陈程
长江三峡通航管理局，湖北省宜昌市，443100
摘要：电力电子装置在电力系统的运行过程中，具有不可替代的应用价值。在当前的供电服务工作里，蓄电池、逆变器等电力电子装置在电能储存、电压转换、线路保护等不同领域中发挥着重要的功能作用，为供电企业电能服务质量与效率的优化提升做出了基础性工具支持。基于此，本文分析了电力电子装置故障诊断技术措施，为提升电力电子装置故障诊断有效性打下良好的基础。
关键词：电力电子装置;故障诊断技术;重要性;应用
随着科技信息技术不断发展，电力电子技术广泛应用于工业生产领域以及国防军事领域，一旦电力电子设备产生故障，不仅会造成系统损坏、装置损坏，甚至可能对生命财产安全产生威胁。因此，电力电子设备故障检测与故障诊断至关重要。
1电力电子装置故障诊断的重要性
电力电子装置属于电工技术重要组成部分，借助电力电子器件与计算机控制技术有利于处理、变换大功率电能，属于电力电子技术重要组成部分。从近些年来看，电力电子技术发展速度逐步加快并且广泛应用到直流传动、电化学、电子开关、无功补偿等领域，市场占有率逐渐扩大，随着电能在国民经济耗电量占比逐渐增加，电力电子装置重要性可见一斑。电子电力装置故障诊断实用性比较强，由于故障发生实践到停电时间间隔较短，在发生故障后，电子电力装置保护系统自动运行，故障信息随之消失，这就使得维修工作人员很难准确判断故障位置，及时故障诊断有利于防止故障扩大，有利于减少危害，总之，电力电子装置故障诊断至关重要。
2电力电子装置诊断技术的应用特点
现阶段，电力电子装置在电力系统故障处理、供电线路负荷调节、电能量级转化等多个领域，都取得了良好的应用效果，使得电力系统在实施供电行为时更加灵活、高质。具体来讲，电力系统中电力电子装置的应用主要表现为以下几个特点：
第一，硬件结构的一体化。电力电子装置内部的驱动、控制、保护等器件集成在同一设备主体当中，各功能电路、连接导线也逐渐趋于精巧化。此外，电力电子装置硬件结构的一体化发展，也大大缩短了相关人员的制造设计周期，进而实现了相关资源的有效节约。
第二，控制方式的自动化。随着当前大数据技术、物联网技术等高新技术在电力行业领域的普及应用，电力电子装置还将向着智能化的未来方向逐步进行优化升级。
第三，电能调节的灵活化。众所周知，50～60Hz是最佳的发电频率，但并非最佳的用电频率。此时，现代电力电子装置在实际的应用过程中，能根据系统终端的指令信息或预设的自动程序，实现供电频率的调节，从而辅助电力系统实施出更加精准、高质地供电服务行为。
3电力电子装置故障诊断方法
3.1基于信号处理故障诊断方法
信号处理指同信号相关的信号发生、信号传送、信号接收、信号分析、信号处理、信号检测以及信号控制等过程，借助信号模型实现信号分析，提取信号特征，优化故障检测。基于信号处理故障检测方式包含频谱分析法、信息融合法、小波变换法等。
3.2基于知识故障诊断方法
以知识处理技术作为基础，达到辩证和数理逻辑、推理和算法过程、符号和数值处理的统一，并不需要建模控制系统，避免电力电子系统建模。目前，基于知识电力电子装置故障排除方法有神经网络法、专家系统法、故障树方法、模式识别法、人工智能法等。
3.3主成分分析法
在一些电路故障诊断中，故障产生的主要问题是故障诊断的最重要因素。因此，在电力电子电路故障检测过程中，应该找到故障产生的主要问题，排除次要冗杂，将电力电子电路故障在最短的时间内用最快的方法解决。在主成分分析法中，它在系统中能够输入多个变量，并且转换变量，选择比较重要的几个变量。
这种变量的统计方式比较特殊，能够参照系统中变量之间的变化，由输入的变量形成矩阵的特点确定压缩。在变量处理过程中，根据变量的数据成分进行预处理，然后得出分析所需的主要成分变量。
