并网单相逆变器故障诊断与在线监测

摘要

电力电子变换器系统（PECS）各种工业生产中广泛应用。在故障条件下分析是为了确保电力电子变换器系统（PECS）的功能可靠。以电力电子变换器系统（PECS）运行时的故障特征来判断选择用什么样的控制和保护程序。此外，电力电子变换器系统（PECS）的在线监测及有效的解决方案可以提高系统的监督和管理能力。因此，本文提出了故障诊断和单相并网逆变器用于可再生分布式发电的在线监测。本文提供了在不触发保护装置的基础上对单向逆变器故障检测、故障分类和开路位置（O-C）的标准保护系统。所提出的故障诊断算法的自适应神经模糊推理系统（ANFIS）算法的实是完全基于逆变器输出电流的测量实现的。因此，和以往的研究工作相比，该算法的工作量小的多。此外，通过传输控制协议和网络软件（TCP/IP）的通信接口将信息表达在图形用户界面GUI。GUI软件集成了单相逆变器的电信号的在线监测，以及结合这些信号生成了实时数据库。

关键字：单相逆变器

通信接

在线故障诊断监测自适应神经模糊推理系统

口板图形用户界面

1.引言

电力电子变换器系统（PECS）被广泛应用与工业系统中，包括智能电网，可再生能源的应用，电机驱动，电源系统等。因此，为了提高逆变器的可靠性和性能，在故障的条件下详细调查和结果分析是非常重要的。此外，由于可再生能源[1,2]的使用和智能电网的广泛使用，对逆变器的在线监测成为重要的课题。为了使检测和监测的过程简单和更容易实现，用硬件的支持手段，通过对用户–计算机系统的设计，提供相关信息给用户。选择重要的技术信息，并且对相关的信息进行介绍。当使用的技术决定后，相应技术设计的可能性和局限性也随之确定。此外，数据必须经过归类和处理，以直观输出给用户的图形用户界面（GUI），让用户容易找到所需信息。

电力电子变换器系统（PECS）中电源开关的故障分为短路（S-C）故障和开路（O-C）故障。短路（S-C）故障在大多数情况下导致过电流状况，其容易被标准保护系统检测和处理，例如过电流，欠电压或过电压保护。然而，开路（O-C）故障通常不触发标准故障保护，而是引起电力电子变换器系统（PECS）的故障或性能下降。由于标准保护系统可能无法检测这些故障类型，因此对于电力电子变换器系统（PECS）故障的诊断至关重要。

本文阐述了并网单相逆变器的开路（O-C）故障诊断和在线监测。提出的开路（O-C）故障诊断算法是通过自适应神经模糊推理系统（ANFIS）算法实现的，它是完全基于逆变器输出电流的测量。自适应神经模糊推理系统（ANFIS）的输出是基于诊断算法对单向逆变器开路（O-C）故障的识别。它还将归因于开路（O-C）故障的逆变器输出电流的阻塞路径分类。此外，它将开路（O-C）故障定位在逆变器电路的开关元件中或其栅极驱动电路中。此外，这篇文章中使用通信接口板实现在线监测，该通信接口板负责接收逆变器的电参数的测量。然后，这些测量由通信接口板通过传输控制和互联网协议（TCP/IP）发送到图形用户界面（GUI）软件。（GUI）软件集成了对这些不同参数的在线监测，并且包括用于这些参数的实时数据库。

