论文部分内容阅读
摘要： 利用并联IGBT模块的蒙特卡罗模拟方法，可以基于器件中的随机模块参数和系统不平衡度计算出电流不平衡、开关损耗及结温。
关键词：IGBT模块并联；模拟分析方法；蒙特卡罗方法
IGBT模块在并联时的降额必然性问题同器件的工艺问题一样是一个老问题了。在试图回答该问题时，工程师们通常会很快地发现自己处在一个两难的位置上。过去，人们针对该问题提出了一些考虑统计因素的方法，但是到目前为止，仍然没有人可以回答这样的关键问题，即如果降额低于最差情况分析方法所建议的降额时，超出器件限值的概率有多大。现在，英飞凌公司推出的蒙特卡罗模拟工具可以给出这方面的信息。
之前采用的方法(最坏情况分析方法)
并联开关IGBT模块的参数浮动会导致电流不平衡，从而使得不同模块的工作温度不一致。问题是同简单工作模式相比，模块可以在何种程度上实现并联工作。
比如“最坏情况分析方法”等以前的方法是根据产品手册中的最大值计算得出降额系数，从而确定并联并非一个好主意。
如图1所示，以下这个例子给出了在给定总电流为700A时，计算五个并联的FF200R12KT3模块的DC电流不平衡度的过程。其中，每个模块的环境参数为：UDC=600V，IRMS=140A，fMotor=50Hz，fsw=6500Hz，以及cosφ=0.9。
如果所有的模块都精确地具有产品手册所给出的典型静态和动态参数，那么计算得到的工作温度为TJ=114℃。
假设所有模块都在最高额定限值条件下工作，并且施加饱和电压，那么结温将提高8℃到122℃。
下面，我们用所谓的“最差情况”方法进行分析。
如图2所示，一个模块(类别1)工作在典型饱和电压下，而其他四个模块(类别2)工作在最高限值条件下。
具有典型饱和电压的模块(类别2)的工作电流为197A。在开关条件下的最高结温将超过10℃到135℃。而在最高限值条件下的模块结温为119℃，电流为126A。这些数据表明，在最差假设情况下的并联仅仅存在降额可能性。但这是否必然发生?降额的可能性有多大?下面的分析将给出这些问题的答案。
蒙特卡洛方法
蒙特卡罗方法使得观察所有效应成为可能，这是通过对大量具有不同参数的器件样品进行模拟来实现的。这种方法的基础是随机数。可以利用轮盘赌模型生成这些随机数。
英飞凌的蒙特卡罗模拟工具(如图3所示)可以为n个并联模块中的每一个模块生成一组参数。
下面的语句按步骤描述了蒙特卡罗模拟的基本过程。
第一步骤计算随机选择的通态电压下的均流。在接下来的模拟步骤中，程序将在每个模块计算得到的电流中加上开关损失。随后，通过将进一步计算得到的损失与模块的Rth相乘得到结温。
最后一步是对计算得到的结温进行通态和开关损失调整。
蒙特卡罗模拟工具将重复执行这四个步骤，直到每一个模块的结温都集中为某一特定值为止。图4所示的流程图给出了一个随机模块配置的损失计算过程。
上面所给出的计算流程被用于处理每一个生成的模块配置，并且利用这个迭代方法得到温度同所有的参数之间的依赖关系。
参数变化
在模拟过程中必须考虑到众多的参数以及它们的分布，以使得模拟尽可能地接近实际情况。
对于电流不平衡度，VCEat值是适当的输入参数。VCEsat的变化可以从最终测试数据中获知。图2给出了一个1200V IGBT3芯片的典型饱和电压柱状图。
并联模块之间温度差异的深层原因则是因为并联模块在开关过程中是不平衡的。
有两个主要原因造成了这些不对称，首先是芯片参数的变化(如输入电容的变化，VCEsat的变化等)，另外是系统参数的变化(如门驱动器阶段参数的变化等)。
根据实验室特征化测试结果，导通和关断损失的统计标准方差值确定为典型值的5％～7％。
除了关断损失的统计变化之外，在Eoff和VCEsat之间还存在一个系统折衷关系。饱和电压越小，IGBT芯片的关断损失就越大，反之亦然。在蒙特卡罗模拟工具也实现了这个折衷函数。
