徐超国

摘要：随着社会的不断进步和发展以及科技水平的不断提升，我国的电力电子电路技术也取得了飞速的发展，为人们的生产活动的开展以及日常生活带来了非常大的便利。但是随着电力电子电路技术的不断提升，其电子系统的结构也越来越复杂，使用过程中不可避免的会出现各种各样的问题，因此电力电子电路故障诊断技术也引起了人们更加广泛的关注和重视，并为电子系统正常有序的运转提供了必要的支持和保障。下面，我们就对电力电子电路故障诊断技术的研究与预测进行简单的分析和探究，希望能够为技术的提升和进步带来些许的帮助作用。

关键词：电力电子电路、故障诊断技术、探索与预测

一、电力电子电路的概述

电力电子电路是指利用电力电子器件对工业电能进行有效的转换和控制的大功率电子电路。电力电子电路与传统的旋转式变流电路存在着一定的区别，其电路中没有旋转元及其部件等，所以又被稱为静止式交流电路。相对于传统的旋转式变流电路来说，电力电子电路具有无磨损、噪音低以及工作效率高等特点，因此在实际使用过程中不需要为其建造专门的地基，而且更加利于实现自动控制和生产。电力电子电路按照电能变换时的电路功能可以分为：整流电路（AC/DC变换电路）、逆变电路（DC/AC变换电路）、交流变换电路（AC/AC变换电路）、直流变换电路（DC/DC变换电路）这四种;而按照电能转换次数可以分为：基本变换电路、组合变换电路两种[1]。

二、应用电力电子电路故障诊断技术的重要意义以及故障诊断的技术手段

（一）电力电子电路故障诊断技术的应用意义

电力电子电路故障诊断技术是保证电力电子电路系统正常稳定运行的重要保障和手段之一。通过对电力电子电路故障诊断技术的科学合理的应用，则可以大大提高电力电子电路系统运行的稳定性，而且可以大大提高电力电子电路系统的工作效率。而且合理应用电力电子电路故障诊断技术也可以有效减少维修人员的工作量，提供维修人员对于电力电子电路系统维护检修的工作效率，为维护检修企业以及部门的发展起到了非常积极的促进作用。通过电力电子电路故障诊断技术的应用也可以有效减少维护检修所需要的时间，提高故障诊断以及解决的精确度，避免故障诊断检修时所造成的损失[2]。

（二）电力电子电路故障诊断的技术手段和方法

电力电子电路故障诊断的具体技术手段和方法主要包括小波分析技术、马氏距离技术以及隐马尔科夫技术等等。

小波分析技术主要是指用有限长或快速衰减的、称为母小波（mother wavelet）的振荡波形来表示信号，然后将这种信号传送方式与电力电子电路故障诊断进行有效的结合，通过分析小波信号的传输频率以及时间等，来提前信号中的有用信息，从而达到电力电子电路故障诊断的目的。通过研究可以发现，小波分析具有多分辨率分析的特征，在低频部分的时间分辨率较低，频率分辨率则相对来说比较高;而高频部分的时间分辨率比较高，而频率的分辨率则相对来说比较低。

马氏距离技术则是一种计算两个未知样本集的相似度的有效方法，通过分析不同个体点与分布之间的具体距离来得出与同一分布以及其协方差矩阵为Σ的随机变量之间的差异程度，从而达到得出有用信息的目的。相对于我们熟悉的欧式距离来说，马氏距离不会受到量纲的影响，两点之间的马氏距离与原始数据的测量单位无关，由标准化数据和中心化数据（即原始数据与均值之差）计算出的二点之间的马氏距离相同，马氏距离还可以排除变量之间的相关性的干扰。

