摘 要：伴随着科技不断发展，电力电子技术逐渐研发，在生产生活中发挥着重要的作用。电力电子技术已经成为了当今高新技术系统中不能缺少的关键技术之一，电力电子技术的广泛应用，使得对设备的可维护性要求逐渐提高。当电路出现故障时，人工诊断的方式将不能及时的对设备进行检修、调试以及安装等，基于电力电子电路智能故障诊断技术的出现，引起了社会的广泛关注。
关键词：电力电子技术电路；智能故障诊断；技术；研究
DOI：10.16640/j.cnki.37-1222/t.2016.14.124
0 前言
电力电子电路智能故障诊断技术的研究，能够突破传统电路故障诊断的束缚，在故障诊断上技术逐渐趋向于智能化。针对于故障诊断技术的研究，在促进电力电子电路领域的发展具有积极的意义。本文中对信息预处理中的小波分析、主成份分析进行介绍，同时还研究了红外热像故障诊断技术和离散频谱分析技术。
1 基于层次聚类神经网络故障诊断方法
1.1 信息预处理中的小波分析
在基于层次聚类神经网络故障诊断中，信息预处理中的小波分析在电力电子电路中的故障分析作用明显。小波分析具有很多优势，将小波分析与DFT进行对比，小波分析能够突破DFT所在时域上所不能达到的程度，没有故障检测的局限性，在很多不平稳的电气信号场所适用。基于小波分析这样的特点，其在电气信号检测中所适应的范围比较广，针对信号系统中所出现的诸多问题能够及时克服，例如信号系统的周期性陷波以及闪变等。小波变换能够实现多分辨性，能够实现信号是多向观察性。小波检测技术也有一定的局限性。第一，小波变换环节中所涉及数据计算比较多；第二，小波变换中的滤波特性较差[1]。
1.2 主成份分析
在电力电子电路智能化的故障诊断中，需要找到故障主要问题，将次要的冗余部分剔除，才能够将故障的在比较短的时间内解决。主成份分析方法恰好能够实现这样的诊断。主成份分析技术能够在系统中输入的多个变量中，将变量进行变换处理，选出比较少的重要变量，该种变量的统计方式作用比较突出，能够根据系统的变量之间的线性变化，由输入变量所形成的矩阵的特征大小来确定坐标的变换与变量之间的压缩。在进行变量的处理环节中，需要进行变量数据的成分预处理，并得出所需要的前几个主成份。该种方法的应用，能够在数据信息比较多，或者是变量之间复杂度比较多时比较适用，能够有效的滤掉变量中的噪声，将主要的数据信息凸显出来，将故障在比较短的时间内识别出来[2]。主成份分析方法的具体过程如下：
设系统中给定x个样本，n个变量数据矩阵：
在以上矩阵中采用主成份分析的目的为，通过一个新的变量h1来表示n个变量，a1、a2...an，那么系统中的第一个成份线性公式为：h1=w1a1+w2a2+w3a3+...+w1nan，此时w11w1=1；以此类推，第二个主成份也是通过这样方式进行表示，直到第j个主成份也是这样表示出来，同时需要特别注意的是第一主成份需要尽可能的覆盖更多的信息，按照以下公式进行计算：
Var（hl）=Var（wl1n）=wl1swl
式中的s为原数据系统的方差-协方差矩阵，在实现最大变量的y1时，w1值的最大特征根的特征向量需要符合以下需求：
，其中λ为矩阵的特征根，将特征根从λ1、λ2、λ3...λn从大到小的排列，那么在特征根最开始时的变量就是系统的主成份，这些主成份的存在能够将原始数据中多余的数据信息覆盖，便于发现主要问题[3]。
2 红外热像故障诊断技术分析
红外热像故障诊断方式在实际电力电子故障诊断中比较适用，电路运出现故障时，其表面都会出现温差，该故障诊断技术就是基于设备线路绝对温度变化而进行故障分析。高压电气设备中一旦出现故障，由于线路问题，线路不能正常运行导致，导致局部线路温度过高。当在物体中内部温度高于绝对温度（-273.15℃）时，就会产生由热能而转变出来的辐射能。外温度在500℃时，就会产生暗红色的辉光。在很多微型的电子线路中，线路出现故障人的肉眼看不见，其线路表面的温度也不能用普通的温度计去测量。红外热像故障诊断根据线路高温的产生的辐射能进行故障位置判断[4]。
不管在何种组成的辐射波中都会存在一定的红外辐射。温度对辐射能中各项性质产生影响，并不是所有温度都会产生一致的辐射波，温度不同，在物体中产生对方辐射波也不尽相同。
3 离散频谱分析
离散频谱分析方式在电力电子电理故障诊断中的作用比较明显，频谱分析方式研究比较早，实际应用中其技术比较成熟。该种故障分析方式采用的是离散傅里叶变换DFT。DFT被广泛应用在目前的电气设备信号检测中，DFT能够对电气设备信号的基波、以及谐波进行分离，得出各个信号的频率分量和幅值、频率以及相位。一般在相位较高或者高次谐波参数下，其电气信号检测中算出现的误差最为明显。离散频谱所出现的误差进行校正，主要有以下几种方式：第一，内插法。在该种方法中，首先需要建立方程，求解出校正频率，以校正频率为核心，实现幅值或者相位的校正。第二，FFT+FT细化分析法。通过DFT连续谱分析的方式，对数据的实部和虚部进行计算，最后计算出幅值。第三，对数据能量重心校正。根据功率法则求出频谱校正量，对相位进行二次校正。第四，相位差校正法。通过离散频谱对应的峰值的相位差，求出频率以及相位校正量[5]。
4 结论
综上所述，小波分析具有很多优势，能够突破DFT所在时域上所不能达到的程度，没有故障检测的局限性，在很多不平稳的电气信号场所适用；主成份分析技术能够在系统中输入的多个变量中，将变量进行变换处理，选出比较少的重要变量；红外热像故障诊断根据线路高温的产生的辐射能进行故障位置判断；离散频谱能够对故障诊断中所出现的误差进行校正；以上故障诊断技术在实际应用中的效果明显，在推动电力电子技术的发展发挥着重要的作用。
参考文献：
[1]幸宗国.基于DSP的人工神经网络电力电子电路故障诊断[D].西北工业大学，2003.
[2]张志学.基于混杂系统理论的电力电子电路故障诊断[D].浙江大学，2005.
作者简介：梁博 （1981-），男，河南商丘人，硕士，助教，研究方向，电气自动化。
