述
摘要：作为重要能源变换装置，电力电子变流器故障诊断技术能够保障能源实现安全可靠转换，确保系统运行稳定安全。而随着智能技术和自动化技术的发展，智能方法在电力电子变流器故障诊断中得到了应用，本文就此展开研究，首先阐述了一些智能方法，其次对该方法的问题和发展做出了展望，以期能够为该技术的应用和发展提供参考。
关键词：电力电子变流器；故障诊断；智能方法
随着各种新兴产业的发展，电力电子技术逐渐成为关键的能源技术，其在光伏并网、新能源汽车、工业电机驱动等方面都发挥着重要的作用。为了满足相关行业的用户需求，各种新式电力电子变流器产品争相涌入，结构也更加复杂，设备故障机率大大提升。设备故障本文具有极强的并发性、非线性以及不确定性，导致诊断难度较高。传统的故障诊断方法已经无法满足要求，需要融合智能技术进行设备检测，以保证检测效果。
一、故障诊断智能方法 （一）故障树诊断法
该方法是利用倒立逻辑因果关系将系统故障及其各部件因果关系表现出来。从某故障出现开始，遵从整体到局部原则逐步寻找该故障发生的直接以及间接原因，最终确定原因，同时使用逻辑关系图展现出来。在电力电子故障诊断中，该方法是通过电路发展故障表现形式找到故障发生具体元件。
结合故障树理论和双向联想记忆用于诊断光伏发电并网系统，本文建立了相关故障树，通过该故障模式和工程师维修经验建立BAM学习样本。在发生故障时，先利用故障树查找，如果无相对于的故障源需要通过BAM网络获得故障诊断结果，
[1]
同时将其添加到故障树内，以便下次发生同类故障时能直接查询故障源。神经网络可以准确识别故障，打破决策阶段故障分析法所给出的不确定故障源问题，进而实现迅速精准都定位。
（二）类神经网络诊断法
该方法是模仿生物神经网络处理信息的一种技术。实质上，该方法属于计算机结构，通过人工神经元连接模仿生物神经网络处理信息。ANN可以分析大量训练样本，利用神经元和对应结构修正接近任意连续非线性函数可以分析判断未知或无法预测故障，构建输入特征与输出结构映射关系，十分适用于电路故障诊断定位中。
电路故障诊断中，ANN不注重电路内部运行，不需要数学模型，诊断时，先将以故障特征为网络输入，故障源为网络输出，之后利用一批已知故障源训练样本，通过监督式参数对算法进行更新，训练神经网络模型，进而确定网络隐含层数量、节点数和联结权值等参数。最终训练网络后，利用给定故障特征进行故障特征非线性映射，此前只需要开展网络向前计算，无需更新网络参数。当前BP神经网络应用普遍。
在研究三电平逆变器时，选择逆变器三相输出电压为故障检测信号，结合DQ变换和频域分析，利用仿真软件得到不同输入电压和负载功率下的逆变器输出电压，并提取故障建立训练样本，验证故障检测采用BP神经网络可行性，进而利用数字信号处理实验平台对实际应用作用进行验证。
对于当前故障特征所提取的特征分类不明显、精度低、噪音影响等，通过小波交换信息处理方式对前期电路故障特征提取优化。对此，可以先通过较差小波获得能够区分故障信号以及正常信号值间频率与相位信息特征量，之后利用主元分析法使特征量矩阵维数减少，去除其中的冗余信息，提高分类效果。
在对网络结构进行简化时，基于电磁阀三电平变频器开关器件故障可以通过变采样频率小波分析法结合核主成分分析，降维处理故障特征向量，缩小神经网络输入层维数。
根据BP网络，其作为全局逼近神经网络的学习过程存在局部最小值不足。近些年RBF的应用较多，其相对于BP网络而言更加适合局部逼近、收敛速率以及分类效果。利用小波分解技术将其中的能量出来为故障特征向量。该方法让网络不仅具备了RBF自学能力以及迅速收敛优势，同时也能够在频域较好的局部化特征，能够诊断三相桥式逆变电路故障情况。
根据ANN电力电子故障诊断法构建非线性映射关系，通过训练、学习并分析大量样本获得一般规律，该规律自适应性、容错性强。但是，ANN也有不足，例如所需要的训练样本多，但是电力电子电路典型的样本少，或是ANN网络中隐含层神经元量在选择上五明确规定，设计使用时一般只通过试探法比较，选择合适的节点数，或是ANN在诊断故障时处理方式不够完整等。
（三）优化技术诊断法
该方法是通过优化算法对神经网络训练方式改进，使其内部参数能够迅速朝向准确结果数值接近。对于BP算法不足进行优化，使其能够在电力电子故障诊断中有所应用，常用优化算法有遗传算法、粒子群算法。应用优化技术选择的神经网络相对于初始参数改善更大，一般应用优化算法故障诊断流程。根据实验与类神经网络建立开关特性预测模型，在预测中融入遗传算法优化初始参数，提高预测精确度。
网络速度和准确性提升上，需要改进遗传算法，通过交叉与变异概率动态变化对ANN进行优化，故障诊断更快。此外，在电力电子故障诊断中也可以应用量子物理知识，在神经网络中应用量子态叠加原理，将量子计算并行计算特征发挥出来，通过激活函数叠加建立隐含层激活方式，决策时在各故障中分配不确定数据，减小诊断结果不确定度，提高诊断准确率，强化网络数据处理能力。
（四）支持向量机诊断法
该方法是基于统计学理论形成的机器学习方法，通过统计学理论去报总体样本点误差最小让结构风险实现最小，使模型泛化能力提升。在非线性分类中，利用高维空间转换使非线性分类变为线性分类，并获得SVM结构，寻找最佳分类面，可以应用在故障诊断、数字识别等领域中。
