樊鵬杰 姜 林

(1.河南中分儀器股有限公司，河南 鄭州 450002;2.鄭州光力科技股份有限公司，河南 鄭州 450001)

1 電力設(shè)備系統(tǒng)診斷的意義

隨著社會(huì)的發(fā)展，越來越多的技術(shù)被融入電子系統(tǒng)之中，計(jì)算機(jī)，集成電路，信息信號(hào)處理，光纖技術(shù)等方面的融入，電子系統(tǒng)的規(guī)模越來越巨大化，其系統(tǒng)的結(jié)構(gòu)也變的越來越復(fù)雜，各種變量，參數(shù)日益繁瑣，增多，逐漸形成了大規(guī)模系統(tǒng)，分布廣泛，層次復(fù)雜，結(jié)構(gòu)繁多的現(xiàn)象，并隨著越來越多的電子設(shè)備引入到電力系統(tǒng)中，使得電力系統(tǒng)的規(guī)劃，運(yùn)用和維修都有了更加的基準(zhǔn)要求。為了保障系統(tǒng)的正常運(yùn)行和安全工作，我們必須要的盡早的對(duì)它的運(yùn)行狀況和故障發(fā)生情況做出診斷和預(yù)警。通過在線電力檢測(cè)系統(tǒng)，并建立模糊化的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，利用其對(duì)電力設(shè)備進(jìn)行有效的檢測(cè)診斷，在第一件內(nèi)處理電力設(shè)備的故障預(yù)警，以保證電力設(shè)備的正常運(yùn)行，避免造成不必要的損失。

2 電力設(shè)備故障的診斷方式

2.1 數(shù)字模型的故障診斷模式

這種模式主要是使用控制圖，故障樹分析和專家知識(shí)，在制造過程中進(jìn)行實(shí)時(shí)監(jiān)控診斷，該模型提高了故障診斷系統(tǒng)的可靠性，并將可視化建模工具進(jìn)行了實(shí)際操作。數(shù)字模型是使用特定的語義元對(duì)象對(duì)產(chǎn)品模型，工廠模型，時(shí)間模型和執(zhí)行模型等構(gòu)成的復(fù)雜對(duì)象進(jìn)行描述，以可以映射為可采集數(shù)據(jù)元素的元對(duì)象，實(shí)行實(shí)時(shí)監(jiān)測(cè)，診斷和管理運(yùn)行于生產(chǎn)模型基礎(chǔ)之上的監(jiān)控系統(tǒng)所管理的生產(chǎn)過程?；跀?shù)字模型的故障診斷模式是發(fā)展最早，研究系統(tǒng)的一種故障診斷方式，其優(yōu)點(diǎn)是對(duì)于未知故障的敏感性;缺點(diǎn)是比較難以獲得系統(tǒng)模型，且由于建模誤差，擾動(dòng)及噪音的存在，使得存在的穩(wěn)定性受到懷疑。

2.1.1 參數(shù)估計(jì)方式。此類方式是由機(jī)理分析確定系統(tǒng)的模型參數(shù)和物理元器件參數(shù)之間的關(guān)系方程，由實(shí)時(shí)辨識(shí)求得系統(tǒng)的實(shí)際模型參數(shù)，進(jìn)而由關(guān)系方程求解實(shí)際的物理元器件參數(shù)，將其與標(biāo)稱值比較，從來得知系統(tǒng)是否有故障與故障的程度。但是此方法最大的缺點(diǎn)在于，關(guān)系方程不是雙射，通過模型參數(shù)不能求的物理參數(shù)。所以在實(shí)際應(yīng)用之中，需要結(jié)合其他方式來進(jìn)行，從而獲得更好的故障檢測(cè)和分離性能。

2.1.2 狀態(tài)估計(jì)方式。此類方式主要是在重構(gòu)被控的過程中，利用與可測(cè)變量比較構(gòu)成殘差序列，并再次構(gòu)造適合的模型并進(jìn)行統(tǒng)計(jì)的檢驗(yàn)方式，在檢驗(yàn)出來的殘差學(xué)列中將故障分離出來，并進(jìn)行分析，估計(jì)和決策。此種方式的優(yōu)點(diǎn)在于狀態(tài)估計(jì)方法直接有效，但是前提必須要能夠獲得系統(tǒng)精確數(shù)學(xué)模型，但是這一點(diǎn)的實(shí)現(xiàn)是非常困難的，所以此類方法推求其次，主要應(yīng)用于提高監(jiān)測(cè)系統(tǒng)對(duì)建模的誤差，擾動(dòng)和噪音等對(duì)于早期故障的靈敏度上面。

2.2 信號(hào)處理的故障診斷方式

此類方式主要是利用信號(hào)分析理論獲得系統(tǒng)時(shí)域和頻域中較深層次中的多種特征向量，利用系統(tǒng)故障源和這些特征向量之間的關(guān)系來判斷故障源的位置。此方法主要用于診斷對(duì)象模型難以建立，但是卻可以測(cè)量系統(tǒng)的一些狀態(tài)或者輸出參數(shù)的部分系統(tǒng)。此種故障診斷方式共有:基于自適應(yīng)滑動(dòng)窗格形的故障診斷;基于小波變換的故障診斷。