如前所述，系统的参数变化也会影响到导通损失。当门驱动器的参数变化的影响超过了芯片参数变化的影响时，就必须考虑这些参数变化。这可能包括光电耦合器的延迟和转换时间参数的浮动或者是门驱动输入阻抗参数的浮动。
在许多情况下，器件中的系统不平衡的影响将大大超过统计浮动的影响。这些不平衡可能由电流路径中的非均匀电阻或者非均匀寄生电感特别是杂散电感造成的。
为了在蒙特卡罗模拟中得到精确的结果，很有必要得到关于实际设备中的系统不平衡的所有信息。获取或者知道越多的设备参数，所得到的PPM声明的精确度也就越高。
模拟结果
根据模拟所得到的结果，可以生成器件电流和结温的分布函数。柱状图给出了对例子中的五个并联FF200R12KT3模块进行40000次模拟所得到的蒙特卡罗模拟结果。第一个柱状图(图5)给出了5个模块中的最高温度分布情况。图6则给出了所有五个模块的箱线图以及它们各自的最高温度分布情况。
PPM声明
利用模拟所得到的结果，可以回答诸如此类的问题：在什么样的配置ppm率下，将会超过最高指定的结温?这个声明对于客户而言是十分有用的，它可以帮助客户针对其应用选择适当的模块。模拟计算所得到的最高结温分布是一个对数正态分布(如图7所示)。
利用这个函数和相应的标准方差，可以指定一个超过指定结温的配置ppm率。
基于最初的计算，可以预测超过最高结温限值(在给出的例子中为TJ=125℃)的并联IGBT模块的ppm率为0.56ppm。而最差情况计算得到的结果仅仅是最高结温值可能达到135℃。
结语
利用并联IGBT模块的蒙特卡罗模拟方法，可以基于器件中的随机模块参数和系统不平衡度计算出电流不平衡度，开关损失以及结温。
基于这些结果，就有可能计算超过最高结温的期望ppm率。
在所给出的例子中，最差情况分析结果仅仅表明最高结温可能达到135℃。而蒙特卡罗分析则提供更详细的信息，每百万个模块中只有0.56个模块会超过IGBT的温度限值。转换器的开发人员可以利用这些信息来确定转换器中可采用的模块类型。
关键词：IGBT模块并联；模拟分析方法；蒙特卡罗方法
IGBT模块在并联时的降额必然性问题同器件的工艺问题一样是一个老问题了。在试图回答该问题时，工程师们通常会很快地发现自己处在一个两难的位置上。过去，人们针对该问题提出了一些考虑统计因素的方法，但是到目前为止，仍然没有人可以回答这样的关键问题，即如果降额低于最差情况分析方法所建议的降额时，超出器件限值的概率有多大。现在，英飞凌公司推出的蒙特卡罗模拟工具可以给出这方面的信息。
之前采用的方法(最坏情况分析方法)
并联开关IGBT模块的参数浮动会导致电流不平衡，从而使得不同模块的工作温度不一致。问题是同简单工作模式相比，模块可以在何种程度上实现并联工作。
比如“最坏情况分析方法”等以前的方法是根据产品手册中的最大值计算得出降额系数，从而确定并联并非一个好主意。
如图1所示，以下这个例子给出了在给定总电流为700A时，计算五个并联的FF200R12KT3模块的DC电流不平衡度的过程。其中，每个模块的环境参数为：UDC=600V，IRMS=140A，fMotor=50Hz，fsw=6500Hz，以及cosφ=0.9。
如果所有的模块都精确地具有产品手册所给出的典型静态和动态参数，那么计算得到的工作温度为TJ=114℃。
假设所有模块都在最高额定限值条件下工作，并且施加饱和电压，那么结温将提高8℃到122℃。
下面，我们用所谓的“最差情况”方法进行分析。
如图2所示，一个模块(类别1)工作在典型饱和电压下，而其他四个模块(类别2)工作在最高限值条件下。
具有典型饱和电压的模块(类别2)的工作电流为197A。在开关条件下的最高结温将超过10℃到135℃。而在最高限值条件下的模块结温为119℃，电流为126A。这些数据表明，在最差假设情况下的并联仅仅存在降额可能性。但这是否必然发生?降额的可能性有多大?下面的分析将给出这些问题的答案。
