Розробка та практична імплементація інформаційної технології діагностики перетворювачів постійного струму на основі фізично-орієнтованих цифрових двійників

Владислав Байда; Олександр  Велігорський

doi:10.25140/2411-5363-2026-1(43)-161-182

Автор(и)

Владислав Байда Національний університет «Чернігівська політехніка», Україна https://orcid.org/0009-0004-2172-8057
Олександр Велігорський Національний університет «Чернігівська політехніка», Україна https://orcid.org/0000-0002-8256-7339

DOI:

https://doi.org/10.25140/2411-5363-2026-1(43)-161-182

Ключові слова:

цифровий двійник; інформаційна технологія; кіберфізична система; діагностика апаратного забезпечення; прогностичне обслуговування; силова електроніка; моделювання

Анотація

У статті представлено результати практичної імплементації методології діагностики апаратного забезпечення на основі технології цифрового двійника для перетворювачів постійного струму. За допомогою PySpice розроблено модель понижуючого перетворювача, що враховує паразитні параметри компонентів. Сформовано таблицю відповідності впливу відхилень параметрів схеми на вихідні показники через моделювання шести ступенів відносних змін. Валідація на базі 6705 експериментальних вимірювань у системі дистанційної лабораторії на базі Lab Discovery Engine показала 100 % ефективність виявлення відмов та 85,1–100 % точність ідентифікації їхніх причин. Запропонований підхід забезпечує перехід від реактивного до проактивного обслуговування систем силової електроніки.

Посилання

Wang, L., Zhu, F., Jiang, F., & Yang, Y. (2025). Power converter fault detection using MLCA–SpikingShuffleNet. World Electric Vehicle Journal, 16(1), 36. https://doi.org/10.3390/wevj16010036

Saravanan, B., D, P., & Vengateson, A. (2025). Benchmarking traditional machine learning and deep learning models for fault detection in power transformers. arXiv. https://doi.org/10.48550/arXiv.2505.06295.

Ferreira Costa, L., & Liserre, M. (2018). Failure analysis of the dc-dc converter: A comprehensive survey of faults and solutions for improving reliability. IEEE Power Electronics Magazine, 5(4), 42–51. https://doi.org/10.1109/MPEL.2018.2874345.

Siemens. (2022). The true cost of downtime 2022. [White Paper/Report].

Yang, S., Xiang, D., Bryant, A. T., Mawby, P., Ran, L., & Tavner, P. J. (2010). Condition monitoring for device reliability in power electronic converters: A review. IEEE Transactions on Power Electronics, 25(11), 2734–2752. https://doi.org/10.1109/TPEL.2010.2049377.

Jain, P., Poon, J., Singh, J. P., Spanos, C., Sanders, S., & Panda, S. (2019). A digital twin approach for fault diagnosis in distributed photovoltaic system. IEEE Transactions on Power Electronics, 35(1), 1–1. https://doi.org/10.1109/TPEL.2019.2911594.

Lei, Z., Zhou, H., Dai, X., Hu, W., & Liu, G. P. (2023). Digital twin based monitoring and control for DC-DC converters. Nature Communications, 14(1). https://doi.org/10.1038/s41467-023-41248-z.

Jia, Z., Liu, Z., Vong, C. M., Wang, S., & Cai, Y. (2023). DC-DC Buck circuit fault diagnosis with insufficient state data based on deep model and transfer strategy. Expert Systems with Applications, 213(Part A), 118918. https://doi.org/10.1016/j.eswa.2022.118918.

Ajra, Y., Hoblos, G., Al Sheikh, H., & Moubayed, N. (2024). A literature review of fault detection and diagnostic methods in three-phase voltage-source inverters. Machines, 12(9), 631. https://doi.org/10.3390/machines12090631.

Aviña-Corral, V., Rangel-Magdaleno, J. J., Barron-Zambrano, J. H., & Rosales-Nuñez, S. (2024). Review of fault detection techniques in power converters: Fault analysis and diagnostic methodologies. Measurement, 234, 114864. https://doi.org/10.1016/j.measurement.2024.114864.

Skliros, C., Esperon Miguez, M., Ali, F., & Jennions, I. K. (2018). A review of model based and data driven methods targeting hardware systems diagnostics. Diagnostyka, 20(1), 3–21. https://doi.org/10.29354/diag/99603.

Ren, J., Wen, J., Zhao, Z., Yan, R., Chen, X., & Nandi, A. (2024). Uncertainty-aware deep learning: A promising tool for trustworthy fault diagnosis. IEEE/CAA Journal of Automatica Sinica, 11(6), 1317–1330. https://doi.org/10.1109/JAS.2024.124290.

Xiao, B., Zhong, J., Bao, X., et al. (2024). Digital twin-driven prognostics and health management for industrial assets. Scientific Reports, 14, 13443. https://doi.org/10.1038/s41598-024-63990-0.

Kumar, G. K., & Elangovan, D. (2020). Review on fault‐diagnosis and fault‐tolerance for DC–DC converters. IET Power Electronics, 13(1), 1–13. https://doi.org/10.1049/iet-pel.2019.0672.

