第３２卷笫３捌
－８４・
２００６年
３月
高电压技术
ＨｉｇｈＶｏｌｔａＲｅＥｔｔｇｉｎｅｅｒｉｎｇ
Ｖ０１３２Ｎｏ３
ＭａＬ２００６
电力电子主电路故障诊断方法研究＋
郑连清，邹涛，娄洪立
（重庆大学电气工程学院，重庆４０００４４）
摘要：提出了采用小波分析和神经网络诊断电力电子装置放障诊断的方法，分析了三相桥式可控整流电路的故障波形特点，将利用小渡变换模极大值和多尺度分析理论提取的故障特征输入神经网络诊断故障。归纳了故障诊断需知的３个条件眦实现控制角的检测、故障的分类和定位。仿真表明该方法有效。关键词：多尺度分析；频带能量分析；神经网络；故障诊断中图分类号：ＴＭ４６１．４
文献标识码：Ａ
文章编号：１００３—６５２０ｆ２００６】０３－００８４—０３
ｏｎ
ＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＰｏｗｅｒＥｌｅｃｔｒｏｎｉｃＣｉｒｃｕｉｔｓＢａｓｅｄ
Ｗａｖｅｌｅｔ
ＴｒａｎｓｆｏｒｍａｎｄＮｅｕｒａＩＮｅｔｗｏｒｋ
ＺＨＥＮＧＬｉａｎｑｉｎｇ，ＺＯＵＴａｏ，ＬＯＵ
Ｈｏｎｇｌｉ
（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ）
Ａｈｔｒａｃｔ：Ｂａｓｅｄ
ｍａｉｎｃｌｒｃｕ［ｔｓｉｓ
ｏｎ
ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｎｄｎｅｕｒａｌ
ｎｅｔｗｏｒｋｔｈｅｏｒｙ．ａｎｅｗｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｆｏｒｐｏｗｅｒｅｌｅｃｔｒｏｎｉｃ
ｒｅｃｔｉｆｉｅｒｃｉｒｃｕｉｔｗｉｌｌ１）ｅ
ａｓ
ｐｒｅｓｅｎｔｅｄ．Ｉｎｔｈｉｓｐａｐｅｒ．ｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｔｈｒｅｅ－ｐｈａｓｅＳＣＲ
ｍｅｔｈｏｄ：ａｎａｌｙｚｉｎｇｔｈｅｆａｕｌｔｔ；ａｓｅｓ。ｄｒａｗｉｎｇ
ｏｎ
ｏｕｔ
ｔａｋｅｎ
ａｓａｒｔ
ｅｘａｍｐｌｅ
ｔｏｉｌｌｕｓｔｒａｔｅｔｈｅ
ｔｏ
ｔｈｅｆａｕｌｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
ｔｈｅｉｎｐｕｔｓｏｆ
Ｈｅｕ—
ｒａｌｎｅｔｗｏｒｋ
ｐａｐｅｒＴｈｉｓＫｅｙ
ｒｅａｌｉｚｅｆａｕｈｄｉａｇｎｏｓｉｓ１＊ｕｓｅｄ
ｍｏｄｕｌｅｉｌｉａｘｉｍｕｍｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｍｌａｎｄｍｕｌｔｉ－ｓｃａｌｅａｎａｌｙｓｉｓ．Ｔｈｅ
ｉｎｄｕｃｅｓｆａｕｌｔｄｉａｇｎｏｓｉｓｃｏｎｄｉｔｉｏｎｓ，ａｎａｌｙｚｅｓ
ｔｏ
ｔｒｉｇｇｅｒｉｎｇａｎｇｅｌｄｅｔｅｃｔｉｏｎ，ｃｌａｓｓｉｆｉｅｓａｎｄｌｏｃａｌｉｚｅｓｃ［ｒｅｕｉｔｆａｕｌｔ．
ｍｅｔｈｏｄｉｓｄｅｍｏｎｓｔｒａｔｅｄｂｅｖａｌｉｄｗｉｔｈｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓ．
ｗｏｒｄｓ：ｍｕｌｔｉ－ｓｃａｌｅａｎａｌｙｓｉｓ；ｅｎｅｒｇｙａｎａｌｙｓｉｓｉｎｆｒｅｑｕｅｎｃｙｂａｎｄｓ；ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｆａｕｌｔｄｉａｇｎｏｓｉｓ
０引言
高电压、大电流的电力电子装置主回路中的功
实践表明，电力电子故障大多表现为功率器件
