一种基于数字孪生的DC-DC变换器状态监测方法

本发明涉及一种dc-dc变换器状态监测方法，属于电力电子可靠性。

背景技术：

1、dc-dc变换器是多电飞机和全电飞机高压直流供配电系统中最重要的设备之一，对其进行状态监测将有助于提高飞机的安全性和可靠性。dc-dc变换器的故障主要分为软故障和硬故障两类。软故障是指dc-dc变换器中的关键器件在长期运行后，在外部环境应力以及内部电应力的作用下出现的性能退化乃至失效现象，会使整个dc-dc变换器处于异常运行状态甚至崩溃。硬故障包括短路故障和开路故障，其中，短路故障可能带来巨大的冲击电流，具有很强的破坏性，会在短时间内对变换器中的元器件造成不可逆的损坏；在dc-dc变换器发生开路故障时，电路中其他器件仍能正常工作，虽然会使电路性能降低，但系统不会立即崩溃，然而，开路故障长时间持续可能会给电路带来严重损害。

2、传统的dc-dc变换器软故障检测方法主要有器件级方法和系统级方法两类。器件级方法通过额外的电路来测量电气指标和热学指标，从而对电路中单个或多个关键器件进行健康状况评估；系统级方法对系统的频率响应和谐波等信号进行计算与分析，提取出包含电路健康状况的表征参数。这些方法通常只对器件的一种或一类特性进行离线监控，在实时性和全面性上有所不足，同时还需要增设外接电路或对电路控制器注入额外信号，状态监测成本较高，可靠性较低。

3、dc-dc变换器硬故障中的短路故障由于速度快，危害大，通常由目前已经比较成熟的硬件保护技术来检测和处理，以迅速切断故障。而对于开路故障，传统的监测方法包括基于模型的方法和基于数据驱动的方法，基于模型的方法需要对电路建立精确的数学模型，在复杂系统中实现难度较大；基于数据驱动的方法依赖于大量实际运行数据和先验故障信息，存在故障数据获取难度大，信号分析处理过程复杂等问题。

4、因此，设计一种无创、全面且易于实现的dc-dc变换器状态监测方法，弥补传统软硬故障监测方法的不足，具有重要意义。

技术实现思路

1、本发明为提高dc-dc变换器的可靠性，及时发现潜在问题及异常情况，并克服现有状态监测技术的缺陷，提出一种基于数字孪生的dc-dc变换器状态监测方法。

2、采取的技术方案如下：

3、本发明的具体步骤为：

4、步骤一、建立数字孪生框架；

5、步骤二、对dc-dc变换器的软故障进行监测；

6、步骤三、对dc-dc变换器的开路故障进行监测。

7、步骤一中的数字孪生框架包括物理层、数字层、计算层三个部分，其建立步骤为：

8、步骤一(一)、将状态监测的对象dc-dc变换器硬件实验平台置于物理层，作为物理实体；令dc-dc变换器在稳态条件下运行，使用电压、电流传感器测得三个完整周期中电路各部分的电压、电流波形，每周期等间隔采样25个数据点，共75个数据点；将所得数据集存储在数据库中；用vphysical,x来表示电压数据，用iphysical,x来表示电流数据，其中，physical代表数据来自物理层，x代表数据来自dc-dc变换器电路中的x号位置；

9、步骤一(二)、在数字层中，参照dc-dc变换器硬件实验平台的设计指标，在仿真软件中搭建dc-dc变换器模型，即数字孪生体；令仿真模型与物理实体具有相同的结构和相同的运行条件；对仿真模型设置与物理实体相同的输入电压、开关频率和负载，利用解算器运行仿真，采集电路各部分的电压、电流波形，共三个完整周期，每周期等间隔采样25个数据点，共75个数据点。将所得数据集存储在数据库中；用vdigital,x来表示电压数据，用idigital,x来表示电流数据，其中，digital代表数据来自数字层，x代表数据来自dc-dc变换器电路中的x号位置；

10、步骤一(三)、在计算层中编写代码。

11、步骤一(三)中在计算层中编写代码的流程为：

12、步骤1、种群初始化：将数字层各元器件的一个参数集视作一个粒子，每项参数视为粒子的一个维度，包括dc-dc变换器中各主要元器件的电阻、电感、电容值；随机初始化一群粒子的位置和速度，其中，位置指的是各维度的数值，应在合理的范围内随机产生；速度指的是粒子各维度的数值在两次迭代间变化的步长，同样在合理的范围内随机产生；

13、步骤2、粒子评价：将各粒子所代表的参数集输入数字层，以数字层和物理层输出波形各采样点之间的差值来计算目标函数fobj；目标函数计算公式为：

14、

15、公式(1)中，n为采样点个数，此处n＝75，k为采样点编号，p为权重因子，vphysical,x和vdigital,x分别为物理层和数字层各电压量，iphysical,x和idigital,x分别为物理层和数字层各电流量；在迭代开始时，分别计算种群中各个粒子的目标函数，目标函数最小的粒子的位置即为全局最优位置，记作gb，此时，每个粒子的局部最优位置都为当前所在位置，记作pb；

