(12)发明专利申请
(10)申请公布号 CN 108303630 A(43)申请公布日 2018.07.20
(21)申请号 201810128831.5(22)申请日 2018.02.08
(71)申请人 国电南瑞科技股份有限公司
地址 211106 江苏省南京市江宁区诚信大
道19号
申请人 国家电网公司
国网浙江省电力公司
国电南瑞南京控制系统有限公司(72)发明人 徐石明 杨永标 陈良亮 张卫国
郑红娟 王金明 沈宏伟 孙季泽 宋康 陈超委 杨凤坤 (74)专利代理机构 南京纵横知识产权代理有限
公司 32224
代理人 董建林
权利要求书2页 说明书6页 附图2页
(51)Int.Cl.
G01R 31/26(2014.01)G01R 19/165(2006.01)
CN 108303630 A(54)发明名称
一种基于小波包分析的交直流充电设备功率器件故障诊断方法(57)摘要
本发明公开了一种基于小波包分析的交直流充电设备功率器件故障诊断方法，包括对充电设备功率模块进行分析并确定故障分类；获取正常情况和各种故障情况下充电设备功率模块的输出信号；对输出信号进行高低频分解，把分解得到的低高频信号进行多层小波包分解，并对小波包分解系数进行重构；计算提取的各个频带信号能量并进行归一化运算，最终确定信号能量的集中频带范围；对重构后的小波包分解系数进行功率谱分析，确定频带信号的特征频率、功率谱值，并与故障分析进行比较，确定故障类型；对故障类型进行故障类型编码。本发明提高了信号的时频分辨率，利用频谱特征实现精准的故障定位，提高了交直流充电设备功率器件故障诊断的精度。
CN 108303630 A
权 利 要 求 书
1/2页
1.一种基于小波包分析的交直流充电设备功率器件故障诊断方法，其特征在于，包括以下几个步骤：
步骤(1)：对充电设备功率模块功率器件开路故障进行故障分析，并确定故障分类；步骤(2):按照所述充电设备功率模块分别建立PWM整流器和DC-DC功率变换器的数学模型；通过simulink仿真获取正常情况和各种故障情况下充电设备功率模块的直流母线输出电压信号；
步骤(3)：对步骤(2)中的直流母线输出电压信号同时进行高频和低频分解，得到低频信号和高频信号；利用小波包分析法，把分解得到的低频信号和高频信号进行n层小波包分解，并在细分的2n个频带上对小波包分解系数进行重构；提取信号的小波包重构系数计算划分的各个频带信号能量，并进行归一化运算，通过比较归一化后的频带信号能量大小最终确定信号能量的集中频带范围；
步骤(4)：利用小波包重构系数进行功率谱分析，从而确定频带信号的特征频率和功率谱值，将本频段的特征频率与功率谱数据与步骤(1)中分类故障的特征频率与功率谱进行对比分析，从而确定故障类型；
步骤(5)：对步骤(1)中故障类型进行故障类型编码。
2.根据权利要求1所述的基于小波包分析的交直流充电设备功率器件故障诊断方法，其特征在于，步骤(1)中：对于单个或两个功率管开路及短路的组合故障诊断，所述故障分类具体的确定方法如下：
充电设备的功率器件开路故障分为五大类，分别为无IGBT元件故障、单个IGBT元件开路故障、同桥臂的上下两个IGBT元件开路故障、同一半桥的两个IGBT元件开路故障和不同桥臂的两个IGBT元件开路故障。
3.根据权利要求2所述的基于小波包分析的交直流充电设备功率器件故障诊断方法，其特征在于，每一大类细分后共二十二小类：
(一)正常运行情况，无IGBT元件故障；(二)单个IGBT元件开路故障，设六小类；(三)同桥臂的上下两个IGBT元件开路故障，设三小类；(四)不同桥臂的两个IGBT元件开路故障，设六小类；(五)同一半桥的两个IGBT元件开路故障，设六小类。
4.根据权利要求1所述的基于小波包分析的交直流充电设备功率器件故障诊断方法，其特征在于，步骤(3)，利用小波包分析法，把分解得到的低频信号和高频信号同时进行四层小波包分解；
每一个节点都代表一个小波包系数
小波包分解公式为：
式中，ak-2l、bk-2l为低通滤波器系数；k,j,l∈Z，j为小波包分解的层数，n＝0,1,2,···,2j-1；
小波包重构公式为：
2
CN 108303630 A
