本申请属于电力电子可靠性，更具体地，涉及一种基于cnn-lstm模型的igbt寿命预测方法及装置。
背景技术：
1、绝缘栅双极型晶体管(insulated gate bipolar transistor,igbt)因其优越的性能，在电力传输、高铁系统等电力电子应用系统中得到了广泛应用。在长期运行过程中，igbt受到电、热、机械应力的作用，受到磨损，从而严重影响其使用寿命。对igbt模块的寿命进行准确的预测，及时制定维护和维修计划，在功率模块出现损坏即将失效之时提前更换，可以避免由于功率模块本身失效造成的一系列安全事故和经济损失。
2、目前，关于igbt的寿命预测方法可分为基于数学物理模型的预测方法和基于数据驱动的预测方法两大类。在基于数学物理模型的预测方法中，通常采用如指数方程等的预设数学模型来拟合数据。但是这种方法往往依靠于经验，在复杂操作情况下的可靠性低。为了提高模型预测的精度而增补参数，又使得预测模型复杂化。相较之下，基于数据驱动的预测方法，包括自适应模糊系统、神经网络、支持向量机、高斯过程回归、粒子滤波等，具有过程简单、计算量小、无需考虑功率器件复杂的内部机理等优点。在人工智能发展的今天，人们期望利用人工智能方法在构建预测方法上有新的突破。在机器学习算法的帮助下，可以灵活表征监测数据和预测之间关系的拟合方程，并能够随着退化的发展而学习或者更新方程。
3、基于数据驱动的预测方法多集中在以结温和集电极电压为参数的应用中。在一些技术方案中，基于热成像仪设备的量测结果，采用对数正态分布描述igbt的寿命分布，认为随着结温差和平均结温的增大，igbt模块寿命逐渐减小；使用光纤温度传感器监测芯片温度，实时观察功率循环测试下功率半导体器件的内部退化失效；但结温的获取要么直接测量成本高昂，要么热模型计算获取计算过程复杂且存在误差。
4、在一些技术方案中，从集射极电压历史数据中提取特征参数，预测igbt模块的寿命，使得在不掌握igbt内部失效机制的情况下，通过传感器采集的历史数据进行更准确的预测成为可能。例如，zhao等人建立神经网络(neural network,nn)和自适应神经模糊推理系统(adaptive neuro-fuzzyinference system,anfis)模型，预测igbt的剩余使用寿命。例如，ahsan等人提出一种可靠性评估融合算法，利用长短期记忆网络(long-short-termmemory,lstm)算法预测igbt的寿命。例如，lu和christo利用lstm预测模型预测前期性能退化趋势。例如，hu等人以集电极通态电压、米勒平台电压和米勒平台时间作为输入，建立一种人工神经网络预测igbt模块的寿命。
5、可以看出，相关技术中的研究大部分都是基于传统的统计回归和机器学习来预测igbt的寿命，igbt可以收集的相关特征也没有完全用于预测。因此需要一种能够自动提取特征并更准确的预测igbt寿命的模型。
技术实现思路
1、针对相关技术存在的缺陷，本申请实施例提供一种基于cnn-lstm模型的igbt寿命预测方法及装置，旨在解决基于传统的统计回归和机器学习进行igbt寿命预测的预测准确度不高的问题。
2、第一方面，本申请实施例提供一种基于cnn-lstm模型的igbt寿命预测方法，包括：
3、获取历史时间段内igbt的关断峰值电压数据序列；
4、对关断峰值电压数据序列进行预处理，预处理后输入至预先训练好的cnn-lstm模型，获取igbt的关断峰值电压预测序列；
5、基于关断峰值电压预测序列，预测igbt的剩余使用寿命。
6、第二方面，本申请实施例还提供一种基于cnn-lstm模型的igbt寿命预测装置，包括：
7、第一获取模块，用于获取历史时间段内igbt的关断峰值电压数据序列；
8、第二获取模块，用于对关断峰值电压数据序列进行预处理，预处理后输入至预先训练好的cnn-lstm模型，获取igbt的关断峰值电压预测序列；
9、预测模块，用于基于关断峰值电压预测序列，预测igbt的剩余使用寿命。
10、第三方面，本申请实施例还提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
11、第四方面，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
12、第五方面，本申请实施例还提供一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
13、本申请实施例提供的基于cnn-lstm模型的igbt寿命预测方法及装置，在igbt寿命预测场景下，选定关断峰值电压作为igbt的老化特征参数，选定cnn-lstm混合网络作为igbt寿命预测网络，能够自动地从采集的关断峰值电压数据序列中进行特征提取，深度挖掘参数特征，从而得到高置信度的igbt老化状态，对igbt的剩余使用寿命进行预测，对igbt功率模块以及整体系统的运行具有重要意义。
1.一种基于cnn-lstm模型的igbt寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的基于cnn-lstm模型的igbt寿命预测方法，其特征在于，所述cnn-lstm模型基于以下步骤训练得到：
3.根据权利要求1或2所述的基于cnn-lstm模型的igbt寿命预测方法，其特征在于，所述预处理，包括：
4.根据权利要求1所述的基于cnn-lstm模型的igbt寿命预测方法，其特征在于，所述基于所述关断峰值电压预测序列，预测所述igbt的剩余使用寿命，包括：
5.根据权利要求2所述的基于cnn-lstm模型的igbt寿命预测方法，其特征在于，所述cnn-lstm模型的训练过程还包括：
6.根据权利要求1所述的基于cnn-lstm模型的igbt寿命预测方法，其特征在于，所述cnn-lstm模型包括cnn、lstm和全连接层；所述cnn通过卷积层提取输入的预处理后的关断峰值电压数据序列的局部空间特征；所述lstm以所述cnn提取的特征序列作为输入，通过记忆单元和门控单元捕捉关断峰值电压数据序列的长期依赖关系；所述全连接层用于输出关断峰值电压数据预测序列。
7.根据权利要求6所述的基于cnn-lstm模型的igbt寿命预测方法，其特征在于，所述cnn包括输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、flatten层和输出层；
8.一种基于cnn-lstm模型的igbt寿命预测装置，其特征在于，包括：
9.一种电子设备/图像信号发生器/网络设备/发射机/终端/基站/工控机，其特征在于，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序在处理器上运行时，使得所述处理器执行如权利要求1-7任一所述的方法。
