電力電子變流裝置散熱器狀態智能預測方法

付和平 陳 杰 邱瑞昌 劉志剛

電力電子變流裝置散熱器狀態智能預測方法

付和平1陳 杰1邱瑞昌1劉志剛2

（1. 北京交通大學電氣工程學院 北京 100044 2. 北京市軌道交通電氣工程技術研究中心 北京 100044）

該文首先通過建立散熱器穩態熱阻模型和流體動力學模型，從理論上分析散熱器散熱性能下降的機理，風道壓降的增加和表面傳熱系數的增大導致散熱器熱阻增大；其次建立基于集總參數模型的散熱器狀態預測模型及方案，同時建立功率器件功率損耗計算模型，并通過仿真和實驗做了相關驗證；最后通過實驗得出不同堵塞程度下散熱器熱阻、熱容、熱時間常數的變化曲線，為散熱器在線狀態預測提供新的可行方案。

電力電子變流器 散熱器 散熱狀態 智能預測

0 引言

溫度是導致電力電子變流裝置功率器件故障與失效的主要原因[1-3]，電力電子器件失效應力源及檢修作業量分布如圖1所示。圖1a為導致功率器件失效的主要應力源及所占的比例，可以看出，電力電子器件失效的主要應力源為溫度應力[4-7]。因此，溫度對功率變流裝置的可靠性至關重要，溫度越高，其可靠性和耐久性就會越差[8-9]。

散熱器作為變流器散熱的重要部件，其作用是將功率器件的熱量及時交換到外界，使功率器件運行在正常的溫度范圍內，保證功率器件的可靠運行和使用壽命。但在長期運行中，外界環境中的污垢隨氣流進入到散熱器風道，使得散熱器散熱性能下降，最終導致功率器件運行在高溫下，發生故障并失效。

圖1 電力電子器件失效應力源及檢修作業量分布

軌道交通領域對列車散熱器狀態的檢測手段大多采用人工定期巡檢維護的方法，此方法需要在列車停車時進行，且存在定期巡檢的盲目性和人眼評估的不準確性，經常造成散熱器的“過維護”和“欠維護”問題，且浪費大量的人力成本和維護成本。

圖1b為某雙饋變流器檢修作業量分布，可以看出，散熱系統日常維護在檢修工作量中占據較高比重。因此，預測散熱器的性能是保證變流器可靠性和延長電子器件壽命的重要工作之一，將極大地減少檢修維護工作量，大幅節約運維成本。

為此，國內外學者開始探究散熱器性能的在線評估方法，S. W. Montgomery[10]研究發現造成散熱器性能下降的原因是灰塵顆粒粘附在散熱翅片上，相當于一層熱量阻隔層，降低了散熱效果。D. A. Moore[11]研究發現散熱器性能退化的主要原因為進風口灰塵的堆積，使得風道內的空氣流量減少，降低了散熱效果。以上研究都對灰塵導致散熱器性能下降的原因做了分析，但沒有從理論上對散熱性能下降的機理進行分析。基于以上研究，A. Nabi等[12]對污垢導致計算機微翅片散熱器性能下降的預測方法做了研究，建立了散熱器穩態熱阻和堵塞程度之間的對應關系，但建模精度較低，需要進一步研究 分析。

本文在以上研究的基礎上，針對現階段存在的不足，對散熱器性能的退化機理進行理論分析，并基于變流器現有傳感器，提出一種散熱性能智能在線檢測模型，可實時檢測散熱器狀態，為運維決策提供數據支持，實現散熱器的狀態檢修，節省大量的運維成本。

1 散熱系統建模

1.1 散熱器穩態熱阻模型

散熱器的熱阻由散熱基板的熱阻和散熱翅片的熱阻兩部分構成[13]。基板的熱阻主要是熱傳導熱阻，翅片的熱阻包括熱傳導熱阻和翅片到流體的對流換熱熱阻。

圖2為散熱器的熱網絡結構，將散熱器劃分為a-1個熱網絡，每個熱網絡由基板熱阻base、散熱翅片導熱熱阻cond和傳熱熱阻conv三部分構成，分別表示為

其中

圖2 散熱器熱網絡結構

則單個散熱翅片網絡熱阻為

其中

當=1時，令1=conv，則散熱器總熱阻為

式中，b為散熱器基板厚度；b為散熱器基板寬度；b為散熱器長度；a為翅片寬度；f為翅片的高度；fin為翅片對流傳熱系數；base為基板表面傳熱系數；fin為翅片表面傳熱系數；air為空氣傳熱系數；fin為翅片表面傳熱效率；為每個翅片劃分的小網格數；為普朗特數；為雷諾數；為努塞爾數；h為當量水力直徑；air為流體動力學黏度；air為流體密度；air為風道內的風速；流體的比定壓熱容；a為散熱翅片個數。R為第個網格的熱阻；R-1為第-1個網格的熱阻；fin為單個散熱翅片熱阻；hs為散熱器總熱阻。

