[发明专利]分段式LSTM的微网逆变器IGBT可靠性评估方法及系统

说明书

本发明公开了一种基于分段式LSTM的微网逆变器IGBT可靠性评估融合方法及系统，包括：建立电热耦合模型，获得实时的结温数据；针对IGBT老化的特性对原LSTM算法进行改进得到分段式LSTM预测网络；利用IGBT老化参数的监测值进行分段LSTM预测，获得预估老化进程，并就此划分不同老化阶段的阈值；对比阈值与监测数据，实时判断IGBT的老化阶段，并对电热耦合模型参数进行老化修正，确保结温数据的准确性；利用雨流计数法对结温数据进行处理，计算IGBT实时的热应力载荷分布；结合疲劳损伤理论和Lesit寿命预测模型，计算IGBT的实时的累积损伤度和预估寿命。本发明将可靠性分析与状态监测结合，以计及IGBT老化进程对于可靠性分析的影响。

技术领域

本发明属于电力电子设备核心器件可靠性领域，更具体地，涉及一种基于分段式LSTM的微网逆变器IGBT可靠性评估融合方法及系统。

背景技术

微电网可以充分利用分布式电源高效率、灵活度高的优点。同时，凭借自身能量调度管理功能来维持负荷功率的平衡，并做到一定程度的优化管理。由于分布式电源的多样性及运行方式的复杂性，微电网逆变器的可靠性在实际应用中尤其重要；绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor，IGBT)以其开关速度快、驱动电路较为简单、耐压性好、电流容量大等优势在微电网逆变器中得以广泛应用。微电网中的逆变器承担着电能变换、传递和存储的关键作用的同时，工作在复杂多变的工况之下，其核心器件IGBT往往承受着大量功率循环以及热循环载荷，它的性能会逐渐退化，最终导致其失效。逆变器的故障在很大程度上由IGBT的失效导致，为了保障微电网的可靠稳定运行，研究微电网应用背景下的IGBT可靠性在线评估十分必要。

结温波动是导致IGBT失效的主要原因，由于IGBT内部材料热膨胀系数不同将导致其内部结构热应力受力不均匀，导致键合线、焊料层以及芯片内部等材料交接部位常常因此受到损伤。结温的在线获取有直接测量和间接测量两种方法。直接测量是通过在IGBT模块内部嵌入集成传感器获取结温数据，但需要在IGBT设计生产中考虑集成传感器的电磁兼容问题。此外，该方法在实际工程中存在数据传输延时和增加成本的问题。间接测量是通过建立电热耦合模型实时预估IGBT的结温，具有低延时、在线监测能力强的优点。但是，IGBT的电热耦合模型一般依据IGBT的出厂技术手册建立，IGBT在工作过程中因疲劳损伤不断老化，导致事先建立的电热耦合模型不再适配当前IGBT的状态，从而导致可靠性分析的结果不准确。

由于IGBT老化将对可靠性评估的影响不可忽略，IGBT老化监测可以为电热耦合参数修正提供新的思路。常用的IGBT老化参数有栅极导通阈值电压、模块热阻值、集电极电流、集电极-发射极电压等。为了更全面地进行IGBT状态评估，应用数据驱动的方法可以从状态参数的历史数据中提取更多健康信息。数据驱动是一种利用传统数值方法、统计学理论、机器学习等手段对观测参数时间序列进行预测的方法，进而预估IGBT健康状态。目前，利用机器学习算法对IGBT老化进程进行预测和分析的研究较少。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于分段式LSTM的微网逆变器IGBT可靠性评估融合方法及系统，将IGBT可靠性分析与老化监测结合，并将机器学习算法引入IGBT老化预测；基于有限的老化观测参数准确地预测器件的老化进程，并作为实时更新电热耦合模型参数的依据，提高了可靠性评估计算效率，具备较强的在线监测能力。

为实现上述目的，按照本发明的一个方面，提供了一种基于分段式LSTM的微网逆变器IGBT可靠性评估融合方法，包括：

(1)针对微电网逆变器拓扑结构及IGBT型号建立电热耦合模型；

(2)将机器学习算法引入IGBT老化预测，针对IGBT老化的特性得到分段式LSTM预测网络；

(3)利用IGBT老化参数的监测值进行分段LSTM预测，获得预估老化进程，并对电热耦合模型参数进行老化修正，确保结温数据的准确性，其中，所述老化参数包括IGBT集电极-发射极关断冲击电压；