刘方艳，汤亚芳

（贵州大学电气工程学院，贵州贵阳 550025）

模块化多电平换流器（modular multilevel converter，MMC）因其输出波形质量高、效率高、扩展性好等优势，广泛地应用于柔性直流输电、中高压电力传动等领域。MMC级联子模块中的IGBT由于开通和关断比较频繁，因此是换流器中容易发生故障的核心部件。发生开路故障时，系统通常会保持较长时间不被察觉，但如果不加以保护措施会导致子模块电容电压不断升高、输出电流畸变等，最终将导致系统崩溃停运［1-7］。

基于硬件设备、基于人工智能算法、基于系统模型是目前进行MMC子模块开路故障诊断使用最多的三类方法。

基于硬件设备：文献［8］提出组电压测量的方法来检测故障，通过对子模块电容分组以减少电压传感器的数量，但是外部干扰也会对检测结果产生影响，因此故障检测的准确性和鲁棒性也是需要考虑的问题。基于人工智能算法：文献［9］提出利用聚类算法进行MMC子模块开路故障的方法，抗干扰能力强，但是算法复杂，在实际工程中难以实现，而且小负载情况下也会影响诊断的准确性。基于系统模型：文献［10］利用卡尔曼滤波器在线监测IGBT状态参数，仅克服了测量噪声的干扰却没有考虑采样误差对诊断结果的影响。文献［11］提出利用增量预测模型，通过加入多步预测算法来消除由模型参数不准确、干扰带来的误差，但该方法需要实时预测下一时刻的值，算法复杂，而且对模型的依赖性太大。文献［12-13］基于滑模观测器，通过检测桥臂电流和环流的测量值与观测值的偏差是否大于所设定的阈值，能够对开路故障进行诊断和定位，但是没有考虑滑模控制存在的抖振问题。……