彭莉峻 ,何林 ,韓行

(1.西安建筑科技大學(xué) 機(jī)電學(xué)院，西安 710055； 2.西安建筑科技大學(xué) 理學(xué)院， 西安 710055)

0 引 言

近年來國家對節(jié)能減排工作重視程度在不斷提高和深化，工業(yè)節(jié)能方面，“十三五”節(jié)能減排工作方案著重強(qiáng)調(diào)電機(jī)系統(tǒng)能效提升、節(jié)能技術(shù)裝備產(chǎn)業(yè)化技術(shù)的發(fā)展，并將工業(yè)園區(qū)可再生能源占比納入其考核體系中[1-2]。一直以來，變頻器因其調(diào)速性能和電機(jī)運(yùn)行節(jié)能環(huán)保能力方面的突出表現(xiàn)，已成為動(dòng)力系統(tǒng)重要組成部分[3-4]。傳統(tǒng)變頻器整流環(huán)節(jié)為二極管整流，具有結(jié)構(gòu)簡單、運(yùn)行穩(wěn)定的優(yōu)勢，但隨著綠色電網(wǎng)要求的不斷提高[5-6]，變頻器在再生制動(dòng)能量節(jié)能技術(shù)應(yīng)用環(huán)節(jié)的需求的增長[7-10]，二極管整流存在許多不足，而三相電壓型PWM整流器因其網(wǎng)側(cè)單位功率因數(shù)、直流輸出電壓恒定，能量雙向流動(dòng)等優(yōu)點(diǎn)，在交流傳動(dòng)控制、單位功率因數(shù)整流等場合逐漸得到推廣應(yīng)用[11-12]，國內(nèi)外研究人員圍繞其高效運(yùn)行，已展開許多控制策略的研究[13-14]。由于電力電子器件控制的復(fù)雜性，其故障的發(fā)生在所難免，因此針對PWM整流器開展運(yùn)行狀態(tài)監(jiān)測、故障技術(shù)研究，做到及時(shí)維修以及容錯(cuò)控制，對提高設(shè)備可靠性和設(shè)備的使用率，保證工業(yè)生產(chǎn)的正常、穩(wěn)定運(yùn)行具有極其重要的意義。

文獻(xiàn)顯示，38%的功率變流裝置系統(tǒng)故障均由功率開關(guān)器件的短路和開路故障引起[15]，其中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[16]；而開路故障由于其往往引起的是系統(tǒng)輸入、輸出側(cè)信號(hào)的變化，導(dǎo)致系統(tǒng)二次故障而非直接關(guān)機(jī)，因此需進(jìn)行專門的故障診斷研究。目前針對PWM整流器所開展的開路故障診斷研究工作，其研究內(nèi)容主要集中在故障特征向量的選取和故障識(shí)別、診斷方法兩大方向上，以力求準(zhǔn)確、快速的在全功率范圍完成較為全面的故障診斷工作，且診斷系統(tǒng)本身不受負(fù)載的波動(dòng)影響，可靠性高。

1 故障的類型

三相電壓型PWM整流器作為一種典型的功率變流裝置，結(jié)構(gòu)如圖1所示，可工作在整流和逆變兩種狀態(tài)，其中逆變狀態(tài)與三相逆變器工作完全一致，已具有較為成熟的故障診斷研究[17]，但整流狀態(tài)下由于電路結(jié)構(gòu)和雙閉環(huán)控制系統(tǒng)的特點(diǎn)，運(yùn)行特征上與逆變狀態(tài)有較大差別[18-19]，引起研究人員的重視，并從不同角度展開了相關(guān)研究。

圖1 三相電壓型PWM整流器拓?fù)浣Y(jié)構(gòu)圖

按照功率開關(guān)管故障個(gè)數(shù)，三相電壓型整流器開關(guān)管開路故障類型可分為三類，包括:(1)單管故障，以A相為例，出現(xiàn)的D1開路故障或D1、V1同時(shí)開路故障等；(2)雙管故障包括同一橋臂的兩只功率管故障，如D1、V2同時(shí)開路，V1、V2同時(shí)開路等，以及上橋臂或下橋臂中任意兩只功率管故障，如V1、V3同時(shí)開路等；(3)三管及多管故障，這類故障是十分少見的[20-21]。

2 故障診斷方法

準(zhǔn)確、可靠地實(shí)現(xiàn)設(shè)備的故障診斷，一是要在不影響原系統(tǒng)運(yùn)行狀態(tài)的前提下，合理采集、提取具有故障特征的信號(hào)，其二是采用合適的故障診斷方法分析信號(hào)，包括基于數(shù)據(jù)驅(qū)動(dòng)的方法、基于解析模型的方法。

