关键词:
直流母线电容
状态估算
卡尔曼滤波
粒子滤波
Huber M估计
摘要:
近年来,各种电力电子装置的可靠性问题越来越得到重视。直流母线电容作为电力电子系统中的重要元件之一,主要用于存储电荷、平滑电压和过滤电流,其可靠性对电力电子系统的稳定性至关重要。在各种元器件中,直流母线电容的故障率较高,仅次于功率开关器件,而直流母线电容的状态估计是监测其可靠性的基础,是保证系统可靠运行的重要一环。本文以电力电子变换器中的直流母线电容为研究对象,对其建模方法、电流重构方法、参数辨识方法、状态估算方法展开研究。
直流母线电容可靠性分析模型的建立与获取精确的电容电压与电流等参数是估算其状态的基础。本文以两电平并网逆变器为例,通过分析影响其直流母线电容可靠性的因素,提出直流母线电容的可靠性分析方法,对其进行失效机理分析并建立失效机理模型,基于该模型进行直流母线电容的参数辨识与状态估算。考虑到工业用逆变器中并没有直流母线电容电流采样元件,本文提出一种直流母线电容电流的获取方法,可在无传感器条件下准确获取直流侧母线电容的电流。
直流母线电容的参数辨识是估算电容参数、实现电容状态在线监测的重要一步。本文利用电容可靠性分析模型中结构简单、精度较高的等效电路模型,介绍基于递推最小二乘法(Recursive Least Square,RLS)的电容参数辨识方法,该方法虽在仿真中能较精确估算出电容容值与等效串联电阻值,但由于实测数据中存在较多的未知噪声干扰,导致该方法辨识性能下降,针对该问题,提出一种基于卡尔曼滤波算法(Kalman Filter,KF)的电容状态辨识方法,仿真和实测数据均验证所提算法的辨识精度,估计结果较准确。
利用联合估算方法进行电容状态估算,本文提出了联合粒子滤波算法(Particle Filter,PF)与KF算法的电容状态估算方法。针对RLS与KF算法对高斯白噪声扰动鲁棒性较差的问题,在KF算法中加入PF算法构成粒子卡尔曼融合滤波器(Particle Kalman Fusion Filter,PKF)进行电容的状态估算,PF算法的抗噪声能力强,通过融合滤波器能够提高所提算法在噪声扰动尤其是高斯白噪声环境下估算结果的收敛性。利用仿真和实测数据进行了验证,结果表明,该融合滤波器应对系统中未知噪声尤其是高斯白噪声的鲁棒性较强。
针对RLS、KF与PKF算法对系统中非高斯白噪声干扰鲁棒性较差的问题,提出Huber M估计与KF算法相联合的估算方法实现直流母线电容的状态估算,即构成鲁棒性卡尔曼滤波算法(Robust Kalman Filtering Algorithm,RKF)。Huber M估计本身不是滤波器,不能滤除噪声,该方法将其与KF算法相联合。Huber M估计本身相当于一种权重函数,通过重构残差进行计算,设置残差阈值,当残差小于阈值时,采用平方误差,大于阈值时,采用线性误差。线性误差对异常值不敏感,尤其对于非高斯白噪声的异常值鲁棒性较高,采用联合估算方法可以应对系统中存在较多非高斯白噪声时算法的估算精度。利用仿真和实测数据进行了验证,结果表明,该联合估算方法应对系统中非高斯白噪声的鲁棒性较强。