Método de estimação on-line da capacitância do barramento CC em inversores de frequência trifásicos

Abstract

Capacitores eletrolíticos do barramento de corrente contínua (CC) são uma das principais fontes de falhas em conversores eletrônicos de potência. Métodos tradicionais de monitoração desses capacitores requerem componentes adicionais, que aumentam o custo total do projeto. O presente trabalho propõe e valida experimentalmente um método alternativo que requer apenas implementações de software e utiliza rede neural artificial (RNA) para realizar a estimação da capacitância do barramento CC em inversores de frequência trifásicos com retificador a diodos. Utilizando como dados de entrada grandezas no domínio do tempo, a RNA é treinada com dados obtidos de uma jiga de capacitores desenvolvida e avaliada com amostras de capacitores degradadas por sobretemperatura. Os experimentos foram realizados em diversas condições de operação e em todas elas o erro absoluto de predição foi menor que 2,67%, mostrando que o método proposto é capaz de monitorar o nível de degradação do banco de capacitores do barramento CC de inversores de frequência.

Abstract: Direct current (DC) link electrolytic capacitors are one of the components most prone to fail in power electronics converters. The traditional capacitor condition monitoring methods require extra hardware, which translates as an increased cost. This work proposes and experimentally evaluates an alternative software-based condition monitoring method that uses an artificial neural network (ANN) to predict the capacitance of the DC-link capacitor bank in three-phase front-end diode rectifier motor drives. Based on time-domain parameters, the ANN is trained with a printed circuit board capacitor jig and evaluated with aged samples. Experiments were conducted in several operating conditions and the absolute prediction errors were all less than 2.67%, showing that the proposed method is able to monitor the degradation level of the dc-link capacitor bank in variable frequency drives.