[0001] 本发明属于电气系统健康状态监测领域，具体的说，涉及了一种基于多模型融合的变频器功率半导体温度预测方法。

[0002] 功率半导体是变频器的核心组件。在变频器工作过程中，功率半导体的温度常发生大幅度波动，这将加速功率半导体的老化，引发变频器失效故障。因此，有必要开展功率半导体温度在线监测，以优化变频器功率控制，为功率半导体使用寿命预测与可靠性提升提供保障。

[0003] 虽然通过热电偶、红外温度计、热成像仪等外部温度传感器能够测量功率半导体温度，但这些外部传感器往往需要破坏器件的封装、影响变频器的正常运行并带来额外的使用成本。在不使用外部传感器的前提下，现有功率半导体温度预测方法可分为两种：一是基于热网络模型的功率半导体温度预测方法；例如，公告号为CN108108573B的发明专利中公开了一种根据电机运行状态进行动态解算的IGBT功率模块结温预测方法，但该专利忽略了长时间使用过程中器件老化对热参数的影响。二是基于数据的功率半导体温度预测方法；例如，公告号为CN111460617B的发明专利中公开了一种基于神经网络的IGBT结温预测方法，其将基于监测到多个测量信号作为特征输入，从而构建神经网络模型，预测功率半导体的温度，但该专利忽略了变频器不同运行状态对温度的影响，而运行状态的改变正是引发功率半导体温度变化的主要原因。

[0004] 为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

[0074] 下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。

[0075] 本实施例的方法为了提升变频器功率半导体温度预测模型的准确性与通用性，通过采集多种运行状态下的运行状态监测信号，构建多种半导体温度预测模型与温度预测结果融合机制。

[0076] 实施例1

[0077] 本实施提供的一种基于多模型融合的变频器功率半导体温度预测方法，如图1所示，包括以下步骤：

[0078] 步骤S1，将变频器的典型运行状态进行定义，具体包括四种典型运行状态：待机状态(STANDBY)、低功率等级开机状态(ON_LOW)、中功率等级开机状态(ON_MEDIUM)和高功率等级开机状态(ON_HIGH)。

[0079] 具体的，本实施例针对一台额定功率PN＝1.5kW，最大功率PH＝2kW的变频器，将变频器功率部分电子元器件的电源处于开启状态，而电机转速为零的运行状态定义为待机状态(STANDBY)；将变频器功率P在0kW:0.6kW范围0kW:0.6kW内的运行状态定义为低功率等级开机状态(ON_LOW)；将变频器功率P在0.6kW:1.3kW范围内的运行状态定义为中功率等级开机状态(ON_MEDIUM)；将变频器功率P大于2.0kW时的运行状态定义为高功率等级开机状态(ON_HIGH)。

[0080] 针对上述四种运行状态，分别从变频器的控制过程中采集多种运行状态监测信号，同时，利用外部温度传感器测量变频器内部功率半导体的温度Ttemp，而后进行数据处理，以保证处理后的数据具有相同的采样时刻和采样频率，并且不含异常值和缺失值，继而从这些运行状态监测信号中提取差异化指标以区分上述四种运行状态。

[0081] 本实施例中，从变频器驱动的电机的编码器中测量转速信号v，在变频器控制过程中构建观测器获取功率信号P，由变频器内部通电计时器测量累计工作时间信号Tw，由功率信号P与工作时间信号Tw得到能量消耗累计信号E。

[0082] 需要说明的是，变频器作为电能和机械能的转换元件，最主要的信号就是功率信号；从功率信号可以衍生出能量消耗信号，而能量消耗信号又是功率和累计工作时间信号的积分。同时，从电机运动的角度，功率信号又可以分为转速信号和转矩信号的乘积。因此，本实施例选取这四种信号作为运行状态监测信号。

[0083] 当然在其他情况下，也可以根据需要进一步添加电流信号和电压信号作为运行状态监测信号。

[0084] 本实施例中，在打开变频器外壳的情况下，通过热成像仪测量功率半导体温度，组成温度信号Ttemp。

[0085] 本实施例中，采用的数据处理方法包括：过滤异常值、插补缺失值、数据重采样。具体地：

[0086] 过滤异常值：以变频器驱动电机的最大转速值3000转每分作为转速信号v的上限和下限 以变频器最大功率PH作为功率信号P的上限和下限 针对累计工作时间信号Tw设置下限值：Tw‑Tmin＝
0；不对能量消耗累计信号E设置限幅值。当上述信号在tk时刻超过预设的上限或下限时，该采样时刻的信号值将被删除并标记为缺失值。

[0087] 插补缺失值：针对转速信号v，当采样时刻tl返回了空值，或该采样时刻的数值因超出预设的上限或下限而被删除时，认为在采样时刻tl存在缺失值，并需要进行插补。此时，采用最近邻方法进行插补计算，以采样时刻最接近tltl时刻的信号补全v(tl)的取值，得到插补后的转速信号。随后，仿照上述步骤完成功率信号P、能量消耗累计信号E、温度信号Ttemp中缺失值的插补。

