供應英飛凌FP25R12KT3/FP40R12KT3/FP50R12KT3/FP75R12KT3 IGBT模塊

型號:FP25R12KT3/FP40R12KT3/FP50R12KT3/FP75R12KT3
廠家:英飛凌（Infineon）
特性:PIM模塊（功率集成模塊:三相橋 + 七單元 + 溫度傳感器）
相關知識:
 
ＩＧＢＴ模塊在并聯時的降額必然性問題同器件的工藝問題一樣是一個老問題了。在試圖回答該問題時，工程師們通常會很快地發現自己處在一個兩難的位置上。過去，人們針對該問題提出了一些考慮統計因素的方法，但是到目前為止，仍然沒有人可以回答這樣的關鍵問題，即如果降額低于zui差情況分析方法所建議的降額時，超出器件限值的概率有多大。現在，英飛凌公司推出的蒙特卡羅模擬工具可以給出這方面的信息。

　　之前采用的方法（zui壞情況分析方法）

　　并聯開關ＩＧＢＴ模塊的參數浮動會導致電流不平衡，從而使得不同模塊的工作溫度不一致。問題是同簡單工作模式相比，模塊可以在何種程度上實現并聯工作。

　　比如“zui壞情況分析方法”等以前的方法是根據產品手冊中的zui大值計算得出降額系數，從而確定并聯并非一個好主意。

　　如圖１所示，以下這個例子給出了在給定總電流為７００Ａ時，計算五個并聯的ＦＦ２００Ｒ１２ＫＴ３模塊的ＤＣ電流不平衡度的過程。其中，每個模塊的環境參數為：ＵＤＣ＝　６００Ｖ，ＩＲＭＳ＝１４０Ａ，ｆＭｏｔｏｒ＝　５０Ｈｚ，ｆｓｗ＝　６５００Ｈｚ，以及ｃｏｓφ＝　０．９．如果所有的模塊都地具有產品手冊所給出的典型靜態和動態參數，那么計算得到的工作溫度為ＴＪ＝１１４℃。 　　圖１　　五個并聯的FP75R12KT3模塊

　　假設所有模塊都在zui高額定限值條件下工作，并且施加飽和電壓，那么結溫將提高８℃到１２２℃。

　　下面，我們用所謂的“zui差情況”方法進行分析。

　　如圖２所示，一個模塊（類別１）工作在典型飽和電壓下，而其他四個模塊（類別２）工作在zui高限值條件下。 　　圖２　　飽和電壓柱狀圖

　　具有典型飽和電壓的模塊（類別２）的工作電流為１９７Ａ．在開關條件下的zui高結溫將超過１０℃到１３５℃。而在zui高限值條件下的模塊結溫為１１９℃，電流為１２６Ａ．這些數據表明，在zui差假設情況下的并聯僅僅存在降額可能性。但這是否必然發生？降額的可能性有多大？下面的分析將給出這些問題的答案。 FP25R12KT3/FP40R12KT3/FP50R12KT3/FP75R12KT3

　　蒙特卡洛方法

　　蒙特卡羅方法使得觀察所有效應成為可能，這是通過對大量具有不同參數的器件樣品進行模擬來實現的。這種方法的基礎是隨機數。可以利用輪盤賭模型生成這些隨機數。

　　英飛凌的蒙特卡羅模擬工具（如圖３所示）可以為ｎ個并聯模塊中的每一個模塊生成一組參數。 　　圖３　　ＬａｂＶＩＥＷ中的模擬程序：用戶界面

　　下面的語句按步驟描述了蒙特卡羅模擬的基本過程。

　　*步驟計算隨機選擇的通態電壓下的均流。在接下來的模擬步驟中，程序將在每個模塊計算得到的電流中加上開關損失。隨后，通過將進一步計算得到的損失與模塊的Ｒｔｈ相乘得到結溫。

　　zui后一步是對計算得到的結溫進行通態和開關損失調整。

　　蒙特卡羅模擬工具將重復執行這四個步驟，直到每一個模塊的結溫都集中為某一特定值為止。圖４所示的流程圖給出了一個隨機模塊配置的損失計算過程。 　　圖４　　隨機模塊配置的損失計算原理