隐马尔科夫技术为称之为HMM技术，该技术在二十世纪六七十年代就已经被创立出来，因此其技术相对来说比较成熟度，应用相对来说也比较广泛。但是隐马尔可夫技术在状态转移以及统计观测方面具有很大的随机性，因此在实际的过程中，通过该技术得出的观测结论与电力电子电路所处的实际状态有时候会有一定的差距，而概率分布则是两个部分的重要连接载体。随着科技水平的不断发展和提升，隐马尔可夫技术也在不断的成熟和完善，特别是隐马尔可夫技术在语音识别技术中的应用，则与电力电子电路维修检测中应用有很多的相似之处。相对于通过只能凭借电子信号来判断电路运行的内部状态以及电路健康程度的方法来说，则可以体现出隐马尔可夫技术在维修检测方面的优越性[3]。

三、电力电子电路故障预测的技术手段和方法

（一）AR模型预测技术

AR模型又称之为自回归模型，通过利用自身作为回归的变量，即利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型，同时也是时间序列中的一种常见形式。AR模型预测技术在平稳随机序列研究方面具有非常重要的作用，而噪声源则是影响技术预测结果准确性的主要因素之一。目前应用比较广泛的AR模型预测技术主要包括以下两种：一种是最小二乘法又称最小平方法，是一种数学优化技术，通过最小化误差的平方以及寻找数据的最佳函数匹配来达到最佳结果的目的。另外一种则是通过误差滤波器将造成误差的功率达到其最小值，利用列文森递推公式以及噪声差分公式来最终得出Burg递推技术[4]。

（二）BP神经网络预测技术

BP神经网络预测技术又称为多层前馈神经网络技术，是指通过模仿生物大脑的结构以及功能来形成的一种信息处理系统，通过不同神经元之间的连接来构成不同的神经网络模型，而BP神经网络预测模型则是其中之一。在进行BP网络设计前，一般应从网络的层数、每层中的神经元个数、初始值以及学习方法等方面进行考虑，BP神经网络主要是由输入层、隐含层和输出层组成。BP神经网络预测技术在电力电子电路故障诊断过程中利用误差逆转传播算法，不断降低误差函数值的最小梯度，从而使误差保持在规定的范围之内，这样就可以实现不断修正和优化已经连接的神经网络的目的。BP神经网络预测技术主要包括信号前向传播以及误差反向传播两种传播方式，即将网络输出按照信号输入和输出的方向进行分析和计算，然后通过信号输出和输入的反向进行修改和优化。

（三）GM预测技术

GM预测技术又称之为灰色预测模型，是一种非常简单的数学模型方法。灰色系统理论中的灰色预测法是一种对既包含已知信息又包含很多不稳定因素的系统进行预测的方法。在利用GM预测技术对电力电子电路故障进行预测时，通过对已知信息、未知信息以及样本等来达到从中提取有效信息的目的。而且通过GM预测技术也可以有效监控电力电子电路系统的运行行为，从而达到对于电力电子电路系统的控制和预测的最终目的[5]。

结语：电力电子电路故障的诊断和预测，不仅可以保证电力电子电路系统的有效运行，而且对于企业的日常生产活动开展也具有非常重要的意义。因此在实际的故障诊断和预测过程中，各种技术方法和手段也在不断的进行优化和改进。

参考文献：

[1]杨春宇， 周志恒， 张嵩，等. 电力电子电路故障诊断技术探索与预测[J]. 数字化用户， 2019， 025（001）：60.

[2]姜涛， 刘莲秋， 魏振. 电力电子电路智能故障诊断技术研究[J]. 工程技术（全文版）， 2016（11）：00274-00274.

[3]朱权忠. 电力电子系统故障诊断技术研究综述[J]. 城市建设理论研究（电子版）， 2016， 000（015）：3349-3349.

[4]梁博， 张培训. 基于电力电子电路智能故障诊断技术研究[J]. 山东工业技术， 2016， 000（014）：137-137.

[5]汪建军， 李晓辉. 电力电子电路故障诊断与分析[J]. 工程技术（文摘版）， 2016（5）：00021-00021.