1.2 流體動力學模型

強迫風冷功率變流器的冷卻系統由散熱器和散熱風扇構成，風扇的工作點由風扇工作特性曲線和散熱器風道壓降曲線共同決定，二者的交點決定了流過散熱器的空氣流量大小[14]。

散熱器的風扇壓降表達式為

散熱器入口壓降Dinlet為翅片間流體的突然收縮造成的壓降，表達式為

散熱器出口壓降Doutlet為翅片間流體的突然膨脹造成的壓降，表達式為

散熱器風道的摩擦壓降Df表達式為

式中，air為空氣與翅片內壁的摩擦因數。

1.3 污垢對散熱器性能的影響

散熱器在長期的運行過程中，灰塵和污垢在進風口處的堆積和在散熱翅片上的粘附，都會導致散熱性能的下降。圖3為散熱器俯視圖和側視圖，圖中，不規則形狀為粘附在散熱翅片表面的污垢，厚度為f。

圖3 污垢堆積后散熱器俯視圖和側視圖

當灰塵粘附在散熱翅片上，在風道內形成厚度為f的污垢時，式（14）和式（15）中的a變為a+f，導致空氣在散熱器出入口的壓降Dinlet和Doutlet增加，同時灰塵使得空氣與內壁間的黏度系數air增大，水力直徑h減小，摩擦因數air增大，導致散熱器風道內的摩擦壓降Df增大，根據式（13），散熱器整體壓降隨著風道內污垢的堆積不斷增大。

各堵塞程度下散熱器壓降和熱阻與流量的對應關系如圖4所示。圖4a中，Dhs()分別為散熱器在0%、30%、50%、70%堵塞程度下的壓降曲線，Dfan()為MGA8024UB-O25風扇的工作特性曲線，可以看出，風扇的靜態壓力Dfan()隨風量的增加逐漸減小，而散熱器的風道壓降Dhs()隨著風量增大而顯著增大，二者的交點為風扇的靜態工作點。

圖4b為0～90%堵塞程度下散熱器的穩態熱阻和風扇風量的對應曲線，可以看出，隨著風道堵塞程度的加深，散熱器風道壓降不斷增加，風扇需要提供更多的壓力克服散熱器風道壓降，從而使得進入散熱器的冷卻劑流量減小，導致熱阻值增大。圖中，1ft3=0.028 316 8m3。

圖4 各堵塞程度下散熱器壓降和熱阻與流量的對應關系

2 散熱器狀態在線預測模型

2.1 散熱器的集總參數模型

忽略散熱器各點溫度的微小變化，可得到散熱器的集總參數熱容模型。根據能量守恒定律，功率器件產生熱量的功率為0，瞬時熱流量為，則有

式中，為功率器件的體積（m3）；為其散熱表面積（m2）；Dhs()為散熱器相對于周圍環境的溫升（℃），Dhs()=hs()-a()，a()為環境溫度（℃）；hs()為時刻散熱器的溫度（℃）。

根據非穩定、有內熱源的導熱微分方程為

式中，為比熱容（J/(kg·℃)）；為散熱器密度（kg/m3）；為時間（s）。

聯立式（18）和式（19），可得功率器件上電時，損耗為0，散熱器非穩態導熱微分方程為

微分方程的通解即為散熱器的溫升，且滿足初始條件=0，Dhs=Dhs(0)，則通解為

式中，hs=1/(fin)為散熱器表面對流熱阻；hs=cV為散熱器熱容；hs為時間常數，hs=hshs；Dhs(∞)為穩態溫升，即=∞時的溫升，Dhs(∞)=0/(fin)。

同理，當功率器件斷電時，損耗為0，散熱器的非穩態導熱微分方程為

微分方程的通解即為散熱器的溫升，且滿足初始條件=0，Dhs=Dhs(0)，則通解為

2.2 狀態預測模型

式中，hs()為散熱器的熱阻抗；()為功率器件的功率損耗。

因此，只需監控散熱器熱阻抗的變化，求出散熱器在不同堵塞程度下的穩態熱阻和熱容，就可以判斷散熱器的堵塞程度，散熱器狀態在線預測模型流程如圖5所示。

利用變流裝置現有的傳感器，通過采集電壓、電流、溫度等參數，計算功率器件的功率損耗，并根據熱阻的計算公式計算散熱器熱阻抗，根據集總參數模型，可以計算當前堵塞程度下散熱器的穩態熱阻和熱容，最后根據穩態熱阻和熱容隨堵塞程度的變化曲線，預測散熱器當前狀態堵塞程度。