权 利 要 求 书
2/2页
式中，hl-2k，gl-2k为高通滤波器系数。
5.根据权利要求3所述的基于小波包分析的交直流充电设备功率器件故障诊断方法，其特征在于，选择小波包分解后，将各个频带信号的平方和作为小波包能量，则第i个频带对应的能量值为：
式中，表示经小波包分解后的节点S(j,n)所对应的第k个系数，N表示原始信号的长
度，n＝0,1,2,...,2j-1全部Ei构成小波包能量谱向量：
构造小波包能量谱特征向量T:
为简化分析，对特征向量T进行归一化处理，令
Es＝∑|E(4,m)| m＝0,1,···,15 (6)
向量T′即为归一化后的向量。
6.根据权利要求3所述的基于小波包分析的交直流充电设备功率器件故障诊断方法，其特征在于，对步骤(1)中故障类型进行故障类型编码具体方法如下：按照步骤(1)中故障编码分为正常、单管故障、同桥臂故障、同半桥故障、交叉故障这五种类型，其中000表示正常，001表示单管故障，010表示同桥臂故障，011表示同半桥故障，100表示交叉故障；
内部编码中，单管故障有六种情况，单管故障类型编码原则如下：(1)对桥臂进行编码，其中01为靠近交流测桥臂所在桥臂故障；10为中间桥臂故障；11为靠近直流侧所在桥臂故障；
(2)对上下半桥进行编码，上半桥对应编码为0，下半桥对应编码为1。
3
CN 108303630 A
说 明 书
1/6页
一种基于小波包分析的交直流充电设备功率器件故障诊断
方法
技术领域
[0001]本发明涉及充电设备故障诊断技术领域，尤其涉及一种基于小波包分析的交直流充电设备功率器件故障诊断方法。
背景技术
[0002]近年来，随着电动汽车行业的蓬勃发展，电动汽车充电设备成为一个很热门的研究领域。在交直流充电设备中，功率器件最容易出现过压、过流、功率管短路和开路等等故障，严重影响了电动汽车充电的安全稳定运行。因此研究交直流充电设备功率器件的故障诊断具有重要意义，充电设备的故障诊断也成为重要的研究方向。[0003]交直流充电设备的充电过程都有PWM整流，滤波、高频DC/DC功率变换三个环节。在实际的功率变换电路中，应用最多且最容易出故障的器件是IGBT器件。尤其是IGBT器件的故障，包括有短路故障和开路故障。对于IGBT短路故障，目前通过驱动模块集成的电路进行监测和保护，但IGBT开路故障的识别技术尚处在研究之中。
[0004]目前国内外关于交直流充电设备的功率器件故障诊断研究并不多，一类大多直接提取功率开关管的特征参数来进行故障诊断，但是这种诊断方法通常需要在电路中增加额外的测量元件，同时增加了系统的复杂性，不利于系统可靠性的提高，另外引入元件也增加了系统的成本。另一类是利用信号处理的方法间接提取特征参数，相对直接提取特征参数来说，基于信号处理的特征参数提取并不需要系统的精确模型，因此更易实现。信号处理方法一般有傅里叶变换、小波分析等，傅里叶变换是一种全局性的变换，具有一定的局限性，不能同时描述时域和频域的信息，而小波分析则具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，小波分析虽然实现了快速诊断，但是针对不同类型的故障要选择不同的小波函数才能达到理想的诊断结果，不适宜应用在对及时性和准确性要求高的系统中。
发明内容
[0005]有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于小波包分析的交直流充电设备功率器件故障诊断方法，该方法基于小波包分析，避免了小波函数的选取对系统故障诊断的影响，能够实时检测到交直流充电设备功率器件的故障，利用频谱特征实现实时精准的故障定位，提高了交直流充电设备功率器件故障诊断的精度。
[0006]本发明基于小波包分析的交直流充电设备功率器件的故障诊断方法是在基于小波分析的故障诊断基础上的一个改进，这种方法避免了小波函数的选取对系统故障诊断的影响，比小波分析分解更为精细，从而提高了信号的时频分辨率，从而具有更广泛的应用价值。采用本方法可以快速实现实时精准的故障定位，提高了交直流充电设备功率器件故障诊断的精度。