目前三相電壓型PWM整流器故障診斷中的故障特征向量的選取方法主要有兩大類，一類是直接提取功率開關(guān)管特征參數(shù)，如利用功率開關(guān)管故障前后導(dǎo)通電阻變化、導(dǎo)通壓降變化、門極電壓變化等[22]，這類故障特征參數(shù)的提取方法需要在原系統(tǒng)中加入新的信號(hào)采集點(diǎn)，一定程度上降低了系統(tǒng)的可靠性，同時(shí)成本也較高；另一類則是利用故障下系統(tǒng)的工作機(jī)理和故障對系統(tǒng)輸入、輸出特性影響特征及作用關(guān)系，如在電壓、電流雙閉環(huán)控制作用下，利用整流器網(wǎng)側(cè)相電流、直流側(cè)電壓等系統(tǒng)已有的信號(hào)測量點(diǎn)，通過直接或間接的方式，從這類信號(hào)中挖掘蘊(yùn)含的故障特征信息，再采用不同的分析方法實(shí)現(xiàn)故障程度以及類型的診斷。

2.1 數(shù)據(jù)驅(qū)動(dòng)方法

2.1.1 門極電壓檢測法

整流器正常工作時(shí)，交流側(cè)相電壓可表示為:

vj0(t)=vjN(t)+vN0(t)，(j=a，b，c)

(1)

其中:

vjN(t)=sjvdc，(j=a，b，c)

(2)

(3)

由此可推導(dǎo)出不同的開關(guān)模式下，交流側(cè)各線電壓均有3種電壓值，如:

(4)

可見，每一種開關(guān)組合只對應(yīng)一個(gè)線電壓值[23]。文獻(xiàn)[24]以此為依據(jù)，利用開關(guān)管門極信號(hào)和交流側(cè)線電壓唯一的組合關(guān)系，將開關(guān)管開路故障前后線電壓的變化信號(hào)作為故障特征向量，實(shí)現(xiàn)單管及多管故障的診斷和定位。以線電壓vab為例，故障特征向量如表1所列，其中T的值表示線電壓發(fā)生了由0向+vdc或-vdc的變化。

表1 開關(guān)管開路故障特征向量

這種診斷方法中由于作為故障特征向量的交流側(cè)線電壓受直流側(cè)電壓波動(dòng)影響較大，因此針對實(shí)際系統(tǒng)時(shí)必須合理、謹(jǐn)慎選取線電壓比較閾值，以免導(dǎo)致誤判。另一方面，由于選取了開關(guān)管的門極電壓作為特征信號(hào)，因此需要在原系統(tǒng)的基礎(chǔ)上加入新的檢測點(diǎn)，一定程度上加大了診斷系統(tǒng)的成本。

2.1.2 直接電流檢測法

由于三相電壓型PWM整流器電路結(jié)構(gòu)和電壓、電流雙閉環(huán)控制的作用，開關(guān)管開路故障后故障相相電流變化尤其明顯，出現(xiàn)電流正、負(fù)半周不對稱，而非逆變器開路故障中出現(xiàn)的某一半周缺失的現(xiàn)象，如圖2所示。

圖2 V1開路故障前后整流器三相電流波形

文獻(xiàn)[25-27]針對系統(tǒng)的這一特點(diǎn)，提出將相電流均值不為零作為故障特征向量，即：

(5)

這類方法，作為故障特征量的相電流信號(hào)容易獲取，且診斷數(shù)據(jù)量和計(jì)算量小，但隨著整流器功率的提高及直流側(cè)負(fù)載的變動(dòng)，漏診率大[28]，可靠性較低且無法解決多開關(guān)管故障識(shí)別和定位問題。

2.1.3 標(biāo)幺化均值法

(6)

將上述兩故障特征量分別與相應(yīng)的固定門限值進(jìn)行比較，利用表2所示的不同開關(guān)管開路故障時(shí)比較結(jié)果的編碼組合不同，完成故障診斷和定位。

表2 故障開關(guān)管確定方法

編碼規(guī)則為：

(7)

(8)