的开路和短路口］，以开路故障为例，由于整流电路输出直流脉动电压Ｕｄ的波形含有故障信息，可将故障分为：①无品闸管故障；②有一晶闸管故障，分Ｔ。～Ｔ６６小类故障；③接到同一相电压的２只晶闸管故障，有Ｔ，和１、４，Ｔｚ和，Ｉ、５，Ｔ。和Ｔ。３小类故障；④同一半桥中的２只晶闸管故障，有Ｔ，和Ｔ｛，Ｔｚ和
Ｔ。，Ｔ。和Ｔ；，Ｔ。和Ｔ６，Ｔ．和Ｔ；，Ｔ２和Ｔｓ６小类故
率器件较多，故障发生时用常规的逐个检测方法费时费力，不能满足实时诊断的需要。本文针对电力电子电路主回路故障情况，应用小波分析和神经网络技术，通过分析输出电压波形所包含的故障信息进行故障诊断［１。７’。
１
三相桥式可控整流电路主回路故障分析以电感性负载三相桥式可控整流电流（见图１）
障；⑤交叉２只晶闸管故障，有Ｔ，和Ｔｚ，Ｔｚ和Ｔｓ，
Ｌ和Ｔ４，Ｔ４和Ｔｓ，Ｒ和Ｔｅ，Ｔｅ和Ｔ，６小类故障。
为例分析主回路故障。图中Ｕａ、Ｕｂ、Ｕ为输入三相对称电源；晶闸管Ｔ，～Ｔ６构成三相全桥可控整流
器；电阻Ｒｄ为１００ｎ，电感Ｌ为５Ｈ。
ＴＩ
Ｔ３
Ｔ５
图２是第２～５类故障的Ｕｄ电压波形，其特点如下：ａ）在一定控制角ａ、同一大类的故障、不同的
故障源下，Ｕｄ波形只在时间轴上平移，形状不变；
一２００｝
；８３｝、厂——、广～Ｔ．
Ｊ
Ｌ＿／－】
以
ｙｂ
』。
、ｌ｜３［、』＼＿厂＼＿厂＼＿ｒｖ。
乩
ｉｂ
¨。ｉ。
［
ｓ舅非、＼＿—／—、—／一叩，
、叩。。３｝＼一一瓤２０＼，—、＼，—一叩。＼一
】
“嘧岳—百蒜●、志ｒ—高百—百奇一
Ｔｄ
Ｔｂ
Ｔ２
图１三相桥式可控整流电路
Ｆｉｇ．１
３－ｐｈａｓｅＳＣＲｒｅｃｔｉｆｉｅｒ
Ｆｉｇ．２
图２口＝０。时．４种故障波形
ｗａｖｅｆｏｒｍｕｎｄｅｒ４ｓｏｒｔｓｏｆｆａｕｌｔ（ａ＝０。）
＊雨庆大学高电压与电Ｔ：新技术教育部重点Ｊ实验室访问学者资助项日万方数据
２００６年３月高电压技术第３２卷第３期
・８５・
ｂ）Ｕｄ波形随ａ变化而变，给提取故障特征带来麻烦，因此在诊断故障时应尽量减少。变化的影响。
２基于小波分析的故障特征提取方法
２．１利用多尺度分析提取故障类型特征向量
在诸多信息处理方法中，小波分析近年迅猛发展，是传统的Ｆｏｕｒｉｅｒ分析方法的突破性进展。在不同故障类型下，故障电压波形包含不同的谐波成分，在不同的频带上谐波能量增强或抑制。三相桥式全控整流电路不同类型的故障电压波形信号经小波分解后在各频带上的投影不同，故障信号在各频带投影序列的能量是故障类型的表现形式，可把正交小渡分解后各尺度空间的信号能量，按尺度大小
排列成的向量作为特征向量，这种分析方法称频带
能量分析。故障波形中信号的突变时刻可通过分析小波变换的分解层数ｊ一１时小波变换系数的最大绝对值得到。最大值对应的数据点一可转换为时问或角度，用于故障的“定位”Ｌ９。“。
２．２利用小波变换模极大值检测信号突变
小波变换的模极大值都出现在信号有突变的地方，且突变处的高频成分较多，所以函数的奇异点可从其小波变换的高频部分的模极大值检测出。用ｄｂ３小波对图２中的Ｔ。ｒＩ、３晶闸管故障时的波形进行二层分解结果见图３。图中Ｓ为要分析的故障波
形信号（。一ｏ。，已归一化）㈣为Ｓ的第２层逼近；ｄ
采样点数
图３
ｄｂ３小波检测信号的突变点
Ｆｉｇ．３
Ｂｒｅａｋｉｎｇｐｏｉｎｔｄｅｔｅｃｔｉｏｎｂｙｗａｖｅｌｅｔｄｂ３
图３中的定位点有如下特征：定位点左边的小波系数模值有一段连续的零值，对应着原始信号中为零值的一段波形。
仿真软件ＭＡＴＩ。ＡＢ中，若突变点下标为Ｊ，则原始信号中突变点的下标为：ｎ＝ＮＸＪ，其中Ｎ为分
解层数。定位点和发生故障的晶闸管关系见表１。
如以ａ＝０时的定位点相位为参考，设用小波系
数模极大值求出的定位点相位／，则可将不同ａＦ的定位点相位用ｙ表示，计算方法为：
