绝缘栅双极型晶体管（IGBT）模块在风力发电、柔性交流输电、电机牵引及航空等高压大功率变流器系统中被广泛应用。作为电力电子系统中最易发生故障的器件之一，IGBT故障可分为突发性失效和老化失效，若IGBT老化失效不能被提前发现，就会导致系统发生故障，使整个系统陷入瘫痪状态，造成不可预估的损失。因此，对IGBT模块进行失效预测是提高其工作可靠性的一种重要手段。

从IGBT失效预测模型和机理的角度分析，IGBT模块失效预测方法可分为三类：基于解析模型的方法、基于物理模型的方法及基于数据驱动的方法。基于解析模型的方法通过建立数学模型来描述IGBT的工作特性和行为，进而实现失效预测。基于物理模型的方法通过构建IGBT有限元模型实现对模块的失效预测。基于数据驱动的方法与其他两类方法不同，其仅利用IGBT模块的历史老化失效数据便可完成对模块的失效预测分析。常见的几种失效特征参数主要包括集电极-发射极电压、集电极电流、门极-发射极电压及IGBT结温。

针对绝缘栅双极型晶体管（IGBT）受热应力冲击后对其进行老化失效预测精度不高的情况，北方工业大学电气与控制工程学院、北京交通大学电气工程学院的万庆祝、于佳松、佟庆彬、闵现娟，提出一种基于贝叶斯优化（Bo）-双向长短期记忆（BiLSTM）网络的IGBT老化失效预测方法。

图1 IGBT加速老化试验装置

研究人员以集电极-发射极电压、封装温度、集电极电流作为失效特征参数，搭建BiLSTM网络，并利用贝叶斯优化算法对网络进行优化，以降低预测模型的不确定性及系统噪声干扰，提高网络的动态适应性，实现失效数据的高精度预测。

图2 Bo-BiLSTM网络的建模与预测流程

他们选取常用回归预测性能评估指标将长短期记忆（LSTM）网络模型、BiLSTM网络模型与Bo-BiLSTM网络模型的预测结果进行对比分析。

分析结果表明，该方法无需考虑物理模型内部的参数结构，避免了建立复杂的物理模型，只从实际测量数据出发便可实现对IGBT老化失效的预测。与LSTM和BiLSTM网络相比，采用Bo算法对BiLSTM网络的隐含层、初始学习率及训练次数进行优化，能够更加精准地预测IGBT的失效数据，有利于预测IGBT的运行状态。

研究者指出，所构建网络对三种失效数据进行预测，克服了单一数据预测模型存在的偶然性，数据预测结果更具说服力。

本工作成果发表在2024年第3期《电气技术》，论文标题为“基于Bo-BiLSTM网络的IGBT老化失效预测方法”，作者为万庆祝、于佳松 等。本课题得到北京市教育委员会基金项目、北京市自然科学基金项目的支持。