[0007]本发明的一种基于小波包分析的交直流充电设备功率器件故障诊断方法，
4
CN 108303630 A[0008][0009]
说 明 书
2/6页
包括以下几个步骤：步骤(1)：对充电设备功率模块功率器件开路故障进行故障分析，并确定故障分
类；
步骤(2):按照所述充电设备功率模块中,分别建立PWM整流器和DC-DC功率变换器
的数学模型；通过simulink仿真获取正常情况和各种故障情况下充电设备功率模块的直流母线输出电压信号；[0011]步骤(3)：对步骤(2)中的直流母线输出电压信号同时进行高频和低频分解，得到低频信号和高频信号；利用小波包分析法，把分解得到的低频信号和高频信号进行n层小波包分解，并在细分的2n个频带上对小波包分解系数进行重构；提取信号的小波包重构系数计算划分的各个频带信号能量，并进行归一化运算，通过比较归一化后的频带信号能量大小最终确定信号能量的集中频带范围；[0012]步骤(4)：利用小波包重构系数进行功率谱分析，从而确定频带信号的特征频率和功率谱值，将本频段的特征频率与功率谱数据与步骤(1)中分类故障的特征频率与功率谱进行对比分析，从而确定故障类型；[0013]步骤(5)：对步骤(1)中故障类型进行故障类型编码。[0014]步骤(1)中：对于单个或两个功率管开路及短路的组合故障诊断，所述[0015]故障分类具体的确定方法如下：
[0016]充电设备的功率器件开路故障分为五大类，分别为无IGBT元件故障、单个IGBT元件开路故障、同桥臂的上下两个IGBT元件开路故障、同一半桥的两个IGBT元件开路故障和不同桥臂的两个IGBT元件开路故障。[0017]每一大类细分后共二十二小类：[0018](一)正常运行情况，无IGBT元件故障；[0019](二)单个IGBT元件开路故障，设六小类；[0020](三)同桥臂的上下两个IGBT元件开路故障，设三小类；[0021](四)不同桥臂的两个IGBT元件开路故障，设六小类；[0022](五)同一半桥的两个IGBT元件开路故障，设六小类。[0023]步骤(3)，利用小波包分析法，把分解得到的低频信号和高频信号同时进行四层小波包分解；
[0010][0024]
每一个节点都代表一个小波包系数小波包分解公式为：
[0025]
[0026]
式中，ak-2l、bk-2l为低通滤波器系数；k,j,l∈Z，j为小波包分解的层数，n＝0,1,
2,…,2j-1；
[0027]小波包重构公式为：
[0028][0029][0030]
式中，hl-2k，gl-2k为高通滤波器系数。选择小波包分解后，将各个频带信号的平方和作为小波包能量，则第i个频带对应
5
CN 108303630 A
说 明 书
3/6页
的能量值为：
[0031][0032]
式中，表示经小波包分解后的节点S(j,n)所对应的第k个系数，N表示原始信号
的长度，n＝0,1,2,...,2j-1全部Ei构成小波包能量谱向量：
[0033][0034][0035][0036][0037][0038]
构造小波包能量谱特征向量T:
为简化分析，对特征向量T进行归一化处理，令
Es＝∑|E(4,m)| m＝0,1,…,15 (6)
向量T′即为归一化后的向量。
[0040]对步骤(1)中故障类型进行故障类型编码具体方法如下：按照步骤(1)中故障编码分为正常、单管故障、同桥臂故障、同半桥故障、交叉故障这五种类型，其中000表示正常，001表示单管故障，010表示同桥臂故障，011表示同半桥故障，100表示交叉故障；[0041]内部编码中，单管故障有六种情况，单管故障类型编码原则如下：[0042](1)对桥臂进行编码，其中01为靠近交流测桥臂所在桥臂故障；10为中间桥臂故障；11为靠近直流侧所在桥臂故障；[0043](2)对上下半桥进行编码，上半桥对应编码为0，下半桥对应编码为1。[0044]本发明的有益效果是：[0045](1)从能量谱和功率谱分析的角度，确定输出信号集中的频带范围,获得表征充电设备功率器件故障特征的特征频率和功率谱,该数据特征不受电网电压的影响,适用于实际系统的检测目标,克服了传统诊断方法提取数据样本数据量大、过繁琐等问题；[0046](2)比小波分析分解更为精细，提高了信号的时频分辨率，避免了小波函数的选取对系统故障诊断的影响，具有更广泛的应用价值；[0047](3)利用频谱特征实现实时精准的故障定位，提高了交直流充电设备功率器件故障诊断的精度。
