IGBT模块是电能传输与变换的核心器件,在智能电网、轨道交通与可再生能源分布式发电等领域有广泛的应用。在高频的开关过程中,受到长期的热应力与机械应力冲击,IGBT模块内部结构会逐渐老化直至失效。因此,IGBT模块的老化状态评估研究对变流装置的剩余寿命预测与可靠性分析、保证系统的稳定运行具有重要意义。本文在合理选取老化特征参量基础上,提出了一种基于极限学习机的IGBT模块老化状态评估方法,同时对极限学习机的优化问题进行了深入研究。首先,介绍了IGBT模块的结构和工作原理,详细分析了芯片失效和封装失效的机理特性,总结了多个常见老化失效特征参量的表征特点,综合比较之后选取饱和压降作为本文研究IGBT模块老化状态评估的特征参量,并且考虑集电极电流和结温对饱和压降的影响。其次,从理论上分析了饱和压降与结温、集电极电流的相关性,介绍了通过功率循环加速老化试验与单脉冲测量试验获取了不同老化阶段下IGBT模块的饱和压降、集电极电流、结温数据的过程,试验数据分析表明上述三个电热参数组合可有效表征IGBT模块的老化状态。在此基础上,建立了基于极限学习机(ELM)的IGBT模块老化状态评估模型。利用所获试验数据对模型进行训练测试,验证了模型的可行性。再次,针对极限学习机在输入权重和隐含层阈值初始化方面的不足,利用蒲公英算法对极限学习机进行优化得到DA-ELM算法,并选用五个回归预测基准数据集验证了DA-ELM算法的有效性。然后建立了基于DA-ELM的IGBT模块老化状态评估模型,并利用老化试验数据对模型进行测试。实验结果表明该模型的预测效果优于ELM评估模型及遗传算法优化极限学习机评估模型。最后,研究了鲸鱼优化算法的原理,针对其不足提出一种混合改进鲸鱼优化算法(HIWOA);选取六个典型测试函数对HIWOA进行性能测试,结果表明改进后的鲸鱼算法在收敛精度和收敛速度上有大幅提升。随后使用HIWOA优化ELM的输入权重和阈值,建立了基于HIWOA-ELM的IGBT模块老化状态评估模型。实验结果表明HIWOA-ELM模型的预测效果优于ELM模型、WOA-ELM模型、DA-ELM模型等对比模型,验证了所提算法在IGBT模块老化状态评估方面的适用性。