图1、并网电力电子变流器关于先前的研究工作，在[3]中提出了基于现场可编程门阵列（FPGA）的电源开关故障检测和电力电子变换器系统（PECS）的补偿，其中提出的故障检测方法是基于跨越半导体开关的测量电压和估计电压之间的比较。文献[4,5]利用测量的三相电流及其相应的参考信号以及DC链路电压来检测逆变器开路（O-C）故障。此外，基于当前Park的矢量方法的故障检测在[6-8]中给出。Park的矢量方法将三相电流所包含的信息集中在一条线路中，这被用作识别故障的基本标准。对于单相逆变器，研究[9]使用磁场探头来检测单相逆变器的输出电感器附近的磁场。测量波形由峰值检测器和比较器处理，并用作逆变器故障的诊断标准。此外，基于（D-S）证据理论和模糊逻辑理论的故障诊断在[10]中给出，用于单相逆变器的故障诊断。诊断的输入是金氧半场效晶体管（MOSFET）的输出电压，输入电压和温度。对于三相逆变器的容错控制技术，在[11]中给出了一个调查，以便在某些情况下允许它们在故障条件下工作。文献[12]在故障条件下提供基于三相逆变器的分布式发电系统的控制，以避免电压骤降问题。在开关磁阻电机的功率变换器的开路（O-C）故障诊断中，在[13]中对斩波，续流和励磁母线电流进行监控。所提出的故障诊断方法在转换器中的特定位置中需要几个附加的电流传感器，以通过使用附加逻辑电路的逻辑分析来获得诊断结果和故障位置。在[14]中提出了一种监测系统，设计用于检测矩阵变换器拓扑结构中发生的开路（O-C）故障。该监控系统基于三个输出电流及其中性线电流分量的测量。关于图形用户界面（GUI）方案，一些用于电力应用的（GUI）已经在先前的研究工作中实现[15-18]。然而，它们被应用于模拟电力系统，而不是用于实际电力系统应用的GUI的实验性实施。因此，他们的接口过程变得更容易和更简单，因为他们不在实验环境中评估。

在以前的研究论文中实施的故障诊断和监测算法需要更多的传感器，硬件，或两者以识别故障。这样的附加传感器和硬件通常不在用于分布式发电的典型商业（PECS）中实现。因此，需要额外的成本和费用，这将是这种商业系统的缺点。此外，他们的保护方案没有配备GUI，这将导致智能电网必不可少的监督和管理任务的实施。另一方面，本文提出的故障诊断算法完全基于逆变器输出电流测量。因此，与以前的研究工作相比，所提出的算法需要更少的输入。所需的传感器和硬件的最小化对于在分布式发电系统中实施的低和中型商业PECS是重要的。因此，开发的故障诊断方法可以直接用于市场上现有的PECS。

本文概述如下：正在研究的PECS的架构在第2节中介绍。单相逆变器的开路(O-C)故障诊断的方法在第3节中描述。然后，提出的自适应神经模糊推理系统(ANFIS）诊断算法在第4节中进行了演示，并在正常和故障条件下说明不同的装载和供应情况。之后，第5节提供了可能影响所提出的故障诊断的因素，以及所提出的方法如何克服这些因素。然后，第6章描述了本文中实现的通信接口板以及本系统中使用的（GUI）软件。最后，第7节概述了论文的结论。

2.系统架构

正在研究的系统，如图1所示。图1展示出了电网连接的功率转换器，其将可变电压、可变频率（VVVF）形式的电能转换为固定电压固定频率（FVFF）的电能。转换器的电源是风能提供电能，既（WECS），其包括风力涡轮机，齿轮箱和同步发电机。另一方面，转换器输出的是单相电流。转换器的主电路是三相不受控整流电路，升压斩波器和单相逆变器。

在研究的功率转换器中有四个电压传感器和三个电流传感器。这些传感器用于测量每个主电路的输出电压和电流以及到整流器电路的输入线电压。这些传感器是用于控制和调节正在研究的整个电力电子转换器。

在该系统中实现最大功率点跟踪（MPPT）算法[19-21]，以便实现向负载的最大可能输出功率的传送。期望的输出功率（Pdesired）在该系统中取决于从WECS到PECS的输入频率（fi）。图2展示出了所研究的系统的Pdesired和fi之间的关系。

图2、正在研究的系统中Pdesired和fi之间的关系3.逆变器电路的O-C故障诊断

所研究的单相逆变器如图3所示。其由绝缘栅双极晶体管（IGBT）控制的开关操作。

正常条件下的输出电流（Ia）波形（图4）具有规则的正弦交流模式。然而，对于T1或T4开路（O-C）故障，该正弦波形的正半部被消除，因为电流Ia的正路径由于故障而被阻断。另一方面，在T2或T3开路（O-C）故障处，Ia的正弦波形的负半部分消失，因为电流的负路径由于故障而被阻断。图5和图6分别给出了T1和T2开路（O-C）故障时的Ia波形。