　　上面所給出的計算流程被用于處理每一個生成的模塊配置，并且利用這個迭代方法得到溫度同所有的參數之間的依賴關系。

　　參數變化

　　在模擬過程中必須考慮到眾多的參數以及它們的分布，以使得模擬盡可能地接近實際情況。

　　對于電流不平衡度，ＶＣＥｓａｔ值是適當的輸入參數。ＶＣＥｓａｔ的變化可以從zui終測試數據中獲知。圖２給出了一個１２００Ｖ　ＩＧＢＴ３芯片的典型飽和電壓柱狀圖。
　　并聯模塊之間溫度差異的深層原因則是因為并聯模塊在開關過程中是不平衡的FP25R12KT3 FP40R12KT3 FP50R12KT3 FP75R12KT3。
　　有兩個主要原因造成了這些不對稱，首先是芯片參數的變化（如輸入電容的變化，ＶＧＥｔｈ的變化等），另外是系統參數的變化（如門驅動器階段參數的變化等）。
　　根據實驗室特征化測試結果，導通和關斷損失的統計標準方差值確定為典型值的５％￣７％．除了關斷損失的統計變化之外，在Ｅｏｆｆ和ＶＣＥｓａｔ之間還存在一個系統折衷關系。飽和電壓越小，ＩＧＢＴ芯片的關斷損失就越大，反之亦然。在蒙特卡羅模擬工具也實現了這個折衷函數。
　　如前所述，系統的參數變化也會影響到導通損失。當門驅動器的參數變化的影響超過了芯片參數變化的影響時，就必須考慮這些參數變化。這可能包括光電耦合器的延遲和轉換時間參數的浮動或者是門驅動輸入阻抗參數的浮動。
　　在許多情況下，器件中的系統不平衡的影響將大大超過統計浮動的影響。這些不平衡可能由電流路徑中的非均勻電阻或者非均勻寄生電感特別是雜散電感造成的。
　　為了在蒙特卡羅模擬中得到的結果，很有必要得到關于實際設備中的系統不平衡的所有信息。獲取或者知道越多的設備參數，所得到的ＰＰＭ聲明的度也就越高。
　　模擬結果
　　根據模擬所得到的結果，可以生成器件電流和結溫的分布函數。　柱狀圖給出了對例子中的五個并聯FP75R12KT3模塊進行４００００次模擬所得到的蒙特卡羅模擬結果。*個柱狀圖（圖５）給出了５個模塊中的zui高溫度分布情況。圖６則給出了所有五個模塊的箱線圖以及它們各自的zui高溫度分布情況。
　　ＰＰＭ聲明
　　利用模擬所得到的結果，可以回答諸如此類的問題：在什么樣的配置ｐｐｍ率下，將會超過zui高的結溫？這個聲明對于客戶而言是十分有用的，它可以幫助客戶針對其應用選擇適當的模塊。模擬計算所得到的zui高結溫分布是一個對數正態分布（如圖７所示）。 　

　　利用這個函數和相應的標準方差，可以一個超過結溫的配置ｐｐｍ率。

　　基于zui初的計算，可以預測超過zui高結溫限值（在給出的例子中為ＴＪ＝１２５℃）的并聯ＩＧＢＴ模塊的ｐｐｍ率為０．５６ｐｐｍ．而zui差情況計算得到的結果僅僅是zui高結溫值可能達到１３５℃。

　　結語

　　利用并聯ＩＧＢＴ模塊的蒙特卡羅模擬方法，可以基于器件中的隨機模塊參數和系統不平衡度計算出電流不平衡度，開關損失以及結溫。

　　基于這些結果，就有可能計算超過zui高結溫的期望ｐｐｍ率。

　　在所給出的例子中，zui差情況分析結果僅僅表明zui高結溫可能達到１３５℃。而蒙特卡羅分析則提供更詳細的信息，每百萬個模塊中只有０．５６個模塊會超過ＩＧＢＴ的溫度限值。轉換器的開發人員可以利用這些信息來確定轉換器中可采用的模塊類型。