動車組輔助變流器拓撲設計及應用

唐子輝，蔣學君，孫曉麗

(中車永濟電機有限公司，陜西 西安 710016)

鐵路接觸網一般采用單相交流電，目的是不降低機車的電機輸出功率，而動車組需要不同電壓等級、不同工作頻率的較復雜的做功與電能，輔助變流器負責將經過充分整流的支流電能重建為穩(wěn)定低壓直流，與整流器、車載變壓器配合，實現AC 380 V/50 Hz或AC 440 V/60 Hz交流輸出，供給全車輔機[1-2]。

輔助供電系統(tǒng)為動車組除牽引動力系統(tǒng)之外的所有用電設備提供電能，如空氣壓縮機、冷卻風機、照明、廣播等輔助設備，動車組輔助控制系統(tǒng)和動車組牽引控制系統(tǒng)一樣，是動車組的重要組成部分。

傳統(tǒng)動車組輔助系統(tǒng)輸入電壓較高，所用功率器件為高電壓等級器件，導致輔助電源功率器件的開關頻率受到很大的限制，同時動車組輔助供電系統(tǒng)多采用傳統(tǒng)工頻變壓器隔離模式，所以傳統(tǒng)輔助系統(tǒng)存在質量大、體積大、噪聲高等缺點。

當前，高鐵及其他動車組中，相關電力控制實驗在持續(xù)推進，即研究動車組輔助變流器與其他相關設備的電力一次、二次及數據層次相關網絡的拓撲技術革新。本文在仿真環(huán)境下，研究新拓撲的電能質量控制能力和電力控制效率的實際表現，實現技術提升，進一步推進我國動車組控制技術的發(fā)展進程[3]。

1 輔助變流器的拓撲結構

如圖1所示，輔助變流器前方為受電弓、變壓器、濾波電抗器、斷路器等前置設備，輔助變流器進入電橋結構后，首先經過整流器4個晶閘設備，然后經過直流濾波電容器C，采用6個晶閘設備，能夠實現對三相可控頻率電能的控制，后置濾波器系統(tǒng)和斷路器等設備后，可以得到相對純凈的U、V、W三相工作電流，為驅動電機的接觸器供電。該設備共包含10個受控晶閘設備，即4個整流晶閘設備和6個逆變晶閘設備，10個控制接口形成輔助變流器的邊界接口，最終形成邊界拓撲結構[4]。

圖1 輔助變流器內部拓撲結構

輔助變流器邊界拓撲中，需要獲得的數據支持包括變流器前置的單相電能的電流電壓錄播圖信號、變流器后置的三相電能的電流電壓錄播圖信號、設備溫度信號、設備內的噪聲及振動信號等。輔助變流器控制器從駕駛臺獲得控制指令，調整后置三相電能的頻率，同時向斷路器系統(tǒng)的綜合保護子系統(tǒng)提供參照數據[5]。該系統(tǒng)的控制拓撲邏輯如圖2所示。

圖2 輔助變流器控制系統(tǒng)拓撲圖

圖2中共有2臺控制器：1臺整流器控制器，控制M組4臺晶閘設備；1臺逆變器控制器，控制T組6臺晶閘設備。上述2臺控制器使用可編程邏輯控制器(PLC)作為硬件，2臺控制器包含4臺數據分析設備，分別為錄波圖分析機、震動分析機、控制變量機、機器學習主機。錄波圖分析機將前置單相電能和后置三相電能的電流電壓錄波圖提供的高采樣頻率的信息整合成頻率信息，提供給機器學習主機；震動分析機通過慣性探頭組和音頻探頭組獲得的設備震動信息提取震動特征信息，并與設備溫度(溫度探頭組)、設備空間狀態(tài)(陀螺儀組)信息充分融合，可以接收駕駛臺發(fā)送的控制指令；機器學習主機主要使用以超限學習機為核心算法的機器學習算法生成控制器的控制信號[6-7]。