图3.单相逆变器图4.Ia波形在正常条件下图5.Ia为T1或T4O-C故障条件下的Ia波形图6.Ia为T2或T3O-C故障条件下的Ia波形由于Ia（IaRMS）的RMS如在（1）中给出的那样来评估，其中IaMAX是Ia的最大值：

IaRMS

122Ia02d

1222IsindaMAX0（1）

因此，在正常情况下IaRMS和IaMAX之间的关系变为：

IaRMS

1Ia2dIaMAX0.707IaMAX22（2）

然而，在T2或T3中O-C故障IaRMS变为：

IaRMS

122Ida0

IaMAX0.5IaMAX2（3）

另一方面，在T1或T4中O-C故障IaRMS变为：

IaRMS

1Ia2dIaMAX0.5IaMAX22（4）

其中IaMAX变为负，如图5所示。

因此，IaRMS与IaMAX的绝对值和比率（Q），可以针对先前的三个条件评估如下：

Qnormal

IaRMS0.707IaMAXIaRMS0.5IaMAX（5）

QOCfault

（6）

从（5）和（6）可以看出,与正常条件相比，在O-C故障条件下比率Q降低。这是由于在逆变器的四个开关之一的O-C故障期间Ia的流动的路径中的一个分离。

因此，可以基于RMS的测量值和根据Q的值及逆变器输出电流Ia的最大值来建立单相逆变器电路中的O-C故障的故障检测。此外，O-C故障应用分类算法以便根据IaMAX的正负号确定由于O-C故障而阻塞了哪条路径。因此，如果IaMAX为正，则T2或T3O-C发生故障。然而，如果IaMAX为负，则T1或T4O-C发生故障。

此外，由于在开路T1和T4开关期间逆变器输出电流以及在开路T2和T3开关期间的相似性，仅可以识别故障是否发生在T1-T4或T2-T3。

在逆变器电路中，有两个不同的O-C故障位置;第一，IGBT封装本身的O-C故障。第二，IGBT栅极驱动电路中的O-C故障。在后一种情况下，IGBT开关仍然连接到电路，但是不接收来自逆变器的栅极驱动电路的任何脉冲。然而，在第一种情况下，整个IGBT开关与逆变器电路断开。其栅极驱动电路的反相器电路如图7所示。

图7.利用栅极驱动电路研究的逆变器电路两种情况的主要区别是IGBT中存在并联二极管（APD）。即使栅极驱动电路没有接收到脉冲该二极管仍然允许在第二种情况下的输出电流在IGBT导通的相反方向上流动。另一方面，在第一种情况下，二极管不接通该电流，因为整个IGBT与逆变器电路断开。随后，由于在第一故障情况下二极管电流路径的断开，IGBT的O-C故障的比率Q变得小于其在栅极驱动O-C故障时的值。

4.基于ANFIS的故障诊断算法

本文通过ANFIS算法开发了用于并网单相逆变器的O-C故障诊断的控制单元。ANFIS诊断单元用于检测，分类和定位单相逆变器电路的O-C故障。

ANFIS算法可以表示为模糊推理系统，其参数使用神经适应性学习技术更新，以便学习关于给定数据的信息。神经适应性学习技术计算最佳地允许相关联的模糊推理系统跟踪给定输入/输出数据的隶属函数参数。类似于神经网络的网络类型结构可以用于解释输入/输出映射，使得其通过输入成员函数和相关联的参数映射输入，然后通过输出隶属函数和相关联的参数映射到输出。图8给出了ANFIS网络的详细演示。其中它具有两个输入和一个输出作为示例用于说明。

