基于数据驱动的大容量IGBT模块健康状态在线辨识研究

The power semiconductor module is the key factor for the safe and reliable operation of the power conversion system. The multiple physics field coupling operating conditions make it impossible to achieve the accurate analysis of transient electromagnetic characteristics and the online decoupling extraction of health related property such as junction temperature and aging degree based on existing methods. Aiming at the challenges above, a pioneering idea of semiconductor module reliability research is proposed, in which the data-driven concept is utilized to analyze the complex physics principles reversely from the perspective of data relationship. The following major research contents are planned to be investigated: (1) Considering the influence of aging on the module package parameter consistency, the dynamic time varying equivalent circuit model for the high-capacity IGBT module will be established, and the online parameter recognition method for the model via the big data will be realized. (2) The influence law and interaction principles between multiple operating factors and complex external characteristics will be revealed, which will open a new way for the online extraction of junction temperature and aging information. (3) The framework for online comprehensive health estimation of semiconductor modules via data-driven concept will be built up, which will lay the foundation for online health management and intelligent decision of modules. One of the major contributions of this project is to provide the advanced technology for the health management, usage life prediction and reliability enhancement of high power conversion systems. In addition, some key intellectual properties can be applied to enhance the international competitiveness of China in this area.

功率半导体器件是电力电子系统安全可靠运行的关键。多状态空间和多环境因素耦合叠加的运行工况使得大容量IGBT模块的结温和老化等健康状态参数的在线解耦检测极具挑战。本项目提出从IGBT模块在离线/在线工况下的海量数据关系反推物理机理复杂的器件可靠性的研究思路。重点研究如下内容：①综合考虑健康状态对模块内寄生参数一致性的影响，建立含结温和老化状态的大容量IGBT模块动态时变等效电路模型；②探索复杂运行工况对模块电/热外特性的影响规律和作用机理，为模块结温和老化信息的在线提取开辟新途径；③构建基于数据驱动的结温和老化参数的在线辨识及综合评估方法，为模块在线健康管理和智能决策提供依据。本项目的开展，将为大功率变流器的寿命预测、运维检修和可靠性提升提供坚实的理论基础。同时，相关研究成果将形成具有自主知识产权的发明专利，提升我国在该领域的国际竞争力。

大功率电力电子技术是国家科技重点领域的基础共性技术，电力电子装置高可靠运行是保证整个能量转换系统的长期安全运行的关键。根据调研显示，在风光等新能源发电系统中，由电力电子装置失效引起的系统故障比例超过30%，其中半导体功率器件是电力电子装置中失效率最高的，系统故障停运和维护成本极高。因此，电力电子装置尤其是功率器件的故障预测与健康管理技术日益成为学术界和工业界关注的重点。基于此，本项目面向电力电子功率器件，从两个方向开展了基于数据驱动的故障预测与健康管理技术的研究：一方面利用大量电气特征测试数据，采用机器学习的手段从数据的角度构建电路状态及故障模型，进而监测系统运行状态、检测系统故障；另一方面利用实时监测电气特征数据，结合电路仿真模型，构建电力电子装置系统运行状态模型，实时镜像系统的电路状态和温度状态，实现系统的运行状态监测功能。.本项目主要研究内容和成果包括：.1.建立了包含IGBT模块及其电力电子设备老化状态的等效电路模型，基于电路模型和辨识算法构建了装置系统观测模型，实现了对电力电子元件的电气参数在线辨识。.2.揭示了结温、老化状态和运行工况对IGBT模块外特性的影响，以此为基础，实现了基于门极电压波形主成分分析的IGBT模块结温的提取方案；此外，研究了基于随机森林算法的IGBT模块开路故障检测方案。.3.基于大数据和功率模块及变流器的模型，构建了用于变流器健康状态管理的运行状态监测系统，实现了对电路系统电气运行状态和温度状态的实时状态监测，进一步评估模块及变流器的健康状态。.4.项目资助发表SCI检索期刊论文6篇，EI检索国内期刊/国际会议论文5篇，资助授权和受理相关发明专利5件。.5.项目共培养了4位博士生和1位硕士生。.研究成果评估了功率模块的健康状态及对系统可靠性的，为实现大容量IGBT模块在复杂工况下的在线健康管理提供了可供参考的技术基础。