4基于电力电子装置故障诊断技术措施分析
4.1建立完整的数据信息库
数据信息库的建立很大程度上依赖于电力电子电路智能故障诊断技术。智能故障诊断技术能够在很大程度上提高整个信息数据库的完整性和有效性，并且提高诊断效率。智能故障诊断技术在诊断过程中发现问题、解决问题，把它及时存入信息数据库中。信息数据库主要包括一些电路运行的数据和一些相关的诊断报告等，然后通过将这些数据与数据库中存在的数据进行对比分析，判断电路中存在的状况，迅速找到电力电子电路中的故障点。
4.2 基于神经网络电力电子装置故障诊断分析
人工神经网络，是对神经网络行为的模仿，属于处理分布式并行信息，人工神经网络自学习能力、自适应能力比较强，通过预先给定一组到输入输出关系的数据分析，寻找数据见规律，由新输入数据进行输出结果推算，这属于神经网络“训练”过程。人工神经网络非局限性、非线性、非凸性以及非常定性比较强，借助网络变换、动力学行为获得并行分布式信息处理，在不同程度、不同层次对人脑神经系统信息处理功能进行模仿，有效克服传统人工智能方法对知觉方面存在的缺陷，进而有效应用于模式识别领域、神经专家系统领域、组合优化领域等。
4.3基于支持向量机电力电子设置故障诊断分析
支持向量机是以统计学习理论为基础的机器学习算法，与人工神经网络较为相似，支持向量机也可以看作学习机器，通过学习训练样本，掌握样本特征并且预测未知样本，主要应用领域为模式识别领域。由于目前研究并不完善，对解决模式识别也过于保守，并未得到足够重视。20世纪90年代，统计学习理论与神经网络等新兴机器学习方法不断普及，这就为研究带来巨大挑战。随着支持向量机迅速发展，目前应用于很多领域，诸如，文本与手写识别领域、生物信息学领域等。
4.4电力电子装置在电力系统输电领域中的应用
通常情况下，电力系统输电领域中的电力电子装置以晶闸管换流器为主。这一电子装置能实现供电线路的柔性输电效果，进而保证了有功功率、无功功率的控制管理。从当前来看，此类电力电子装置在城市供电领域中应用较为广泛。同时，基于换流器等电子装置的无源负荷供电支持能力，其在供电网络边缘区域也具有一定应用价值，有助于提高此类区域内电能供应的稳定性和高效性，进而改善电力系统中的供电孤岛问题。
5结束语
在电力电子装置中，大电流、高电压功率器件比较多，在出现故障时，若是选择常规检测方式，那么需要耗费大量的时间和精力，那么就需要结合电力电子装置特点，将新型技术应用于电力电子装置故障诊断活动中。有效故障诊断技术有利于实现故障部位与故障性质的快速分析与确定，有利于缩短装置运行停机的时间，提升电力电子装置运行效率，尽可能降低损失。
参考文献：
[1]马汝冰，王佳艳，马晓飞，等.人工智能在电力电子电路故障诊断中的应用[J].百科论坛电子杂志，2019，（1）：661-662.
[2]赵鑫川，孟学斌，赵鹏飞.电力电子装置在电力系统中的实际应用分析[J].电子制作，2017（7）：90-91.
[3]陈诗灿，林琼斌，陈四雄，等.电力电子变流器故障诊断的智能方法综述[J].电气技术，2019，20（3）：6-12.
[4]朱春雷.电厂电力系统中电力电子装置的主要应用研究[J].自动化与仪器仪表，2017（7）：222-223，226.
[5]陈姝姝，田慕琴，宋建成，等.基于PSE-ANFIS的ZPW-2000A轨道电路故障诊断方法[J].太原理工大学学报，2018，49（6）：898-902.
[6]吕磊，曹韧桩，田云，等.试论模拟电路的智能故障诊断技术[J].电子世界，2017，（21）：167，169.