图8.ANFIS的架构隶属函数相关联的参数通过学习过程而改变。这些参数（或它们的调整）的计算由梯度矢量来促进。该梯度矢量提供了模糊推理系统对给定参数集合输入/输出数据建模程度的测量。当获得梯度矢量时，可以应用几个优化程序中的任何一个用于调整参数以减少误差测量。该误差通常由实际和期望之间的平方差的总和来定义。

ANFIS诊断单元有三个输入，即IaRMS，IaMAX和Q值。另一方面，所提出的ANFIS诊断单元有一个输出，用作检测，分类和定位O-C的故障。电源转换器中的故障根据其值研究的ANFIS诊断网络在图9中示出。其输入参数和输出数值。用于训练ANFIS诊断单元的训练数据是在输入频率20Hz至80Hz的正常和故障条件下创建的，步长为1Hz。

故障条件下在单相逆变器的O-C故障进行。为了训练所提出的ANFIS故障诊断单元，总共创建305对输入和输出数据。为三个输入数据中的每一个选择四个隶属函数。

输入隶属函数的类型被选择为如（7）中给出的高斯隶属函数，其中x是ANFIS输入，而a和b是指定高斯函数的标量参数。

x;a,bexa2b22（7）

另一方面，输出隶属函数的类型被选择为如（8）中提供的线性隶属函数，其中Xn，其中n是从1到N，是ANFIS输入，而Pn和r是相关联的标量参数，并且r是Pn的线性函数。

fxn,pn,rpnxnr

n1N（8）

图9.ANFIS网络，其输入和输出数为单相逆变器中的O-C故障所选择的输入和输出函数的类型实现了2.1％的训练误差，这是其他类型的隶属函数中的最小值。

为了验证所提出的训练ANFIS系统的有效性，在从输入频率20Hz到80Hz以5Hz为步长的单相O-C故障条件下建立测试数据。测试数据由图10中给出的实验设置创建。在该设置中，风力涡轮机由直流电动机模拟，直流电动机由直流电源供电以改变其速度，以便表示风速的可变特性。在发生故障之后的一个输入周期T内捕获所需的测量值。然后，他们被介绍到MATLAB程序[22]，以从中提取所需的特性，以便为提出的故障诊断进行评估和测试。

测试数据还包括20dB的信噪比（SNR）的白高斯噪声，以便表示功率转换器的非理想操作条件，以及对转换器传感器和转换器内部信号的干扰。SNR可以如（9）

所示计算，其中AS和AN分别是信号和噪声幅度。

SNR20log

ASAN（9）

图10.正在研究的的实验装置系统图11-15提供了13种测试用的ANFIS输出，这些测试用20Hz至80Hz以5Hz的步长在不同的正常和故障条件下产生。将这些ANFIS输出与图8中提供的期望目标指数进行比较。并且它们在每个图中被示为虚直线。

图11-15已经确定，所提出的ANFIS故障诊断单元是用于单相逆变器的O-C故障检测的精确和强大的检测器，分类器和定位器。ANFIS网络的输出用作标识O-C故障的索引。它还根据其值分类和定位器中的O-C故障相应变化。最大测试误差百分比等于3.75％，符合行业建议。

图11.ANFIS输出和在正常条件下的比较图12.ANFIS输出和在T1或T4O-C故障条件下比较图13.ANFIS输出和在T2或T3O-C故障条件下比较图14.ANFIS输出T1或T4IGBTO-C故障条件图15.ANFIS输出T2或T3IGBTO-C故障条件5.故障诊断影响因素

在本节中，阐述了可能会影响逆变器电路故障诊断的因素，并且提出如何克服这些挑战的方法。

5.1电源和负载大小的变化

因为MPPT算法是在研究的系统中已经实现。因此，根据其供电条件来控制系统输出给负载的功率，以便如前面在第2部分中所述和在图2中所示的随着电流供应条件的变化，输出最大可能实现负载功率的传递。此外，所提出的算法在不同的供电情况下进行评估，如第4节所述。因此，提出了在故障情况和正常情况下的于供电和负载的准确判断算法。5.2PECS中的非理想操作条件

