[发明专利]功率变换器中功率器件结温预测模型建立方法及装置

说明书

本发明实施例涉及模型预测领域，尤其涉及一种功率变换器中功率器件结温预测模型建立方法及装置，所述方法包括：离线测取不同温度下，功率器件在不同母线电压条件下的通态电压数据和栅极电压过冲数据，以及不同温度下，功率器件在不同负载电流条件下的通态电压数据和栅极电压过冲数据；建立神经网络模型，利用所测取的数据对所述神经网络模型进行训练、测试和验证，得到训练后的神经网络模型。本发明实施例的技术方案，通过选取两个同时受功率器件温度和键合线失效影响的电气参数联合建立神经网络模型，预测功率器件的结温，实现了可解耦键合线失效的功率器件温度监测。

技术领域

本发明实施例涉及模型预测领域，尤其涉及一种功率变换器中功率器件结温预测模型建立方法及装置。

背景技术

电力电子功率变换器的核心部件是功率器件，其可靠性与寿命直接影响着功率变换器系统的性能。根据电力电子功率器件的可靠性报告，热应力是导致电力电子功率器件的主要诱因。这是因为电力电子功率器件长期处于高速的开关切换工作状态，且电力电子功率器件在工作时不可避免要产生功率损耗（包括通态损耗与开关损耗），这个损耗将转化为热，对电力电子功率器件进行作用会使得电力电子功率器件面临严重的老化问题。

对电力电子功率器件进行准确、及时的状态监测对于保证整个系统的安全稳定运行具有重要意义。

发明内容

基于现有技术的上述情况，本发明实施例的目的在于提供一种功率变换器中功率器件结温预测模型建立方法及装置，通过建立功率器件结温预测模型，对功率变换器中功率器件的结温进行预测，具有结温监测响应快、采样频率高、对电路无侵入等技术效果。

为达到上述目的，根据本发明的一个方面，提供了一种功率变换器中功率器件结温预测模型建立方法，所述方法包括：

离线测取不同温度下，功率器件在不同母线电压条件下的通态电压数据和栅极电压过冲数据，以及不同温度下，功率器件在不同负载电流条件下的通态电压数据和栅极电压过冲数据；

建立神经网络模型，利用所测取的通态电压数据和栅极电压过冲数据对所述神经网络模型进行训练、测试和验证，得到训练后的神经网络模型。

进一步的，所述神经网络模型的输入为功率器件的通态电压数据和栅极电压过冲数据、以及所述通态电压数据和栅极电压过冲数据各自对应的母线电压数据以及负载电流数据，输出为功率器件的结温数据。

进一步的，所述神经网络模型包括输入层、隐藏层和输出层；

所述输入层为1层，隐藏层为20层，输出层为1层。

进一步的，所述功率器件包括IGBT；所述功率变换器包括整流器、逆变器、以及变流器。

进一步的，将所测取数据的70%作为训练数据集，将所测取数据的15%作为测试数据集，将所测取数据的15%作为验证数据集，对所述神经网络模型进行训练、测试和验证。

进一步的，所述训练包括：

获取神经网络模型的输出误差，当输出误差连续n次迭代无变化时，则终止训练，n为迭代误差阈值。

进一步的，所述方法还包括：

根据在线监测的功率器件的电气参数，利用所述训练后的神经网络模型预测所述功率器件的结温。

进一步的，所述在线监测的功率器件的电气参数包括功率器件所在功率变换器的母线电压、功率器件所在功率变换器的负载电流、功率器件导通时的集射极电压、以及功率器件开通瞬态的栅极电压过冲。

根据本发明的第二个方面，提供了一种功率变换器中功率器件结温预测模型建立装置，所述装置包括：