分析、小波變換和信息融合等。

3.3.1 頻譜分析法

功率變換器的故障信號通常具有周期性，因此可以用頻譜分析方法將變量信號從時域變換到頻域進(jìn)行分析。基于頻譜分析的故障診斷方法主要有傅里葉變換法和沃爾什變換法。

傅里葉變換將目標(biāo)信號分解成若干頻率分量，從中可提取出有用的部分。文獻(xiàn)［25］針對變頻驅(qū)動系統(tǒng)中的逆變器開關(guān)管開路故障，利用開關(guān)函數(shù)的雙傅里葉變換技術(shù)，對直流側(cè)電流進(jìn)行處理，通過得到的頻譜的低頻成分實現(xiàn)逆變器的故障診斷。

沃爾什變換則將函數(shù)分解為一組沃爾什函數(shù)分量。文獻(xiàn)［26］以三相橋式整流電路為診斷對象，對其輸出電壓進(jìn)行沃爾什變換，得到直流分量和前三次諧波分量的幅值頻譜特征值以及對應(yīng)的四個相角特征值，根據(jù)這八個量來實現(xiàn)故障定位。由于沃爾什變換只做加減運算，所以執(zhí)行速度比傅里葉變換快得多。

用頻譜分析進(jìn)行故障診斷時，信號中包含的頻率分量必須是基波的整數(shù)倍，分析時窗內(nèi)要恰好含有各次諧波的整周期采樣值。功率變換器故障狀態(tài)下的基波頻率是波動的，難以保證采樣頻率為信號頻率的整數(shù)倍;即使基波頻率保持不變，也未必能保證采樣頻率為信號頻率的整數(shù)倍，這嚴(yán)重影響了頻譜分析的準(zhǔn)確性。因此，頻譜分析逐漸被小波變換所取代。

3.3.2 小波變換法

小波變換由傅里葉變換發(fā)展而來，小波分析提供了靈活的時頻窗，高頻時時間分辨率高，低頻時頻率分辨率高，在時頻域都具有表征信號局部特性的能力，在故障診斷領(lǐng)域得到了廣泛的應(yīng)用。

文獻(xiàn)［27］以風(fēng)力發(fā)電系統(tǒng)中背靠背式變流器的整流狀態(tài)為例，提出了基于小波包分析的變流器故障識別方法，利用直流側(cè)輸出電壓信號的調(diào)制特點，從能量譜和功率譜的角度分析了小波包分解后的直流側(cè)輸出電壓的細(xì)節(jié)信號，通過頻譜特征識別出三相PWM整流器的各類故障。

小波變換能有效地提取出故障特征，與許多智能方法相結(jié)合，可以提高診斷精度。文獻(xiàn)［28］對電機(jī)三相電流進(jìn)行小波變換，將提取的小波系數(shù)輸入到三層BP神經(jīng)網(wǎng)絡(luò)，從而識別出是否發(fā)生故障以及故障開關(guān)位置。文獻(xiàn)［29］將小波變換、模糊邏輯和神經(jīng)網(wǎng)絡(luò)這三種方法相結(jié)合，利用小波變換從直流母線電流中提取出故障特征，用來訓(xùn)練自適應(yīng)神經(jīng)元模糊推理系統(tǒng)(ANFIS)，實現(xiàn)故障的自動識別和定位。文獻(xiàn)［30］針對靜止同步補(bǔ)償器(STATCOM)的IGBT開路故障，先對原始故障信號進(jìn)行小波多分辨率分析，提取出特征向量，以改進(jìn)的多核支持向量機(jī)作為故障模式的分類器，識別出各類故障信號。

小波變換具有良好時頻分析特性，適于探測正常信號中夾帶的異?，F(xiàn)象，對于動態(tài)系統(tǒng)的故障檢測具有優(yōu)越性。但目前的研究主要集中于理論研究，如何將它應(yīng)用到實際工程中是有待解決的問題。