电力电子变换器系统（PECS)的非理想的情况可能是由以下几个因素造成的：开路O-C故障期间开关电阻数值过低，以及测量传感器的不准确。这些非理想因素可能引起PECS的测量信号的一些失真以及误差，这可能影响故障诊断的决策过程。然而，在所提出的基于ANFIS的诊断算法的评估部分中，将信噪比添加到测试数据中以便表示这些非理想的操作条件。此外，测试结果，图11-15展示了在这种条件下所提出算法的准确诊断决策情况。

6.单相逆变器的在线监测

数据交换如下：首先，在通信板（充当服务器）和GUI软件（充当客户端）之间建立TCP连接。第二，GUI发送数据请求信号，并且它接收通信板和电源板的所有信号。

来自电源板的信号是表示输出电压（Vg）瞬时测量值和逆变器电路的电流值（Ia）的模拟信号。还接收三种条件的数字信号：电源（ON或OFF），操作（运行或停止）和保护（正常或故障）。

与电源转换器连接的通信接口板电路如图17、18所示，其表示通信接口板的详细结构，以及它与电源板和因特网的数字信号处理器（DSP）的连接。

通信板的内核是两个微控制器：PIC18F97J60“uC18F”和PIC16F877A“uC16F”。这两个微控制器负责处理和控制彼此之间的数据交换以及其它外围设备和通信板内外的设备之间不同类型的数据传输。图19所示是DSP，通信板中的两个微控制器和互联网之间通过不同类型的数据通信方式的传输数据流。

图20.展示出了与逆变器电路一起使用的GUI的一般布局。GUI的软件是在.NETFramework[23]的VisualBasic中编写的。GUI的主要目的是使逆变器电路的电参数的测量值可视化。此外，GUI自动将这些值存储在数据库中。

图16.电源板、通信板和GUI软件之间的数据交换图17.正在研究的功率转换器的通信接口板电路图18.通讯接口板的配置图图20.用于通信接口GUI的布局6.结论

本文提出一种基于ANFIS的故障诊断算法，通过逆变器输出电流的测量，其测量结果用于并网单相逆变器中的O-C故障的诊断。因此，与以前的研究工作相比，所提出的算法需要更少的数据。所需的传感器和硬件量少，对于在分布式发电系统中低中型商业PECS成本控制是重要的。随后，开发的故障诊断方法可以直接用于市场上现有的PECS。

