梅霜，李志剛

(河北工業(yè)大學(xué)電氣工程學(xué)院，天津300310)

小樣本數(shù)據(jù)下功率模塊開(kāi)關(guān)損耗模型研究*

梅霜，李志剛*

(河北工業(yè)大學(xué)電氣工程學(xué)院，天津300310)

在研究新能源系統(tǒng)可靠性時(shí)，功率模塊IGBT的開(kāi)關(guān)損耗的準(zhǔn)確預(yù)測(cè)是非常重要的。采用功率模塊的開(kāi)關(guān)動(dòng)態(tài)測(cè)試系統(tǒng)進(jìn)行試驗(yàn)，可以自動(dòng)調(diào)整直流母線電壓、集電極電流、門(mén)極驅(qū)動(dòng)電壓和門(mén)極電阻，記錄開(kāi)關(guān)動(dòng)態(tài)電壓、電流波形，通過(guò)處理獲取精確的開(kāi)關(guān)損耗值。基于試驗(yàn)數(shù)據(jù)的基礎(chǔ)上，通過(guò)SVM算法建立開(kāi)關(guān)損耗模型，改善了現(xiàn)有的基于小樣本數(shù)據(jù)的開(kāi)關(guān)損耗模型。

功率模塊;開(kāi)關(guān)損耗;SVM;小樣本

功率模塊的損耗主要有通態(tài)損耗、截止損耗和開(kāi)關(guān)損耗，其中由于關(guān)斷狀態(tài)下的截止損耗很小，可以忽略不計(jì)，通態(tài)損耗可以通過(guò)數(shù)據(jù)表和操作模式準(zhǔn)確的獲得，但是開(kāi)關(guān)損耗，由于開(kāi)關(guān)過(guò)程持續(xù)時(shí)間極短，且影響因子較多，比較難于預(yù)測(cè)和評(píng)估［1-2］。功率模塊的損耗主要取決于器件的類(lèi)型和器件的操作條件，器件的損耗可能會(huì)產(chǎn)生大量的熱，引起過(guò)大的溫升，對(duì)其可靠性影響很大，這些直接決定了系統(tǒng)所需的散熱系統(tǒng)和過(guò)熱保護(hù)系統(tǒng)的等級(jí)。因此，功率模塊IGBT的損耗問(wèn)題一直是各國(guó)學(xué)者研究的熱點(diǎn)，其中如何準(zhǔn)確估算IGBT模塊的開(kāi)關(guān)損耗是研究的重點(diǎn)內(nèi)容之一。

目前，IGBT模塊開(kāi)關(guān)損耗計(jì)算方法有基于物理方法的損耗計(jì)算法和基于數(shù)學(xué)方法的損耗計(jì)算法［3］。文獻(xiàn)［4-5］采用仿真軟件建立相應(yīng)的物理模型得到開(kāi)關(guān)動(dòng)態(tài)波形，計(jì)算損耗，結(jié)果相對(duì)精確，但是建立的物理模型一般比較復(fù)雜，所需參數(shù)也不易獲得。目前，許多仿真軟件已經(jīng)建立了一些器件的物理模型，大大方便了人們的應(yīng)用。文獻(xiàn)［6-7］采用數(shù)據(jù)手冊(cè)對(duì)開(kāi)關(guān)損耗進(jìn)行估算，簡(jiǎn)單方便，但其作者也指出該方法計(jì)算結(jié)果不太精確。文獻(xiàn)［1，8-9］采用相應(yīng)的簡(jiǎn)單函數(shù)擬合開(kāi)通、關(guān)斷的電壓、電流波形，再通過(guò)積分獲取開(kāi)關(guān)損耗值，但其作者在建立該模型時(shí)，都設(shè)立了一些條件假定，不能與實(shí)際曲線一致。文獻(xiàn)［10-12］采用傳統(tǒng)數(shù)學(xué)模型和神經(jīng)網(wǎng)絡(luò)模型對(duì)開(kāi)關(guān)損耗建模，考慮到電壓、電流、驅(qū)動(dòng)電壓和驅(qū)動(dòng)電阻等的影響，以實(shí)測(cè)的開(kāi)關(guān)損耗值為基礎(chǔ)，在解決大樣本問(wèn)題時(shí)模型精度高，效果好，準(zhǔn)備工作復(fù)雜，模型建立后獲取開(kāi)關(guān)損耗值比較簡(jiǎn)單，計(jì)算速度快，而且精度較高。但在解決小樣本問(wèn)題時(shí)，無(wú)法給出令人滿(mǎn)意的結(jié)果。建立模型的基礎(chǔ)需要大量的實(shí)驗(yàn)數(shù)據(jù)，功率模塊IGBT的開(kāi)關(guān)損耗的準(zhǔn)確的測(cè)試就非常必要了。目前存在的IGBT開(kāi)關(guān)損耗建?；A(chǔ)數(shù)據(jù)大都是計(jì)算上升時(shí)間(電流的10%～90%)損耗，或者電流上升開(kāi)始到測(cè)試電流為止的開(kāi)通損耗(關(guān)斷損耗一樣)，而不是開(kāi)通時(shí)間和關(guān)斷時(shí)間內(nèi)的損耗，本文嚴(yán)格按照開(kāi)關(guān)時(shí)間的定義，測(cè)試電壓、電流和門(mén)極電壓波形，開(kāi)關(guān)動(dòng)態(tài)測(cè)試更準(zhǔn)確，開(kāi)關(guān)損耗計(jì)算更精確。