附图说明
[0048]图1是本发明的故障诊断方法工作流程图；
[0049]图2是交直流充电设备功率模块中PWM整流器的工作原理图；
[0050]图3是交直流充电设备功率模块中DC-DC功率变换器的拓扑结构图；[0051]图4是小波包分解法的分解示意图。
具体实施方式
[0052]图1是本发明的故障诊断方法工作流程图，按照该方法给出的故障诊断方法流程
6
[0039]
CN 108303630 A
说 明 书
4/6页
图，所述方法包括以下步骤：[0053]步骤(1)：针对充电设备进行典型故障特征、机理分析及故障分类；
[0054]步骤(2):针对充电设备的功率模块部分分别建立PWM整流器和DC-DC功率变换器的数学模型，通过simulink仿真获取充电设备功率模块的输出信号；[0055]步骤(3)：对输出信号进行小波包分解与重构，对输出信号进行更精细的高频和低频部分同时分解，从能量谱的角度分析小波包分解后系数的能量值，根据小波包能量谱的分析确定故障集中的频段；[0056]步骤(4)：对重构后的小波系数进行功率谱分析，从而确定信号的特征频率；步骤(5)：针对步骤(1)中故障类型进行故障类型编码，形成特征向量。
[0057]图2是交直流充电设备功率模块中PWM整流器的工作原理图，图3是交直流充电设备功率模块中DC-DC功率变换器的拓扑结构图。结合图2和图3，根据交直流充电设备功率器件的工作原理，步骤(1)，针对充电设备进行典型故障特征、机理分析及故障分类的具体方法为：
[0058]本发明采取基于信号分析的方法，提取故障信息，实现故障的检测。因实际运行过程中，最常见的是单只功率管和2只功率管开路故障，功率电路出现三个以上功率管同时损坏的概率很小，并考虑经济性，该方法主要针对单个或两个功率管开路及短路的组合故障诊断。因此充电设备的功率器件开路故障可以分为五大类，分别为无IGBT元件故障、单个IGBT元件开路故障，同桥臂的上下两个IGBT元件开路故障、同一半桥的两个IGBT元件开路故障、不同桥臂的两个IGBT元件开路故障，每一大类细分后共二十二小类：[0059](一)正常运行情况，无IGBT元件故障；[0060](二)单个IGBT元件开路故障，包括Q1、Q2、Q3、Q4、Q5、Q6中的任一个IGBT元件发生开路故障，共六小类；[0061](三)同桥臂的上下两个IGBT元件开路故障，包括Q1和Q4，Q2和Q5，Q3和Q6接到同一相电压上的两个IGBT元件发生开路故障，共三小类；[0062](四)不同桥臂的两个IGBT元件开路故障，包括Q1和Q6，Q1和Q2，Q3和Q4，Q3和Q2，Q5和Q4，Q5和Q6交叉桥臂的两个IGBT元件发生开路故障，共六小类；[0063](五)同一半桥的两个IGBT元件开路故障，包括Q1和Q3,Q1和Q5,Q3和Q5,Q4和Q2,Q4和Q6,Q6和Q2同一半桥的两个IGBT元件发生开路故障，共六小类。[0064]步骤(2)中，针对充电设备的功率模块部分分别建立PWM整流器和DC-DC功率变换器的数学模型，通过simulink仿真获取充电设备功率模块的输出信号的具体方法为：[0065]根据充电设备功率模块的电路原理，结合图2，建立PWM整流器的数学模型，结合图3对DC-DC功率变换器电路进行建模，并针对故障分析中的开路故障分类方法，通过simulink仿真获取正常情况和各种故障情况下的充电设备功率模块输出信号。[0066]步骤(3)，对输出信号进行小波包分解与重构，对输出信号进行更精细的高频和低频部分同时分解，从能量谱的角度分析小波包分解后系数的能量值，根据小波包能量谱的分析确定故障集中的频段的具体方法为：[0067]结合图4，利用小波包分析法把上一层所分解得到的低频信号和高频信号同时进行分解，对正常情况和各种故障情况下的输出信号进行四层小波包分解，并将小波包分解系数进行重构，提取信号的细节系数。计算提取的各个频带信号的能量，并进行归一化运
7