圖5 散熱器狀態在線預測模型流程

2.3 功率損耗計算模型

IGBT損耗由導通損耗cond_Q1和開關損耗sw_Q1組成[15-16]，即

式中，為角頻率；sw為開關頻率；為各扇區導通占空比；為各扇區起始角度；為各扇區終止角度；on為IGBT開通能量損耗；off為IGBT關斷能量損耗；c為IGBT通態電流；ce為IGBT導通壓降；dc為直流電壓；nom為直流額定電壓。

續流二極管（VD）損耗由導通損耗cond_VD4和開關損耗sw_VD4構成，計算過程分別為

式中，rr為VD關斷能量損耗；f為VD通態電流；f為VD導通壓降。

在三相兩電平空間矢量脈寬調制（Space Vector Pulse Width Modulation, SVPWM）方式下，三相橋臂共有八種開關模式，電壓空間矢量扇區分布如圖6所示。

圖6 SVPWM電壓空間矢量

經過推導，各矢量在六個扇區內的作用時間見表1。

表1 各扇區基本矢量作用時間

Tab.1 Basic vector action time of each sector

計算Q1和VD4的導通占空比，以第Ⅰ扇區為例，Q1導通時，A相電壓為正，導通占空比為

VD4導通時，A相電壓為負，電流為正，導通占空比為

通過上述方法，計算所得各扇區內的Q1和VD4導通占空比見表2。

由于變流器結構的對稱性，只需對A橋臂電流為正的開關管（Q1、VD4）的功率損耗進行計算，再乘以開關管的個數就可以得到整個變流器的功率損耗，則變流器總的功率損耗為

表2 A相電壓各扇區內正負電平導通占空比

Tab.2 The on-state duty ratio of positive and negative levels in each sector of A phase voltage

3 仿真和實驗

3.1 功率損耗仿真與實驗計算結果

IPOSIM仿真軟件搭載了廣泛用于功率仿真的PLECS仿真引擎，是行業普遍使用的結溫和功率損耗仿真設計軟件，仿真結果準確可靠。本節通過英飛凌IPOSIM仿真軟件仿真結果與實驗計算結果做對比，驗證功率損耗模型的準確性，仿真參數見表3。

同樣采用表3參數，本文設計搭建了散熱器狀態預測實驗臺，實驗平臺主電路示意圖如圖7所示，電路采用AC-DC-AC結構，前級采用二極管整流橋，后級采用三相IGBT逆變電路，負載采用阻感性負載。逆變器直流側安裝電壓、電流傳感器測量直流電壓和電流，交流側安裝三個電流傳感器和兩個電壓傳感器，測量三相電流和線電壓，用于功率損耗計算。同時散熱器上安裝兩個PT100測量散熱器溫度，環境中安裝一個PT100測量環境溫度，用于散熱器溫升計算。本文根據2.3節建立的功率損耗計算模型，編寫了DSP28377功率損耗計算程序，并根據電壓電流傳感器實時采集的數據，可以計算功率器件的功率損耗，同時采用同樣的電路參數進行IPOSIM仿真模擬，功率損耗仿真和實驗結果見表4。

表3 功率器件功率損耗仿真與實驗設計參數

Tab.3 Power loss simulation and experimental design parameters of power devices

圖7 實驗平臺主電路示意圖

表4 IPOSIM仿真結果與實驗計算結果

Tab.4 The results of IPOSIM simulation and experimental calculation

根據實驗結果可以看出，本文建立的功率損耗計算模型實驗結果與仿真結果十分接近，說明建立的模型準確可靠，在實際工程中，通過編寫的DSP程序就可實現功率損耗的實時計算。

3.2 熱阻、熱容分析實驗

根據實驗臺溫度傳感器測量的散熱器溫升數據和功率損耗計算數據，可以實時計算散熱器的熱阻抗，實驗平臺實物如圖8所示，共設計九組實驗，以10%為間隔，在0～80%的散熱器進風口堵塞程度下分別進行實驗，測量散熱器的熱阻抗值，不同堵塞程度下散熱器熱阻抗實驗曲線和擬合曲線如圖9所示。