3.3.3 信息融合方法

信息融合技術(shù)利用信息之間的冗余或邏輯關(guān)系，更全面、更精確地認(rèn)識目標(biāo)對象，為解決復(fù)雜系統(tǒng)故障診斷的不確定性問題提供了一條新的途徑。

信息融合故障診斷按層次結(jié)構(gòu)分為數(shù)據(jù)層融合、特征層融合和決策層融合。文獻(xiàn)［31］基于特征層融合對光伏并網(wǎng)逆變器進(jìn)行故障診斷，選擇電網(wǎng)側(cè)電流和橋臂電壓為融合對象，利用小波變換對數(shù)據(jù)進(jìn)行預(yù)處理和特征提取，將特征向量融合后輸入到神經(jīng)網(wǎng)絡(luò)，實現(xiàn)故障診斷。

信息融合分為局部性融合和全局性融合?？梢詫δ硞€檢測量用不同方法進(jìn)行診斷，實現(xiàn)局部性融合，以充分利用檢測量所提供的信息;再將各方法得到的結(jié)果進(jìn)行全局性融合。文獻(xiàn)［32］就是采用的這種局部-全局的融合診斷方法。它針對電力電子電路中器件的故障診斷問題，提出一種基于模糊推理的分類器融合診斷方法。該方法建立神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)2種子分類器對電路進(jìn)行單獨診斷，再利用模糊推理對2種子分類器的診斷結(jié)果進(jìn)行融合，最終定位參數(shù)故障元件。仿真實驗和分析表明，該方法診斷效果優(yōu)于任意單個子分類器，且該方法對于隨機(jī)噪聲具有較好的魯棒性。

雖然目前信息融合技術(shù)在功率變換器的故障診斷中的研究還不多，但由于信息融合能夠為故障診斷提供更多的信息，該技術(shù)在電網(wǎng)等其他故障診斷領(lǐng)域已經(jīng)得到了廣泛的關(guān)注。故障診斷領(lǐng)域的理論具有相似性，可以相互借鑒，這為基于信息融合的功率變換器故障診斷研究奠定了良好的基礎(chǔ)。

電力電子功率變換器故障診斷技術(shù)發(fā)展迅速，除上述方法外，還涌現(xiàn)出一些具有研究價值的方法。文獻(xiàn)［33］提出了一種基于質(zhì)心的檢測方法，通過電流矢量軌跡質(zhì)心的確定來識別逆變器故障位置和類型。文獻(xiàn)［34］運用減法聚類分析對電流矢量進(jìn)行處理，根據(jù)處理后的平均電流矢量的幅值和相角進(jìn)行故障識別和定位。這兩種方法都基于Concordia變換得到的電流矢量軌跡進(jìn)行分析，文獻(xiàn)［35］則利用相空間重構(gòu)技術(shù)，得到表征系統(tǒng)故障特征的不同形狀、直觀的相電流軌跡圖形，再通過模糊C均值聚類算法，對重構(gòu)后的電流圖像進(jìn)行聚類分析，實現(xiàn)逆變器的故障診斷。相空間重構(gòu)技術(shù)可以顯示并提取出系統(tǒng)參數(shù)中隱含的不易被頻譜分析或時域分析方法所檢測的內(nèi)在特征，因此在故障識別領(lǐng)域具有很好的應(yīng)用價值。

4 結(jié)論

本文對現(xiàn)有功率變換器開關(guān)管開路故障診斷方法進(jìn)行了介紹、對比和總結(jié)。功率變換器的故障診斷是一個有意義而又極具挑戰(zhàn)的課題。功率變換器是一種非線性離散系統(tǒng)，要建立精確的數(shù)學(xué)模型十分困難，因此基于解析模型的故障診斷方法受到了很大的限制。

隨著信息處理與人工智能技術(shù)的發(fā)展，將基于信號處理和基于知識的方法相結(jié)合的集成故障診斷方法得到了越來越多的應(yīng)用，綜合采用小波變換、專家系統(tǒng)、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等方法，可大大提高診斷精度與速度。