表2中Vc、Ijc分別表示電壓、電流標(biāo)幺化均值與相應(yīng)門限值的比較結(jié)果。

這種診斷方法能夠在全功率范圍內(nèi)有效，且能夠應(yīng)對負(fù)載變化頻繁的場合，但實(shí)際應(yīng)用中各標(biāo)幺化均值的門限比較值選取對診斷效果非常重要，門限值過大雖然能夠獲得可靠性高的診斷結(jié)果，但診斷時(shí)間長；反之，門限值過小可靠性降低，容易發(fā)生誤診等情況，且這種方法只適用于單管故障的情況。

2.1.4 電流相角檢測法

三相電壓型PWM整流器控制系統(tǒng)設(shè)計(jì)多采用電壓、電流矢量信號(hào)，將網(wǎng)側(cè)三相電流進(jìn)行Park變換，得到的電流矢量幅值、相角可分別表示為：

(9)

穩(wěn)態(tài)時(shí)，電流矢量相角從0～2π變化，同時(shí)，對于數(shù)字系統(tǒng)，在一個(gè)采樣周期內(nèi)電流矢量相角的變化量Δθi是與采樣頻率相關(guān)的定值：

(10)

當(dāng)整流器不同開關(guān)管發(fā)生開路故障后，如圖2所示，將導(dǎo)致故障相網(wǎng)側(cè)電流在特定區(qū)域近似為零，相應(yīng)其電流相角將出現(xiàn)的Δθi=0情況，如圖3所示。

圖3 V1開路故障前后電流相角圖

根據(jù)系統(tǒng)的以上特點(diǎn)，文獻(xiàn)[29]提出將電流相角的導(dǎo)數(shù)和歸一化的相電流平均絕對值作為故障特征向量，進(jìn)行故障定位；文獻(xiàn)[30-31]利用不同位置開關(guān)管開路故障時(shí)檢測判斷Δθi=0所屬區(qū)域，結(jié)合當(dāng)前θi角度共同作為故障特征信息實(shí)現(xiàn)多管同時(shí)故障時(shí)的診斷工作。

利用電流相角的檢測方法在實(shí)際診斷故障中，由式(10)可知Δθi的大小與采樣頻率、點(diǎn)數(shù)有關(guān)，采樣點(diǎn)數(shù)越高則診斷結(jié)果越可靠，但需要花費(fèi)診斷時(shí)間為代價(jià)，因此需折中考慮；另一方面，實(shí)際系統(tǒng)中，不將Δθi直接與0進(jìn)行比較，而需要設(shè)定一個(gè)比較閾值Th，一旦出現(xiàn)Δθi

2.1.5 基于Hilbert矢量變換法

根據(jù)整流器網(wǎng)側(cè)電流特征，傳統(tǒng)Park矢量法無法繪制出能夠表征故障規(guī)律且特征明顯的矢量圖[32]，文獻(xiàn)[33]提出通過三相網(wǎng)側(cè)相電流及其共軛電流分別繪制Hilbert矢量圖的方法，如圖4所示，利用不同開關(guān)管發(fā)生故障時(shí)Hilbert矢量圖左右半圓和凹凸位置不同作為故障特征，進(jìn)行故障的定位和識(shí)別，該方法直觀方便，但只能完成對單管的故障判斷，且準(zhǔn)確度不高。

圖4 V1、V2斷開后a相電流Hilbert矢量圖

2.1.6 智能分析方法

直接利用時(shí)域信號(hào)作為故障特征向量，對比較閾值的設(shè)計(jì)非常重要，所含的信息量往往有限，也容易收到噪聲等干擾的影響，因此越來越多的研究人員傾向于對信號(hào)進(jìn)行二次開發(fā)。針對整流器系統(tǒng)的輸入、輸出信號(hào)特點(diǎn)，對交流側(cè)相電流、直流側(cè)電壓利用傅里葉變換、小波分析等信號(hào)處理的方法，以將信號(hào)從時(shí)域轉(zhuǎn)換到頻域，獲取更為豐富的故障特征信息，再結(jié)合遺傳算法、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、粗糙集等智能算法設(shè)計(jì)合適的分類器對待檢測的信號(hào)進(jìn)行故障的診斷和分類。

文獻(xiàn)[34-36]首先對整流器各相電流網(wǎng)側(cè)電流進(jìn)行傅里葉變換，提取每一相電流諧波的直流分量、基波分量、二次諧波、三次諧波作為故障特征信號(hào)，通過模型電路標(biāo)準(zhǔn)故障建立故障樣本庫，針對待診斷系統(tǒng)結(jié)合SOM、ELAM等具有自組織特征映射的神經(jīng)網(wǎng)絡(luò)進(jìn)行故障的診斷及定位。但實(shí)際系統(tǒng)中，相電流諧波很大程度上受控制系統(tǒng)參數(shù)等方面的影響，當(dāng)諧波數(shù)據(jù)出現(xiàn)一定程度的偏差，則數(shù)據(jù)較為接近的不同類別的故障容易發(fā)生誤判。

