面对挑战:PWM供电下电动车辆资产中的局部放电测量与监测

《Electronics》:Facing a Challenge: Partial Discharge Measurements and Monitoring in Electrified Vehicle Assets Under PWM Supply

【字体: 大 中 小 】 时间:2026年07月09日 来源:Electronics 2.9

编辑推荐:

  电动交通领域中电气设备功率密度的增加是不可逆转的趋势,这涉及电力电子型供电、更高电压和温度。然而,快速的转换器开关上升时间、高调制和载波频率、谐波以及增大的设计场强和温度构成了绝缘加速电热老化的潜在原因,尤其当有害现象如局部放电(PD)引发时。本文聚焦于解决电

  
电动交通领域中电气设备功率密度的增加是不可逆转的趋势,这涉及电力电子型供电、更高电压和温度。然而,快速的转换器开关上升时间、高调制和载波频率、谐波以及增大的设计场强和温度构成了绝缘加速电热老化的潜在原因,尤其当有害现象如局部放电(PD)引发时。本文聚焦于解决电力电子波形下PD监测的相关问题,涉及有效且自动化的噪声抑制工具以及PD产生源类型的识别,后者对于质量控制、诊断和状态维护至关重要。研究表明,现有创新技术能够即使在快速开关(上升时间)和高频条件下测量PD,并在时域中将PD脉冲与开关噪声分离。该方法可通过本文介绍的PD检测器软件自动执行,无需专家管理测量,从而使其也成为在线PD监测和基于状态维护的可行工具。研究人员展示了脉冲宽度调制(PWM)供电下电机加速老化试验的PD监测结果。为评估绝缘健康状态,使用动态健康指数(DHI)量化电机的渐进退化,该指数主要基于关键PD参数,即PD幅值、重复率以及放电类型(表面或内部)的可能性。所提出的DHI方法不仅为将PD数据转化为诊断工具提供了有意义的度量,还为剩余寿命估计和故障风险预测提供了见解。
论文解读文章:PWM供电下电动车辆资产的局部放电测量与监测研究

**研究背景与问题**
随着电动交通领域对功率密度和效率的持续追求,电力电子型供电、更高电压和温度成为不可逆趋势。然而,快速开关上升时间、高调制与载波频率、谐波以及增大的设计场强和温度,会加速绝缘的电热老化。尤其当局部放电(PD——绝缘材料中局部发生的放电现象)等有害现象被触发时,老化速率会急剧增加。当前,在正弦交流电压下测量PD已有成熟标准,但在直流或脉冲宽度调制(PWM)波形下进行PD测量极具挑战。PWM供电下,PD脉冲常与开关噪声重叠,尤其在上升时间极短(数十纳秒)和过电压较高时,噪声抑制和PD源识别变得困难甚至不可行。因此,亟需开发能够在PWM条件下有效提取PD信号、自动识别放电类型并用于状态监测的创新方法,以提升电动车辆资产(如电机)的可靠性和维护效率。

**研究内容与结论**
研究人员提出了一种基于时域滤波的PD脉冲提取方法,并开发了包含分离、识别和辨识(SRI)的自动化软件平台(SRI: 1.5.3-M),能够自动抑制开关噪声、分离PD脉冲、识别PD源类型(内部、表面或电晕放电),并基于关键PD参数(幅值、重复率、放电类型可能性)构建动态健康指数(DHI)用于绝缘状态评估。通过加速老化试验,该研究在PWM供电的低压电机上验证了方法的有效性,表明DHI能够提供近乎线性的健康退化趋势,为状态维护和剩余寿命预测奠定基础。论文发表在《Electronics》上,其重要意义在于填补了PD测量与绝缘系统设计及诊断之间的技术空白,为电动车辆及电动交通资产的可靠性提升提供了实用工具。

**关键技术方法**
研究人员采用的主要关键技术方法包括:(1)时域开关噪声抑制方法:通过计算一系列采集信号的标准差,利用PD脉冲的随机性与开关噪声的确定性差异,提取PD脉冲;(2)自动分离、识别与辨识(SRI)算法:基于脉冲形状参数(如等效时间、频率、熵、偏度、峰度等)进行多维映射,通过主成分分析(PCA)降维,再结合层次聚类或密度聚类实现自动分离;利用线性预测(LP)残差分析等统计标准识别PD与噪声;最后采用模糊逻辑对PRPD子模式进行PD源类型识别(内部、表面或电晕);(3)动态健康指数(DHI)算法:综合PD幅值、重复率、放电类型可能性及权重(表1),计算随时间变化的健康指数,用于评估绝缘退化程度并规划维护措施。试验样本包括绞线对、平板绝缘试样(Kapton CR膜)以及带有缺陷的低压电机(0.12 kW,220 V)。

