電力電子電路故障診斷技術探索與預測

徐超國

摘要：隨著社會的不斷進步和發展以及科技水平的不斷提升，我國的電力電子電路技術也取得了飛速的發展，為人們的生產活動的開展以及日常生活帶來了非常大的便利。但是隨著電力電子電路技術的不斷提升，其電子系統的結構也越來越復雜，使用過程中不可避免的會出現各種各樣的問題，因此電力電子電路故障診斷技術也引起了人們更加廣泛的關注和重視，并為電子系統正常有序的運轉提供了必要的支持和保障。下面，我們就對電力電子電路故障診斷技術的研究與預測進行簡單的分析和探究，希望能夠為技術的提升和進步帶來些許的幫助作用。

關鍵詞：電力電子電路、故障診斷技術、探索與預測

一、電力電子電路的概述

電力電子電路是指利用電力電子器件對工業電能進行有效的轉換和控制的大功率電子電路。電力電子電路與傳統的旋轉式變流電路存在著一定的區別，其電路中沒有旋轉元及其部件等，所以又被稱為靜止式交流電路。相對于傳統的旋轉式變流電路來說，電力電子電路具有無磨損、噪音低以及工作效率高等特點，因此在實際使用過程中不需要為其建造專門的地基，而且更加利于實現自動控制和生產。電力電子電路按照電能變換時的電路功能可以分為：整流電路（AC/DC變換電路）、逆變電路（DC/AC變換電路）、交流變換電路（AC/AC變換電路）、直流變換電路（DC/DC變換電路）這四種;而按照電能轉換次數可以分為：基本變換電路、組合變換電路兩種[1]。

二、應用電力電子電路故障診斷技術的重要意義以及故障診斷的技術手段

（一）電力電子電路故障診斷技術的應用意義

電力電子電路故障診斷技術是保證電力電子電路系統正常穩定運行的重要保障和手段之一。通過對電力電子電路故障診斷技術的科學合理的應用，則可以大大提高電力電子電路系統運行的穩定性，而且可以大大提高電力電子電路系統的工作效率。而且合理應用電力電子電路故障診斷技術也可以有效減少維修人員的工作量，提供維修人員對于電力電子電路系統維護檢修的工作效率，為維護檢修企業以及部門的發展起到了非常積極的促進作用。通過電力電子電路故障診斷技術的應用也可以有效減少維護檢修所需要的時間，提高故障診斷以及解決的精確度，避免故障診斷檢修時所造成的損失[2]。

（二）電力電子電路故障診斷的技術手段和方法

電力電子電路故障診斷的具體技術手段和方法主要包括小波分析技術、馬氏距離技術以及隱馬爾科夫技術等等。

小波分析技術主要是指用有限長或快速衰減的、稱為母小波（mother wavelet）的振蕩波形來表示信號，然后將這種信號傳送方式與電力電子電路故障診斷進行有效的結合，通過分析小波信號的傳輸頻率以及時間等，來提前信號中的有用信息，從而達到電力電子電路故障診斷的目的。通過研究可以發現，小波分析具有多分辨率分析的特征，在低頻部分的時間分辨率較低，頻率分辨率則相對來說比較高;而高頻部分的時間分辨率比較高，而頻率的分辨率則相對來說比較低。

馬氏距離技術則是一種計算兩個未知樣本集的相似度的有效方法，通過分析不同個體點與分布之間的具體距離來得出與同一分布以及其協方差矩陣為Σ的隨機變量之間的差異程度，從而達到得出有用信息的目的。相對于我們熟悉的歐式距離來說，馬氏距離不會受到量綱的影響，兩點之間的馬氏距離與原始數據的測量單位無關，由標準化數據和中心化數據（即原始數據與均值之差）計算出的二點之間的馬氏距離相同，馬氏距離還可以排除變量之間的相關性的干擾。