文獻(xiàn)[37]利用小波分析具有雙重定域和多分辨率分析能力，以及將信號(hào)在低頻和高頻同時(shí)分解和重構(gòu)信號(hào)的功能[38]，將小波包分析整流器開關(guān)管開路故障前后直流側(cè)電壓得到的能量譜和功率譜細(xì)節(jié)信號(hào)作為故障特征向量；文獻(xiàn)[39]在利用小波分析獲得的頻譜故障特征向量的基礎(chǔ)上，建立了基于支持向量機(jī)的故障診斷方法，在有限樣本中最大程度挖掘隱含的信息，同時(shí)解決了數(shù)據(jù)維數(shù)問題，能夠有效的實(shí)現(xiàn)故障診斷工作。文獻(xiàn)[40-41]將小波分析與粗糙集相結(jié)合，針對故障特征信息，運(yùn)用粗糙集的數(shù)據(jù)挖掘能力去除冗余條件屬性，減小故障數(shù)據(jù)的維數(shù)，構(gòu)建條件屬性集與決策屬性集，約簡后提取出故障診斷規(guī)則，以實(shí)現(xiàn)快速、有效地診斷各類故障。隨著智能算法的發(fā)展，也有許多研究將多種智能算法結(jié)合使用，如模糊神經(jīng)網(wǎng)絡(luò)等[42-43]。

采用這類基于數(shù)據(jù)和信號(hào)處理的方法，診斷的準(zhǔn)確性對于受訓(xùn)練樣本的數(shù)量和種類表現(xiàn)出很高的依賴性，但考慮到現(xiàn)實(shí)中已發(fā)故障的數(shù)據(jù)量畢竟是有限的，因此要注意智能算法相關(guān)參數(shù)合適的選擇，避免當(dāng)輸入數(shù)據(jù)十分相近時(shí)不同類別故障不易區(qū)分甚至錯(cuò)判。另一方面，為獲得更多的狀態(tài)信息，當(dāng)選擇小波包層數(shù)較高時(shí)，數(shù)據(jù)維數(shù)增大，容易導(dǎo)致分類網(wǎng)絡(luò)收斂、聚類速度降低，影響診斷系統(tǒng)性能。

2.1.7 信息融合技術(shù)

上述針對整流器展開的故障診斷方法中，故障特征向量都是對直流側(cè)電壓或交流側(cè)相電流中提取的單信息，當(dāng)實(shí)際系統(tǒng)中存在較大干擾或噪聲時(shí)，故障信息的不確定性將降低診斷系統(tǒng)的可靠性。為彌補(bǔ)單一故障特征信息的不足之處，提高故障診斷的準(zhǔn)確率，采用融合算法進(jìn)行設(shè)備的故障診斷工作成為研究方向之一。

信息融合的方式一般可發(fā)生在傳感器層、特征層和決策層，其中傳感器層融合是一種較為直接的信息融合方法，通過采用多源傳感器采集故障信息，解決故障信息不足的情況[44]，但是采用這種方法需要較多的檢測點(diǎn)，成本升高。

特征層數(shù)據(jù)融合方法則是利用不同的特征提取方法分析和處理電路故障的原始信息，從多角度提取故障信號(hào)的全面特征信息，常用的處理方法包括小波包變換、傅里葉變換、經(jīng)驗(yàn)?zāi)B(tài)分解等。然后按照一定的融合方法對提取的多個(gè)特征向量進(jìn)行融合，診斷結(jié)構(gòu)如圖5所示。文獻(xiàn)[45]提出將待檢測電路的電壓信號(hào)、電流信號(hào)分別進(jìn)行小波包分解后的數(shù)據(jù)作為故障特征量，采用間隔交叉的方式進(jìn)行特征層的融合，從而增加電壓信息和電流信息對故障特征的相互補(bǔ)充。相較單故障樣本信息，進(jìn)行特征層融合后的故障樣本維數(shù)較大，因此往往還需對特征向量的維數(shù)進(jìn)行冗余消除工作，以提高后續(xù)故障分類和識(shí)別的速度。

圖5 特征層數(shù)據(jù)融合診斷結(jié)構(gòu)