**研究结果**
- **2. PD Detection Under PWM Operation**:简要概述了PWM供电下PD现象,指出快速上升时间(数十纳秒)和高过电压下PD与开关噪声完全重叠,频率域方法难以分离,需采用时域方法。
- **3. New Approach to PD Measurement Under Repetitive Impulses: Time-Domain Switching Noise Rejection**:提出基于标准差计算的时域滤波方法。通过采集一系列信号(如250条迹线),计算移动标准差,利用PD脉冲的随机性导致方差突增,从而在时域中提取PD脉冲。该方法在绞线对和电机上验证有效,但需预处理信号对齐(如分数延迟滤波器)以减小时间对齐方差。
- **4. An Automatic Unsupervised PD Testing and Monitoring System**:介绍了SRI软件平台。该平台通过PCA和聚类实现噪声与PD的自动分离,利用LP残差分析等统计标准识别PD脉冲,并采用模糊逻辑对“干净”的PRPD子模式进行PD源类型识别(内部、表面或电晕),输出可能性百分比。与监督学习方法相比,该物理可解释框架无需大量训练数据集,适用于现场环境。
- **5. PD Measurements and Accelerated Aging Under PWM**:通过三阶段实验验证方法:
- 5.2 标准偏差法提取绞线对PD:在调制频率100–1000 Hz、载波频率1–10 kHz、上升时间50–200 ns条件下,自动软件成功识别PDIV,并分离出PD脉冲;在PDIV以上,PD被识别为100%内部放电。
- 5.3 平板绝缘试样的SRI分析:在正弦交流供电下,SRI成功分离并识别表面放电可能性100%;但在2电平PWM供电下,PRPD呈梳状模式,模糊识别仅依赖Weibull形状参数,鲁棒性不如正弦交流。
- 5.4 低压电机PD监测与加速老化:对带有缺陷的电机(0.12 kW,220 V)在1.5倍PDIV下加速老化直至击穿。PD幅值和重复率随时间总体呈下降趋势,仅在击穿前快速上升;通过UV相机视觉验证PD活动。SRI识别显示,未老化电机以表面放电为主,老化后内部放电占主导,最终击穿。
- **6. Dynamic Health Index (DHI) for Motor Under Accelerated Aging**:基于PD幅值、重复率以及放电类型可能性(Pk),构建DHI公式。通过引入损伤率DR(幅值×重复率),并结合权重(表1:内部放电权重最高,表面次之,电晕最低),计算初步DHI,再经调整因子AF修正。应用于电机加速老化数据,DHI随时间呈近似线性下降,可划分绿色(DHI≥0.7)、黄色(0.4–0.7)、红色(<0.4)区域,用于维护规划。该方法在多种电机及平板绝缘试样上得到验证。

**讨论与结论**
讨论部分强调,所提出的时域PD脉冲提取与SRID方法能够在自动化和无监督条件下有效抑制开关噪声,分离并识别PD源类型,趋势化PD参数,并输出简洁的动态健康指数(DHI)。该指数可基于PD幅值、重复率和放电类型可能性,量化绝缘退化程度,为状态维护提供依据。研究结论翻译如下:
本文提出的自动方法能够从开关噪声中提取PD脉冲,即使在高上升速率下也有效,似乎填补了PD技术与绝缘系统设计和诊断之间的空白。这对于改善电动车辆及电动交通资产中任何电气元件的设计和可靠性极为有用。时域PD脉冲提取和SRID带来的创新允许检测、分析和识别产生PD的缺陷类型,抑制所有类型噪声,趋势化PD参数,并输出一个简单的概括性指标——动态健康指数(DHI),可作为任何维护行动的基础。值得注意,该方法不仅适用于在线监测,也适用于离线测试,如电机质量控制或电动车辆任意维护时刻的健康指数评估。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号