IGBT

　　李志刚，梅霜，王少杰，等. IGBT模块开关损耗计算方法综述[J].电子技术应用，2016，42(1)：10-14，18.

　　绝缘栅型晶体管(Insulated Gate Bipolar Transistor，IGBT)是由MOSFET和功率双极型晶体管复合而成的一种器件。IGBT既具有MOSFET的高速开关及电压驱动特性，又有功率双极型晶体管（BJT）的低饱和电压特性及易实现较大电流的能力，在工业、能源、交通等场合越来越不可取代[1]。虽然在电力电子电路中，IGBT主要工作在开关状态，但是IGBT仍然是功耗较大的电子器件，随着开关频率的增高，开关损耗会随之增大而成为器件功耗的主要因素[2]。

　　IGBT模块的性能与其开关特性密切相关，器件的开关特性直接决定其开关损耗，开关损耗制约着器件的工作效率的提高。而且功率器件IGBT的开关损耗可能会产生很高的热量，引起过大的温升，对器件的可靠性影响很大。因此，IGBT模块的开关损耗问题一直是各国学者研究的热点，其中如何准确估算IGBT模块的开关损耗是研究的重点内容之一。损耗计算对系统设计、寿命预测、选择合适的散热系统、提高系统的可靠性很重要[3-6]。

　　目前，国内外有关IGBT开关损耗研究的文献很多，这些文献归纳总结可以看出：IGBT模块开关损耗的计算方法主要分为基于物理方法的损耗计算法和基于数学方法的损耗计算法两种。本文对近年来各国学者们对IGBT模块开关损耗的计算方法进行讨论，并给出其相应的应用范围。

　　IGBT模块的开关损耗由IGBT的开关特性决定，与其集-射极间电压Vce及集电极电流Ic有关。损耗计算公式如下所示[7]：

　　其中：Pon为开通损耗，Poff为关断损耗，ton为开通时间，toff为关断时间，vce为集-射极间电压，ic为集电极电流。

　　基于物理方法的IGBT模块开关损耗计算方法是采用仿真软件，使用电源、电容、电阻、电感及晶闸管等一些相对简单的元件搭建器件物理模型来仿真IGBT模块的动态特性，得到IGBT模块的开关瞬态电流、电压的波形，从而计算开关损耗。Hefner、Kraus、Sheng等分别建立物理模型，采用该方法详细描述了损耗计算过程，并不断改进。该方法的开关损耗计算流程图如图2所示。

　　这种计算方法的准确程度主要取决于IGBT损耗模型的精确度和模型参数的准确度，采用的物理模型越接近IGBT实际器件，模型参数越接近实际大小，仿真计算IGBT损耗值才能越接近实际损耗值。

　　目前，常用的用于IGBT模块动态仿真的软件主要有三种：Saber、Pspice、Matlab。

　　其中Saber提供的是包括Hefner模型在内的5个通用模型和各种精确的具体型号器件的专用模型[8-9]，Pspice中提供详细的器件仿线]，这些模型基于IGBT物理结构包含了其重要的物理特征，可以描述IGBT在各种外部电路条件下的稳态和动态特性，具有很好的动态精确性。但是这些模型中多种参数值的确定对仿真影响较大，而且对一般的使用器件的用户来说，模型参数值的确定是比较复杂和困难的。而Matlab仅提供理想的器件模型，模型通用性较好，但其可设置IGBT参数较少，在开关动态过程的精确描述方面存在很大欠缺[9，11]。

　　[13-17]，传统的“准静态近似理论”忽略了电子和空穴电流相互耦合会造成集电极电流的变化，以及由于基区的快速变化造成有效输出电容的数量级的改变，而这些对IGBT模块物理模型相当重要，进而会影响到IGBT模块开关损耗值，因此准静态近似理论不再适用于对IGBT等具有电导调制效应的功率器件进行瞬态分析。Hefner模型是第一个完整的一维分析、电荷控制模型，被广泛应用于电路仿真中，模型中包含了IGBT模块的重要物理特征，可以描述IGBT模块在各种外电路条件下的稳态特性，采用非线性电容，也能很好地表现器件的动态特性，与实验结果相比，具有较准确的结果。一般可在Saber和Pspice软件中实现。

　　[18-20]，更加贴近IGBT模块内部载流子的运动，其影响IGBT模块动态开关波形。Kraus模型是将IGBT模块看成MOSFET和BJT组成，仅适用于NPT-IGBT的建模。MOSFET部分采用电阻和电容来表达其特征，BJT部分采用一个二极管和三个电流源来描述。Kraus模型简单易懂，但内部理论较为复杂，很难在一般仿真软件中实现，主要用于Saber软件的仿真中。

