用于可靠性分析的MMC子模块相关性场景构建方法技术

本发明专利技术涉及用于可靠性分析的MMC子模块相关性场景构建方法，包括以下步骤步骤S1：根据MMC拓扑结构和子模块组合关系，构建MMC子模块可靠性模型；步骤S2：根据子模块可靠性模型，利用拉丁超立方采样及Cholesky分解排序法构建子模块相关性场景；步骤S3:根据得到子模块相关性场景，通过直方图的统计特性，选取适用于的Copula函数，并利用极大似然估计理论估计Copula函数的参数；步骤S4:根据子模块可靠性模型和Copula函数，构建未冗余配置时可靠性模型；步骤S5:根据未冗余配置时可靠性模型和Copula函数，构建配置冗余时可靠性模型。本发明专利技术基于MMC相关性场景的构建，建立了MMC可靠性模型。

A Method of Constructing MMC Submodule Relevance Scenarios for Reliability Analysis

【技术实现步骤摘要】
用于可靠性分析的MMC子模块相关性场景构建方法
本专利技术涉及用于可靠性分析的MMC子模块相关性场景构建方法。
技术介绍
模块化多电平换流器(modularmultilevelconverter，MMC)采用桥臂子模块级联，具有谐波水平低、无换相失败问题、损耗较低等显著优点在实际工程中得到了越来越广泛的应用。为了提高MMC可靠性并增强故障自清除能力，在实际工程中，通常会对桥臂子模块采用冗余配置，提高换流器的可靠性并增强故障处理能力，这将有助于系统的设计和方便操作管理。因此，研究MMC可靠性和冗余子模块数目配置具有工程意义。
技术实现思路
有鉴于此，本专利技术的目的在于提供用于可靠性分析的MMC子模块相关性场景构建方法。为实现上述目的，本专利技术采用如下技术方案：用于可靠性分析的MMC子模块相关性场景构建方法，包括以下步骤：步骤S1：根据MMC拓扑结构和子模块组合关系，构建子模块可靠性模型；步骤S2：根据子模块可靠性模型，利用拉丁超立方采样及Cholesky分解排序法构建子模块相关性场景；步骤S3:根据得到子模块相关性场景，通过直方图的统计特性，选取适用于的Copula函数，并利用极大似然估计理论估计Copula函数的参数；步骤S4:根据子模块可靠性模型和Copula函数，构建未冗余配置时可靠性模型；步骤S5:根据未冗余配置时可靠性模型和Copula函数，构建配置冗余时可靠性模型。进一步的，所述MMC拓扑结构为半桥结构，其子模块可靠性模型具体为：根据拓扑结构和子模块组合关系，可得到子模块可靠性RSM(t)RSM(t)＝RI2(t)·Rcap(t)·RK1(t)·RK2(t)＝1-exp(-λit)式中：RI、Rcap、RK1、RK2分别为IGBT模块、电容、旁路开关K1，压接式封装晶闸管K2的可靠性函数；则子模块故障率为：λSM＝2λI+λcap+λK1+λK2式中：λI、λcap、λK1、λK2分别是IGBT模块、电容、旁路开关K1，压接式封装晶闸管K2的故障率。进一步的，所述拉丁超立方采样法具体为：步骤S21:假设有N个采样子模块相关性的随机变量，Xn(n＝1,2,...,N)为其中任意一个随机变量，其累积函数分布为Yn＝Fn(Xn)，M代表采样规模，区间[0,1]分为M个不会重叠的等间隔区间；步骤S22:在每个子区间里随机选取一个Yn，利用反函数法可以得到采样值其中为Fn(·)的反函数；即可得到一个N×M阶的初始样本矩阵Z。进一步的，所述Cholesky分解排序法具体为：步骤S201:随机生成一个N×M维的顺序矩阵Q，其每一行由整数1,2,…,M随机排列组成；步骤S202:计算顺序矩阵Q的相关系数矩阵ρQ，ρQ是一个正定对称矩阵，对其进行Cholesky分解，所得的L为下三角矩阵：ρQ＝LLT通过G＝Q-1L消除顺序矩阵Q的相关性；其中，G的相关系数矩阵为单位阵；步骤S203:对具有可靠性的随机变量的实际相关系数矩阵ρ0作Cholesky分解，所得P为下三角矩阵：ρ0＝PPT接着通过Gu＝PG＝PQ-1L所得到的的相关系数矩阵Gu与ρ0近似相等；步骤S204:根据Gu中对应行的元素顺序对初始样本矩阵的Z的元素进行更新，得到新的样本矩阵Zu，即为计及n个子模块间的相关性的可靠性样本矩阵。