迄今，對于功率變換器故障診斷的研究主要集中于普通的整流器和逆變器。隨著工業(yè)的發(fā)展，對大容量功率變換器的需求日益增加，多電平逆變器逐漸得到了廣泛的研究和應(yīng)用。相比于普通的兩電平逆變器，多電平逆變器使用的開關(guān)管更多，故障模式更復(fù)雜，因此融合多種故障診斷方法深入研究多電平逆變器的故障診斷技術(shù)具有廣闊的應(yīng)用前景。

［1］Fuchs F W．Some diagnosis methods for voltage source inverters in variable speed drives with induction machines—a survey［A］．Proceedings of the IEEE Industrial E-lectronics Society Annual Conference［C］．Roanoke，Virginia，USA，2003.1378-1385．

［2］Karimi S，Gaillard A，Poure P，et al．FPGA-based realtime power converter failure diagnosis for wind energy conversion systems［J］．IEEE Transactions on Industrial E-lectronics，2008，55(12):4299-4308．

［3］Lu B，Santosh K S．A literature review of IGBT fault diagnostic and protection methods for power inverters［J］．IEEE Transactions on Industry Applications，2009，45(5):1770-1777．

［4］于泳，蔣生成，楊榮峰，等(Yu Yong，Jiang Shengcheng，Yang Rongfeng，et al．)．變頻器IGBT開路故障診斷方法(Fault diagnosis method of IGBT in converter)［J］．中國電機(jī)工程學(xué)報(Proceedings of the CSEE)，2011，31(9):30-35．

［5］安群濤，孫力，趙克，等(An Quntao，Sun Li，Zhao Ke，et al．)．基于開關(guān)函數(shù)模型的逆變器開路故障診斷方法(Diagnosis method for inverter open-circuit fault based on switching function model)［J］．中國電機(jī)工程學(xué)報(Proceedings of the CSEE)，2010，30(6):1-6．

［6］姜寶軍，安群濤(Jiang Baojun，An Quntao)．基于運行模式分析的逆變器功率管開路故障診斷方法(A novel diagnostic technique for open-switch faults of inverters based on operating mode analysis)［J］．中國電機(jī)工程學(xué)報(Proceedings of the CSEE)，2012，32(24):30-37．

［7］P M Frank．Fault diagnosis in dynamic systems using analytical and knowledge-based redundancy-a survey and some new results［J］．Autometical，1990，26(3): 459-474．

［8］文小玲，尹項根，譚尚毅(Wen Xiaolin，Yin Xianggen，Tan Shangyi)．一種電力電子電路故障診斷方法(A scheme for fault diagnosis of power electronic circuits)［J］．電工技術(shù)雜志(Electrotechnical Journal)，2003，(7):49-51．

［9］D U Campos-Delgado．An observer-based diagnosis scheme for single and simultaneous open-switch faults in induction motor drives［J］．IEEE Transactions on Industry Electronics，2011，58(2):671-679．

［10］李莎(Li Sha)．大功率整流供電系統(tǒng)的鍵合圖模型及故障診斷方法(Bond graph model and fault diagnosis of high-power rectifier power supply system)［D］．長沙:湖南科技大學(xué)(Changsha:Hunan University of Science and Technology)，2012．21-28．

［11］馬皓，毛興云，徐德鴻(Ma Hao，Mao Xingyun，Xu Dehong)．兼顧電感電流連續(xù)導(dǎo)通和斷續(xù)運行模式的DC/DC電路建模和參數(shù)辨識(Modeling and parameter identification of DC/DC converters in both CCM and DCM mode)［J］．中國電機(jī)工程學(xué)報(Proceedings of the CSEE)，2006，26(5):64-69．

［12］安群濤(An Quntao)．三相電機(jī)驅(qū)動系統(tǒng)中逆變器故障診斷與容錯控制策略研究(Diagnosis and fault-tolerant control strategies of inverters in three-phase motor drive systems)［D］．哈爾濱:哈爾濱工業(yè)大學(xué)(Harbin:Harbin Institute of Technology)，2011.44-50．

