電力電子系統(tǒng)故障診斷方法淺析

1、電力電子系統(tǒng)故障診斷方法淺析電力電子電路的實際運行說明，大多數(shù)故障表現(xiàn)為功率開關(guān)器件的損壞，其中以功率開關(guān)器件的開路和直通最為常見。電力電子電路故障診斷與一般的模擬電路、數(shù)字電路的故障診斷存在較大差異，由于電力電子器件過載才能小，損壞速度快，其故障信息僅存在于發(fā)生故障到停電之前數(shù)十毫秒之內(nèi)，因此，需要實時監(jiān)視、在線診斷；另外電力電子電路的功率已達數(shù)千千瓦，模擬電路、數(shù)字電路診斷中采用的改變輸入看輸出的方法不再適用，只能以輸出波形來診斷電力電子電路是否有故障及有何種故障。故障診斷的關(guān)鍵是提取故障的特征。故障特征是指反映故障征兆的信號經(jīng)過加工處理后所得的反映設(shè)備與系統(tǒng)的故障種類、部位與程度的綜合量

2、。故障診斷方法按提取特征的方法的區(qū)別，可分為譜分析方法、基于動態(tài)系統(tǒng)數(shù)學(xué)模型的方法、采用形式識別的方法、基于神經(jīng)網(wǎng)絡(luò)的方法、專家系統(tǒng)的方法、小波變換的方法和利用遺傳算法等。這些方法將在下文詳細介紹。一、故障診斷中的譜分析方法在故障診斷中比擬常用的信號處理方法是譜分析。常用傅里葉譜、沃爾什譜，另外還有濾波、相關(guān)分析等。譜分析的目的：信號中包含噪聲，為了提取特征；故障信號的時域波形不能清楚地反映故障的特征。而電力電子電路中包含故障信息的關(guān)鍵點信號通常具有周期性，因此可以用傅里葉變換將時域中的故障波形變換到頻域，以突出故障特征，實現(xiàn)故障診斷。傅里葉變換是將某一周期函數(shù)分解成各種頻率的正弦分量，類似地

3、，沃爾什變換是將某一函數(shù)分解成一組沃爾什函數(shù)分量。自適應(yīng)濾波是一種數(shù)字信號的處理統(tǒng)計方法，它不需要知道信號一二階的先驗統(tǒng)計知識，直接利用觀測資料，通過運算改變?yōu)V波器的某些參數(shù)，而使自適應(yīng)濾波器的輸出能自動跟蹤信號特性的變化。在電力電子系統(tǒng)故障診斷中，可以用自適應(yīng)處理來實現(xiàn)噪聲抵消，譜線增強等功能，從噪聲背景下提取故障特征，從而實現(xiàn)準確的診斷。二、參數(shù)模型與故障診斷假如系統(tǒng)的數(shù)學(xué)模型是的，就可以通過測量，估計系統(tǒng)的狀態(tài)和參數(shù)，確定狀態(tài)變量和系統(tǒng)參量是否變化。采用基于系統(tǒng)數(shù)學(xué)模型的故障診斷方法，可以從較少的測量點去估計系統(tǒng)的多個狀態(tài)量或系統(tǒng)參數(shù)，從而實現(xiàn)故障診斷。進一步又可以分為檢測濾波器方法、狀

4、態(tài)估計法和參數(shù)辨識方法三種。1、檢測濾波器方法它將部件、執(zhí)行機構(gòu)和傳感器的故障的輸出方向分別固定在特定的方向或平面上。2、狀態(tài)估計法通過監(jiān)測系統(tǒng)的狀態(tài)變化，也能反映由系統(tǒng)參數(shù)變化引起的故障，并對故障進展診斷。與一般的狀態(tài)估計不同，在進展故障診斷時，并不是去估計未知的狀態(tài)信息，而是借助觀測器或卡爾曼濾波器去重構(gòu)系統(tǒng)的輸出，以便獲得系統(tǒng)輸出的估計值。這個估計值與實際輸出值之差就叫量測殘差。殘差中含有大量的系統(tǒng)內(nèi)部變化的信息，因此可以作為故障診斷的根據(jù)。狀態(tài)估計法的優(yōu)點是在線計算量小，診斷速度快。3、參數(shù)辨識方法實時辨識出系統(tǒng)模型的參數(shù)，與正常時模型的參數(shù)比擬，確定故障。常用的有最小二乘法。三、形式

