电力电子电路智能故障诊断技术研究

摘 要：电力电子技术作为当今高新技术系统中不可缺少的关键技术之一，在对传统电力、机械等产业进行改造和对高新技术的发展与能源的高效利用上都具有十分重要的作用。然而，随着我国电力电子技术的不断发展，电力电子器件设备的复杂程度也越来越高，致使操作人员对电力电子设备的诊断与维护工作越来越困难，而且在电力电子设备的电路发生故障后，人工对电路设备进行诊断已经无法及时对故障进行诊断、维修与替换，因此，将智能技术引入电力电子电路设备的故障诊断中来具有重大的意义与价值。

关键词：电力电子设备；电路故障；智能诊断；研究

中图分类号：TM921 文献标识码：A 文章编号：1674-7712 （2014） 02-0000-01

随着我国电子产业的发展，电力电子系统集成技术已经越来越广泛的被人们所应用。然而，随着电力电子技术的发展越来越先进，其设备本身的复杂性也越来越高，使得对电力电子设备电路故障的诊断与修护、替换等工作也越发困难。定期对电力电子设备的电路进行诊断与维护，对减少电力电子设备的故障发生频率、降低企业对电力电子设备的维护成本方面都是较为有利的。本文在对电力电子设备电路故障诊断的现状与存在问题进行具体的了解与分析的基础上，将对电力电子电路设备的智能诊断技术进行进一步研究。

一、电力电子设备中电路的主要故障模式

电力电子设备的电路故障主要分为结构性故障与参数性故障两种。电力电子电路的结构性故障主要指电路中的电容、电阻、电感与各种开关等电路器件的短路与开路，由于功率器件的损坏而导致电力电子设备的主电路的结构发生改变是这一故障最为主要的表现形式。而电力电子电路的参数性故障主要是指电阻、电感、电容等器件参数由于发生了偏移或者开关的性能较为劣化，而导致了电力电子设备的电路装置特性与它的正常特性产生了严重的偏离[1]。

对于电力电子设备的电器原件来说，主要分为两种故障模式，即硬故障和软故障。电器元件的硬故障主要是指电器元件发生了开路或短路的现象，而电器元件的软故障则主要是指电器元件虽没有发生开路，但是电器元件的大小却与它的正常范围，由此导致了电路的特性也发生偏离。

作为能够影响整个电力电子系统性能的电容器，是造成电路发生故障的最主要因素。开路、短路、硬故障偏小、软故障偏大这四种情况是致使电容器发生故障的主要模式。其中开路故障主要发生在陶瓷或者铝制电容中，短路故障主要发生在钽电容中。

开关器件作为电力电子设备中变化器的基本单元和关键部件，具有较强的可靠性，它主要有开路和短路两种故障模式。

二、电力电子电路故障诊断的难点

由于电力电子产业发展较快，电力电子设备的内部构造越来越复杂，这造成了对电力电子设备的电路故障难以进行诊断的现状。再加上对电路的在线诊断本身就具有较高的要求，而且测试激励不好选用，使得对电力电子电路故障的诊断难上加难。

首先，电力电子设备的电路存在着非线性故障诊断问题。由于电力电子设备的非线性电路较强，所以很难对其建立起精确的数学模型。其次，常用的电力电子电路测试节点只负责输出负载电压，而仅靠设备的输出电压难以对电路故障做出具体的诊断或是根本不能诊断。而如果增加电力电子电路的测试节点又会提高电路的复杂性，并对负载输出的电压产生交叉影响，进一步加大了故障诊断的难度[2]。第三，由于电力电子电路的故障诊断信息只在故障发生后与停电前的几十毫秒内存在，因此对其需要进行在线诊断与动态监听。而要完成电路的在线诊断就需要在原有的设备基础上再增加新的部件，而这往往会导致企业成本的大幅上升。

由于这些难点的存在，使得电子电力电路设备的诊断变得十分困难而复杂。

三、智能技术在电力电子电路故障诊断中的应用

从世界上第一支晶闸管出现开始，电力电子技术已经走过了将近五十年的发展历程。由于现在的电力电子电路故障诊断技术中存在着许多亟待解决的难题，为电力电子产业的进一步发展带来了十分不利的影响。而将人工智能技术引入到对电力电子电路故障诊断中来已经成为了必然的发展趋势。

（一）智能神经网络在电力电子电路故障诊断中的应用。由于神经网络拥有非线性、并行性、容错性和良好的泛化能力的特点，因此它在故障诊断的许多领域中都得到了广泛的应用。并且由于神经网络能够对新出现的故障模式进行学习、记忆与储存，还可以有效的在未来的运行中对发生过的故障模式进行识别，因此对电力电子电路故障诊断中的符号推理与知识获取方面的困难具有较好的克服能力[3]。对于在电力电子电路故障诊断中经常出现的容差问题，智能神经网络也能够相应的做出很好的解决，这使得原始的电力电子电路故障诊断水平上升了一个很大的台阶，对推动电力电子产业的发展起到了巨大的推动作用。

（二）聚类神经网络在电力电子电路故障诊断中的应用。当电力电子电路的故障模式相对建立的网络较多、训练较为频繁时，原有的电力电子电路的故障诊断模式需要每一次诊断都要输入全部的小网络，致使诊断时间过于漫长，并且这种故障模式的网络收敛性与泛化能力也相对较差，因此大大降低了电力电子电路故障诊断的精确度[4]。

四、结束语

电力电子电路的故障诊断理论发展了近五十年，但是在如今的电路故障诊断领域还是存在着对强非线性电路与容差电路故障诊断的很多问题。而人工智能神经网络对电力电子电路故障诊断具有非线性并行性与容差性的特点，因此能够很好的解决原本的电力电子电路故障诊断中存在的问题。这对进一步推动电力电子产业的发展具有重大的意义。

参考文献：

[1]钱照明，张军明.我国电力电子与电力传动面临的挑战与机遇[J].电工技术学报，2013（08）：101-122.

[2]张志学，马皓.电力电子电路拓扑向量的寻求[J].中国电机工程学报，2006（20）：157-163.

[3]吴为麟，朱宁.典型 Buck 变换器故障预测的算法复杂性分析[J].电路与系统学报，2012（04）：176-179.

[4]王格芳，王学明，陈国顺.基于神经网络的红外诊断系统研究[J].红外与激光工程，2012（06）：526-529.

[作者简介]彭涛（1983.07-），男，秦皇岛人，就职于中铁山桥高级技工学校，老师，助理讲师，本科，研究方向：电力电子。