［13］Jin-Ding Cai，Ren-Wu Yan．Fault diagnosis of power electronic circuit based on random forests algorithm［A］．Natural Computation，2009．ICNC’09．Fifth International Conference［C］．2009.2:214-217．

［14］楊婷(Yang Ting)．基于鍵合圖理論的逆變器故障診斷方法研究(Study on fault diagnosis approach of inverter based on bond graph theory)［D］．哈爾濱:哈爾濱工業(yè)大學(xué)(Harbin:Harbin Institute of Technology)，2013.27-39．

［15］陳昭宇(Chen Zhaoyu)．基于知識庫的變流器故障診斷研究(The study of converter fault diagnosis based on knowledge base)［D］．上海:上海交通大學(xué)(Shanghai:Shanghai Jiao Tong University)，2013.46-89．

［16］Hui Zhang，Jing Ren，Yanru Zhong，et al．Fault diagnosis of power electronics in renewable energy equipment based on fuzzy expert system［A］．IEEE International E-lectric Machines and Drives Conference(IEMDC)［C］．2007.864-867．

［17］M A Masrur，Z Chen，B Zhang，et al．Model-based fault diagnosis in electric drive inverters using artificial neural network［A］．IEEE Gen．Meeting Power Eng．Soc．［C］．2007.1-7．

［18］陳丹江，葉銀忠(Chen Danjiang，Ye Yinzhong)．基于多神經(jīng)網(wǎng)絡(luò)的三電平逆變器器件開路故障診斷方法(Fault diagnosis of three level inverter based on multi neural network)［J］．電工技術(shù)學(xué)報(Transactions of China Electrotechnical Society)，2013，28(6):120-126．

［19］S Khomfoi，L M Tolbert．Fault diagnosis system for a multilevel inverters using a neural network［A］．IEEE Industrial Electronics Conference［C］．November 6-10，2005.1455-1460．

［20］S Khomfoi，L M Tolbert．Fault diagnosis system for multilevel inverters using a principal component neural network［A］．IEEE Power Electronic Specialists Conf．［C］．June 18-22，2006.3121-3127．

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

［22］王德成，林輝(Wang Decheng，Lin Hui)．基于支持向量機(jī)的功率變換器開關(guān)管開路故障診斷(Fault diagnosis of open-switch damage in power converter based on support vector machine［J］．火力與指揮控制(Fire Control＆ Command Control)，2010，35(1):126-128．

［23］胡清，王榮杰，詹宜巨(Hu Qing，Wang Rongjie，Zhan Yiju)．基于支持向量機(jī)的電力電子電路故障診斷技術(shù)(Fault diagnosis technology based on SVM in power electronics circuit)［J］．中國電機(jī)工程學(xué)報(Proceedings of the CSEE)，2008，28(12):107-111．

［24］顧曉光(Gu Xiaoguang)．基于小波變換和支持向量機(jī)的電力電子電路故障診斷研究(Fault diagnosis of power electronic circuit based on wavelet and support vector)［D］．開封:河南大學(xué)(Kaifemg:Henan University)，2011.28-49．

［25］楊忠林，吳正國，李輝(Yang Zhonglin，Wu Zhengguo，Li Hui)．基于直流側(cè)電流檢測的逆變器開路故障診斷方法(Inverter fault diagnose based on detecting DC side current)［J］．中國電機(jī)工程學(xué)報(Proceedings of the CSEE)，2008，28(27):18-22．

［26］徐德鴻，程肇基，范云其(Xu Dehong，Cheng Zhaoji，F(xiàn)an Yunqi)．診斷電力電子電路故障的新方法 ——沃爾什分析法(A new fault diagnose method for electronic circuits—Walsh transform method)［J］．電工技術(shù)學(xué)報(Transactions of China Electrotechnical Society)，1993，(1):32-34．

［27］沈艷霞，周文晶，紀(jì)志成，等(Shen Yanxia，Zhou Wenjin，Ji Zhicheng，et al．)．基于小波包分析的風(fēng)力發(fā)電系統(tǒng)中變流器的故障識別(Fault identification of converter used in wind power generation based on wavelet packet analysis)［J］．電網(wǎng)技術(shù)(Power System Technology)，2013，37(7):2011-2017．