5、識別在故障診斷中的應(yīng)用故障的形式識別就是從那些反映系統(tǒng)的信息中抽取出反映故障的特征，并根據(jù)這些特征的不同屬性，對故障進展分類。用形式識別方法進展故障診斷，是根據(jù)樣本的數(shù)學(xué)特征來進展的，因此它不需要準確的數(shù)學(xué)模型。對于一些被診斷對象數(shù)學(xué)模型過于復(fù)雜、不易求解的問題，形式識別方法也是適用的。另外，在對工業(yè)系統(tǒng)的故障診斷中應(yīng)盡量利用非數(shù)學(xué)包括物理和構(gòu)造方面的特征，設(shè)計出各種各樣的特征提取器，這樣將有利于利用對已有系統(tǒng)的知識，有利于減少計算工作量。由于特征的選擇和提取與待識別的形式嚴密相關(guān)，故很難有某種泛泛的規(guī)律可循。目前常用的方法有：最小間隔 分類法，bayes分類法，fisher判別法，從參數(shù)模型

6、求特征，用k-l變換提取特征等四、基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自歸納才能，經(jīng)過一定的訓(xùn)練，建立起故障信號與故障分類之間的映像關(guān)系。利用學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)，實現(xiàn)故障診斷。神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元廣泛互連而成的網(wǎng)絡(luò)，這里以bp網(wǎng)絡(luò)為例加以介紹。bp網(wǎng)絡(luò)是單向傳播的多層前向網(wǎng)絡(luò)，它由輸入層、中間層和輸出層組成，中間層可有假設(shè)干層，每一層的神經(jīng)元只承受前一層神經(jīng)元的輸出。bp網(wǎng)絡(luò)中沒有反應(yīng)，同一層的節(jié)點之間沒有耦合，每一層的節(jié)點只影響下一層節(jié)點的輸入。bp網(wǎng)絡(luò)一般采取的學(xué)習(xí)算法是：網(wǎng)絡(luò)的輸出和希望的輸出進展比擬，然后根據(jù)兩者之間的差調(diào)整網(wǎng)絡(luò)的權(quán)值，最終使誤差變?yōu)樽钚．旊娏﹄娮与娐钒l(fā)生

7、故障時，假如可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)才能，使故障波形與故障原因之間的關(guān)系通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)后保存在其構(gòu)造和權(quán)中，然后將學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)用于故障診斷，神經(jīng)網(wǎng)絡(luò)就可以通過對當前電壓或電流波形的分析，得出故障原因，從而實現(xiàn)故障的在線自動診斷。五、專家系統(tǒng)由于故障診斷是從被監(jiān)測和診斷的對象表征去尋找故障的成因、部位，并確定故障的嚴重程度的，因此，假如把由故障去分析系統(tǒng)或設(shè)備的運行特性與表征叫做正問題，那么故障診斷就是逆問題了。這種逆問題的求解明顯不同于正問題的求解，而人工智能aiartifiialintelligene技術(shù)中的專家系統(tǒng)esexpertsyste正是解這種逆問題的有利工具。專家系統(tǒng)是人工智

8、能研究的一個分支，它是通過模擬專家的經(jīng)歷，實現(xiàn)故障診斷。專家系統(tǒng)的構(gòu)造如下表所示：一個典型的診斷專家系統(tǒng)通過在線監(jiān)測并進展數(shù)據(jù)采集、存貯，然后傳送到診斷運行中心，在這里由專家系統(tǒng)進展處理、分析和診斷，最后將診斷結(jié)果和處理建議自動地反應(yīng)回運行現(xiàn)常因此，專家系統(tǒng)是診斷系統(tǒng)中最核心的部分。本文后面將介紹作者在實際中應(yīng)用專家系統(tǒng)方法進展故障診斷的實例。六、小波變換的方法在故障診斷中,突變信號往往對應(yīng)著設(shè)備的某種故障，分析和識別系統(tǒng)中產(chǎn)生的各種波形信號，并判別其狀態(tài)，是進展電路故障診斷中的有效方法之一。設(shè)備正常運行時發(fā)出的信號較平穩(wěn)，一旦設(shè)備出現(xiàn)故障，就將發(fā)出具有奇異性的動態(tài)非平穩(wěn)信號。為了實現(xiàn)設(shè)備故障

9、的快速、準確檢測，必須有效地識別故障發(fā)生瞬間的非平穩(wěn)信號。信號的處理與分析是故障預(yù)測和診斷的根底，進步診斷的準確度需要信號處理和分析方法，小波變換以其對非平穩(wěn)信號部分化分析，及良好的時頻定位功能的突出優(yōu)點，為故障診斷提供了新的、強有力的分析手段，彌補了傳統(tǒng)故障診斷中因為專家的經(jīng)歷知識很難準確描繪，存在知識獲取的“瓶頸問題。七、遺傳算法遺傳算法gagenetialgrith是一種新開展起來的優(yōu)化算法，目前它已經(jīng)成為人們用來解決高度復(fù)雜問題的一個新思路和新方法。它根據(jù)適者生存、優(yōu)勝劣汰的進化規(guī)那么，對包含可能解的群體進展基于遺傳學(xué)的操作，不斷消費新的群體并使群體不斷進化，同時以全局并行搜索優(yōu)化群體中的最優(yōu)個體以求得滿足要求的最優(yōu)解。ga以其能以較大概率求得全局最優(yōu)解、計算時