基于卡尔曼滤波器的模块化多电平换流器故障诊断方法与流程

本发明涉及多电平电力电子变换器，具体涉及基于卡尔曼滤波器的模块化多电平换流器故障诊断方法。

背景技术：

1、如图1所示，展示了目前的模块化多电平换流器及子模块的拓扑结构图，在图中所展示的实施方式中，mmc拓扑结构由六个桥臂组成，每个桥臂上包含了n个相同的子模块以及一个桥臂电感，子模块采用半桥结构，包括两个功率开关su、sl，两个二极管du、dl和一个直流电容ci，其中，功率开关su和二极管du组成上管，功率开关sl和二极管dl组成下管；二极管du的阴极连接功率开关su的集电极，二极管du的阳极连接功率开关su的发射极，二极管dl的阴极连接功率开关sl的集电极，二极管dl的阳极连接功率开关sl的发射极；功率开关su的发射极、功率开关sl的集电极分别与子模块桥臂电流流入侧连接，功率开关su的栅极、功率开关sl的栅极分别与控制功率开关开通与关断的控制电路连接；功率开关sl的发射极与子模块桥臂电流流出侧连接，功率开关su的集电极经直流电容与子模块桥臂电流流出侧连接。

2、在上述结构中，由于存在多个子模块，每个子模块都有可能出现故障，因此整个mmc的可靠性可能会受到威胁；这种情况下要求设计者采取有效的措施来监测和管理这些子模块，以确保在故障发生时能够快速识别并采取适当的措施，以维护整个mmc系统的运行。为了解决上述问题，目前已经存在相应的解决办法，但主要存在以下两方面问题：

3、第一方面：现有的方式中，故障检测和定位往往是分开进行的，这意味着当系统检测到故障时，首先需要确定故障出现在哪个子模块，然后才能采取相应的措施，这种分离的过程可能会延长故障诊断的时间，导致系统在诊断期间处于不稳定状态，从而影响系统的整体性能。

4、第二方面：为了实现准确的故障检测和定位，通常采用复杂的算法和逻辑，增加了系统的设计和实现难度，还可能导致系统的故障诊断过程变得复杂化。

技术实现思路

1、本发明提供了一种基于卡尔曼滤波器的模块化多电平换流器故障诊断方法，从而有效解决背景技术中的问题。

2、为了达到上述目的，本发明所采用的技术方案是：基于卡尔曼滤波器的模块化多电平换流器故障诊断方法，包括：

3、s1：采集所需数据，包括桥臂上各子模块的电容电压uc和环流idiff；

4、s2：根据所述环流idiff及所述电容电压uc变化的数学关系和卡尔曼滤波器算法，计算出时刻k时，环流最优估计值idiff_c(k)，且获得此时的环流测量值idiff(k)，以及，计算出时刻k时，子模块的电容电压最优估计值uc_c(k)，且获得此时的电容电压测量值uc(k)；

5、s3：基于所述环流最优估计值idiff_c(k)和相应的所述环流测量值idiff(k)，计算环流误差δidiff，并求取环流误差方差δidiff_var；

6、s4：通过将所述环流误差方差δidiff_var与预先设定的阈值δidiff_var_th进行比较，判断故障发生相；

7、s5：确定故障发生相后，基于所述电容电压最优估计值uc_c(k)和相应的所述电容电压测量值uc(k)，计算电容电压误差δuc，并求取子模块的电容电压误差方差δuc_var；

8、s6：通过所述电容电压误差方差δuc_var确定故障子模块，随后对发生故障的子模块进行更换，并返回s1。

9、进一步的，所述环流idiff及所述电容电压uc变化的数学关系公式分别为：

10、

11、

12、其中，idiff(t)是t时刻的环流值，idiff(t-1)是t-1时刻的环流值，udc(t)是t时刻的直流侧电压值，uu(t)和ul(t)分别是t时刻上、下桥臂子模块电容电压之和；uc(t)是t时刻的电容电压值，uc(t-1)是t-1时刻的电容电压值，iarm(t)是t时刻的桥臂电流值，s(t)是t时刻的开关函数值，l是桥臂电感感值，参数单位为h；c是子模块电容容值，参数单位为f。

13、进一步的，根据所述环流idiff及所述电容电压uc变化的数学关系和卡尔曼滤波器算法，计算出时刻k时，环流最优估计值idiff_c(k)及子模块的电容电压最优估计值uc_c(k)，包括：

14、利用所述卡尔曼滤波器的状态预测步骤，根据上一时刻环流的最优估计值idiff_c(k-1)和子模块电容电压的最优估计值uc_c(k-1)，通过所述环流idiff及所述电容电压uc变化的数学关系公式，计算k时刻环流预测状态估计值idiff_p(k)和子模块的电容电压预测状态估计值uc_p(k)；