基于以上分析，本文首先描述了功率模塊IGBT開(kāi)關(guān)特性測(cè)試系統(tǒng)的設(shè)計(jì)，該系統(tǒng)可以調(diào)節(jié)的參數(shù)包括電壓、電流、門(mén)極驅(qū)動(dòng)電壓、門(mén)極電阻。一旦測(cè)試條件設(shè)定好，測(cè)試系統(tǒng)自動(dòng)地就可以進(jìn)行測(cè)試。該系統(tǒng)能自動(dòng)測(cè)試記錄電壓、電流和門(mén)極電壓的波形，使開(kāi)關(guān)損耗計(jì)算更精確。最后，研究了利用支持向量機(jī)(SVM)算法建立開(kāi)關(guān)損耗模型，解決功率模塊IGBT開(kāi)關(guān)損耗小樣本建模的缺陷。

1 功率模塊開(kāi)關(guān)特性測(cè)試

為研究功率模塊IGBT開(kāi)關(guān)特性，可以采用圖1所示的雙脈沖控制觸發(fā)信號(hào)和二極管鉗位的感性負(fù)載電路，與單脈沖測(cè)試系統(tǒng)相比，該系統(tǒng)能夠準(zhǔn)確測(cè)試功率模塊的開(kāi)通過(guò)程和關(guān)斷過(guò)程。采用疊層母排，有效地減少母線雜散電感;門(mén)極觸發(fā)的雙脈沖信號(hào)為由DSP編程產(chǎn)生，它也控制著電壓、電流、門(mén)極驅(qū)動(dòng)電壓、門(mén)極電阻的自動(dòng)調(diào)節(jié);采用高壓差分電壓探頭測(cè)試電壓波形，采用羅氏線圈電流探頭測(cè)試電流波形，采用普通探頭測(cè)試門(mén)極電壓波形，能夠獲得足夠高精度的數(shù)據(jù)。通過(guò)計(jì)算機(jī)實(shí)現(xiàn)對(duì)測(cè)試波形的保存。

圖1 功率模塊動(dòng)態(tài)特性測(cè)試系統(tǒng)

該測(cè)試采用某典型的1 200 V/75 A的功率模塊IGBT進(jìn)行試驗(yàn)，保持室溫25℃，記錄不同工作條件下的功率模塊IGBT的開(kāi)通、關(guān)斷波形，測(cè)試電壓Vce、電流Ic、門(mén)極電壓Vge波形如圖1所示，并保存在計(jì)算機(jī)中等待后續(xù)處理。

在人機(jī)界面上分別設(shè)置測(cè)試條件如表1所示共54個(gè)測(cè)試點(diǎn)，得到功率模塊IGBT動(dòng)態(tài)開(kāi)關(guān)電壓、電流波形并保存，為開(kāi)關(guān)損耗建模提供數(shù)據(jù)基礎(chǔ)。

表1 動(dòng)態(tài)測(cè)試條件

2 測(cè)試結(jié)果及損耗計(jì)算

如圖2所示為Vcc=600 V，Ic=75 A，Vge=15 V，Rg=10Ω時(shí)的開(kāi)關(guān)動(dòng)態(tài)的測(cè)試波形，包括電壓波形、電流波形和門(mén)極驅(qū)動(dòng)電壓波形。

圖2 IGBT動(dòng)態(tài)測(cè)試波形圖

功率模型IGBT的開(kāi)關(guān)損耗由IGBT的開(kāi)關(guān)特性決定，損耗計(jì)算公式如下所示:

式中:Eon為開(kāi)通損耗，Eoff為關(guān)斷損耗，ton為開(kāi)通時(shí)間，toff為關(guān)斷時(shí)間，vce為集-射極間電壓，ic為集電極電流。

使用測(cè)試設(shè)備數(shù)據(jù)表的定義來(lái)確定開(kāi)通和關(guān)斷過(guò)程的時(shí)間。開(kāi)通損耗的過(guò)程是當(dāng)IGBT門(mén)極電壓Vge達(dá)到10%的測(cè)試電壓開(kāi)始到電流Ic上升達(dá)到測(cè)試電流的90%結(jié)束的過(guò)程，關(guān)斷損耗的過(guò)程從門(mén)極電壓Vge下降到90%的測(cè)試電壓開(kāi)始到電流Ic上升達(dá)到測(cè)試電流的10%結(jié)束的過(guò)程。