Li, J., Pan, K., Su, Q., & Zhao, X. (2019). Sensor fault detection and fault-tolerant control for Buck converter via affine switched systems. IEEE Access, 7, 1–1. https://doi.org/10.1109/ACCESS.2019.2909124.

Butnicu, D. A. (2023). Derating-sensitive tantalum polymer capacitor's failure rate within a DC-DC eGaN-FET-based PoL converter workbench study. Micromachines, 14(1), 221. https://doi.org/10.3390/mi14010221.

Miao, J., Liu, Y., Yin, Q., Ju, B., Zhang, G., & Wang, H. (2024). A novel soft fault detection and diagnosis method for a DC/DC Buck converter based on contrastive learning. IEEE Transactions on Power Electronics, 39(1), 1501–1513. https://doi.org/10.1109/TPEL.2023.3320878.

Barrios, P. H., Rodríguez, F., Sánchez, P., Santos, C., Sangwongwanich, A., Novak, M., & Blaabjerg, F. (2025). Digital twin approach for fault diagnosis in photovoltaic plant DC–DC converters. Sensors, 25(14), 4323. https://doi.org/10.3390/s25144323.

Chen, Y., Zhang, D., Yan, R., & Xie, M. (2025). Applications of domain generalization to machine fault diagnosis: A survey. IEEE/CAA Journal of Automatica Sinica. https://doi.org/10.1109/JAS.2025.125120.

Pill, I., & de Kleer, J. (2024). Challenges for model-based diagnosis. 35th International Conference on Principles of Diagnosis and Resilient Systems (DX 2024), 125, 6:1–6:20. https://doi.org/10.4230/OASIcs.DX.2024.6.

Bofill, J., Abisado, M., Villaverde, J., & Sampedro, G. (2023). Exploring digital twin-based fault monitoring: Challenges and opportunities. Sensors, 23(16), 7087. https://doi.org/10.3390/s23167087.

Chen, H., Zhang, Z., Karamanakos, P., & Rodriguez, J. (2023). Digital twin techniques for power electronics-based energy conversion systems: A survey of concepts, application scenarios, future challenges, and trends. IEEE Industrial Electronics Magazine, 17(2), 20–36. https://doi.org/10.1109/MIE.2022.3216719

Peng, Y., Zhao, S., & Wang, H. (2021). A digital twin based estimation method for health indicators of DC–DC converters. IEEE Transactions on Power Electronics, 36(2), 2105–2118. https://doi.org/10.1109/TPEL.2020.3009600.

Milton, M., De La O, C., Ginn, H. L., & Benigni, A. (2020). Controller-embeddable probabilistic real-time digital twins for power electronic converter diagnostics. IEEE Transactions on Power Electronics, 35(9), 9850–9864. https://doi.org/10.1109/tpel.2020.2971775.

Song, Z., Hackl, C. M., Anand, A., et al. (2023). Digital twins for the future power system: An overview and a future perspective. Sustainability, 15(6), 5259. https://doi.org/10.3390/su15065259.

Song, E. Y., Burns, M., Pandey, A., & Roth, T. (2019). IEEE 1451 smart sensor digital twin federation for IoT/CPS research. 2019 IEEE Sensors Applications Symposium (SAS), 1–6. https://doi.org/10.1109/SAS.2019.8706111.

Ferko, E., Bucaioni, A., Pelliccione, P., & Behnam, M. (2023). Standardisation in digital twin architectures in manufacturing. 2023 IEEE 20th International Conference on Software Architecture (ICSA), 70–81. https://doi.org/10.1109/ICSA56044.2023.00015.

Hedayati Kia, S., Dunai, L., Antonino-Daviu, J. A., & Razik, H. (2025). Real-time digital twins for intelligent fault diagnosis and condition-based monitoring of electrical machines. Energies, 18(17), 4637. https://doi.org/10.3390/en18174637.

Fu, C., Gao, C., & Zhang, W. (2023). A digital-twin framework for predicting the remaining useful life of piezoelectric vibration sensors with sensitivity degradation modeling. Sensors, 23(19), 8173. https://doi.org/10.3390/s23198173.

Байда, В., & Велігорський, О. (2025). Методологія діагностики апаратного забезпечення з використанням інформаційної технології цифрового двійника. Технічні науки та технології, (2 (40), 234–253. https://doi.org/10.25140/2411-5363-2025-2(40)-234-253.

Байда, В., & Велігорський, О. (2026). Ідентифікація паразитних параметрів моделі перетворювача постійного струму генетичним алгоритмом. Технічні науки та технології, (4 (42), 165–186. https://doi.org/10.25140/2411-5363-2025-4(42)-165-186.

Riba, J.-R., Moreno-Eguilaz, M., Bogarra, S., & Garcia, A. (2018). Parameter identification of DC-DC converters under steady-state and transient conditions based on white-box models. Electronics, 7(12), 393. https://doi.org/10.3390/electronics7120393.