15、根据上一时刻最佳状态估计误差协方差矩阵pc(k-1)，计算预测状态的先验误差协方差矩阵pp(k)；

16、通过所述预测状态的先验误差协方差矩阵pp(k)计算得到k时刻的卡尔曼增益k(k)；

17、利用所述卡尔曼增益k(k)、所述环流测量值idiff(k)和所述电容电压测量值uc(k)进行状态更新，得到时刻k时的环流最优估计值idiff_c(k)和子模块的电容电压最优估计值uc_c(k)；

18、根据所述卡尔曼增益k(k)对预测状态的先验误差协方差矩阵pp(k)进行修正和更新，得到最佳状态估计误差的自协方差矩阵pc(k)。

19、进一步的，时刻k时，所述环流预测状态估计值idiff_p(k)，所述子模块的电容电压预测状态估计值uc_p(k)，以及所述预测状态的先验误差协方差矩阵pp(k)，计算公式分别为：

20、

21、

22、pp(k)＝a·pc(k-1)·at+q

23、其中，idiff_p(k)是k时刻的环流预测状态估计值，idiff_c(k-1)是k-1时刻的环流最优估计值，udc(k)是k时刻的直流侧电压值，uu(k)和ul(k)分别是k时刻上、下桥臂子模块电容电压之和；uc_p(k)是k时刻子模块的电容电压预测状态估计值，uc_c(k-1)是k-1时刻电容电压最优估计值，c是子模块电容值，iarm(k)是k时刻的桥臂电流，s(k)是k时刻的开关函数值，δt是采样间隔，q是过程噪声的方差，a和b均取值为1，。

24、进一步的，根据卡尔曼滤波器的更新步骤，所述时刻k的环流最优估计值idiff_c(k)和所述子模块的电容电压最优估计值uc_c(k)，以及所述卡尔曼增益k(k)和所述最佳状态估计误差的自协方差pc(k)，计算公式分别为：

25、idiff_c(k)＝idiff_p(k)+k(k)·(idiff(k)-idiff_p(k))

26、uc_c(k)＝uc_p(k)+k(k)·(uc(k)-uc_p(k))

27、k(k)＝pp(k)/(pp(k)+r)

28、pc(k)＝[1-k(k)]·pp(k)

29、其中，idiff_c(k)是k时刻的环流最优估计值，idiff(k)是k时刻的环流测量值，uc_c(k)是k时刻子模块的电容电压最优估计值，uc(k)是k时刻电容电压的测量值，r是测量噪声的方差。

30、进一步的，所述环流误差方差δidiff_var，计算公式为：

31、

32、其中，δidiff_var为环流误差方差，δidiff_i为环流误差，δidiff_avg为δidiff_i的平均值，n为采样点数。

33、进一步的，所述电容电压误差方差δuc_var，计算公式为：

34、

35、其中，δuc_var为电容电压误差方差，δuc_i为电容电压误差，δuc_avg为δuc_i的平均值,n为采样点数。

36、进一步的，所述判断故障发生相的操作为：将所述任一相的环流误差方差δidiff_var与所述预先设定的阈值δidiff_var_th进行比较，当所述相的环流误差方差δidiff_var大于阈值δidiff_var_th，并持续δt1的时间时，则视为所述相发生故障。

37、进一步的，所述持续的时间δt1为[5ms，10ms]。

38、进一步的，所述确定故障子模块的操作为：对故障相各子模块的电容电压误差方差δuc_var进行积分，积分时间为δt2，积分值最大的子模块确定为故障子模块。

39、进一步的，所述积分时间δt2为[5ms，10ms]。

40、进一步的，所述预先设定的阈值δidiff_var_th为[1ka，2ka]。

41、本发明还包括一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述的方法。

42、本发明还包括一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述的方法。

43、本发明的有益效果为：1、在传统子模块开路故障诊断算法中一般是将故障的检测和故障的定位分开进行，这不仅使故障诊断过程复杂化，而且延长了所需的故障诊断时间；本发明可同时实现故障检测和定位，可以更准确、更及时地对子模块开路故障进行诊断。

44、2、本发明检测算法简单，采用预测和修正相结合的递归推算方式，在每一时刻，只需根据最新得到的观测数据便可得到当前的状态最优估计值，无需存储大量的历史观测数据，具有良好的实时性，易于计算机实现，可以减轻计算负担，降低处理器需求。

45、3、本发明的子模块故障诊断算法由于不涉及系统参数，因此不受系统参数不确定性的影响，并且具有很高的鲁棒性。

46、4、本发明的子模块故障诊断算法不需要对硬件电路做任何改动，易于理解和实施；由于仅涉及电容电压、桥臂电流和开关函数，因此所提出的方法不需要额外的硬件资源。