近日，中科院合肥研究院等離子體所電源及控制工程研究室高格、蔣力課題組博士生鄧茜在EAST磁體電源系統脈沖寬度調制變流器故障診斷的研究方面取得新進展。研究成果發表在電力電子領域權威期刊IEEE Transactions on Power Electronics上。

　　EAST磁體電源系統計劃采用高效率、高功率密度和高可靠性的三相兩電平脈寬調制電壓源變流器（PWM-VSC）作為前級功率轉換器。由于驅動系統的復雜性和聚變反應堆電源系統工作環境的復雜性（如電磁干擾、高溫等），PWM-VSC變流器系統容易發生故障，在異常工作模式運行，可能會對EAST物理實驗的穩定運行產生嚴重影響。因此，電源系統的可靠運行研究備受關注。調查表明，電力系統中31%的故障是由功率半導體的故障引起，大致分為短路故障和開路故障 。其中開路故障通常由熱機械疲勞或命令信號丟失導致的鍵合線故障引起，會導致電流不平衡，進而可能導致電源系統的二次故障，造成嚴重后果。因此，近年來的研究點主要集中在開路故障診斷上。目前，針對PWM-VSC變流器功率開關管的開路故障診斷方法通常只能診斷工作在整流或逆變狀態的情況。而EAST磁體電源系統的PWM-VSC變流器需要工作在整流狀態和逆變狀態。根據電路模型理論分析可知，工作在這兩種狀態的故障特征量具有完全不同的特性，且單開關和雙開關故障的故障現象較為復雜，故增加了故障診斷的難度。 

　　為解決這個問題，本論文提出了一種可以在整流狀態和逆變狀態下檢測功率開關管單開關和雙開關故障的神經網絡故障診斷算法。首先，提出了一種基于Inception（一種深度神經網絡模型）的神經網絡診斷模型。在該Inception模型中，1×1卷積、3×3卷積、5×5卷積、7×7卷積和3×3最大池過程在輸入和輸出處并行進行，并疊加在一起生成最終輸出。然后，采用三相網側電流信號作為上述模型的輸入，以實際開關管開路故障位置作為模型的輸出，進行神經網絡模型的訓練，并確定最佳模型。最后，利用實驗進行驗證。實驗結果表明，該模型的平均故障診斷時間為12.83 ms（<3/4周期），診斷精度為99.14%。 

　　依據此故障診斷算法，僅需使用三相網側電流作為故障診斷特征量。可以診斷整流狀態和逆變狀態下的21種單開關和多開關開路故障。在增加網絡的深度和寬度的同時，更好地利用網絡的計算資源，從而保證計算預算不變。本方法結合實驗數據和仿真數據的優點，將實驗和仿真數據結合起來進行模型訓練，更加貼近實際應用。同時，此算法不需要額外的傳感器或系統數學模型，具有很強的魯棒性，在母線電壓發生變化和非單位功率因數的工況下，其診斷時間和診斷精度等指標表現良好。 

       本項目得到了聚變堆主機關鍵系統綜合研究設施，安徽省自然科學基金，中國博士后面上基金等項目的支持，為聚變電源系統安全穩定運行提供了基礎，同時為等其他領域提供了參考價值。 

　　論文鏈接：https://ieeexplore.ieee.org/document/9842354 

圖1:PWM變流器拓撲結構

圖2:模型架構　

圖3:神經網絡模型的診斷精度

　　(a)                                     (b) 

圖4:三相電流其故障診斷特征量波形.(a)整流狀態下，Ta故障. (b)逆變狀態下，Ta和Ta‘故障