电力电子系统故障诊断方法浅析

1、电力电子系统故障诊断方法浅析电力电子电路的实际运行说明，大多数故障表现为功率开关器件的损坏，其中以功率开关器件的开路和直通最为常见。电力电子电路故障诊断与一般的模拟电路、数字电路的故障诊断存在较大差异，由于电力电子器件过载才能小，损坏速度快，其故障信息仅存在于发生故障到停电之前数十毫秒之内，因此，需要实时监视、在线诊断；另外电力电子电路的功率已达数千千瓦，模拟电路、数字电路诊断中采用的改变输入看输出的方法不再适用，只能以输出波形来诊断电力电子电路是否有故障及有何种故障。故障诊断的关键是提取故障的特征。故障特征是指反映故障征兆的信号经过加工处理后所得的反映设备与系统的故障种类、部位与程度的综合量

2、。故障诊断方法按提取特征的方法的区别，可分为谱分析方法、基于动态系统数学模型的方法、采用形式识别的方法、基于神经网络的方法、专家系统的方法、小波变换的方法和利用遗传算法等。这些方法将在下文详细介绍。一、故障诊断中的谱分析方法在故障诊断中比拟常用的信号处理方法是谱分析。常用傅里叶谱、沃尔什谱，另外还有滤波、相关分析等。谱分析的目的：信号中包含噪声，为了提取特征；故障信号的时域波形不能清楚地反映故障的特征。而电力电子电路中包含故障信息的关键点信号通常具有周期性，因此可以用傅里叶变换将时域中的故障波形变换到频域，以突出故障特征，实现故障诊断。傅里叶变换是将某一周期函数分解成各种频率的正弦分量，类似地

3、，沃尔什变换是将某一函数分解成一组沃尔什函数分量。自适应滤波是一种数字信号的处理统计方法，它不需要知道信号一二阶的先验统计知识，直接利用观测资料，通过运算改变滤波器的某些参数，而使自适应滤波器的输出能自动跟踪信号特性的变化。在电力电子系统故障诊断中，可以用自适应处理来实现噪声抵消，谱线增强等功能，从噪声背景下提取故障特征，从而实现准确的诊断。二、参数模型与故障诊断假如系统的数学模型是的，就可以通过测量，估计系统的状态和参数，确定状态变量和系统参量是否变化。采用基于系统数学模型的故障诊断方法，可以从较少的测量点去估计系统的多个状态量或系统参数，从而实现故障诊断。进一步又可以分为检测滤波器方法、状

4、态估计法和参数辨识方法三种。1、检测滤波器方法它将部件、执行机构和传感器的故障的输出方向分别固定在特定的方向或平面上。2、状态估计法通过监测系统的状态变化，也能反映由系统参数变化引起的故障，并对故障进展诊断。与一般的状态估计不同，在进展故障诊断时，并不是去估计未知的状态信息，而是借助观测器或卡尔曼滤波器去重构系统的输出，以便获得系统输出的估计值。这个估计值与实际输出值之差就叫量测残差。残差中含有大量的系统内部变化的信息，因此可以作为故障诊断的根据。状态估计法的优点是在线计算量小，诊断速度快。3、参数辨识方法实时辨识出系统模型的参数，与正常时模型的参数比拟，确定故障。常用的有最小二乘法。三、形式

5、识别在故障诊断中的应用故障的形式识别就是从那些反映系统的信息中抽取出反映故障的特征，并根据这些特征的不同属性，对故障进展分类。用形式识别方法进展故障诊断，是根据样本的数学特征来进展的，因此它不需要准确的数学模型。对于一些被诊断对象数学模型过于复杂、不易求解的问题，形式识别方法也是适用的。另外，在对工业系统的故障诊断中应尽量利用非数学包括物理和构造方面的特征，设计出各种各样的特征提取器，这样将有利于利用对已有系统的知识，有利于减少计算工作量。由于特征的选择和提取与待识别的形式严密相关，故很难有某种泛泛的规律可循。目前常用的方法有：最小间隔 分类法，bayes分类法，fisher判别法，从参数模型

6、求特征，用k-l变换提取特征等四、基于神经网络的故障诊断方法利用神经网络的自学习、自归纳才能，经过一定的训练，建立起故障信号与故障分类之间的映像关系。利用学习后的神经网络，实现故障诊断。神经网络是由大量的神经元广泛互连而成的网络，这里以bp网络为例加以介绍。bp网络是单向传播的多层前向网络，它由输入层、中间层和输出层组成，中间层可有假设干层，每一层的神经元只承受前一层神经元的输出。bp网络中没有反应，同一层的节点之间没有耦合，每一层的节点只影响下一层节点的输入。bp网络一般采取的学习算法是：网络的输出和希望的输出进展比拟，然后根据两者之间的差调整网络的权值，最终使误差变为最校当电力电子电路发生

7、故障时，假如可以利用神经网络的学习才能，使故障波形与故障原因之间的关系通过神经网络的学习后保存在其构造和权中，然后将学习好的神经网络用于故障诊断，神经网络就可以通过对当前电压或电流波形的分析，得出故障原因，从而实现故障的在线自动诊断。五、专家系统由于故障诊断是从被监测和诊断的对象表征去寻找故障的成因、部位，并确定故障的严重程度的，因此，假如把由故障去分析系统或设备的运行特性与表征叫做正问题，那么故障诊断就是逆问题了。这种逆问题的求解明显不同于正问题的求解，而人工智能aiartifiialintelligene技术中的专家系统esexpertsyste正是解这种逆问题的有利工具。专家系统是人工智

8、能研究的一个分支，它是通过模拟专家的经历，实现故障诊断。专家系统的构造如下表所示：一个典型的诊断专家系统通过在线监测并进展数据采集、存贮，然后传送到诊断运行中心，在这里由专家系统进展处理、分析和诊断，最后将诊断结果和处理建议自动地反应回运行现常因此，专家系统是诊断系统中最核心的部分。本文后面将介绍作者在实际中应用专家系统方法进展故障诊断的实例。六、小波变换的方法在故障诊断中,突变信号往往对应着设备的某种故障，分析和识别系统中产生的各种波形信号，并判别其状态，是进展电路故障诊断中的有效方法之一。设备正常运行时发出的信号较平稳，一旦设备出现故障，就将发出具有奇异性的动态非平稳信号。为了实现设备故障

9、的快速、准确检测，必须有效地识别故障发生瞬间的非平稳信号。信号的处理与分析是故障预测和诊断的根底，进步诊断的准确度需要信号处理和分析方法，小波变换以其对非平稳信号部分化分析，及良好的时频定位功能的突出优点，为故障诊断提供了新的、强有力的分析手段，弥补了传统故障诊断中因为专家的经历知识很难准确描绘，存在知识获取的“瓶颈问题。七、遗传算法遗传算法gagenetialgrith是一种新开展起来的优化算法，目前它已经成为人们用来解决高度复杂问题的一个新思路和新方法。它根据适者生存、优胜劣汰的进化规那么，对包含可能解的群体进展基于遗传学的操作，不断消费新的群体并使群体不断进化，同时以全局并行搜索优化群体中的最优个体以求得满足要求的最优解。ga以其能以较大概率求得全局最优解、计算时