试析电力电子电路故障预测技术

崔军

（克拉玛依市先进能源技术创新有限公司，新疆 克拉玛依 834000）

0 引言

随着科技的迅猛发展电子用户越来越多，对电子系统的要求也随之提高，但在运行过程中，电子设备发生故障以及失效的概率也会增多，所以需要及时分析其出现故障的原因和解决问题[1]。在未来电子系统中，预测故障技术的提高决定我国电子系统的发展。

1 电力电子电路故障预测关键点

进行研究电力电子电路故障应当了解电路日常的运行状态，研究人员根据过去某段时间内电路的状态，推测电路在未来可能发生故障的地方在之后着重检查该地方的电路运行状况，只有了解电力电子电路在不同时间内的状态，才能够更好的对故障诊断。元器件结构特征以及制作工艺的不同也会导致元器件的失效。在检查过程之中针对元器件失效机理的分析是十分困难的。在预测电力电子电路的过程之中，需要充分的了解电路故障的参数，针对不同类型的元器件以及电路的运行状况，结合自己的工作经验进行科学而准确的分析，充分的了解相关参数，将检查之后的结果与预测结果相比对，倘若结果出入不大，那么就可以认为检测结果是正确的，倘若检测结果与科学的数值相差较大，那么就需要重新进行检测，这样才能够保障检测结果的真实性。

2 电力电子电路故障诊断技术应用意义

电力电子电路智能故障诊断技术充分运用，可以提高设备的工作效率，促进维修人员进行维护检修工作，节省大量的人力[2]。运用机械检测来代替人力检查，可以在发生问题的最短时间之内，将问题通过网络上报给专业人员。尤其是对于有些企业电力电子电路元件较多，倘若其中某一个元件出现故障，通过人类检查很难在短时间之内发现问题，而运用智能化检测技术则不同。这种方式能够尽可能的节约时间，找到出现问题的原因，快速的进行维修。降低对企业造成的损失。

3 电力电子电路故障诊断

3.1 马氏距离

马氏距离可以计算出某一种样本与样本之间的相似性。它是由统计学家P.C.Mahalanobis提出的。它充分的考虑到不同特性之间的内在联系，并且将这些内在联系与测量尺度隔离开来。需要注意的是，在计算过程之中，要保障总体样本数目比样本的维数大，这样才能够获得计算结果。否则将得到无效的样品协方差矩阵逆矩阵。

3.2 电路故障诊断流程

（1）建立故障字典。运用Pspice电路文件，建立故障集。这样当发生故障的时候就可以从该文件之中寻找故障的类型，找到与之对应的解决措施。建立完成之后，需要对健康状况的电路开展蒙特卡洛仿真分析，了解测量点的电压值，记录对应的数值，将数值录入到相关系统之中，得到某一个故障对应的故障特征向量，对多种数据进行检测，最终可以获得故障字典。（2）故障诊断.想要获得求取故障的特征参数，就需要工作人员结合自己的工作经验，对待测电路输出电压进行取样。将取样结果与故障字典之中的数据进行比对，最后得到故障字典和未知故障电路特征参数之间的马氏距离，寻找最小的马氏距离。就能够检测出待测电路的故障。

4 电力电子电路故障预测研究

4.1 AR模型预测技术

运用AR模型预测基数，可以更好的检测信号的线性排序，了解功能的连续性。运用AR模型进行预测，需要运用到最小二乘技术。结合工作人员的专业知识与技能，利用误差滤波器可以导致误差的平均功率达到最小值。之后运用文森递推公式以及噪声差分方程可以求出方差，最终得到Burg递推技术。

4.2 BP网络预测技术

BP网络预测技术的原理就是从许多的样品数据和网络输出中获得误差函数之后，再运用梯度下降的方式进行计算，寻找到误差函数的最小值。在不断的计算和修正过程之中找到神经网络连接权值。只有这样才能保障测量数据的准确性，保证误差在允许的范围之内。在误差反向传播的过程之中，需要保障每一集的神经元都处在运算过程之中，之后再用梯度下降法寻找到权值和阈值。只有这样才能够根据给定极值的要求计算得到整个网络全局的误差。通过该技术可以对数据进行预测。在计算过程之中，这种计算方式是最成熟的，它可以寻找到神经网络的初值，将这些数值进行最小点收敛。弥补了传统数据检测过程之中，选点随机的缺点。想要增强模型的曲线拟合能力，就需要结合最新的计算方式与时代接轨，在神经网络初值计算过程之中，运用到遗传算法[3]。

计算出隐含从与输出层的输出数值之后，可以将这些数值进行修正。针对权值和阈值之间的关系，结合工作人员自身的工作经验进行分析，最终得到电力电子电路数值参数。将得到的参数与以往的数据进行比对，技术人员通过分析历史数据和数值参数相关的数据关联，通过研究获取到电力电子电路故障的预测数据[4]。

4.3 电力电子电路故障预测实例

运用Buck-Boost电路故障预测针对实际案例进行分析，确定研究电路故障性能特征数据参数，图1为电路图。通过均值定理的计算，得出电压的平均值：

采样点的总数目用N表示，u0(i)表示电路输出电压的第i个采样点,u0为稳定时电路输出电压。根据上面的公式，将数值代入到上面的公式之中，可以寻找到电压的平均值。

图1 非理想情况下的Buck-Boost 电路

确定波纹电压，根据电路之中不同元件的特点，分析元件之间的参数，在实验的过程之中设定不同元件随着时间改变的参数变化趋势，记录相同时间间隔之内的波纹电压以及输出平均电压的数值，将这些数值录入到BP神经网络的训练样本之中[5]。结合历史电压数据与当前的参数进行比较和分析，对当前故障特征，性能参数进行建模分析，可以为后续的工作提供更多的参考，最终提高电力电子电路故障预测的准确性。在实验的过程之中，需要工作人员对buck电路有充分的理解，利用自己的专业知识与技能选取最为恰当的电解电容器，一般状况下选取的电容器额定电压为20V，等效串联电阻分别为144.3uF，0.46Ω。为了提高和确保实验数据的可靠率，再选取样本的时候，我们通常选择十个历史数据作为实验训练样本，最大的训练次数可设置为500，这样不仅可以预测电力电子电路的故障，还可以确保保障预测结果的可靠性[6]。表1为参数预测值和实际测量值。

表1 参数预测值和实测值

针对上表进行分析，我们可以发现，预测输出平均电压和波纹电压的参数和实际的3项数值比较相似，数据与实际值相差较小。通过分析预测值来判断整个电路是否处于故障。结合工作人员在工作之中的经验，我们可以发现输出电压平均值比理想的输出电压高0.4V，在这个状态下，通常认定电路是故障状态。Buck-Boost电路正常工作状态的输出平均电压为-5.8381V，波纹值为0.1372V。预测和对比表1的各项数据，我们可以分析和预存未来时间内电路的运行状态和故障发生的概率，进而采取有效措施，提高电子电力设备的运行效率[7]。

5 结语

本篇文章通过分析电力电子电路故障预测技术的相关问题，探讨了电力电子电路故障预测关键技术和故障诊断技术的应用意义。希望能够通过本篇文章的论述，加强对电路的预测和监督，尽可能的保障电路的运行状态，确保电路的安全，减小电路发生故障的可能性。在预测过程中提高预测的精确度，尽可能的减小时间，帮助企业创造更多的经济收益，加强企业对设备的监督与管理,促进设备使用寿命的提高。