进一步的，根据其生成的可靠性样本矩阵选取符合这一特定场景下的Copula函数，具体为：在上述产生子模块可靠性样本矩阵作为数据样本，根据绘制出的频率直方图的分布规律选取适当的Copula函数，如是否为对称分布和是否可反应尾部相关特性。Copula函数主要有两大类:Ellipse-Copula函数簇和Archimedean-Copula函数簇。其中前者因密度等高线投影是椭圆得名，包括Normal-Copula和t-Copula；后者常用的3类函数为Gumbel-Copula，Clayton-Copula和Frank-Copula。Normal-Copula有对称分布，但不反映尾部相关性；t-Copula有对称分布，同时反映尾部相关性；Gumbel-Copula为非对称分布，上尾相关，但下尾渐进独立；Clayton-Copula为非对称分布，下尾相关，上尾渐进独立；Frank-Copula为对称分布，不反映尾部相关性。而阿基米德Copula性质优良，具有显式表达式，又根据图5可知，子模块损坏度联合频率直方图的对称和尾部相关特性与阿基米德函数簇中Frank-Copula函数(图6)一致。因此选取Frank-Copula函数来描述该场景下的相关特征，进一步基于选取的Copula函数分析MMC可靠性。进一步的，所诉步骤S4具体为：步骤S41:假设桥臂中初始子模块数量为N，第i个子模块的寿命随机变量为Ti,寿命分布函数为Fi(t)＝P{Ti≤t}，i＝1,2,…,N；步骤S42:在初始时刻t＝0时系统所有器件都处于理想状态且同时开始运行，则系统寿命取决于各元件寿命的最小值，即桥臂各模块中存在一个发生故障，则桥臂不可靠，此时桥臂的阶梯电压波形不满足要求。未配置冗余具有N子模块的桥臂可靠性函数为：其中，P表示子模块寿命分布概率；k表示从子模块中选取正常工作的个数，情况m表示为在t时刻桥臂中指定m个子模块都无故障运行；步骤S43:由于各子模块寿命同分布且式(1)中各联合密度函数可表示边缘分布与Copula函数复合而成，于是式(1)可简化为：其中，表示情况m发生的次数的选择数，θ为相关系数。进一步的，所述步骤S5具体为：步骤S51:当配置冗余子模块时，从N+N0个子模块组成的系统选取k个子模块正常工作，其中步骤S52:从中选取的k个SM重新排序为新的随机变量组:则其余的子模块组成的随机变量为则第M次取第k个子模块正常时桥臂的可靠性函数为：式中：可看作是N+N0-k个边缘分布函数组成的Copula函数；可以看作k个边缘分布函数组成的Copula函数。因此可以由Sklar定理得知：可将后一项看作两个分布函数即和组成的Copula函数；步骤S53:分别对两个分布函数进行计算得到配置冗余下的桥臂可靠性：式中其中，x＝1-exp(-λSM·t)；p表示Ri等于Ri(t)的个数，表示N+N0-k个故障子模块的边缘分布函数的组成的Copula函数，表示从N+N0个子模块的选取p个未冗余的子模块。本专利技术与现有技术相比具有以下有益效果：本专利技术根据已有的MMC元件可靠性模型，利用拉丁超立方采样(LHS)及Cholesky分解排序法产生计及元件可靠性相关的场景；在现有产生场景的基础上，利用非参核密度估计理论分析其场景下的联合概率分布函数；然后根据其直方图的统计特性(上尾、下尾对称性及敏感程度等)，选取适用于用于可靠性分析的MMC子模块相关性场景的Copula函数。在已有场景的基础上，利用极大似然估计理论得到Copula函数的参数。进一步基于MMC元件组合关系图及Copula理论，分别建立了未冗余配置和不同配置冗余下的MMC可靠性分析模型。可就运行年数、相关程度、初始子模块个数及冗余子模块数量对MMC桥臂可靠性的影响进行了定量分析。附图说明图1是本专利技术方法流程图；图2是本专利技术一实施例中MMC拓扑结构；图3是本专利技术一实施例中子模块组合关系图；图4是本专利技术一实施例中桥本文档来自技高网...