隱馬爾科夫技術為稱之為HMM技術，該技術在二十世紀六七十年代就已經被創立出來，因此其技術相對來說比較成熟度，應用相對來說也比較廣泛。但是隱馬爾可夫技術在狀態轉移以及統計觀測方面具有很大的隨機性，因此在實際的過程中，通過該技術得出的觀測結論與電力電子電路所處的實際狀態有時候會有一定的差距，而概率分布則是兩個部分的重要連接載體。隨著科技水平的不斷發展和提升，隱馬爾可夫技術也在不斷的成熟和完善，特別是隱馬爾可夫技術在語音識別技術中的應用，則與電力電子電路維修檢測中應用有很多的相似之處。相對于通過只能憑借電子信號來判斷電路運行的內部狀態以及電路健康程度的方法來說，則可以體現出隱馬爾可夫技術在維修檢測方面的優越性[3]。

三、電力電子電路故障預測的技術手段和方法

（一）AR模型預測技術

AR模型又稱之為自回歸模型，通過利用自身作為回歸的變量，即利用前期若干時刻的隨機變量的線性組合來描述以后某時刻隨機變量的線性回歸模型，同時也是時間序列中的一種常見形式。AR模型預測技術在平穩隨機序列研究方面具有非常重要的作用，而噪聲源則是影響技術預測結果準確性的主要因素之一。目前應用比較廣泛的AR模型預測技術主要包括以下兩種：一種是最小二乘法又稱最小平方法，是一種數學優化技術，通過最小化誤差的平方以及尋找數據的最佳函數匹配來達到最佳結果的目的。另外一種則是通過誤差濾波器將造成誤差的功率達到其最小值，利用列文森遞推公式以及噪聲差分公式來最終得出Burg遞推技術[4]。

（二）BP神經網絡預測技術

BP神經網絡預測技術又稱為多層前饋神經網絡技術，是指通過模仿生物大腦的結構以及功能來形成的一種信息處理系統，通過不同神經元之間的連接來構成不同的神經網絡模型，而BP神經網絡預測模型則是其中之一。在進行BP網絡設計前，一般應從網絡的層數、每層中的神經元個數、初始值以及學習方法等方面進行考慮，BP神經網絡主要是由輸入層、隱含層和輸出層組成。BP神經網絡預測技術在電力電子電路故障診斷過程中利用誤差逆轉傳播算法，不斷降低誤差函數值的最小梯度，從而使誤差保持在規定的范圍之內，這樣就可以實現不斷修正和優化已經連接的神經網絡的目的。BP神經網絡預測技術主要包括信號前向傳播以及誤差反向傳播兩種傳播方式，即將網絡輸出按照信號輸入和輸出的方向進行分析和計算，然后通過信號輸出和輸入的反向進行修改和優化。

（三）GM預測技術

GM預測技術又稱之為灰色預測模型，是一種非常簡單的數學模型方法。灰色系統理論中的灰色預測法是一種對既包含已知信息又包含很多不穩定因素的系統進行預測的方法。在利用GM預測技術對電力電子電路故障進行預測時，通過對已知信息、未知信息以及樣本等來達到從中提取有效信息的目的。而且通過GM預測技術也可以有效監控電力電子電路系統的運行行為，從而達到對于電力電子電路系統的控制和預測的最終目的[5]。

結語：電力電子電路故障的診斷和預測，不僅可以保證電力電子電路系統的有效運行，而且對于企業的日常生產活動開展也具有非常重要的意義。因此在實際的故障診斷和預測過程中，各種技術方法和手段也在不斷的進行優化和改進。

參考文獻：

[1]楊春宇， 周志恒， 張嵩，等. 電力電子電路故障診斷技術探索與預測[J]. 數字化用戶， 2019， 025（001）：60.

[2]姜濤， 劉蓮秋， 魏振. 電力電子電路智能故障診斷技術研究[J]. 工程技術（全文版）， 2016（11）：00274-00274.

[3]朱權忠. 電力電子系統故障診斷技術研究綜述[J]. 城市建設理論研究（電子版）， 2016， 000（015）：3349-3349.

[4]梁博， 張培訓. 基于電力電子電路智能故障診斷技術研究[J]. 山東工業技術， 2016， 000（014）：137-137.

[5]汪建軍， 李曉輝. 電力電子電路故障診斷與分析[J]. 工程技術（文摘版）， 2016（5）：00021-00021.