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 電力設備系統(tǒng)診斷的意義

隨著社會的發(fā)展，越來越多的技術被融入電子系統(tǒng)之中，計算機，集成電路，信息信號處理，光纖技術等方面的融入，電子系統(tǒng)的規(guī)模越來越巨大化，其系統(tǒng)的結(jié)構也變的越來越復雜，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，層次復雜，結(jié)構繁多的現(xiàn)象，并隨著越來越多的電子設備引入到電力系統(tǒng)中，使得電力系統(tǒng)的規(guī)劃，運用和維修都有了更加的基準要求。為了保障系統(tǒng)的正常運行和安全工作，我們必須要的盡早的對它的運行狀況和故障發(fā)生情況做出診斷和預警。通過在線電力檢測系統(tǒng)，并建立模糊化的神經(jīng)網(wǎng)絡系統(tǒng)，利用其對電力設備進行有效的檢測診斷，在第一件內(nèi)處理電力設備的故障預警，以保證電力設備的正常運行，避免造成不必要的損失。

2 電力設備故障的診斷方式

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，在制造過程中進行實時監(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行了實際操作。數(shù)字模型是使用特定的語義元對象對產(chǎn)品模型，工廠模型，時間模型和執(zhí)行模型等構成的復雜對象進行描述，以可以映射為可采集數(shù)據(jù)元素的元對象，實行實時監(jiān)測，診斷和管理運行于生產(chǎn)模型基礎之上的監(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)點是對于未知故障的敏感性;缺點是比較難以獲得系統(tǒng)模型，且由于建模誤差，擾動及噪音的存在，使得存在的穩(wěn)定性受到懷疑。

2.1.1 參數(shù)估計方式。此類方式是由機理分析確定系統(tǒng)的模型參數(shù)和物理元器件參數(shù)之間的關系方程，由實時辨識求得系統(tǒng)的實際模型參數(shù)，進而由關系方程求解實際的物理元器件參數(shù)，將其與標稱值比較，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在于，關系方程不是雙射，通過模型參數(shù)不能求的物理參數(shù)。所以在實際應用之中，需要結(jié)合其他方式來進行，從而獲得更好的故障檢測和分離性能。

2.1.2 狀態(tài)估計方式。此類方式主要是在重構被控的過程中，利用與可測變量比較構成殘差序列，并再次構造適合的模型并進行統(tǒng)計的檢驗方式，在檢驗出來的殘差學列中將故障分離出來，并進行分析，估計和決策。此種方式的優(yōu)點在于狀態(tài)估計方法直接有效，但是前提必須要能夠獲得系統(tǒng)精確數(shù)學模型，但是這一點的實現(xiàn)是非常困難的，所以此類方法推求其次，主要應用于提高監(jiān)測系統(tǒng)對建模的誤差，擾動和噪音等對于早期故障的靈敏度上面。

2.2 信號處理的故障診斷方式

此類方式主要是利用信號分析理論獲得系統(tǒng)時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系來判斷故障源的位置。此方法主要用于診斷對象模型難以建立，但是卻可以測量系統(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:基于自適應滑動窗格形的故障診斷;基于小波變換的故障診斷。

2.2.1 自適應滑動窗格形的故障診斷方式。提取一個滑動窗內(nèi)的系統(tǒng)輸入和輸出數(shù)據(jù)，利用自適應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應滑動窗格形故障診斷方式的在線實現(xiàn)方式為統(tǒng)計構造何時的檢驗量，假設檢驗殘差序列。此種方式的優(yōu)點在于，可以檢測突變和緩變故障，切不需要系統(tǒng)的準確數(shù)學模型和先驗知識。

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，不但可以同時對時域和頻域的信號進行觀測，而且時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處理方式，具有分析時間尺度，且具備多分辨分析力。連續(xù)的小波變換可以明確區(qū)分信號的突變和雜音的區(qū)別，離散小波變換可檢測突變的隨機信號的頻率結(jié)構。此種方式的優(yōu)點在于不需要系統(tǒng)的數(shù)學模型，能夠在時間－頻率兩域進行信號分析，具有可以對信號在不同范圍、不同的時間區(qū)域內(nèi)進行分析，對噪音的抑制力強，有較高的靈敏度，能夠分析到信號的任意細節(jié)，并被越來越廣泛的運用。

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)作用的時間越長，積累的經(jīng)驗也就越多，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域頂尖人才的專業(yè)知識去進行高效率的推理，分析，基于此基礎來解決專業(yè)的高難度實際問題的智能系統(tǒng)，這一過程主要分為三個方面，基于淺知識的故障診斷方式，基于深知識的故障診斷方式，基于深淺知識的故障診斷方式。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。

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

基于深知識的故障診斷方式具有獲取知識方便，維護簡單和完備性強等優(yōu)點，但是卻由于搜索空間大，推理速度過慢。

基于深淺知識的故障診斷方式，此種方式則混合了兩種方式的優(yōu)點，將缺點剔除，形成了具有與人類專家相近的知識，處理方式以優(yōu)先使用淺知識分析，并找到近似問題加以排除，必要時使用深知識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，2007年.

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