电力电子故障诊断实质上就是分类问题，但是SVM尤其针对小样本问题，在小样本下可得最优解，能够解决电力电子故障样本少这一问题。在电路故障诊断时，通过一对一或是一对多算法改进分类，建立多分类SVM结构，诊断分析DC-DC转换电路单一软故障模态以及多种故障同时出现模态。
（五）模糊集理论诊断法
该方法通过构建相应的隶属函数和模糊集合运算、变换，模糊处理并分析需要考察的信息。电力电子电路信息采集时，随着噪声影响，模糊集理论可以有效抵抗该不确定性影响，使诊断结果优化。
处理信息不确定性问题时，模糊集理论应用价值大，但是模糊集理论故障诊断法也有不足，例如模糊规则和隶属度函数获得方式由经验获得，或是在大规模电路中应用的器件多，故障种类都，模糊诊断模型构建难度大等。当前一般将该理论与其他方法结合应用，分析不确定信息，进而诊断系统可靠性，提高诊断准确性。
二、电力电子变流器的故障诊断具体分析
当前，电力电子变流器中存在无传感电机矢量控制中低速位置观测不准、电机高速时过调制导致转速波动、光伏并网时电压阶跃或功率阶跃等方面的故障，对于这些故障的诊断主要体现在以下：
1.观测不准问题。无传感电机矢量算法观测器一般在低频阶段，特别是零频和低频发电运行时，或是不可观，或是存在右平面特征根，进而使观测器不收敛，导致观测不准。故障诊断时，通过上述分析的诊断方法，可以利用BP神经网络的观测器，其可以在BP神经网络中输入电流、电压信号，根据原始位置来观测位置，所得观测值为神经网络输出信号3-5]。
2.转速波动问题。电机本身具有调速系统，日常操作时一般是通过定位器对电枢电流进行调速，在给定电压以及测速反馈电压出现变化时会导致电机转速发生变化，若是测速发电机出下午茶，真正转速且无改变，测速反馈电压会出现变化，利用系统调节能够使电动机转速发生变化，导致转速波动。此外，室内外环
[
境也会干扰电压，定电流输入信号和册数反馈信号构成了干扰，电压信号持续编号，引起电机转速波动。根据上述分析6-9]，可以采用模糊集理论诊断该故障，根据设备运行和维修情况统计出电机的转速波动情况，列出此类故障集，诊断时分析转速波动频谱特征，建立征兆集，之后确定隶属函数，建立模糊关系矩阵，按照故障机理、统计分析以及专家经验确定模糊关系矩阵，通过计算得到结论。、
3.光伏并网问题。太阳能应用时，光伏电池输出不稳定，在环境影响下，输出效率低，导致电压阶跃或功率阶跃问题。根据上述分析，可以采用故障树理论和双向联想记忆结合方法诊断，这种现象属于常见故障，在故障树基础上可以迅速、准确诊断该故障。
结束语：
综上所述，应用智能方法诊断电路故障的研究已经有实质性结果。本文当前对一些广泛应用的智能诊断方法展开研究，了解了这些方法特征、应用、不足等，并谈论了电路故障诊断问题及其未来发展，为智能方法的进一步发展提供了指导。
参考文献：
[1]左超.常用的电力电子系统故障诊断方法[J].房地产导刊,2015,000(014):454-454.
[2]马汝冰,王佳艳,马晓飞,等.人工智能在电力电子电路故障诊断中的应用[J].百科论坛电子杂志,2019,000(001):661-662.
[3]于生宝,何建龙,王睿家,等.基于小波包分析和概率神经网络的电磁法三电平变换器故障诊断方法[J].电工技术学报,2016,(17).102-112.doi:10.3969/j.issn.1000-6753.2016.17.011.
[4]付丽君,王光兴,任慧轩.小波包与径向基神经网络的电力电子装置故障诊断[J].沈阳理工大学学报,2016,(3).47-51.doi:10.3969/j.issn.1003-1251.2016.03.010.
[
[5]李明昆,宋丹妮.基于小波分析和随机森林算法的变流器电路故障诊断研究
[J].
电
气
技
术
,2016,(6).36-40,46.doi:10.3969/j.issn.1673-
3800.2016.06.008.
[6]李练兵,张秀云,王志华,等.故障树和BAM神经网络在光伏并网故障诊断中的应用[J].电工技术学报,2015,(2).248-254.doi:10.3969/j.issn.1000-6753.2015.02.033.
[7]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,(7).110-114.doi:10.3969/j.issn.1002-7300.2015.07.026.
[8]张成军,阴妍,鲍久圣,等.多源信息融合故障诊断方法研究进展[J].河北科技大学学报,2014,(3).213-221.doi:10.7535/hbkd.2014yx03001.
[9]陈娜,李鹏,江剑,等.中高压IGBT开关特性的遗传神经网络预测[J].电工技术学报,2013,(2).239-247,254.doi:10.3969/j.issn.1000-6753.2013.02.033.
因篇幅问题不能全部显示，请点此查看更多更全内容