決策層的信息融合技術(shù)是把兩種或多種分類器進(jìn)行集成，如常用的人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等，采用模糊融合、分類融合、D-S證據(jù)等融合算法進(jìn)行融合決策，得到最終診斷結(jié)果，診斷結(jié)構(gòu)如圖6所示。值得注意的是，決策層的融合必須基于良好的數(shù)據(jù)預(yù)處理，否則會(huì)直接影響決策的結(jié)果。

圖6 決策層數(shù)據(jù)融合診斷結(jié)構(gòu)

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，將一定程度的提高故障診斷的準(zhǔn)確性和可靠性。

2.1.8 大數(shù)據(jù)技術(shù)

作為關(guān)鍵的整流環(huán)節(jié)，三相電壓型PWM整流器的應(yīng)用將越來越廣泛，故障診斷依賴于良好的診斷方法，而基于數(shù)據(jù)驅(qū)動(dòng)的診斷方法的核心就是數(shù)據(jù)，沒有數(shù)據(jù)支持的算法毫無意義，但目前針對其展開的進(jìn)故障診斷研究中，故障特征的提取、故障信息的發(fā)掘，以及故障分類器的建立和訓(xùn)練所依托的大都是標(biāo)準(zhǔn)故障模型，或有限的較小數(shù)量級(jí)的數(shù)據(jù)信息，并且診斷工作都是在已發(fā)故障的前提下展開，這類診斷方法，很難滿足實(shí)際系統(tǒng)工作狀態(tài)多變的情況下，在線故障診斷的準(zhǔn)確性和可靠性要求，以及在故障發(fā)生前進(jìn)行快速、有效地故障預(yù)警。隨著大數(shù)據(jù)技術(shù)的發(fā)展，已在其他故障診斷領(lǐng)域利用大數(shù)據(jù)技術(shù)開展的故障診斷與預(yù)警研究，亦可引入到整流器故障診斷工作中來[46-47]。

基于大數(shù)據(jù)技術(shù)收集和分析整流裝置的實(shí)際運(yùn)行數(shù)據(jù)而非傳統(tǒng)模型樣本數(shù)據(jù)，以海量數(shù)據(jù)為基礎(chǔ)，在有限時(shí)間內(nèi)從監(jiān)測的大數(shù)據(jù)環(huán)境中得到最新的診斷模型和預(yù)測模型，采用數(shù)據(jù)挖掘方法進(jìn)行故障診斷和分類，并能夠合理精確的完成預(yù)警，這也是目前研究的熱點(diǎn)之一。

2.2 解析模型法

與基于數(shù)據(jù)和信號(hào)的故障診斷方法不同，解析模型法是基于系統(tǒng)精確的數(shù)學(xué)模型之上的。利用整流器數(shù)學(xué)模型，同時(shí)構(gòu)造狀態(tài)觀測器，當(dāng)發(fā)生不同故障時(shí)，系統(tǒng)狀態(tài)觀測器特征向量的輸出與實(shí)際系統(tǒng)該特征向量輸出之間將產(chǎn)生殘差，通過分析該殘差來實(shí)現(xiàn)故障診斷。文獻(xiàn)[48]以變流器輸出電壓作為故障特征量，通過分析實(shí)際系統(tǒng)電壓值與參考模型輸出量之間側(cè)殘差實(shí)現(xiàn)故障診斷的目的，但由于PWM整理器是非線性時(shí)變的系統(tǒng)，很難建立精確的數(shù)學(xué)模型，因此該方法在應(yīng)用中收到很大的限制。

3 結(jié)束語

本文對PWM整流器現(xiàn)有故障診斷方法進(jìn)行了介紹和對比，由于PWM整流器屬于非線性系統(tǒng)，因此在故障特征向量的選取方面，采用基于數(shù)據(jù)驅(qū)動(dòng)和信號(hào)處理的方法，給診斷工作提供了更多的信息，提高了診斷方法的適用范圍、精度和可靠性。故障診斷方法也在考慮診斷速度的前提下，逐漸從單一的智能分析算法向綜合性融合診斷算法發(fā)展。

目前，針對PWM整流器展開的故障診斷工作都是在故障已發(fā)的前提下展開的，但在工業(yè)生產(chǎn)中，已發(fā)故障容易導(dǎo)致異常停機(jī)，因此在現(xiàn)有故障診斷技術(shù)的基礎(chǔ)上對PWM整流器故障狀態(tài)預(yù)警及設(shè)備的運(yùn)行壽命預(yù)測，以及故障后的容錯(cuò)控制進(jìn)行更深入研究，具有很大的應(yīng)用價(jià)值和前景。