[发明专利]一种三相PWM整流器中基于神经网络的直流母线电容容量辨识方法

说明书

本发明涉及一种三相PWM整流器中基于神经网络的直流母线电容容量辨识方法，属于电力电子领域。现有技术中，直流母线电容辨识方法存在注入电压电流谐波使系统电能质量降低、高频信号采样不全导致辨识精度降低、额外的直流侧电流采样电路导致复杂性与成本增加以及未考虑方法的实用性等一系列问题。本发明所述的方法构建并训练了一个基于离线仿真电路采集电压电流数据的神经网络，并通过实际硬件电路不控整流阶段采集电压电流数据以及协同滤波，实现直流母线电容容量的辨识。采用本发明所述的方法在未知直流侧负载大小且不添加额外传感器的情况下，可实时在硬件电路不同工况下进行电容容量辨识，达到高性能运行PWM整流器的效果。

技术领域

本发明属于电力电子技术领域，具体涉及一种三相PWM整流器中基于神经网络的直流母线电容容量辨识方法。

背景技术

传统燃油汽车的普及推动了人类的社会经济和文化文明的高速发展，但对不可再生能源的巨大消耗，使得能源紧缺的问题日益严峻。同时，石油燃烧所导致的尾气排放也造成了温室效应等严重的环境问题。因此，节能和环保成为汽车技术发展的主题，电动汽车得到广泛的关注，电动汽车车载充电系统也成为研究的热点。车载充电系统主要包括网侧AC/DC变换器和隔离双向DC/DC变换器。而状态监测是观察评估电力电子器件、变换器和系统健康状况的重要方法，被广泛应用于电动汽车充电系统等安全可靠性要求高的场合。当状态监测被用于电力电子器件的在线监测中时，如果其偏离健康状态，则会采取适当的措施防止意外事故发生。为优化车载充电系统中PWM整流器的控制性能和提高系统的可靠性，直流母线电容健康状况的监测和老化状态的评估成为研究热点。然而，现有的电容容量辨识方法存在估计精度低、需要增加额外的检测电路等缺点。因此，研究一种更高精度、更低成本的直流母线电容辨识方法具有较强的实际应用价值。

Nguyen等针对PWM逆变驱动的感应电机前端二极管整流器，提出一种在线电容容量辨识方案[T.H.Nguyen and D.C.Lee.Deterioration monitoring of dc-linkcapacitors in ac machine drives by current injection.IEEE Trans.PowerElectron.,Mar.2015,30(3):1126-1130]。该方法在交流电机工作时，向定子绕组中注入低阶奇数次谐波电流，使电容器电压在对应频率下波动，进而用递推最小二乘法处理电压和电流的交流分量，从而实现对电容容量的辨识。但该方法不仅向系统注入电压或电流谐波，降低系统电能质量，而且需要额外的直流侧电流传感器，增加系统成本。Ahmad等提出了一种电容容量辨识方法，通过输入电流和开关管的开关状态计算出电容的纹波电流，依此计算电容容值[M.W.Ahmad et al.A fault diagnosis and postfault reconfigurationscheme for Interleaved boost converter in PV-based system.IEEE Trans.PowerElectron.,Apr.2021,36(4):3769-3780.]。但该方法依赖高频开关信号，易出现信号采样不全问题，降低辨识精度。Kame等将自适应神经模糊推理系统算法应用于AC/DC-DC/AC变换器直流母线电容容量辨识中，基于数据训练，ANFIS能够预测电容器的健康状态[T.Kamelet al.Capacitor aging detection for the DC filters in the power electronicconverters using ANFIS algorithm.Proc.IEEE 28th Can.Conf.Elect.Comput.Eng.,2015,663–668]。但是该方法训练数据不能覆盖该系统的所有情况，不能实现全功率范围内的电容容量辨识，具有局限性。Khalil等向电容器的参考电压注入低频电压谐波，找到基于支持向量回归的识别模型，将获得的电容器功率用作训练数据，在使用一组训练数据之后，使用生成的函数来分析已知电容器功率与其对应的电容容值之间的相关性[A.G.Abo-Khalil and D.C.Lee.DC-link capacitance estimation in AC/DC/AC PWM convertersusing voltage injection.IEEE Trans.Ind Appl.,Sep./Oct.2008,44(5):1631–1637.]。但该方法由于向系统注入电压谐波，系统运行性能降低。