蒙特卡洛方法
蒙特卡罗方法使得观察所有效应成为可能，这是通过对大量具有不同参数的器件样品进行模拟来实现的。这种方法的基础是随机数。可以利用轮盘赌模型生成这些随机数。
英飞凌的蒙特卡罗模拟工具(如图3所示)可以为n个并联模块中的每一个模块生成一组参数。
下面的语句按步骤描述了蒙特卡罗模拟的基本过程。
第一步骤计算随机选择的通态电压下的均流。在接下来的模拟步骤中，程序将在每个模块计算得到的电流中加上开关损失。随后，通过将进一步计算得到的损失与模块的Rth相乘得到结温。
最后一步是对计算得到的结温进行通态和开关损失调整。
蒙特卡罗模拟工具将重复执行这四个步骤，直到每一个模块的结温都集中为某一特定值为止。图4所示的流程图给出了一个随机模块配置的损失计算过程。
上面所给出的计算流程被用于处理每一个生成的模块配置，并且利用这个迭代方法得到温度同所有的参数之间的依赖关系。
参数变化
在模拟过程中必须考虑到众多的参数以及它们的分布，以使得模拟尽可能地接近实际情况。
对于电流不平衡度，VCEat值是适当的输入参数。VCEsat的变化可以从最终测试数据中获知。图2给出了一个1200V IGBT3芯片的典型饱和电压柱状图。
并联模块之间温度差异的深层原因则是因为并联模块在开关过程中是不平衡的。
有两个主要原因造成了这些不对称，首先是芯片参数的变化(如输入电容的变化，VCEsat的变化等)，另外是系统参数的变化(如门驱动器阶段参数的变化等)。
根据实验室特征化测试结果，导通和关断损失的统计标准方差值确定为典型值的5％～7％。
除了关断损失的统计变化之外，在Eoff和VCEsat之间还存在一个系统折衷关系。饱和电压越小，IGBT芯片的关断损失就越大，反之亦然。在蒙特卡罗模拟工具也实现了这个折衷函数。
如前所述，系统的参数变化也会影响到导通损失。当门驱动器的参数变化的影响超过了芯片参数变化的影响时，就必须考虑这些参数变化。这可能包括光电耦合器的延迟和转换时间参数的浮动或者是门驱动输入阻抗参数的浮动。
在许多情况下，器件中的系统不平衡的影响将大大超过统计浮动的影响。这些不平衡可能由电流路径中的非均匀电阻或者非均匀寄生电感特别是杂散电感造成的。
为了在蒙特卡罗模拟中得到精确的结果，很有必要得到关于实际设备中的系统不平衡的所有信息。获取或者知道越多的设备参数，所得到的PPM声明的精确度也就越高。
模拟结果
根据模拟所得到的结果，可以生成器件电流和结温的分布函数。柱状图给出了对例子中的五个并联FF200R12KT3模块进行40000次模拟所得到的蒙特卡罗模拟结果。第一个柱状图(图5)给出了5个模块中的最高温度分布情况。图6则给出了所有五个模块的箱线图以及它们各自的最高温度分布情况。
PPM声明
利用模拟所得到的结果，可以回答诸如此类的问题：在什么样的配置ppm率下，将会超过最高指定的结温?这个声明对于客户而言是十分有用的，它可以帮助客户针对其应用选择适当的模块。模拟计算所得到的最高结温分布是一个对数正态分布(如图7所示)。
利用这个函数和相应的标准方差，可以指定一个超过指定结温的配置ppm率。
基于最初的计算，可以预测超过最高结温限值(在给出的例子中为TJ=125℃)的并联IGBT模块的ppm率为0.56ppm。而最差情况计算得到的结果仅仅是最高结温值可能达到135℃。
结语
利用并联IGBT模块的蒙特卡罗模拟方法，可以基于器件中的随机模块参数和系统不平衡度计算出电流不平衡度，开关损失以及结温。
基于这些结果，就有可能计算超过最高结温的期望ppm率。
在所给出的例子中，最差情况分析结果仅仅表明最高结温可能达到135℃。而蒙特卡罗分析则提供更详细的信息，每百万个模块中只有0.56个模块会超过IGBT的温度限值。转换器的开发人员可以利用这些信息来确定转换器中可采用的模块类型。