圖8 實驗平臺實物

圖9 不同堵塞程度下散熱器熱阻抗實驗曲線和擬合曲線

為了保證圖中曲線的清晰度，圖9a選取在20%、40%、60%堵塞程度下實驗測量所得的熱阻抗曲線。

圖9b為以10%為間隔，0～80%堵塞程度范圍內的散熱器熱阻抗擬合曲線，擬合曲線由實驗數據通過擬合函數得出，根據2.1節集總參數模型，將0～80%堵塞程度下的擬合曲線進行求解，可以得到散熱器在不同堵塞程度下的穩態熱阻和熱容值，結果見表5。

不同堵塞程度下的穩態熱阻、熱容、熱時間常數曲線如圖10所示。

表5 散熱器入風口0～80%堵塞程度下的穩態熱阻和熱容

Tab.5 Steady-state thermal resistance and heat capacity under zero to eighty percent blockage degree of heatsink air inlet

圖10 0～80%堵塞程度下散熱器的熱阻、熱容、熱時間常數曲線

圖10a為0～80%堵塞程度下散熱器的穩態熱阻與堵塞程度之間的對應關系，可以看出，隨著堵塞程度的加深，散熱器的穩態熱阻呈指數變化，這是由于風道內的污垢不僅造成風道內的壓降呈指數變化，導致風扇提供的空氣流量呈指數減少，而且污垢在風道內相當于隔熱層，增加了一層污垢的熱阻，導致翅片換熱熱阻變為污垢與空氣之間的換熱熱阻，使得散熱器穩態熱阻增大。

圖10b為0～80%堵塞程度下散熱器的熱容與堵塞程度間的關系，可以看出，隨著堵塞程度的加深，散熱器熱容也呈指數變化，這是由于在散熱器熱容的基礎上增加了污垢的熱容，同時堵塞導致風道內有部分空氣回流，也導致了散熱器熱容的增加。

圖10c為0～80%堵塞程度下散熱器的熱時間常數與堵塞程度間的關系，可以看出，隨著堵塞程度的加深，散熱器熱時間常數同樣呈指數變化趨勢，熱時間常數為穩態熱阻與熱容的乘積，因此具有指數變化趨勢。

根據以上實驗結果，實際工程中，可以通過監測散熱器的熱阻和熱容的變化，來預測散熱器堵塞程度的發展趨勢，為散熱器狀態在線預測提供一種可行方案。

4 結論

散熱器在復雜的環境中長時間運行，會導致其散熱性能的下降，其主要原因是污垢使得風道內的壓降呈指數增加，散熱風扇-曲線決定了風扇所能提供的風量，因此使得風道內的風量呈指數下降，同時污垢相當于隔熱層，兩部分原因使得散熱器的熱阻增加。實驗研究表明，散熱器的穩態熱阻、熱容、熱時間常數與堵塞程度都呈指數關系，因此為散熱器的在線狀態預測提供可行方案，工程應用中可以降低大量的運維成本，代替離線式人工檢測，提高檢測效率。

[1] Andresen M, Ma K, Buticchi G, et al. Junction temperature control for more reliable power elec- tronics[J]. IEEE Transactions on Power Electronics, 2018, 33(1): 765-776.

[2] 任磊, 沈茜, 龔春英. 電力電子電路中功率晶體管結溫在線測量技術研究現狀[J]. 電工技術學報, 2018, 33(8): 1750-1761.

Ren Lei, Shen Qian, Gong Chunying. Current junction temperature online measurement techniques of power transistors in power electronic converters[J]. Transactions of China Electrotechnical Society, 2018, 33(8): 1750-1761.

[3] 萬萌, 應展烽, 張偉. 分立型功率MOSFET結溫估計的非線性熱網絡模型和參數辨識方法[J]. 電工技術學報, 2019, 34(12): 2477-2488.

Wan Meng, Ying Zhanfeng, Zhang Wei. Nonlinear thermal network model and parameter identification method for junction temperature estimation of discrete power MOSFET[J]. Transactions of China Electrotechnical Society, 2019, 34(12): 2477-2488.

[4] Choi U, Blaabjerg F, Lee K. Study and handling methods of power IGBT module failures in power electronic converter systems[J]. IEEE Transactions on Power Electronics, 2015, 30(5): 2517-2533.

[5] 姚芳, 胡洋, 李錚, 等. 基于結溫監測的風電IGBT熱安全性和壽命耗損研究[J]. 電工技術學報, 2018, 33(9): 2024-2033.

