胡國喜

（河南省工業(yè)科技學(xué)校，河南 新鄉(xiāng) 453000）

0 引 言

隨著電力電子領(lǐng)域技術(shù)的快速發(fā)展，相應(yīng)電路的診斷方式也逐漸向自動化和智能化方向演變。傳統(tǒng)診斷方式的缺陷較多，需要等設(shè)備已經(jīng)損壞再實施維修工作，并且需要定期對設(shè)備進行檢驗維護。由于這兩方面的不足，導(dǎo)致相關(guān)企業(yè)的經(jīng)濟損失、人員的人身傷害。因此，電力電子電路的診斷向智能化發(fā)展是該領(lǐng)域發(fā)展的必然趨勢和時代選擇[1]。其中，小波演變有著較高的時域區(qū)域性，因噪聲導(dǎo)致誤報率相對較高；支持向量機（Support Vector Machine）雖然具有較好的實用性，但是僅適合小樣本診斷，如果樣本數(shù)量過多，正確率將受到負面影響；AEMA（Auto Regression Moving Average，ARMA）譜估計方式，雖然診斷率良好、適用性較強，但是仍然局限于時域中[2]。本文充分利用現(xiàn)代化BP神經(jīng)網(wǎng)絡(luò)，對電力電子電路基本故障進行有效分析和處理分類，繼而實現(xiàn)快速精準(zhǔn)挖掘故障并實施深度處理的功能[3]。依照BP神經(jīng)網(wǎng)絡(luò)基本工作原理，綜合研究以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的智能化電力電子電路故障提取方式，將該方式有效利用在三相整流電路相關(guān)的故障檢測診斷中，具有可視性、簡單化、診斷效率質(zhì)量較高的優(yōu)勢。此外，該方法還具有大幅度普適性，適用于多種類電力電子電路產(chǎn)品診斷。

1 整流電路基本故障解析

1.1 故障模式

立足于三相橋型電力電子電路診斷，在全時間段內(nèi)的某一隨機時刻，均具有兩個晶閘管共同通導(dǎo)，組成電流基本回路架構(gòu)。其中每間隔π/3進行換相操作一次，換相過程始終保持在共陽/陰極之間來回進行，該管的通導(dǎo)順序為KT1→KT2→KT3→KT4→KT5→KT6。整流橋輸出方向電壓ud為測試點，能夠有效反饋電路運行狀態(tài)；電壓電流測試相對容易，不進行詳細描述。因此，本文僅將ud作為分析處理基本點。

電路運行表明，大部分故障呈現(xiàn)晶閘管損傷，并以晶閘管短路較為普遍，因此對該部分進行分析。

有且最多只有兩個晶閘管產(chǎn)生損壞現(xiàn)象，因此其中包括兩個全部損壞或一個正常運行一個已經(jīng)損壞的情況。故障A：每個晶閘管均狀態(tài)良好，能夠正常運行。故障B：有一個晶閘管出現(xiàn)問題，也就是KT1、KT2、KT3、KT4、KT5、KT6中的一個損壞。

故障C：有兩個晶閘管出現(xiàn)問題，也就是KT1、KT2、KT3、KT4、KT5、KT6中的任意兩個組合發(fā)生損壞。

經(jīng)過分析不難發(fā)現(xiàn)，該部分故障種類大致有5種，每種均含有6個子級類型。即以6位標(biāo)號方式便能夠融括全部電路故障類別。

1.2 故障分析

對三相橋型電流進行模擬仿真，如圖1所示。利用仿真模型得出故障電壓ud波形。

圖1 三相橋型電流進行模擬仿真圖

圖2為無故障電路輸出圖，圖3為故障電路輸出圖，其屬性是當(dāng)出發(fā)點A發(fā)生改變時，波形將隨之發(fā)生改變。

圖2 無故障電路輸出圖

圖3 故障電路輸出圖

2 立足于BP神經(jīng)網(wǎng)絡(luò)的智能化電力電子電路故障診斷

2.1 故障診斷

BP神經(jīng)網(wǎng)絡(luò)技術(shù)誕生于20世紀(jì)90年代，是一種依照誤差方向傳導(dǎo)基礎(chǔ)算法訓(xùn)練的全方位、多層次前饋智能網(wǎng)絡(luò)，是現(xiàn)階段應(yīng)用最為普遍的神經(jīng)網(wǎng)絡(luò)技術(shù)之一。BP網(wǎng)絡(luò)能夠有效學(xué)習(xí)與存儲輸出和輸入映射關(guān)系，不需要提前展現(xiàn)相關(guān)數(shù)學(xué)方程[4]。

BP神經(jīng)網(wǎng)絡(luò)和現(xiàn)階段較為流行的其他類型神經(jīng)網(wǎng)絡(luò)有所區(qū)別，并主要體現(xiàn)在隱含層中。對于具有兩個甚至更多隱含層的神經(jīng)網(wǎng)絡(luò)，其激活函數(shù)功能是一種二次性質(zhì)的重疊函數(shù)[5]。因該模型較為穩(wěn)定，所以相對于線性區(qū)別更加準(zhǔn)確可靠，魯棒性質(zhì)也更加明顯優(yōu)異。此外，因激活函數(shù)具有可微性和連貫性，所以可以用梯度方式實施修正公式的計算工作，以反向傳導(dǎo)方式予以驗證。

在實施正式網(wǎng)絡(luò)訓(xùn)練前，必須對網(wǎng)絡(luò)結(jié)構(gòu)加以確立。在此期間，選用BP神經(jīng)網(wǎng)絡(luò)，基本層數(shù)為5層。其中故障種類代碼數(shù)位決定輸出層點位數(shù)量，即輸出節(jié)點等于6；由于隱層特殊性質(zhì)，隱層節(jié)點不具有固定規(guī)律，盡可以利用不斷試驗加以改進。在選擇隱層節(jié)點的過程中，當(dāng)節(jié)點為9時較為理想。此處，在A=0°和A=30°時，全部故障類型作為訓(xùn)練標(biāo)本（見表1），其中前10組數(shù)據(jù)訓(xùn)練，后5組數(shù)據(jù)測試，訓(xùn)練誤差（見圖4）。

圖4 訓(xùn)練誤差

表1 訓(xùn)練樣本數(shù)據(jù)表

2.2 故障驗證

在故障檢測時期，首先選擇表1中后5組為輸入，進行事實驗證。然后將該5組數(shù)據(jù)送入訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)中，經(jīng)過處理再與后5組進行對比，得出真實結(jié)果。

3 結(jié) 論

本文提出基于BP神經(jīng)網(wǎng)絡(luò)的智能化電力電子電路故障檢測方式，與其他傳統(tǒng)檢測方式對比，具有更高的檢測質(zhì)量和效率，并且適用范圍廣闊、穩(wěn)定性可靠性較強。