2 輔助變流器的數據拓撲邏輯

2.1 震動分析機數據拓撲

震動分析機輸入數據共有2組，其一為慣性探頭組獲得的三軸慣性矢量數據。探頭報送的數據中，使用1組3個長整形數據標定1個多軸震動矢量信息，使用1組1個長整形數據標定1個聲音震動矢量信息。其二為聲音震動數據，其采樣頻率一般采用44 MHz，多軸震動采樣頻率最高為44 MHz。本文將多軸震動慣性矢量數據和聲音震動數據逐列進行傅里葉變換，提取其不同震動頻率下的振幅信息，選取疊加震動波形中振幅排名前20位的數據對其進行頻域特征數據重建，得到以下3個結論：1)在三列多軸慣性震動數據中，獲得每列震動波形振幅最大的20個特征頻率，因為不同震動在不同方向軸上的表現不同，所以20個特征頻率分別在其他軸找到對應的震動幅度，最終形成{頻率：整形，振幅X：長整形，振幅Y：長整形，振幅Z：長整形}的數據結構；2)在震動分析機構成的數據結構中，震動波形中振幅排名超過20列最終數據，應標記為總振幅，為三軸振幅的平方和，數據結構形式為{頻率：整形，振幅X：長整形，振幅Y：長整形，振幅Z：長整形，總振幅標記：單精度浮點型}，按照總振幅標記情況，采用倒敘排列的方式，最終輸出結果取排名前20位的記錄，在輸出結果中將總振幅標記刪除，并恢復為震動分析機數據結構；3)依據震動波形中振幅對聲音數據進行倒敘排列，輸出振幅最大的20個頻率及其對應的振幅數據，數據結構為{頻率：整形，振幅：長整形}。

震動分析機向控制變量機提交數據，將上述2)、3)數據合并，形成一個6×20的震動標志矩陣，數據結構為{慣性頻率：整形，振幅X：長整形，振幅Y：長整形，振幅Z：長整形，聲音頻率：整形，振幅：長整形}。

2.2 控制變量機數據拓撲

控制變量機中，將震動分析機報送的以車輛為坐標系的數據、陀螺儀組報送的車輛方位數據，換算成以大地為坐標系的數據，具體計算方法為矢量坐標系變換投影法，此處不展開論述?？刂谱兞繖C的數據拓撲關系如圖3所示。

圖3中，除震動標志矩陣與陀螺儀數據形成的坐標系變換模塊外，該控制變量機的主要計算模塊為1個控制變量卷積模塊，該卷積模塊采用對數迭代回歸函數作為節(jié)點基函數，將震動投影數據由震動標志矩陣6×20、溫度數據、控制指令數據整合形成1個雙精度浮點型標志變量，與控制指令數據一并報送給機器學習主機，報送的數據中僅包含2個數據：1個雙精度浮點型控制變量和1個基于控制指令的變流器目標頻率[8-9]。

2.3 錄波圖分析機數據拓撲

錄波圖分析機共需要分析8列錄波圖數據，分析方法為超限學習機函數[10]。該錄波圖數據分析的目的是采集當前電能質量狀態(tài)，所以錄波圖數據僅需要包含當前若干個波形周期，因為接觸網電能頻率為50 Hz，所以按照每波形周期采集16個數據節(jié)點的數據密度，分析1 s錄波圖數據，每個神經網絡模塊需要輸入800個數據[11]。輸出數據的工作頻率有所不同，但數據采樣頻率依然按照800 Hz執(zhí)行。所以該錄波圖分析機的輸入數據為800×8共6 400個輸入節(jié)點，每列800個數據節(jié)點單獨進行超限學習機的數據分析，向機器學習主機提交8個雙精度浮點型變量[12-13]。

2.4 機器學習主機數據拓撲

機器學習主機內部運行一組多列神經網絡，根據錄波圖分析機和控制變量機報送的數據，分析形成可供2臺控制器運行的控制指令，輸出數據包括經過充分二值化的10列多列神經網絡，同時根據實時數據形成可執(zhí)行標記數據，提升系統(tǒng)穩(wěn)定性，當可執(zhí)行標記數據標記為高風險狀態(tài)或不可執(zhí)行時，車輛啟動保護程序。上述數據拓撲關系如圖4所示。

圖4 機器學習主機的數據拓撲關系

圖4中，網格數據卷積模塊采用超限學習機函數作為節(jié)點基函數，10個多列節(jié)點和1個可執(zhí)行標記節(jié)點均分為2段，前置使用對數迭代回歸函數作為節(jié)點基函數，后置使用二值化函數作為節(jié)點基函數。經過數據分析，常規(guī)運行狀態(tài)下，可以給出最高200 Hz的變流器一次電能輸出頻率，實際車輛運行中，該系統(tǒng)完全可以滿足運行條件，而系統(tǒng)給出運行環(huán)境報錯情況，包括以下情形：1)充分二值化的可執(zhí)行標記離開[0.000,0.005)區(qū)間后，給出報警，進入(0.995,1.000]區(qū)間后，向車輛中控發(fā)送錯誤信息；2)10個多列網絡輸出值在[0.000,0.005)區(qū)間時，斷開對應晶閘設備，在(0.995,1.000]區(qū)間時，接通對應晶閘設備，其他區(qū)間時，向車輛中控發(fā)送錯誤信息。