此外，本文提出了一个有效的数据通信方案与用户交流的GUI，以实现单相逆变器的电气参数的在线监测和实时数据库的存储任务。

致谢

这项研究工作由加拿大自然科学和工程研究理事会（NSERC）支持。

参考文献[1]A.Mohamed,O.Mohammed,Real-timeenergymanagementschemeforhybridrenewableenergysystemsinsmartgridapplications,Electr.PowerSyst.Res.96(2013)133–143.[2]G.López,J.I.Moreno,H.Amarís,F.Salazar,Pavingtheroadtowardsmartgridsthroughlarge-scaleadvancedmeteringinfrastructures,Electr.PowerSyst.Res.120(2015)194–205.[3]S.Karimi,P.Poure,S.Saadate,FPGA-basedfullydigitalfastpowerswitchfaultdetectionandcompensationforthree-phaseshuntactivefilters,Electr.PowerSyst.Res.78(2008)1933–1940.[4]N.M.A.Freire,J.O.Estima,A.J.M.Cardoso,Avoltage-basedapproachwith-outextrahardwareforopen-circuitfaultdiagnosisinclosed-loopPWMACregenerativedrives,IEEETrans.Ind.Electron.61(9)(2014)4960–4970.[5]J.O.Estima,A.J.Cardoso,Anewalgorithmforreal-timemultipleopen-circuitfaultdiagnosisinvoltage-fedPWMmotordrivesbythereferencecurrenterrors,IEEETrans.Ind.Electron.60(8)(2013)3496–3505.[6]N.M.A.Freire,J.O.Estima,A.J.M.Cardoso,Open-circuitfaultdiagnosisinPMSGdrivesforwindturbineapplications,IEEETrans.Ind.Electron.60(9)(2013)3957–3967.[7]J.Zhang,J.Zhao,D.Zhou,C.Huang,High-performancefaultdiagnosisinPWMvoltage-sourceinvertersforvector-controlledinductionmotordrives,IEEETrans.PowerElectron.29(11)(2014)6087–6099.[8]C.Ui-Min,J.Hae-Gwang,L.Kyo-Beum,F.Blaabjerg,Methodfordetectinganopen-switchfaultinagrid-connectedNPCinvertersystem,IEEETrans.PowerElectron.27(6)(2012)2726–2739.[9]S.Nie,Y.Chen,X.Pei,H.Wang,Y.Kang,Faultdiagnosisofasingle-phaseinverterusingthemagneticfieldwaveformneartheoutputinductor,in:IEEEAPEC2011,FortWorth,TX,2011.[10]W.Baocheng,L.Danhe,S.Xiaofeng,W.Weiyang,Thestudiesofsingle-phaseinverterfaultdiagnosisbasedond–sevidentialtheoryandfuzzylogicaltheory,in:IEEEIPEMC2006,Shanghai,China,2006.[11]B.Mirafzal,Surveyoffault-tolerancetechniquesforthree-phasevoltagesourceinverters,IEEETrans.Ind.Electron.61(10)(2014)5192–5202.[12]E.Ebrahimi,M.Sanjari,G.Gharehpetian,Controlofthree-phaseinverter-basedDGsystemduringfaultconditionwithoutchangingprotectioncoordination,Electr.PowerSyst.Res.63(2014)814–823.[13]H.Chen,S.Lu,Faultdiagnosisdigitalmethodforpowertransistorsinpowerconvertersofswitchedreluctancemotors,IEEETrans.Ind.Electron.60(2)(2013)749–763.[14]P.G.Potamianos,E.D.Mitronikas,A.N.Safacas,Open-circuitfaultdiag-nosisformatrixconverterdrivesandremedialoperationusingcarrier-basedmodulationmethods,IEEETrans.Ind.Electron.61(1)(2014)531–5.[15]M.Avenda˜no-Mora,J.V.Milanovi,Generalizedformulationoftheoptimalmonitorplacementproblemforfaultlocation,Electr.PowerSyst.Res.93(2012)120–126.[16]E.Kyriakides,G.T.Heydt,G.T.Vittal,On-lineestimationofsynchronousgeneratorparametersusinganobserverfordampercurrentsandagraph-icaluserinterface,IEEETrans.EnergyConvers.19(3)(2004)499–507.[17]E.Kyriakides,G.T.Heydt,Estimationofsynchronousgeneratorparametersusinganobserverfordampercurrentsandagraphicaluserinterface,Electr.PowerSyst.Res.69(2004)7–16.[18]E.Ghahremani,I.Kamwa,Optimalplacementofmultiple-typeFACTSdevicestomaximizepowersystemload-abilityusingagenericgraphicaluserinterface,IEEETrans.PowerSyst.28(2)(2013)7–778.[19]S.Skretas,D.Papadopoulos,Efficientdesignandsimulationofanexpandablehybrid(wind–photovoltaic)powersystemwithMPPTandinverterinputvolt-ageregulationfeaturesincompliancewithelectricgridrequirements,Electr.PowerSyst.Res.79(2009)1271–1285.[20]J.Shi,W.Zhang,Y.Zhang,F.Xue,T.Yang,MPPTforPVsystemsbasedonadormantPSOalgorithm,Electr.PowerSyst.Res.123(2015)100–107.[21]A.Eltamaly,H.Farh,Maximumpowerextractionfromwindenergysystembasedonfuzzylogiccontrol,Electr.PowerSyst.Res.97(2013)144–150.[22]TheMathWorksInc.,MATLABR,TheMathWorksInc.,2013(2013).[23]MicrosoftInc.,MicrosoftVisualStudio,MicrosoftInc.,2010.