3 小樣本數(shù)據(jù)的開(kāi)關(guān)損耗模型

功率模塊開(kāi)關(guān)損耗建模的主要目的是要找出一個(gè)合理的表示方法來(lái)描述開(kāi)關(guān)能量損耗和可變參數(shù)包括集電極電流(Ic)，直流母線電壓(Vce)，門(mén)極電阻(Rg)和門(mén)極驅(qū)動(dòng)電壓(Vg)的關(guān)系。由于該測(cè)試樣本點(diǎn)只有54個(gè)，且是在多個(gè)測(cè)試條件下，在電力電子測(cè)試中，屬于小樣本數(shù)據(jù)，采用傳統(tǒng)的基于物理機(jī)理的模型和建模算法中常用的人工智能模型BP神經(jīng)網(wǎng)絡(luò)建模的模型所需樣本點(diǎn)不足，建立模型精度可能不高，因此選取適用于小樣本學(xué)習(xí)的支持向量機(jī)(SVM)算法建立功率模塊的開(kāi)關(guān)損耗模型，同時(shí)該模型能較好地解決了機(jī)器學(xué)習(xí)模型的過(guò)學(xué)習(xí)、非線性、維數(shù)災(zāi)難以及局部極小值等問(wèn)題。

3.1 模型的建立與誤差定義

首先要對(duì)所選的數(shù)據(jù)進(jìn)行歸一化處理，避免發(fā)生過(guò)飽和。采用開(kāi)關(guān)損耗測(cè)試系統(tǒng)測(cè)試數(shù)據(jù)共獲得54個(gè)樣本，隨機(jī)選取其中37個(gè)樣本作為訓(xùn)練樣本，17個(gè)作為測(cè)試樣本，對(duì)樣本進(jìn)行學(xué)習(xí)和訓(xùn)練。設(shè)置模型采用最大步長(zhǎng)為50進(jìn)行訓(xùn)練，期望誤差0.000 04，隱層的節(jié)點(diǎn)數(shù)為10。分別采用SVM算法和神經(jīng)網(wǎng)絡(luò)算法對(duì)開(kāi)關(guān)損耗建模，對(duì)比分析SVM算法在解決小樣本模型的優(yōu)越性。

采用均方根誤差和復(fù)測(cè)定系數(shù)作為模型的評(píng)價(jià)標(biāo)準(zhǔn)。

均方根誤差RMSE

式中:yi為真實(shí)值為預(yù)測(cè)值，n為樣本數(shù)目。均方根誤差越小說(shuō)明模型的預(yù)測(cè)能力越強(qiáng)。

復(fù)測(cè)定系數(shù)R2

式中，殘差平方和:

總偏差平方和:

式中:yi為真實(shí)值，^yi為預(yù)測(cè)值，ˉy為真實(shí)值的平均值，n為樣本數(shù)目。復(fù)測(cè)定系數(shù)R2越接近1，模型越適用。

3.2 模型結(jié)果分析

獲得經(jīng)過(guò)SVM算法訓(xùn)練的開(kāi)通損耗和關(guān)斷損耗的測(cè)試集預(yù)測(cè)結(jié)果對(duì)比圖如圖3所示;經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練的開(kāi)通損耗和關(guān)斷損耗的測(cè)試集預(yù)測(cè)結(jié)果對(duì)比圖如圖4所示。

圖3 SVM模型的測(cè)試集預(yù)測(cè)結(jié)果對(duì)比圖

圖4 神經(jīng)網(wǎng)絡(luò)模型的測(cè)試集預(yù)測(cè)結(jié)果對(duì)比圖

采用SVM建立的功率模塊IGBT開(kāi)關(guān)損耗模型與采用BP神經(jīng)網(wǎng)絡(luò)建立的功率模塊IGBT開(kāi)關(guān)損耗模型的誤差對(duì)比結(jié)果如表2所示。從中可以看出，采用SVM建立的功率模塊IGBT開(kāi)關(guān)損耗模型很好的解決了樣本點(diǎn)數(shù)目減少導(dǎo)致模型的精度變差的問(wèn)題，彌補(bǔ)了在功率模塊IGBT開(kāi)關(guān)損耗建模中的缺陷。

表2 兩種算法的誤差比較

4 結(jié)論

(1)研究了功率模塊IGBT開(kāi)關(guān)動(dòng)態(tài)特性，設(shè)計(jì)了功率模塊開(kāi)關(guān)動(dòng)態(tài)測(cè)試系統(tǒng)，同時(shí)監(jiān)測(cè)電壓、電流和門(mén)極電壓的波形，根據(jù)定義計(jì)算開(kāi)關(guān)損耗，計(jì)算結(jié)果更全面。