3 數據拓撲和硬件拓撲的擴增

上述硬件拓撲及數據拓撲僅服務一路驅動電動機，而實際動車組的運行環(huán)境中，一般采用2組或更多驅動電機驅動車輛，所以該拓撲模型必須具有可擴增性。當前動車組一般采用2臺驅動電機，未來可能開發(fā)有更多驅動電機的動車組系統(tǒng)，其擴增后的硬件+數據拓撲如圖5所示。

圖5中，2套輔助變流器的控制系統(tǒng)硬件邏輯和數據邏輯相對獨立，擴增后數據關聯有以下2點：1)駕駛臺信號經過駕駛臺控制主機整合后，分別報送到2套變流器設備的控制變量機中，用于數據分析計算；2)包括駕駛臺控制主機在內，在專用數據線路(實線部分)進行核心數據傳輸的同時，受到控制線路(虛線部分)的整體控制。不但可以將上述拓撲結構擴增到雙機狀態(tài)，還可以進一步進行拓撲擴增。

圖5 雙機擴增狀態(tài)下的硬件+數據拓撲

4 拓撲的穩(wěn)定性仿真測試

早期動車組通用的變流器控制策略為固定策略下的獨立保護策略，即在控制器中為變流器編寫固定的驅動程序，當駕駛臺選擇對應驅動頻率時，變流器執(zhí)行該頻率對應的驅動程序，而電動機綜合保護、差動保護、過流過壓缺相等電力一次保護、過熱保護等均通過獨立系統(tǒng)實現[14]。該系統(tǒng)保留了上述獨立保護系統(tǒng)的同時，引入了智能化控制算法并設計了其拓撲結構，因為智能化控制算法對動車組變流器控制系統(tǒng)的改動較大，尚未進行車上實驗，僅在MATLAB仿真環(huán)境中加載SimuWork控件進行了仿真測試。

首先，MATLAB仿真試驗比較了驅動系統(tǒng)的峰谷值電流與額定電流的比值，當前系統(tǒng)中該比值瞬時小于6.5時不觸發(fā)任何報警，持續(xù)小于1.5時不觸發(fā)任何報警，欠壓保護要求該比值在0.85以上。經過仿真，早期控制拓撲與改進控制拓撲的數據結果存在表1所示差距。

表1 電流電壓控制結果對比表

表1中，瞬時值為錄波圖8個波形周期(0.16 s)內的一過性外向電流表現，持續(xù)值為錄波圖上超過8個波形周期(0.16 s)的相對穩(wěn)定電流表現?？梢园l(fā)現，早期拓撲基本滿足車輛安全運行的電流控制需求，但改進拓撲下進一步提升了對電流的控制效果。其中瞬時最大電流下降7.8%，持續(xù)最大電流下降13.2%，最大持續(xù)欠壓提升2.2%，工作電流標準差縮小69.2%，整體提高了電流的穩(wěn)定性，以及持續(xù)電流的安全性。電流相對穩(wěn)定對機器的故障產生有直接影響。

在仿真環(huán)境下，將CRH2A型動車組數據代入驅動程序，采用單弓雙機驅動模式，代入津浦鐵路天津站至南京站路面數據，考慮靠站、限速等啟停條件，分析傳統(tǒng)拓撲和改進拓撲下的電能利用效率，在相同時刻表運行圖要求下，分析平均驅動功率、最大驅動功率、最小驅動功率3項指標，得到表2。

表2 節(jié)能仿真效果對比表 單位：MW

由表可知，使用本文研究的改進拓撲引入動車組變流器智能化控制系統(tǒng)后，相同時刻表運行圖條件下，車輛平均驅動功率下降5.6%，最大驅動功率下降9.4%，最小驅動功率(低車速)下降21.4%，較大幅度地節(jié)約了車輛驅動電能。

5 結束語

本文的核心創(chuàng)新點在于，在原本動車組輔助變流器電力一次架構不變的基礎上，提出通過改變動車組輔助變流器控制系統(tǒng)拓撲，將傳統(tǒng)的基于固定策略選擇算法驅動的動車組輔助變流器控制系統(tǒng)升級成可支持機器學習算法的智能化控制算法驅動模式，可實現系統(tǒng)運行效率的提升，較大幅度節(jié)約了車輛驅動電能，有助于列車的穩(wěn)定運行。經過仿真測試，該拓撲實現了算法效能最大化，可促進電流電壓控制效果的提升，并在保持車輛時刻表運行圖不變的前提下降低了驅動功率，實現了較佳的節(jié)能效果。未來研究中，爭取針對該拓撲進行車輛實地試驗，進一步提升我國動車組的技術水平。