逆變器是把直流電能(電池、蓄電瓶)轉(zhuǎn)變成交流電(一般為220V,50Hz正弦波)。它由逆變橋、控制邏輯和濾波電路組成。廣泛適用于空調(diào)、家庭影院、電動砂輪、電動工具、縫紉機、DVD、VCD、電腦、電視、洗衣機、抽油煙機、冰箱，錄像機、按摩器、風扇、照明等。

而功率開關器件是逆變器核心組成部分，其故障特征參數(shù)的提取及分類方法是故障診斷和預測的重要技術基礎，對于提高逆變器可靠性具有重要意義。

合肥工業(yè)大學電氣與自動化工程學院、可再生能源接入電網(wǎng)技術國家地方聯(lián)合工程實驗室的研究人員李兵、崔介兵、何怡剛、史露強、劉曉暉，在2020年第10期《電工技術學報》上撰文，以有源中性點鉗位(ANPC)三電平逆變器的IGBT開路故障診斷為例，提出一種基于能量譜熵及小波神經(jīng)網(wǎng)絡的故障診斷方法，采用ANPC三電平逆變器上、中、下橋臂電壓作為測量信號，通過小波包能量譜熵提取橋臂電壓信號特征，并利用核主成分分析對特征向量進行優(yōu)化;并利用自適應矩估計小波神經(jīng)網(wǎng)絡(A-WNN)建立故障字典。

實驗結果表明，A-WNN具有故障特征辨識速度快、精度高等優(yōu)點，適用于ANPC三電平逆變器實時故障診斷。

相比傳統(tǒng)兩電平逆變器，三電平逆變器具有承受電壓高和電壓電流上升率低等優(yōu)點，目前已得到廣泛應用。為克服二極管鉗位式(Neutral-Point Clamped, NPC)三電平逆變器功率器件損耗不平衡的缺陷，T. Bruckner教授等提出了有源中性點鉗位(Active NPC, ANPC)三電平逆變器拓撲結構如圖1所示。該結構因具有功率大、容量大及器件損耗平衡等特點，而得到廣泛應用。

但相比之下，三電平逆變器IGBT數(shù)量增加了，且電路結構更加復雜，任一IGBT故障均可導致逆變器無法正常工作，甚至發(fā)生二次故障，造成巨大經(jīng)濟損失。因此，有必要及時準確定位逆變器故障位置。

電力電子功率器件硬故障包括開路和短路故障，因具有突發(fā)性和破壞性大等特點，成為目前研究熱點。短路故障目前已有成熟的檢測方案，因此，合肥工業(yè)大學、可再生能源接入電網(wǎng)技術國家地方聯(lián)合工程實驗室的研究人員針對IGBT功率器件開路故障進行了研究。

研究人員認為，目前開路故障診斷方法主要分為基于數(shù)據(jù)和基于模型兩類。前者主要利用器件電壓和電流獲取器件故障信息。但是目前的研究方法對信號依賴程度較高，易受外部干擾信號影響，準確率較低。

另一種是信號與人工神經(jīng)網(wǎng)絡、支持向量機、極端學習機(Extreme Learning Machine，ELM)等相結合的智能診斷算法。但是，據(jù)文獻分析發(fā)現(xiàn)，目前的智能診斷算法存在計算復雜、硬件要求高，難以實現(xiàn)在線監(jiān)測和參數(shù)選擇等問題。

此外，基于模型的方法近些年也被廣泛提出。雖然本方法不需增加額外硬件，且對負載變化不敏感，但該方法需對電路精確建模，若電路稍加改動，則需重新建模。

逆變器故障診斷方法需要較好的抗干擾能力和較高診斷準確度。為此，研究人員提出了一種基于能量譜熵及小波神經(jīng)網(wǎng)絡的故障診斷方法。

首先，將信息熵理論融入小波包分解，形成小波包能量譜，可減少外部信號干擾，有效提取故障信號特征。其次，采用自適應矩估計小波神經(jīng)網(wǎng)絡(Adam-Wavelet Neural Network, A-WNN)，充分利用小波基函數(shù)的伸縮性和平移性，根據(jù)參數(shù)訓練歷史自動更新參數(shù)學習率，避免算法陷入局部極小值。最后，搭建ANPC三電平逆變器實驗平臺。故障診斷流程如圖所示。

診斷結果表明，所提出的診斷方法可以達到98.46%的準確度，性能優(yōu)于ELM、PSO-BP、RBFNN、WNN等神經(jīng)網(wǎng)絡，且單次診斷時間短，適用于在線故障診斷。