科研动态

等离子体所在EAST磁体电源故障诊断研究方面取得新进展

2022-08-18 | 作者:文/张玲 图/邓茜 |【 【打印】【关闭】

  近日,等离子体所电源及控制工程研究室高格、蒋力课题组博士生邓茜在EAST磁体电源系统脉冲宽度调制变流器故障诊断的研究方面取得新进展。研究成果以“Open-Switch Fault Diagnosis of Three-Phase PWM Converter Systems of magnet power supply on EAST”为题发表在电力电子领域权威期刊IEEE Transactions on Power Electronics上(作者:邓茜,万晨光,蒋力,高格,黄亚,DOI: 10.1109/TPEL.2022.3194113)。 

  EAST磁体电源系统计划采用高效率、高功率密度和高可靠性的三相两电平脉宽调制电压源变流器(PWM-VSC)作为前级功率转换器。由于驱动系统的复杂性和聚变反应堆电源系统工作环境的复杂性(如电磁干扰、高温等),PWM-VSC变流器系统容易发生故障,在异常工作模式运行,可能会对EAST物理实验的稳定运行产生严重影响。因此,电源系统的可靠运行研究备受关注。调查表明,电力系统中31%的故障是由功率半导体的故障引起,大致分为短路故障和开路故障 。其中开路故障通常由热机械疲劳或命令信号丢失导致的键合线故障引起,会导致电流不平衡,进而可能导致电源系统的二次故障,造成严重后果。因此,近年来的研究点主要集中在开路故障诊断上。目前,针对PWM-VSC变流器功率开关管的开路故障诊断方法通常只能诊断工作在整流或逆变状态的情况。而EAST磁体电源系统的PWM-VSC变流器需要工作在整流状态和逆变状态。根据电路模型理论分析可知,工作在这两种状态的故障特征量具有完全不同的特性,且单开关和双开关故障的故障现象较为复杂,故增加了故障诊断的难度。 

  为解决这个问题,本论文提出了一种可以在整流状态和逆变状态下检测功率开关管单开关和双开关故障的神经网络故障诊断算法。首先,提出了一种基于Inception(一种深度神经网络模型)的神经网络诊断模型。在该Inception模型中,1×1卷积、3×3卷积、5×5卷积、7×7卷积和3×3最大池过程在输入和输出处并行进行,并叠加在一起生成最终输出。然后,采用三相网侧电流信号作为上述模型的输入,以实际开关管开路故障位置作为模型的输出,进行神经网络模型的训练,并确定最佳模型。最后,利用实验进行验证。实验结果表明,该模型的平均故障诊断时间为12.83 ms(<3/4周期),诊断精度为99.14%。 

  依据此故障诊断算法,仅需使用三相网侧电流作为故障诊断特征量。可以诊断整流状态和逆变状态下的21种单开关和多开关开路故障。在增加网络的深度和宽度的同时,更好地利用网络的计算资源,从而保证计算预算不变。本方法结合实验数据和仿真数据的优点,将实验和仿真数据结合起来进行模型训练,更加贴近实际应用。同时,此算法不需要额外的传感器或系统数学模型,具有很强的鲁棒性,在母线电压发生变化和非单位功率因数的工况下,其诊断时间和诊断精度等指标表现良好。 

  本项目得到了聚变堆主机关键系统综合研究设施,安徽省自然科学基金,中国博士后面上基金等项目的支持,为聚变电源系统安全稳定运行提供了基础,同时为等其他领域提供了参考价值。  

  论文链接:https://ieeexplore.ieee.org/document/9842354 

   

  图1:PWM变流器拓扑结构

   

  图2:模型架构

   

  图3:神经网络模型的诊断精度

   

  (a)                                     (b) 

  图4:三相电流其故障诊断特征量波形.(a)整流状态下,Ta故障. (b)逆变状态下,Ta和Ta故障