[0088] 数据重采样，以1分钟为采样间隔，对转速信号v、功率信号P、能量消耗累计信号E、温度信号Ttemp进行重采样。重采样过程中，采用双线性内插法得到以0时刻为采样起始时刻，以1分钟为采样间隔，长度为tN的时间域序列：v(t)、P(t)、E(t)和Ttemp(t)。

[0089] 步骤S2，将转速信号v与功率信号P的幅值组合作为差异化指标，基于差异化指标对变频器运行状态进行区分，具体地：当转速信号为零时，认为变频器的运行状态为待机状态(STANDBY)；当电机转速不为零，且功率信号P￡0.6kW时，认为变频器的运行状态为低功率等级开机状态(ON_LOW)；当电机转速不为零，且功率信号0.6kW￡P￡1.3kW时，认为变频器的运行状态为中功率等级开机状态(ON_MEDIUM)和当电机转速不为零，且功率信号P32.0kW时，认为变频器的运行状态为高功率等级开机状态(ON_HIGH)。

[0090] 需要说明的是，通常设备(电机)运行速度与负载是运行状态的典型代表。而转速和功率信号可以最直观的表述系统的运行速度与负载。因此本实施例中选用这两种的幅值组合作为差异化指标。另一方面，转速和转矩信号也能起到类似效果。

[0091] 当然，也可以按照其他方式选择差异化指标，只要满足放大不同运行状态数据样本间的差异，缩小同类运行状态中数据样本的差异的要求即可。

[0092] 步骤S3，针对上述四种运行状态，依次将每种运行状态下采集到的变频器的转速信号v(t)、功率信号P(t)、能量消耗累计信号E(t)与对应的功率半导体温度信号Ttemp(t)进行相关分析，从而得到关于温度信号与多种变频器运行状态监测信号的相关系数向量r，而后针对每种运行状态，选取其中具有显著相关性的信号组成特征信号集合Ystate。

[0093] 本实施例中，采用皮尔逊相关分析方法度量运行状态监测信号与温度信号间的相关性，其中，针对待机状态(STANDBY)下的转速信号vSTANDBY(t)、功率信号PSTANDBY(t)、能量消耗累计信号ESTANDBY(t)与温度信号TtempSTANDBY(t)间的相关分析结果为：

[0094]

[0095]

[0096]

[0097] 继而，对待机状态(STANDBY)的相关系数向量按照相关系数的大小进行排序得到：
因此，选取功率信号PSTANDBY(t)与转速信号vSTANDBY(t)组成特征
信号集合：YSTANDBY＝[PSTANDBY(t),vSTANDBY(t)]；

[0098] 在此基础上，得到低功率等级开机状态(ON_LOW)、中功率等级开机状态(ON_MEDIUM)和高功率等级开机状态(ON_HIGH)下的特征信号集合，组成全部四种运行状态下的特征信号集合：Y＝[YSTANDBY,YON_LOW,YON_MEDIUM,YON_HIGH]。

[0099] 步骤S4，针对变频器的每一种运行状态，均使用步骤S3中具有强相关性的运行状态监测信号Y＝[YSTANDBY,YON_LOW,YON_MEDIUM,YON_HIGH]作为模型训练的输入，以应用adaboost原理的决策树回归器作为基学习器，分别构建多个独立的温度预测模型：M＝[MSTANDBY,MON_LOW,MON_MEDIUM,MON_HIGH]。

[0100] 在本实施例中，针对变频器的每一种运行状态，以特征信号集合Y＝[YSTANDBY,YON_LOW,YON_MEDIUM,YON_HIGH]中各个信号的时域的平均值、标准差、峰峰值、峭度、偏度和均方根作为模型训练的输入，以变频器功率半导体温度信号Ttemp为输出。模型训练过程中采用的决策树回归器的层数为10层，决策树个数为50个。重复模型训练过程后，可得到待机状态(STANDBY)、低功率等级开机状态(ON_LOW)、中功率等级开机状态(ON_MEDIUM)和高功率等级开机状态(ON_HIGH)等四种运行状态下的半导体温度预测模型。

[0101] 步骤S5，对于实际运行中未安装温度传感器的变频器，根据步骤S1先从变频器的控制过程中采集多种运行状态监测信号，并进行数据预处理，再计算差异化指标，识别变频器当前运行状态属于上述四种运行状态的概率分布情况Pb，继而依据运行状态概率分布，选取一个或多个具有高相关性的步骤S4中形成的针对特定运行状态的半导体温度预测模型及其特征信号集合，最后根据运行状态概率对各运行状态温度预测模型的输出进行归一化融合，得到变频器功率半导体的温度。

