The growing demand for sustainable technology has led to an increased application of power electronics. As these devices are often exposed to harsh conditions, their reliability is a primary concern for both manufacturers and users. Addressing these reliability challenges involves a set of activities known as Prognostics and Health Management (PHM). In PHM, predicting the Remaining Useful Life (RUL) is crucial. This prediction relies on identifying failure precursors, which signify the presence of degradation. These precursors are then used to construct a degradation model that enables the prediction of the remaining time that the device can work before failure. The project focuses on examining a MOSFET aging dataset from the NASA PCoE dataset depository and a diode aging dataset from Fraunhofer ENAS. The prediction of the remaining useful life of devices using failure precursors has been done by applying recurrent neural network (RNN) methods. However, the prediction results from a single feature is significantly deviated from the actual values. To improve the prediction, the age of the device was proposed as an additional feature. RNNs with a similar number of weights and RNNs with the same hyperparameters are implemented and their performance is evaluated by the accuracy of prediction. The results show that all the RNN models implemented manage to capture the characteristics of the aging data. Despite its simpler structure, the vanilla RNN manages to produce a comparable result with the GRU and LSTM by simpler mechanism and less number of weights. The results also reveal that the characteristics of the data have a significant impact on the final results. / Den växande efterfrågan på hållbar teknik har lett till en ökad tillämpning av kraftelektronik. Eftersom dessa enheter ofta utsätts för tuffa förhållanden är deras tillförlitlighet ett primärt bekymmer för både tillverkare och användare. Att ta itu med dessa tillförlitlighetsutmaningar innebär en uppsättning aktiviteter som kallas Prognostics and Health Management (PHM). I PHM är det avgörande att förutsäga det återstående användbara livet (RUL). Denna förutsägelse bygger på identifiering av felprekursorer, som anger förekomsten av nedbrytning. Dessa prekursorer används sedan för att konstruera en nedbrytningsmodell som möjliggör förutsägelse av den återstående tiden som enheten kan fungera innan fel. Projektet fokuserar på att undersöka en MOSFET-åldringsdataset från NASA PCoE-datauppsättningen och en diodåldringsdataset från Fraunhofer ENAS. Förutsägelsen av den återstående livslängden för enheter som använder felprekursorer har gjorts genom att använda metoder för återkommande neurala nätverk (RNN). Förutsägelseresultatet från en enskild funktion avviker dock avsevärt från de faktiska värdena. För att förbättra förutsägelsen föreslogs enhetens ålder som en extra funktion. RNN med ett liknande antal vikter och RNN med samma hyperparametrar implementeras och deras prestanda utvärderas av förutsägelsens noggrannhet. Resultaten visar att alla implementerade RNN-modeller lyckas fånga egenskaperna hos åldrande data. Trots sin enklare struktur lyckas vanilj RNN producera ett jämförbart resultat med GRU och LSTM genom enklare mekanism och färre antal vikter. Resultaten visar också att uppgifternas egenskaper har en betydande inverkan på de slutliga resultaten.

Characterizing  power  switches  is  an  indispensable  step  when  designing  a  converter.  This  thesisinvestigates ways to achieve static and dynamic characterization of semiconductors for high power applications such as power grid or train traction. The static characterization has been tested with a Keysight B1506A device analyzer. The problems encountered have been analyzed and corrected.Then the design of a high current switching test bench for dynamic characterization is explained. The full-bridge  configuration  allows  controlled  and  spontaneous  commutations  so  the  bench  can measure hard and soft switching. The voltage can be up to 10 kV and the current up to 3 kA during the commutation. The choice of the probes is justified. The issues of bandwidth, input impedance and common mode current are taken into account. Data are processed in order to interpolate theswitching loss in hard and soft switching. / Karaktärisering  av  halvledarbrytare  är  ett  viktigt  steg  när  man  utformar  en  omvandlare.  Dennaavhandling undersöker olika sätt att uppnå statisk och dynamisk karakterisering av halvledare för högeffekttillämpningar såsom elnät eller ellok. Statisk karaktäriseringen har utförts med en Keysight B1506A-enhetsanalysator. De problem som uppstått har analyserats och korrigerats.Utformningen    av    en    testbänk    för    dynamisk    karakterisering    förklaras.    Den    kompletta bryggkonfigurationen möjliggör kontrollerad och spontan kommutation med spänningar upp till 10 kV och  strömmar  upp till 3 kA så att  bänken kan mäta hård  och mjuk  växling.  Valet  av sonderna förklaras.   Frågorna   om   bandbredd,   ingångsimpedans   och   common-mode   ström   tas   med   iberäkningen. Data bearbetas för att interpolera kopplings förlusten i hård och mjuk växling.

Rapidly growing Inverter- Based Resources (IBR) have different fault properties compared to Synchronous Generators (SG). Therefore, it is necessary to study the fault behavior of systems that contain different types of IBR and compare it to the conventional system responses in order to understand what steps should be taken to adapt conventional protection settings for new types of sources. For a two bus model, it is found out that sequence profiles in a system with one IBR are different from those observed in conventional system. Thermal and electrical limitations of the power electronics reduce the fault current from the IBR significantly, driving negative sequence current to small values compared to conventional sources. This is true for all studied types of IBR. Moreover, if IBR is connected to the grid through one line only, during Three Phase Fault (3hp) it is possible to lose synchronism with grid due to erroneous estimation of the grid angle through the Phase-Locked Loop (PLL). Verification of the obtained results is made through comparison to the Fault Recordings taken from the protection relays placed at substations. It is shown that for some faults simulation results can predict the behavior of symmetrical components in the network whereas for others they do not. To explain the latter behavior modifications to the sequence networks are proposed. / Snabbt växande inverterbaserade resurser (IBR) har olika felinmatningsegenskaper jämfört med synkrongeneratorer (SG). Därför är det nödvändigt att studera felbeteende hos system som innehåller olika typer av IBR och jämför det med konventionella källor för att kunna förstå vilka steg som ska göras för att anpassa konventionella skyddsinställningar för nya typer av källor. Under litteraturöversikten introduktion till det fast jordade systemet och dess speciella fall med isolerad transformatorjordning är klar. Kort introduktion till den studerade IBR och typer av simulerade fel görs också. För en tvåbussmodell har det visat sig att sekvensprofiler i ett system med en IBR skiljer sig från de som observerats i konventionella system. Termisk och elektrisk begränsningar i kraftelektroniska komponenter minskar felströmmen från IBR avsevärt och driver negativ sekvensström till små värden jämfört med konventionella källor. Detta gäller för alla studerade typer av IBR. Dessutom, om IBR är ansluten till nätet endast genom en linje, är det möjligt under trefasfel (3hp) att tappa synkronisering med nätet på grund av felaktig uppskattning av fasvinkeln genom styrsystemets faslåst slinga (PLL). Verifiering av de erhållna resultaten görs genom jämförelse med Fel Inspelningar från reläet placerade på transformatorstationer. Det visas att för vissa fel simuleringsresultat kan förutsäga symmetriska komponenters beteende i nätverket medan andra inte gör det. För att förklara de senare beteendena föreslås modifieringar i sekvensnätverket.