16、步骤3、种群更新：计算出目标函数后，更新各个粒子的速度和位置；

17、粒子速度的更新公式为：

18、vi+1,j,d＝wvi,j,d+c1rand(0,1)(gb,d-pi,j,d)+c2rand(0,1)(pb,j,d-pi,j,d)  (2)

19、粒子位置的更新公式为：

20、pi+1,j,d＝pi,j,d+vi+1,j,d  (3)

21、公式(2)和(3)中，rand(0,1)代表一个在(0,1)内的随机实数，v为粒子速度，i为迭代次数，j为粒子编号，d为参数维度编号，w为学习因子，与全局寻优和局部寻优的搜索能力有关，w值较大时，粒子更容易找到全局最优位置，否则更容易找到局部最优位置，c1为社会权重因子，c2为个体权重因子，学习因子和权重因子均为经验值；此处，w设置为0.6，c1和c2均设置为1.5；

22、计算更新后的种群中各粒子的目标函数，若其中最小的目标函数值小于全局最优目标函数值，则将该粒子记为新的全局最优gb，否则，全局最优保持不变；若单个粒子当前的目标函数值小于自身局部最优目标函数值，则将此时粒子的位置记为该粒子新的局部最优pb，否则，该粒子的局部最优保持不变；

23、步骤4、检验结束条件：如果当前全局最优的目标函数值小于所设定的阈值，或迭代次数达到设定的最大值，则停止迭代并输出该全局最优粒子所代表的参数集，否则，种群中每个粒子继续根据种群共享的全局最优解以及自身当前所找到的局部最优解更新各维度的数值，直到满足结束条件。

24、步骤二中所述dc-dc变换器软故障监测的具体步骤如下：

25、步骤二(一)、将步骤一(三)中计算层的粒子数量设置为24，最大迭代次数设置为100，阈值设置为0.1，运行计算层代码，得到最佳电路参数集；最终得到的数字层器件参数集将与物理层的器件实际值十分接近，此时，数字孪生体可以准确反映dc-dc变换器物理实体的实际运行状况；

26、步骤二(二)、为了减小粒子群优化算法随机性的影响，在相同条件下重复进行十次实验，观察数据整体趋势；若计算结果中dc-dc变换器中某器件参数值与额定值有较大差异，则认为该器件发生了退化；利用数字孪生体，无需停止dc-dc变换器的运行或进行侵入性测试就可以知道其内部的情况，另外，也无需对dc-dc变换器进行定期检修，而是可以根据其退化情况随时对其进行维护。

27、步骤三中所述dc-dc变换器开路故障监测的具体步骤如下：

28、步骤三(一)、令步骤二(一)中所得dc-dc变换器数字孪生体在正常情况和发生各类开路故障的条件下运行，假设共n种运行情况；在不同运行情况下各采集4000个周期的变压器一次侧电压数据，每个周期以相同的间隔采样25个数据点；设置滑动窗口宽度为25个数据点，步长为一个数据点，在每个滑动窗口对变压器原边电压进行12种常见时域特征的提取，包括：最大值最小值峰峰值xp-p＝xmax-xmin、平均值标准差峭度方差偏度裕度脉冲峰值和波形式中，x代表数据点，n代表滑动窗口中的数据点个数，此处n＝25；最终，得到一个具有12个特征，4000*n个样本的数据集；

29、步骤三(二)、使用独热编码法，将dc-dc变换器的不同运行状态分别表示为一个0和1的序列，序列的第几位为1，就代表dc-dc变换器运行在编号为几的状态，通过这种方法，将分类数据转换为数值数据，方便后续使用bp神经网络分类器对dc-dc变换器运行状态进行分类；

30、步骤三(三)、建立bp神经网络分类器；bp神经网络共有三层，包括一个包含12个神经元的输入层、一个包含n个神经元的输出层和一个包含10个神经元的隐藏层；bp神经网络的输入为dc-dc变换器中变压器一次侧电压的12个时域特征，输出为dc-dc变换器的n种运行状态；bp神经网络隐藏层的传递函数选择对数s型传递函数logsig，输出层的传递函数选择线性传递函数purelin，反向传播函数选择梯度下降自适应学习率训练函数traingdx；将第三部分步骤1所得数据集的一半用作训练集，另一半用作测试集；将bp神经网络的训练目标设置为0.0001，学习率设置为0.01，最大训练集数设置为10000；利用训练集训练bp神经网络分类器，并用测试集测试训练好的bp神经网络的有效性；最终得到的bp神经网络分类器可以在一个周期内识别dc-dc变换器的不同运行状态，从而及时发现与定位常见开路故障，实现对dc-dc变换器的状态监测，避免变换器在异常状况下长时间运行导致的不可逆后果。

31、本发明的有益效果是：本发明提出的基于数字孪生的dc-dc变换器状态监测方法可以实现对dc-dc变换器的全寿命周期健康状况监测。针对软故障情况，所提方法对dc-dc变换器实施了全面的无创监测，无需增加额外的硬件电路即可实时监测各元器件的退化情况；针对硬故障中开路故障的情况，所提出的数字孪生方法相较于基于数学模型的方法更易于实现且具有普适性，同时解决了数据驱动方法中获取故障数据难度大的问题。所提方法为dc-dc变换器的状态监测问题提供了切实可行的解决方案，是提高机载高压直流供配电系统可靠性的可行途径。