2.2.1 自適應(yīng)滑動(dòng)窗格形的故障診斷方式。提取一個(gè)滑動(dòng)窗內(nèi)的系統(tǒng)輸入和輸出數(shù)據(jù)，利用自適應(yīng)格形濾波器生成殘差序列。如果殘差序列是零均值固定方差的高斯過程，那么當(dāng)前系統(tǒng)處于正常狀態(tài);如果殘差序列的均值或方差變化，那么則是由故障引起過渡過程，使系統(tǒng)發(fā)生了故障?；谧赃m應(yīng)滑動(dòng)窗格形故障診斷方式的在線實(shí)現(xiàn)方式為統(tǒng)計(jì)構(gòu)造何時(shí)的檢驗(yàn)量，假設(shè)檢驗(yàn)殘差序列。此種方式的優(yōu)點(diǎn)在于，可以檢測(cè)突變和緩變故障，切不需要系統(tǒng)的準(zhǔn)確數(shù)學(xué)模型和先驗(yàn)知識(shí)。

2.2.2 小波變換的故障診斷方式。小波變換繼承和發(fā)展了短時(shí)傅里葉變換的局部化思想，并且克服了其窗口大小和形狀固定不變的缺點(diǎn)，不但可以同時(shí)對(duì)時(shí)域和頻域的信號(hào)進(jìn)行觀測(cè)，而且時(shí)間分辨率和頻率分辨率都是可以變化的。而基于小波變換的故障診斷方式是一種新的信號(hào)處理方式，具有分析時(shí)間尺度，且具備多分辨分析力。連續(xù)的小波變換可以明確區(qū)分信號(hào)的突變和雜音的區(qū)別，離散小波變換可檢測(cè)突變的隨機(jī)信號(hào)的頻率結(jié)構(gòu)。此種方式的優(yōu)點(diǎn)在于不需要系統(tǒng)的數(shù)學(xué)模型，能夠在時(shí)間－頻率兩域進(jìn)行信號(hào)分析，具有可以對(duì)信號(hào)在不同范圍、不同的時(shí)間區(qū)域內(nèi)進(jìn)行分析，對(duì)噪音的抑制力強(qiáng)，有較高的靈敏度，能夠分析到信號(hào)的任意細(xì)節(jié)，并被越來越廣泛的運(yùn)用。

2.3 人工智能的故障診斷方式

人工智能故障診斷系統(tǒng)是由人，模擬人腦功能的硬件和必要的外部設(shè)備，物理器件及支持這些硬件的軟件所組成的具有智能的診斷系統(tǒng)。而人工智能系統(tǒng)作用的時(shí)間越長，積累的經(jīng)驗(yàn)也就越多，作用也就越大。

人工智能系統(tǒng)主要指專家系統(tǒng)的故障診斷方式。專家系統(tǒng)主要是指利用各方面研究領(lǐng)域頂尖人才的專業(yè)知識(shí)去進(jìn)行高效率的推理，分析，基于此基礎(chǔ)來解決專業(yè)的高難度實(shí)際問題的智能系統(tǒng)，這一過程主要分為三個(gè)方面，基于淺知識(shí)的故障診斷方式，基于深知識(shí)的故障診斷方式，基于深淺知識(shí)的故障診斷方式。此三種方式是經(jīng)過多次的嘗試，然后結(jié)合起來的最優(yōu)解決方式。

基于淺知識(shí)的故障診斷方式具有知識(shí)表達(dá)直觀，形式統(tǒng)一，模塊性強(qiáng)和推理速度快等優(yōu)點(diǎn)，但是局限于知識(shí)不完備，對(duì)無法解決的問題系統(tǒng)容易崩潰，對(duì)診斷結(jié)果的解釋能力弱能缺點(diǎn)。

基于深知識(shí)的故障診斷方式具有獲取知識(shí)方便，維護(hù)簡(jiǎn)單和完備性強(qiáng)等優(yōu)點(diǎn)，但是卻由于搜索空間大，推理速度過慢。

基于深淺知識(shí)的故障診斷方式，此種方式則混合了兩種方式的優(yōu)點(diǎn)，將缺點(diǎn)剔除，形成了具有與人類專家相近的知識(shí)，處理方式以優(yōu)先使用淺知識(shí)分析，并找到近似問題加以排除，必要時(shí)使用深知識(shí)獲得診斷問題的精確解釋。

［1］丁洪昌.基于智能方法的模擬電路故障診斷研究［D］.蘭州理工大學(xué)，2007年.

［2］李增芳.基于人工智能和虛擬儀器技術(shù)的發(fā)動(dòng)機(jī)故障診斷專家系統(tǒng)研究［D］.浙江大學(xué)，2004年.