人工智能在电力电子电路故障诊断中的应用研究.docx

??

?

??

人工智能在电力电子电路故障诊断中的应用研究

?

?

?

?

?

??

?

?

?

摘要：从当前大部分电力电子电路故障来看，其主要集中在晶闸管部位，其中，尤以晶闸管开路和短路问题的发生概率最为显著，针对这种情况，要想使其得以有效改善，避免出现大面积停电现象，相关电力检修工作人员应积极利用人工智能技术对电力电子电路日常监测和故障诊断工作予以科学、合理地开展。本文也会以三相整流电路故障为例，提出一种基于波形分析的神经网络人工智能故障诊断技术，进而对其具体应用实践进行深入分析，以便进一步验证人工智能在电力电子电路故障诊断领域中的可行性和重要性。

关键词：电力电子电路；人工智能技术；故障诊断；应用分析

电力电子电路在实际运行期间，相关零部件却很容易出现故障问题，进而给电力电子电路的运行效率及安全性等都造成了很大的影响。基于此，就要加强电子电路的日常监测和故障诊断工作，但若是采用一般的电力电子电路故障诊断技术，很难在极短时间内将存在的故障问题进行有效处理和解决，并且获取的诊断结果也是难以保证其准确性。因此，只有积极运用人工智能诊断技术来实现电力电子电路故障的在线自动诊断功能，才能减少故障发生概率，使之达到持久安全稳定运行目标。

人工智能神经网络模型设计与分析

图一（基于人工智能的三层BP神经网）

本文提出的人工智能诊断BP神经网是一种反向传播算法的神经网络，如图一所示，其具有三层神经网络结构，即输入层、隐含层和输出层，这其中，输入层主要负责整合收集电力电子电路中存在的各类故障信息，用表示；隐含层可以有多个，其主要负责将输入层获取的故障信息进行科学有效的处理，并提出针对性的解决策略；输出层主要负责获取故障解决策略，可以用表示。从整个模型设计功能来看，要以三层BP神经网为基础，对样本训练收敛处于稳定状态的节点连接权值加以合理的应用，并将诊断的样本数据加以输入，进而采取误差反向传播算法对网络的具体输出值进行科学严谨的计算，以便以此为依据结合获取的故障信息，得出相应的解决对策。另外，由输入到隐含层的权值可用表示、由隐含层到输出层的权值可用表示，这样将需要判别的模式输入节点后，就可由前向网络传播至各个隐层节点中，并通过该层节点所具有的激活函数作用再传播到输出节点中，以便在该节点处对判别模式进行比较分析，进以产生误差信号，随后还要利用隐含层中的梯度下降法将这些信号的阈值和权值进行逐层调整，最后还要将调整后的信号反向传播给输入层，再按照之前的顺序反复进行前向和反向传播，直至误差达到精度达到相应的计算要求[1]。

二、整流装置故障模型设计与分析

当电力电子线路出现故障时，其测试点的电压及电压波都会出现异常反应，基于这种现象，在对无故障电路进行瞬态分析时，就要先建立一个测试点电压波形来作为标准数据库，然后再根据电路的实际情况将容易出现的故障问题进行充分模拟，并建立与测试点相对应的故障信息库。例如，在对三相变流器电路故障进行检测时，应先对其正常状态下的电压波形进行测试，然后再将标准模型注入故障元，并对各测试点输出电压波形进行测试。假若测试结果显示电路中存在一只晶闸管开路或二只晶闸管都存有开路故障，就要对以下三种情况下的电压波形进行仿真和讨论：第一，电路无任何故障，且各晶闸管工作正常；第二，电路中只有某个单只晶闸管存在故障；第三，电路中有两个晶闸管同时发生故障，并且存在以下情况，即电路中有两个同相不同组的晶闸管发生故障、电路中有两个同组不同相的晶闸管发生故障、电路中有两个不同组不同相的晶闸管发生故障[2]。

通过仿真实验对上述各种故障进行模拟分析后，可将不同故障下的输出电压波形图完整地体现出来，根据这些图可以得知，在一定的触发角下，即便晶闸管出现同一类故障，但故障元与引起的输出电压

的波形在时间轴上却无法进行平移，并且输出电压波形还会随着触发角的大小变化而随之发生改变。此外，若是针对限流电路中的故障，则要先对电路电流限值进行准确计算，即频率不超过1kHz时，在限流电路中的任何两个零部件之间或任何这样的零部件与地之间应设置一个2000（1士10%）Ω的无感电阻器，以便经过该电阻器的稳态电流不会超过0.7mA峰值或2mA直流值。反之，若频率高于1kHz时，则将0.7mA的限值乘以kHz为单位的频率值，但不应超过70mA峰值。并允许使用泄漏电流测试仪（D.2测试网络）代替上述提到的2000（1士10%）Ω无感电阻器，测量时的电流值不应超过0.7mA峰值。

三、电路中故障元件的智能定位分析

通过上文分析可以得知，三相可控变流器的故障诊断一般包括两个步骤：首先，要根据相应的输出信息来对具体故障类型及原因进行准确确定；其次，在对某一种故障类型中的故障元件进行定位时，由于不同故障类型中的任何故障元件出现故障，其输出