【技术保护点】
1.用于可靠性分析的MMC子模块相关性场景构建方法，其特征在于，包括以下步骤：步骤S1：根据MMC拓扑结构和子模块组合关系，构建子模块可靠性模型；步骤S2：根据子模块可靠性模型，利用拉丁超立方采样及Cholesky分解排序法构建子模块相关性场景；步骤S3:根据得到子模块相关性场景，通过直方图的统计特性，选取适用于的Copula函数，并利用极大似然估计理论估计Copula函数的参数；步骤S4:根据MMC子模块可靠性模型和Copula函数，构建未冗余配置时可靠性模型；步骤S5:根据未冗余配置时可靠性模型和Copula函数，构建配置冗余时可靠性模型。

【技术特征摘要】
1.用于可靠性分析的MMC子模块相关性场景构建方法，其特征在于，包括以下步骤：步骤S1：根据MMC拓扑结构和子模块组合关系，构建子模块可靠性模型；步骤S2：根据子模块可靠性模型，利用拉丁超立方采样及Cholesky分解排序法构建子模块相关性场景；步骤S3:根据得到子模块相关性场景，通过直方图的统计特性，选取适用于的Copula函数，并利用极大似然估计理论估计Copula函数的参数；步骤S4:根据MMC子模块可靠性模型和Copula函数，构建未冗余配置时可靠性模型；步骤S5:根据未冗余配置时可靠性模型和Copula函数，构建配置冗余时可靠性模型。2.根据权利要求1所述的用于可靠性分析的MMC子模块相关性场景构建方法，其特征在于：所述MMC拓扑结构为半桥结构，其子模块可靠性模型具体为：根据拓扑结构和子模块组合关系，可得到子模块可靠性函数RSM(t)RSM(t)＝RI2(t)·Rcap(t)·RK1(t)·RK2(t)＝1-exp(-λit)式中：RI、Rcap、RK1、RK2分别为IGBT模块、电容、旁路开关K1，压接式封装晶闸管K2的可靠性函数；则子模块故障率为：λSM＝2λI+λcap+λK1+λK2式中：λI、λcap、λK1、λK2分别是IGBT模块、电容、旁路开关K1，压接式封装晶闸管K2的故障率。3.根据权利要求1所述的一种用于可靠性分析的MMC子模块相关性场景构建方法，其特征在于，所述拉丁超立方采样法具体为：步骤S21:假设有N个采样子模块相关性的随机变量，Xn(n＝1,2,...,N)为其中任意一个随机变量，其累积函数分布为Yn＝Fn(Xn)，M代表采样规模，区间[0,1]分为M个不会重叠的等间隔区间；步骤S22:在每个子区间里随机选取一个Yn，利用反函数法可以得到采样值xnm＝Fn-1·[(n-0.5)/N],n∈N,m∈M，其中Fn-1(·)为Fn(·)的反函数；即可得到一个N×M阶的初始样本矩阵Z。4.根据权利要求3所述的用于可靠性分析的MMC子模块相关性场景构建方法，其特征在于，所述Cholesky分解排序法具体为：步骤S201:随机生成一个N×M维的顺序矩阵Q，其每一行由整数1,2,…,M随机排列组成；步骤S202:计算顺序矩阵Q的相关系数矩阵ρQ，ρQ是一个正定对称矩阵，对其进行Cholesky分解，所得的L为下...

【专利技术属性】
技术研发人员：郑文迪，许启东，周腾龙，邵振国，曾祥勇，聂建雄，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35