شناسایی و جایابی خطای مدارباز کلیدهای نیمه‌هادی قدرت در اینورتر چند سطحی مهار نقطه خنثی

مقاله حاضر، تشخیص خطای مدارباز کلیدهای نیمه‌هادی قدرت در اینورتر مهار نقطه خنثی را با استفاده از شبکه عصبی مورد مطالعه قرار می‌دهد. اینورتر مهار نقطه خنثی شامل چهار کلید نیمه‌هادی قدرت و دو دیود کلمپ در هر فاز است. افزایش تعداد کلیدهای نیمه‌هادی قدرت در اینورترهای چند سطحی احتمال وقوع خطا را افزایش می‌دهد. بنابراین تشخیص و جایابی سریع کلید معیوب برای رفع سریع خطا و مقاوم‌سازی اینورتر در برابر خطا ضروری است. در این تحقیق، سیستم‌های مبتنی بر شبکه عصبی برای تشخیص خطای مدارباز در یک و یا دو کلید نیمه‌هادی بر روی اینورترهای مهار نقطه خنثی سه فاز سه سطحی مورد بررسی قرارگرفته است. روش پیشنهادی جایابی خطا، بر اساس اندازه‌گیری جریان خروجی اینورتر و همچنین محاسبه مقدار متوسط استوار است. به‌منظور آموزش شبکه عصبی از مقدار متوسط جریان هر سه فاز خروجی استفاده‌شده است. سیستم تشخیص خطای پیشنهادی وقوع خطای یک یا دو کلید که مجموعاً شامل 60 حالت خطا و یک حالت عملکرد بدون خطا را پوشش می‌دهد. این سیستم در محیط نرم‌افزار matlab/simulink شبیه‌سازی‌شده و نتایج به‌دست‌آمده دقت و سرعت تشخیص وقوع خطای مدارباز برای کلیدهای قدرت نیمه‌هادی را در یک سیکل فرکانس مرجع نشان می‌دهد.

identification and diagnosis of power semiconductor switches open-circuit failure in neutral point clamped multilevel inverter

this article presents the open switch fault detection and diagnosis of neutral point clamped inverters using neural networks. the neutral point clamped inverter consist of four power semiconductor switches with two clamp diodes in each phase. as the number of power semiconductor switches in the inverter increases, the probability of fault occurrence significantly increases. therefore, for ensuring uninterrupted operation and preventing additional damage during faults, rapid fault diagnosis is essential for the fault tolerant systems. in this study, a neural network based system is developed for the detection and diagnosis of open switch faults in one or two power semiconductor switches in neutral point clamped inverter. the proposed method relies on measuring the inverter output currents and calculating their average values, which are then used for training the neural network. the proposed system covers open switch fault diagnosis for one or two switches. the mentioned system was simulated in the matlab/simulink environment, and the result demonstrate accuracy and rapid fault diagnosis for semiconductor power switches within a fundamental cycle.