電力電子電路智能故障診斷技術研究

摘 要：電力電子技術作為當今高新技術系統中不可缺少的關鍵技術之一，在對傳統電力、機械等產業進行改造和對高新技術的發展與能源的高效利用上都具有十分重要的作用。然而，隨著我國電力電子技術的不斷發展，電力電子器件設備的復雜程度也越來越高，致使操作人員對電力電子設備的診斷與維護工作越來越困難，而且在電力電子設備的電路發生故障后，人工對電路設備進行診斷已經無法及時對故障進行診斷、維修與替換，因此，將智能技術引入電力電子電路設備的故障診斷中來具有重大的意義與價值。

關鍵詞：電力電子設備；電路故障；智能診斷；研究

中圖分類號：TM921 文獻標識碼：A 文章編號：1674-7712 （2014） 02-0000-01

隨著我國電子產業的發展，電力電子系統集成技術已經越來越廣泛的被人們所應用。然而，隨著電力電子技術的發展越來越先進，其設備本身的復雜性也越來越高，使得對電力電子設備電路故障的診斷與修護、替換等工作也越發困難。定期對電力電子設備的電路進行診斷與維護，對減少電力電子設備的故障發生頻率、降低企業對電力電子設備的維護成本方面都是較為有利的。本文在對電力電子設備電路故障診斷的現狀與存在問題進行具體的了解與分析的基礎上，將對電力電子電路設備的智能診斷技術進行進一步研究。

一、電力電子設備中電路的主要故障模式

電力電子設備的電路故障主要分為結構性故障與參數性故障兩種。電力電子電路的結構性故障主要指電路中的電容、電阻、電感與各種開關等電路器件的短路與開路，由于功率器件的損壞而導致電力電子設備的主電路的結構發生改變是這一故障最為主要的表現形式。而電力電子電路的參數性故障主要是指電阻、電感、電容等器件參數由于發生了偏移或者開關的性能較為劣化，而導致了電力電子設備的電路裝置特性與它的正常特性產生了嚴重的偏離[1]。

對于電力電子設備的電器原件來說，主要分為兩種故障模式，即硬故障和軟故障。電器元件的硬故障主要是指電器元件發生了開路或短路的現象，而電器元件的軟故障則主要是指電器元件雖沒有發生開路，但是電器元件的大小卻與它的正常范圍，由此導致了電路的特性也發生偏離。

作為能夠影響整個電力電子系統性能的電容器，是造成電路發生故障的最主要因素。開路、短路、硬故障偏小、軟故障偏大這四種情況是致使電容器發生故障的主要模式。其中開路故障主要發生在陶瓷或者鋁制電容中，短路故障主要發生在鉭電容中。

開關器件作為電力電子設備中變化器的基本單元和關鍵部件，具有較強的可靠性，它主要有開路和短路兩種故障模式。

二、電力電子電路故障診斷的難點

由于電力電子產業發展較快，電力電子設備的內部構造越來越復雜，這造成了對電力電子設備的電路故障難以進行診斷的現狀。再加上對電路的在線診斷本身就具有較高的要求，而且測試激勵不好選用，使得對電力電子電路故障的診斷難上加難。

首先，電力電子設備的電路存在著非線性故障診斷問題。由于電力電子設備的非線性電路較強，所以很難對其建立起精確的數學模型。其次，常用的電力電子電路測試節點只負責輸出負載電壓，而僅靠設備的輸出電壓難以對電路故障做出具體的診斷或是根本不能診斷。而如果增加電力電子電路的測試節點又會提高電路的復雜性，并對負載輸出的電壓產生交叉影響，進一步加大了故障診斷的難度[2]。第三，由于電力電子電路的故障診斷信息只在故障發生后與停電前的幾十毫秒內存在，因此對其需要進行在線診斷與動態監聽。而要完成電路的在線診斷就需要在原有的設備基礎上再增加新的部件，而這往往會導致企業成本的大幅上升。

由于這些難點的存在，使得電子電力電路設備的診斷變得十分困難而復雜。

三、智能技術在電力電子電路故障診斷中的應用

從世界上第一支晶閘管出現開始，電力電子技術已經走過了將近五十年的發展歷程。由于現在的電力電子電路故障診斷技術中存在著許多亟待解決的難題，為電力電子產業的進一步發展帶來了十分不利的影響。而將人工智能技術引入到對電力電子電路故障診斷中來已經成為了必然的發展趨勢。

（一）智能神經網絡在電力電子電路故障診斷中的應用。由于神經網絡擁有非線性、并行性、容錯性和良好的泛化能力的特點，因此它在故障診斷的許多領域中都得到了廣泛的應用。并且由于神經網絡能夠對新出現的故障模式進行學習、記憶與儲存，還可以有效的在未來的運行中對發生過的故障模式進行識別，因此對電力電子電路故障診斷中的符號推理與知識獲取方面的困難具有較好的克服能力[3]。對于在電力電子電路故障診斷中經常出現的容差問題，智能神經網絡也能夠相應的做出很好的解決，這使得原始的電力電子電路故障診斷水平上升了一個很大的臺階，對推動電力電子產業的發展起到了巨大的推動作用。

（二）聚類神經網絡在電力電子電路故障診斷中的應用。當電力電子電路的故障模式相對建立的網絡較多、訓練較為頻繁時，原有的電力電子電路的故障診斷模式需要每一次診斷都要輸入全部的小網絡，致使診斷時間過于漫長，并且這種故障模式的網絡收斂性與泛化能力也相對較差，因此大大降低了電力電子電路故障診斷的精確度[4]。

四、結束語

電力電子電路的故障診斷理論發展了近五十年，但是在如今的電路故障診斷領域還是存在著對強非線性電路與容差電路故障診斷的很多問題。而人工智能神經網絡對電力電子電路故障診斷具有非線性并行性與容差性的特點，因此能夠很好的解決原本的電力電子電路故障診斷中存在的問題。這對進一步推動電力電子產業的發展具有重大的意義。

參考文獻：

[1]錢照明，張軍明.我國電力電子與電力傳動面臨的挑戰與機遇[J].電工技術學報，2013（08）：101-122.

[2]張志學，馬皓.電力電子電路拓撲向量的尋求[J].中國電機工程學報，2006（20）：157-163.

[3]吳為麟，朱寧.典型 Buck 變換器故障預測的算法復雜性分析[J].電路與系統學報，2012（04）：176-179.

[4]王格芳，王學明，陳國順.基于神經網絡的紅外診斷系統研究[J].紅外與激光工程，2012（06）：526-529.

[作者簡介]彭濤（1983.07-），男，秦皇島人，就職于中鐵山橋高級技工學校，老師，助理講師，本科，研究方向：電力電子。