(2)分析了現(xiàn)有的損耗計(jì)算方法及其優(yōu)缺點(diǎn)，采用SVM算法對(duì)功率模塊開(kāi)關(guān)損耗數(shù)據(jù)進(jìn)行建模，在解決小樣本損耗建模時(shí)與神經(jīng)網(wǎng)絡(luò)模型相比，精度更高，效果更好。彌補(bǔ)了在功率模塊IGBT開(kāi)關(guān)損耗在小樣本建模中的缺陷。

［1］毛鵬，謝少軍，許澤剛.IGBT模塊的開(kāi)關(guān)暫態(tài)模型及損耗分析［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2010，33(15):40-47.

［2］胡珊，羅賢明，白杰，等.IGBT動(dòng)態(tài)參數(shù)測(cè)試方法研究［J］.電力電子技術(shù)，2012，12:62-63.

［3］熊妍，沈燕群，江劍，等.IGBT損耗計(jì)算和損耗模型研究［J］.電源技術(shù)應(yīng)用，2006，5:55-60.

［4］崔揚(yáng)，賈林，王正元.IGBT SPICE模型的建立［J］.電力電子技術(shù)，1996，4:87-89.

［5］張薇琳，張波，丘東元.電力電子開(kāi)關(guān)器件仿真模型分析和比較［J］.電氣應(yīng)用，2007，9:64-67.

［6］Bierhoff M H，F(xiàn)uchs FW.Semiconductor Losses in Voltage Source and Current Source IGBT Converters Based on Analytical Derivation［C］//Proceedings of 35th Annual IEEE Power Electronics Specialists Conference.Aachen，Germany:IEEE，2004: 2836-2842.

［7］Calculation ofMajor IGBTOperating Parameters［EB/OL］.Inflneon Application Notes，http://www.infineon.com.

［8］柳丹，劉鈞，孟金磊，等.電動(dòng)汽車(chē)用IGBT模塊損耗分析方法［J］.電力電子技術(shù)，2013，8:74-76.

［9］鄒高域，趙爭(zhēng)鳴，袁立強(qiáng)，等.雙PWM變頻器中的IGBT模塊損耗［J］.清華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，7:1011-1018.

［10］Shen Yanqun，Xiong Yan，Jiang Jian，et al.Switching Loss Analysis and Modeling of Power Semiconductor Devices Base on an Automatic Measurement System［J］.Industrial Electronics，2006，2: 853-858.

［11］陳娜，李鵬，江劍，等.中高壓IGBT開(kāi)關(guān)特性的遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)［J］.電工技術(shù)學(xué)報(bào)，2013，2:239-247，254.

［12］Deng Yan，He Xiangning，Zhao Jing，et al.Application of Artificial Neural Network for Switching Loss Modeling in Power IGBTs［J］.Journal of Zhejiang University—SCIENCEC(Computers and Electronics)，2010，11(6):435-443.

梅霜(1991-)，女，漢族，江蘇沛縣，河北工業(yè)大學(xué)電器研究所，碩士研究生，研究方向?yàn)殡娖骺煽啃约捌錂z測(cè)技術(shù)、電子電器，592264122@qq.com;

李志剛(1958-)，男，漢族，天津，河北工業(yè)大學(xué)電器研究所，教授，博士生導(dǎo)師，研究方向?yàn)殡娖骺煽啃约捌錂z測(cè)技術(shù)、電子電器，zgli@hebut.edu.cn。

The Research of Sw itching Loss in Power M odule Under the Small Sam p le Data*

MEIShuang，LIZhigang*

(School of Electrical Engineering，Hebei University of Technology，Tianjin 300130，China)

Themodeling of switching loss in powermodules is important in practice for the prediction and evaluation of new energy system reliability.Using the powermodules dynamic test system that can automatically adjust the DC bus voltage、collector current、gate drive voltage and gate resistance.Recording switching dynamic voltage and currentwaveforms to obtain precise switching loss values by processing.A switching lossmodel that improved the existing switching lossmodel based on a small sample of test pointswas established by SVM algorithm.

powermodule;switching loss;SVM;small sample

C:2560L;2180B

10.3969/j.issn.1005－9490.2017.01.043

TN3

:A

:1005－9490(2017)01－0228－04

項(xiàng)目來(lái)源:國(guó)家科技支撐計(jì)劃項(xiàng)目(2015BAA09B01);國(guó)家自然科學(xué)基金項(xiàng)目(51377044);河北省科技計(jì)劃項(xiàng)目(14214503D，13214303D)

2016-01-04修改日期:2016-02-25