Yao Fang, Hu Yang, Li Zheng, et al. Study on thermal safety and lifetime consumption of IGBT in wind power converters based on junction temperature monitoring[J]. Transactions of China Electrotechnical Society, 2018, 33(9): 2024-2033.

[6] 彭英舟, 周雒維, 張晏銘, 等. 基于鍵合線等效電阻的IGBT 模塊老化失效研究[J]. 電工技術學報, 2017, 32(20): 117-132.

Peng Yingzhou, Zhou Luowei, Zhang Yanming, et al. Study of IGBT module aging failure base on bond wire equivalent resistance[J]. Transactions of China Electrotechnical Society, 2017, 32(20): 117-132.

[7] 李輝, 胡姚剛, 劉盛權, 等. 計及焊層疲勞影響的風電變流器 IGBT 模塊熱分析及改進熱網絡模型[J]. 電工技術學報, 2017, 32(13): 80-87.

Li Hui, Hu Yaogang, Liu Shengquan, et al. Thermal analysis and improved thermal network model of IGBT module for wind power converter considering solder fatigue effects[J]. Transactions of China Electrotechnical Society, 2017, 32(13): 80-87.

[8] Laloya E, Lucia ó, Sarnago H, et al. Heat mana- gement in power converters: from state of the art to future ultrahigh efficiency systems[J]. IEEE Transa- ctions on Power Electronics, 2016, 31(11): 7896- 7908.

[9] Wu Tong, Wang Zhiqiang, Ozpineci B, et al. Automated heatsink optimization for aircooled power semiconductor modules[J]. IEEE Transactions on Power Electronics, 2019, 34(6): 5027-5031.

[10] Montgomery S W. Fouling of high density heat sinks: theoretical origins and numerical analysis[C]// Thermal Measurement and Management, Eighteenth Annual IEEE Symposium, San Jose, CA, USA, 2002: 132-136.

[11] Moore D A. Characterization of fiber accumulation fouling in fine pitched heat sinks[C]//25th Annual IEEE Semiconductor Thermal Measurement and Management Symposium, San Jose, CA, USA, 2009: 279-284.

[12] Nabi A, Rodgers P, Barcohen A. Prediction of thermal performance degradation of air-cooled fine-pitch fin array heat sinks due to fouling[C]// Twenty-Second Annual IEEE Semiconductor Thermal Measurement and Management Symposium, Dallas, TX, 2006: 2-9.

[13] Ma Ke, He Ning, Liserre M, et al. Frequency-domain thermal modeling and characterization of power semiconductor devices[J]. IEEE Transactions on Power Electronics, 2016, 31(10): 7183-7193.

[14] Gammeter C, Krismer F, Kolar J W. Weight optimization of a cooling system composed of fan and extruded-fin heat sink[J]. IEEE Transactions on Industry Applications, 2015, 51(1): 509-520.

[15] 宋靜文. 大功率光伏逆變器損耗模型的研究[D]. 成都: 西南交通大學, 2013.

[16] 李洋. 雙饋風電變流器功率模塊IGBT結溫波動抑制策略研究[D]. 重慶: 重慶大學, 2016.

Intelligent Prediction Method for Thermal Dissipation State of Heatsink in Power Electronic Converter

1112

（1. School of Electrical Engineering Beijing Jiaotong University Beijing 100044 China 2. Beijing Rail Transit Electrical Engineering Technology Research Center Beijing 100044 China）

In this paper, a steady thermal resistance model and a fluid dynamical model of the heatsink are established to theoretically analyze the mechanism of declining thermal dissipation performance of the heatsink. Secondly, the thermal dissipation state prediction model and scheme based on lumped-parameter model are established. At the same time, the power loss calculation model of the power device is established, which is verified by simulation and experiment. Finally, the change curves of thermal resistance, thermal capacity and thermal time constant of the heatsink under different degrees of fouling are obtained, which provides a new feasible scheme for predicting the thermal dissipation state of the heatsink.

Power electronic converter, heatsink, thermal dissipation state, intelligent prediction

10.19595/j.cnki.1000-6753.tces.L90398

TM46

付和平 男，1995年生，博士，研究方向為城軌交通供電系統關鍵設備PHM技術。E-mail: 19117006@bjtu.edu.cn

陳 杰 男，1986年生，副教授，博士生導師，研究方向為城軌交通供電系統關鍵設備PHM技術。E-mail: jiechen@bjtu.edu.cn（通信作者）

2020-07-07

2020-09-16

中央高校基本科研業務費專項資金資助項目（2018JBZ004）。

（編輯 陳 誠）