[0102] 在本实施例中，对于实际运行中的未安装温度传感器的变频器，采集变频器驱动的电机的编码器中测量转速信号v，在变频器控制过程中构建观测器获取功率信号P，由变频器内部通电计时器测量累计工作时间信号Tw，由功率信号P与工作时间信号Tw得到能量消耗累计信号E。继而，按照步骤S1中的过滤异常值、插补缺失值、数据重采样等数据处理方法，得到以0时刻为采样起始时刻，以1分钟为采样间隔，长度为tN的时间域序列：v(t)、P(t)、和E(t)。而后，将转速信号v(t)与功率信号P(t)的幅值组合作为差异化指标，识别得到当前运行状态属于上述四种运行状态的概率分布情况：Pb＝[0.01,0.53,0.88,0.02]。依据Pb可确认当前运行状态大概率属于低功率等级开机状态(ON_LOW)或中功率等级开机状态(ON_MEDIUM)，由此，可分别调用温度预测模型MON_LOW与MON_MEDIUM，得到对应的半导体温度信号tON_LOW与tON_MEDIUM。按照运行状态概率对多个模型的输出值进行归一化融合，可得到当前变频器功率半导体的温度tcurrent：

[0103]

[0104] 需要注意的是，由于模型训练过程中，选择的是特征信号集合中各个信号的时域的平均值、标准差、峰峰值、峭度、偏度和均方根作为MON_LOW模型与MON_MEDIUM模型训练的输入，因此实际计算过程中同样将实际获取的运行状态监测信号对应的特征信号集合YON_LOW中各个信号的时域的平均值、标准差、峰峰值、峭度、偏度和均方根作为温度预测模型MON_LOW的输入；将运行状态监测信号对应的特征信号集合为YON_MEDIUM中各个信号的时域的平均值、标准差、峰峰值、峭度、偏度和均方根作为温度预测模型MON_MEDIUM的输入。

[0105] 特别的，这里的特征信号集合YON_LOW、YON_MEDIUM分别与步骤S3确定的特征信号集合YON_LOW、YON_MEDIUM中的特征信号种类一致。

[0106] 实施例2

[0107] 本实施例提供一种基于多模型融合的变频器功率半导体温度预测装置，如图2所示，包括：

[0108] 运行状态监测信号采集模块，用于采集变频器控制过程中的运行状态监测信号和变频器内部功率半导体的温度信号；

[0109] 差异化指标提取模块，用于从运行状态监测信号中选取差异化指标，基于差异化指标识别运行状态，其中，运行状态有四种，分别为待机状态以及低、中、高三种不同功率等级的开机状态，差异化指标为时域特征指标、频域特征指标、时频域特征指标中的至少一种；

[0110] 特征信号集合获取模块，用于将每一种运行状态对应的运行状态监测信号依次与温度信号进行相关分析，得到该运行状态下具有显著相关性的特征信号集合；

[0111] 变频器功率半导体温度训练模块，用于针对变频器的每一种运行状态，均使用相应运行状态下的具有显著相关性的特征信号集合作为模型训练的输入，以变频器功率半导体温度信号为输出，构建独立的温度预测模型；

[0112] 概率分布获取模块，用于基于运行状态监测信号识别变频器当前运行状态的概率分布；

[0113] 温度预测模块，用于基于概率分布选取具有高相关性的温度预测模型进行温度预测，得到功率变频器半导体温度。

[0114] 具体的，采集变频器控制过程中的运行状态监测信号和变频器内部功率半导体的温度信号；从运行状态监测信号中选取差异化指标，基于差异化指标识别运行状态；将每一种运行状态对应的运行状态监测信号依次与温度信号进行相关分析，得到该运行状态下具有显著相关性的特征信号集合；温度预测模型训练步骤、基于运行状态监测信号识别变频器当前运行状态的概率分布和基于概率分布选取具有高相关性的温度预测模型进行温度预测，得到功率变频器半导体温度均可参见实施例1，这里不再赘述。

[0115] 同样的，(1)本实施例将变频器运行状态对功率半导体温度的影响纳入考虑，可克服现有基于单一模型的变频器功率半导体温度预测方法难以适应使用过程中运行状态变化的影响，从而增强半导体温度预测结果的准确性与通用性。

[0116] (2)本实施例从变频器控制过程中采集多种运行状态监测信号，并对其进行多种数据预处理，能够全面描述变频器运行状态，为精准预测功率半导体温度提供基础。

[0117] (3)本实施例得到的变频器功率半导体温度预测结果可用于优化变频器功率控制，为功率半导体使用寿命预测与可靠性提升提供保障。

[0118] 实施例3

[0119] 本实施例提供一种电子设备，如图3所示，包括处理器3001和存储器3003，还包括通信接口3002和通信总线3004，其中处理器3001，通信接口3002，存储器3003通过通信总线3004完成相互间的通信；所述存储器3003存储有计算机程序，所述处理器3001执行所述计算机程序时实现上述实施例1所述方法的步骤。

[0120] 上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Ind ustry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

[0121] 通信接口用于上述电子设备与其他设备之间的通信。

[0122] 存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non‑Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

[0123] 上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

[0124] 实施例4

[0125] 本实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例1所述方法的步骤。

[0126] 实施例5

[0127] 本实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例1所述方法的步骤。

[0128] 需要注意的是，在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

[0129] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

[0130] 本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

[0131] 最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。