電力設備在故障診斷中的合理應用辦法

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 電力設備系統診斷的意義

隨著社會的發展，越來越多的技術被融入電子系統之中，計算機，集成電路，信息信號處理，光纖技術等方面的融入，電子系統的規模越來越巨大化，其系統的結構也變的越來越復雜，各種變量，參數日益繁瑣，增多，逐漸形成了大規模系統，分布廣泛，層次復雜，結構繁多的現象，并隨著越來越多的電子設備引入到電力系統中，使得電力系統的規劃，運用和維修都有了更加的基準要求。為了保障系統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生情況做出診斷和預警。通過在線電力檢測系統，并建立模糊化的神經網絡系統，利用其對電力設備進行有效的檢測診斷，在第一件內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控診斷，該模型提高了故障診斷系統的可靠性，并將可視化建模工具進行了實際操作。數字模型是使用特定的語義元對象對產品模型，工廠模型，時間模型和執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據元素的元對象，實行實時監測，診斷和管理運行于生產模型基礎之上的監控系統所管理的生產過程。基于數字模型的故障診斷模式是發展最早，研究系統的一種故障診斷方式，其優點是對于未知故障的敏感性;缺點是比較難以獲得系統模型，且由于建模誤差，擾動及噪音的存在，使得存在的穩定性受到懷疑。

2.1.1 參數估計方式。此類方式是由機理分析確定系統的模型參數和物理元器件參數之間的關系方程，由實時辨識求得系統的實際模型參數，進而由關系方程求解實際的物理元器件參數，將其與標稱值比較，從來得知系統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，通過模型參數不能求的物理參數。所以在實際應用之中，需要結合其他方式來進行，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。此種方式的優點在于狀態估計方法直接有效，但是前提必須要能夠獲得系統精確數學模型，但是這一點的實現是非常困難的，所以此類方法推求其次，主要應用于提高監測系統對建模的誤差，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時域和頻域中較深層次中的多種特征向量，利用系統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的一些狀態或者輸出參數的部分系統。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。提取一個滑動窗內的系統輸入和輸出數據，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，那么當前系統處于正常狀態;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，使系統發生了故障。基于自適應滑動窗格形故障診斷方式的在線實現方式為統計構造何時的檢驗量，假設檢驗殘差序列。此種方式的優點在于，可以檢測突變和緩變故障，切不需要系統的準確數學模型和先驗知識。

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。連續的小波變換可以明確區分信號的突變和雜音的區別，離散小波變換可檢測突變的隨機信號的頻率結構。此種方式的優點在于不需要系統的數學模型，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、不同的時間區域內進行分析，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，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。而人工智能系統作用的時間越長，積累的經驗也就越多，作用也就越大。

人工智能系統主要指專家系統的故障診斷方式。專家系統主要是指利用各方面研究領域頂尖人才的專業知識去進行高效率的推理，分析，基于此基礎來解決專業的高難度實際問題的智能系統，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。此三種方式是經過多次的嘗試，然后結合起來的最優解決方式。

基于淺知識的故障診斷方式具有知識表達直觀，形式統一，模塊性強和推理速度快等優點，但是局限于知識不完備，對無法解決的問題系統容易崩潰，對診斷結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動機故障診斷專家系統研究［D］.浙江大學，2004年.