［28］Charfi F，Sellami F，Al Haddad K．Fault diagnostic in power system using wavelet transforms and neural networks［A］．Proceedings of the IEEE International Symposium on Industrial Electronics［C］．Montreal，Quebec，Canada，2006.1143-1148．

［29］Awadallah M A，Morcos M M．Automatic diagnosis and location of open-switch fault in brushless DC motor drives using wavelets and neuro-fuzzy systems［J］．IEEE Transactions on Energy Conversion，2003，21(1):104-111．

［30］楊曉冬，史麗萍，夏正龍(Yang Xiaodong，Shi Liping，Xia Zhenglong)．靜止同步補(bǔ)償器IGBT開路故障診斷方法(IGBT open circuit fault diagnosis method for static synchronous compensators)［J］．電工技術(shù)學(xué)報(Transactions of China Electrotechnical Society)，2013，28(12):199-205．

［31］閔月梅，王宏華，韓偉(Min Yuemei，Wang Honghua， Han Wei)．基于信息融合的光伏并網(wǎng)逆變器故障診斷(Fault diagnosis of photovoltaic grid inverter based on information fusion)［J］．電測與儀表(Electrical Measurement＆Instrumentation)，2014，51(1):17-21．

［32］崔江，王友仁(Cui Jiang，Wang Youren)．采用基于模糊推理的分類器融合方法診斷電力電子電路參數(shù)故障(Testing the parametric faults of power electronic circuits applying classifiers fusion method based on fuzzy inference)［J］．中國電機(jī)工程學(xué)報(Proceedings of the CSEE)，2009，29(18):54-59．

［33］P Gilreath，B N Singh．A new centroid based fault detection method for 3-phase inverter-fed induction motors［A］．Proc．IEEE Power Electron．Spec．Conf．［C］．2005.2663-2669．

［34］Y Guan，D Sun，Y He．Mean current vector based online real-time diagnosis for voltage source inverter fed induction motor drives［A］．Proc．IEMDC［C］．2007.2: 1114-1118．

［35］孫丹，孟濬，管宇凡(Sun Dan，Meng Jun，Guan Yufan)．基于相空間重構(gòu)和模糊聚類的永磁同步電機(jī)直接轉(zhuǎn)矩控制系統(tǒng)逆變器故障診斷(Inverter faults diagnosis in PMSM DTC drive using reconstructive phase space and fuzzy clustering)［J］．中國電機(jī)工程學(xué)報(Proceedings of the CSEE)，2007，27(6):49-53．

Review of fault diagnosis technology for power electronic converters

WU Juan，SHEN Yan-xia
(Institute of Electrical Automation，Jiangnan University，Wuxi 214122，China)

With the rapid development of power electronics technology，power converters have been widely used in various important places，such as in the grid，industrial production and so on．Therefore，the safe operation of power converters has attracted wide attention of researchers．This paper presents a survey on existing methods for fault diagnosis and protection of power converters and focuses on the open-circuit fault，and the existing fault diagnosis methods are categorized and summarized．With special focus on those used in three-phase power inverters，these methods are classified into three dimensions-based on analytical model，knowledge and signal processing respectively．After some basic concepts and principles of each fault diagnosis method are introduced，fault diagnosis methods of power electronic system are compared and surveyed systematically from the perspectives of applicability，complexity of algorithm，diagnostic time and reliability．And then difficulties and trends of the research on fault diagnosis of power converters are indicated．

power converters;fault diagnosis;analytical model;knowledge;signal processing

TM46

:A

:1003-3076(2015)11-0048-07

2014-09-28

國家自然科學(xué)基金(61104183)、高等學(xué)校博士學(xué)科點專項科研基金(20130093110011)資助項目

吳 娟(1990-)，女，江蘇籍，碩士研究生，研究方向為功率變換器的故障診斷;

沈艷霞(1973-)，女，山東籍，教授，博士，研究方向為風(fēng)力發(fā)電、電機(jī)非線性控制。