CN 108303630 A
说 明 书
5/6页
算，最终确定信号集中频带范围。
[0068]
根据小波包分解示意图，每一个节点都代表一个小波包系数小波包分解公式
为：
[0069]
[0070][0071][0072]
式中，ak-2l、bk-2l为低通滤波器系数；k,j,l∈Z。
小波包重构公式为：
式中，hl-2k，gl-2k为高通滤波器系数。
[0074]选择小波包分解后，各个频带内信号的平方和作为小波包能量，则第i个频带对应的能量值为：
[0075][0076]
[0073]
式中，表示经小波包分解后的节点S(j,n)所对应的第k个系数，N表示原始信号
的长度，n＝0,1,2,...,2j-1全部Ei构成小波包能量谱向量：
[0077][0078][0079][0080]
构造小波包能量谱特征向量T:
当能量大时，通常是一个较大的数值，在数据上会不方便，因此对特征向量T进行
归一化处理，令
[0081]ES＝∑|E(4,j)|2 j＝0,1,...,15 (6)
[0082]
向量T′即为归一化后的向量。[0084]步骤(4)，对重构后的小波系数进行功率谱分析，从而确定信号的特征频率的具体方法为：
[0085]结合图1的工作流程，根据步骤(3)确定的信号的能量及集中频带范围，对该频段的小波包分解系数进行重构，并对重构后的信号进行功率谱分析，得到该频段的特征频率和功率谱值，分别与故障分析的五类情况的特征频率和功率谱值进行比较，从而确定故障类型。
[0086]步骤(5)，针对步骤(1)中故障类型进行故障类型编码，形成特征向量的具体方法为：
[0087]故障种类共有二十二小类(包括正常情况)，按照步骤(1)中故障编码分为正常、单管故障、同桥臂故障、同半桥故障、交叉故障等五种类型。其中000表示正常，001表示单管故障，010表示同桥臂故障，011表示同半桥故障，100表示交叉故障。
8
[0083]
CN 108303630 A[0088]
说 明 书
6/6页
内部编码，如单管故障有Q1-Q6六种情况。单管故障类型编码原则如下：
[0089](1)对桥臂进行编码，其中01为Q1和Q4所在桥臂故障；10为Q3和Q6所在桥臂故障；11为Q5和Q2所在桥臂故障；[0090](2)对上下半桥进行编码，上半桥对应编码为0，下半桥对应编码为1。[0091]按照以上的原则对同桥臂故障、同半桥故障、交叉故障等类型进行编码。
[0092]基于小波包分析的充电设备故障诊断方法是指利用小波包分析法进行故障分析，利用直流侧输出电压信号的调制特点，提取交直流充电设备功率器件的故障特征，从能量谱和功率谱的角度分析了小波包分解后的直流侧输出电压的细节信号，通过频谱特征识别出功率器件各类故障的一种交直流充电设备功率器件故障识别方法。
[0093]本发明基于小波包分析的交直流充电设备功率器件的故障诊断方法是在基于小波分析的故障诊断基础上的一个改进，这种方法避免了小波函数的选取对系统故障诊断的影响，比小波分析分解更为精细，从而提高了信号的时频分辨率，从而具有更广泛的应用价值，属于充电设备的故障诊断领域。采用本方法可以快速实现实时精准的故障定位，提高了交直流充电设备功率器件故障诊断的精度。[0094]本方法具有如下几个优点：[0095](1)从能量谱和功率谱分析的角度，确定输出信号集中的频带范围,获得表征充电设备功率器件故障特征的特征频率和功率谱,该数据特征不受电网电压的影响,适用于实际系统的检测目标,克服了传统诊断方法提取数据样本数据量大、过繁琐等问题；[0096](2)比小波分析分解更为精细，提高了信号的时频分辨率，避免了小波函数的选取对系统故障诊断的影响，具有更广泛的应用价值；[0097](3)利用频谱特征实现实时精准的故障定位，提高了交直流充电设备功率器件故障诊断的精度。
[0098]以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
9
CN 108303630 A
说 明 书 附 图
1/2页
图1
10
CN 108303630 A
说 明 书 附 图
2/2页
图2
图3
图4
11
因篇幅问题不能全部显示，请点此查看更多更全内容