韩菁

江苏技术师范学院

软故障在电力电子电路的诊断方法对比

韩菁

江苏技术师范学院

为了有效降低因为电力电子装置故障而形成的停机时间，并且方便工作人员提前维修即将产生故障的器件，对于电力电子办的故障诊断的研究则是非常重要的。就当前来看，电力电子电路故障的诊断技术在不断的发展，大家对于故障诊断的研究也在逐渐加深，人们也越来越关注电力电子电路的故障诊断。为此，电路故障诊断也将会成为此行业中十分关注的问题。

软故障 电力电子 电路 诊断方法 对比

就当前来看，电路故障的基本诊断方法主要有以下几类，首先是基于故障频率诊断算法的诊断方法，其次为基于故障字典算法的诊断方法以及基于K故障诊断算法的诊断方法等。而第一大类是最为常见的诊断方法，这是由于电路产生故障的频率非常高，而且故障产生的基本原因也比较复杂，为此，研究电路故障出现的原因是必不可少的。

1 电力电子电路的基本认识

1.1 电力电子电路的具体特点

与我们平常所说的模拟电路或者数字电路有所不同，电力电子电路的基本器件过载能力相对较小，所以，设备损坏的速度也非常的快，通常情况下，其具体的损坏时间保持在十微秒以内，为此，当故障产生之前不易发觉征兆。根据传统故障判断方法来分析，它主要依靠所输出的波形加以判断的，判断其缓变的具体故障，可是这类方式对于电力电子电路中快速的突发性故障是不能完全掌握的。

1.2 电力电子电路故障的诊断

由于传统故障判断方法有一定的缺陷，因此，有关学者研究出了一类关于粒子群优化算法的电力电子电路故障诊断法，运用此类被优化后的方法来运算相应的离子，再运用类种方法把一些无法确定的因素加以诊断。通过在不同情况下的实验，我们将清楚地看到它运用于电力电子电路故障的诊断，在此过程中还能够十分精准地获得我们想要的信息，并且其效率也是非常理想的。

1.3 电力电子电路在运行过程中的可靠性

人们对于电力电子电路在具体的运行过程中十分注重其可靠性，但是在实际的操作中却不能对此展开良好的计划，随着电力电子装置被不断的运用，此装置的妨碍一般体现在电子器件的损坏上，但是，具体的妨碍信息只存在于产生妨碍至停电前的数十毫秒内，同时，一些运用专家体系对发电机励磁体系的晶闸管整流电路举行妨碍诊断，在对付那些比较大的电路时，其基本信号引出线也会有所增加，但是它只适用于不带反电动势的整流电路中，如何计划出科学合理的电力电子电路妨碍诊断方案，还需要以非侵入性来联接相关要领。电力电子电路的具体功率逐渐上升至数千千瓦，这种情况也是因为电力电子器件的过载能力小。近些年以来，无论是国内还是国外都有许多研究人员对于电力电子电路的防碍诊断问题展开了相应的探讨，它的破坏速度非常快，对于这类要领我们需要同时监测每一个晶闸管元件的端电压，在妨碍出现前是很难找到相关前兆的，这也造成了对主电路的滋扰。

2 电力电子电路软故障的基本诊断方法

对于电力电子电路的软故障诊断，我们主要分析了在知识故障诊断中的两类典型运用，即SVM法与BPNN法，由于BPNN的基本结构主要运用单输出BPNN模型以及多输出BPNN模型。而SVM模型主要运用了OVA算法与OVO算法。

2.1 SVM法

SVM分类的具体思想主要是建立于一个超平面当作决策曲面，让其处于反例和正例之间的隔离边缘，并且被最大化。在展开线性分类的过程中，把具体分类面取出在离两类样本距离最大的地方，在展开非线性分类时，还要通过高维空间对其进行变换，把非线性分类转变为空间的线性分类问题。因为SVM自身具备分类的问题，在对多分类问题进行处理时，往往被转化成二分类的基本问题，为此，我们一般会运用两类转换方法，即OVA算法与OVO算法两种。OVA（一对多算法）主要指的是把一个C类分类的具体问题转化成C个二分类的问题，其中第i个分类器主要是通过将属于第i类样本点作为正类，而其它的所有样本点当作负类所训练形成。OVO（一对一算法）主要指的是把一个C类分类问题转化成C（C-1）/2个二分类，一个分类器只可以把指定的两种故障模式进行分类。

2.2 BPNN法

BPNN法在当前属于多层馈神经网络，其基本特点是能够在信号前进行传递，且误差反向传播。根据相关研究显示，三层BPNN结构能够有效逼近任何一类非线性函数。在BPNN模式中一般能够设计出两大类，其一为单输出BPNN模型，其二为多输出BPNN模型，它们二者之间的具体差别在于输出参量的基本个数，对于单输出BPNN模型来说只是输出一个参量，它只适用于单个故障诊断模式，而且每一种电路的工作模式基本对应一个故障分类器。而多输出BPNN模型能够同时输出多个参量，每一个参量对应一种单故障或者电路正常的工作模式，也就是所有电路工作模式只能够对应出一个分类器。

3 结束语

随着功率半导体工艺水平的不断提升以及计算机技术水平的持续发展，也将推动了各类高性能电力电子产品的出世，其具体涉及的领域为电力系统、通信设备、家用电器、航空航天、交通运输等方面。在本文中，主要分析电力电子电路软故障诊断的两种诊断方法，即BPNN法与SVM法，通过有关研究我们发现单输出BPNN模型通常只适用于故障模式较多，且诊断率要求比较高的场合，而多输出BPNN模型的基本构建相对简单，它通常适用于多故障模式，且诊断要求较低场合中。与单输出BPNN模型特点比较相似为OVA SVM算法，但是OVA SVM算法的诊断率比单输出BPNN模型要低，而OVO SVM算法却适用于故障模式少，只有单故障的模式场合中。

[1]朱志荣.电力电子电路故障诊断方法探析[J].科技传播,2014,16:188+190

[2]任磊,韦徵,龚春英,沈茜.电力电子电路功率器件故障特征参数提取技术综述[J/OL].中国电机工程学报,2015(12).021. html

[3]李猛,王友仁.电力电子电路软故障诊断方法对比分析[J].电子测量技术,2015,07:110-114

[4]罗慧,王友仁,崔江,赵鹏.电力电子电路多源特征层融合故障诊断方法[J].电机与控制学报,2010,04:92-96

[5]佟子钰,崔江.基于M-arySVM的电力电子电路故障诊断方法研究[J].机械制造与自动化,2016,03:199-201+216

韩菁（1985—），女，汉族，江苏南京人，江苏技术师范学院，工学学士，助教，从事电子电路分析与设计研究。