　　[22]，采用二维载流子分布的方法描述IGBT静态特性，同时综合考虑了其动态特性和温度对器件的影响，其主要用于Pspice仿真软件中。

　　[24]，数据手册给出典型产品的开关能量曲线所示，从中可以看出关断能量为集电极电流的线性函数，开通能量为集电极电流的二次函数。

　　[25，28]，幂函数模型，多项式和幂函数组合模型，多维数据库模型[30-31]，人工智能模型（如神经网络模型，迷糊逻辑模型）等。

　　SW.X为开通损耗，Vdc为实际母线电压，Vb为母线电压基值，Tj为结温，Tb为基值结温，ASW.X、BSW.X、CSW.X、DSW.X为常数，可经过大量的拟合得到。该公式同时适用于开通损耗和关断损耗。

　　[27]，多项式可以提高拟合精度，但系数的无限增多又会大大降低拟合速度，因此在建立多项式与幂函数模型时要注意二者的平衡。

　　[33]。建立神经网络模型采用的是误差反传网络(简称BP网络)，确定开关损耗模型采用的是三层网络，结构如图4所示，输入层由几个相关的变量组成如电压、电流、结温、门极电压、门极电阻等，输出层为开通损耗或者关断损耗。最后选取的具体训练参数越多，训练次数越多，误差越小。

　　神经网络模型对大量非结构性、非精确性规律具有自适应功能，具有的信息记忆、知识推理和优化计算的特点，大大方便了开关损耗建模，其不管器件的物理机理，只对其外特性进行输入输出的智能学习，从而实现对IGBT输入输出系统的模拟，得到实况输出的准确预测；但神经网络的学习过程通常较慢，对突发事件的适应性差。

　　基于波形拟合的IGBT开关损耗计算方法的基本思路是：分析IGBT模块开通、关断时物理机理及得到的电压、电流的波形，总结其开关暂态过程的主要特征，建立相应的简单函数表达开通、关断的电压、电流波形，使该模型下获得的开通、关断时的电压、电流的波形无限逼近开关暂态实测波形，然后通过电压、电流方程的积分获得开关损耗。

　　文献[42-43]完全忽略了开关暂态电压和电流的拖尾过程；文献[44]考虑了拖尾过程，但在拟合过程中，将电流上升时问、续流二极管的反向恢复电流、反向恢复时间等重要参数都视为恒定值，电压源换流器实际工作过程中，工况是经常变化的，IGBT的开关电流也是变化的，且上述参数都是随开关电流的变化而变化的；文献[45]未考虑线路杂散参数影响，同时提出了大量需要由实测波形数计算得出的待定系数，将开关电流与拟合参数的关系复杂化，降低了在高压大功率场合下的实用性；文献[46]提出的模型拟合电压波形与实验电压波形基本一致，尤其是关断电压上升阶段和电压过冲阶段的准确拟合，电压过冲衰减过程的衰减趋势也能较好地拟合，但模型未计入电路杂散电容及对地电容，拟合波形没有实验波形中的振荡衰减现象。

　　通过对IGBT模块开关损耗的各种计算方法进行分类和分析，可大致了解其各自的优缺点如表1所示。基于物理方法计算开关损耗计算方法需要建立IGBT的等效物理模型，参数提取也比较复杂，但目前许多仿真软件已经建立了一些器件的物理模型，大大方便了人们的应用。基于数学方法的开关损耗计算方法大都是以数据手册和实验数据为基础，规避器件的复杂的物理结构分析，由于厂商提供器件资料的测试环境的确定性导致基于数据手册的开关损耗计算方法无法获得工况下器件的精确开关损耗值，但计算方法简单易懂，具有通用性；基于数学模型和波形拟合的开关损耗计算方法都以实测的开关波形和开关损耗值为基础，准备工作复杂，但模型建立后获取开关损耗值比较简单，计算速度快，而且精度较高。

　　现有的IGBT模块开关损耗计算方法在其精确度和通用性上存在一定的局限性，这是由于器件的多样性、工况的复杂性等造成的。IGBT模块是开关器件，其开关频率影响IGBT模块的导通和关断过程，因此接下来可以在开关损耗计算方法中引入开关频率对其影响，使损耗模型更加精确。其次在基于神经网络损耗模型成功的基础上，可以采用其他人工智能模型对IGBT模块开关损耗建模，获得更精确的开关损耗值。