万 』卜／二“，１７—３６０。＋７，一口，／一ｄ＜０。方数据
ｔ～≥０’（１）…
表１第２大类故障定位点与故障晶闸管间的关系
Ｔａｂ．１
Ｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｌｏｃａｌｉｚａｔｉｏｎｐｏｉ．ｔａｎｄｆａｕｌｔｔｈｙｒｉｓｔｏｒ，ｆａｕｌｔ
ｔｙｐｅⅡ
故障品闸管
Ｔ１
Ｔｚ
ｌ。
■
Ｔ５
＋ｆ６
０
１５０
２ｔＯ２７０
３３０
３０９０
定位点相位
３０
１８０２４０
３００３６０
６０
１２０∥（。）
６０２１０
２７０
３３０３０
９０
】５０
９０
２４０
３００
３６０
６０
１２０
１８０
这样，不论ａ为多少，定位点相位都与ａ—ｏ。时相
同。第４、５大类故障定位点相位同样有式（１）的关系。第３大类的情况稍有不同，符合定位点特征的模极大值点有２个，第２定位点比第ｌ后移１８０。相位。第１定位点和发生故障的晶闸管问关系如下：
ｆｙ—ｙ一口，
ｙ～口≥０，
…
１７：１８０。＋／一Ｃｔ，７／～口＜ｏ。
ｑ’
综合上述４大类故障，并视无故障情况为一类特殊故障，则特定ａ下２２种故障的定位特征向量归
纳为表２（除以３６０。系将其归一化）。
表２故障的定位特征向量
Ｔａｂ．２
Ｌｏｃａｌｉｚａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃ
ｖｅｃｔｏｒｏｆｆａｕｌｔ
敞障类
１２
３
４
５
。
特征向辱
式‘１’７３６００
式‘２ｉ／３６矿
式‘１’７３６００
式‘１’７３６０。
２．３利用小波变换模极大值检测“
在上节分析中，／实际是定位点下标ｎ转换而来，先利用”对故障样本信号Ｓ变换。将信号ｓ中ｎ后的部分移到前面Ⅲ前部分移到后面，生成在时间轴上相当于平移了ｎ个采样间隔的新故障样本信号，仍用ｓ表示。以ｒＩ、，Ｔ。晶闸管故障波形为例，经平移后的故障样本信号进行ｄｂ３小波分解后见图４。图中，观测点１和２分别为零系数段向左数的第１和第２个突变点。经分析，观测点１和２阃的差
值对应的相位差妒与ａ密切相关。从图中可见观测点２对应着自然换相点，由电力电子中的三相整流
电路可知，ｕ＝Ｏ。时从自然换相点到电压为０，经历ｐ＝１２０。。ａ：／－ｏ。时，妒相应减小，减小的值正好等于
ａ，因此，ａ可由下式汁算：
口一１２０。一妒，０≤Ｐ≤１２０”。
ｏｌ”０．５
００ｌ
９
ｉ０．５
［厂、？
Ｏ
２．．．．．．∑．．Ｌ二！
２０
６０
１００
１４０
ｌ８０
２０
６０
Ｉｏｏ
１４０
１８０
采样点数
图４平移后故障样本信号的小波分析
Ｆｉｇ．４
Ｗａｖｅｌｅｔａｎａｌｙｓｉｓｏｆｔｒａｎｓｌａｔｅｄｆａｕｌｔ
ｓａｍｐｌｅｓｉｇｎａｌ
ＨｉｇｈＶｏｌｔａｇｅＥｎｇｉｎｅｅｒｉｎｇ
若一有负值元素时，应对负值元素置零后进行
小波分析。第１类故障时，不需知ａ的大小，即可获得定位特征向量（由表２知）。
综合本节分析，三相桥式可控整流电路故障诊断晶闸管定位需知的条件为：１）故障类型；２）转换为ａ＝０。时的定位点相位关系；３）控制角ａ。满足上述３个条件即可完成故障的分类和定位。
３利用神经网络进行故障分类
ＢＰ神经网络故障诊断模型主要包括３层“’“Ｊ：１）输入层，即从实际系统接受的各种故障信息及现象；２）隐层，将输入层得到的故障信息，经内部学习和处理，转化为针对性的解决办法；３）输出层，针对输入的故障形式，经调整权系数后，将输入按所定义的合适方式分类。
ＢＰ神经网络的工作过程主要分２阶段：１）网络训练阶段，即通过各种训练样本让神经网络进行学习，利用网络输出值与应有输出值之间的差值来修改各神经元的连接权值，最终使网络的输出满足要求；２）利用训练好的网络判断各种故障情况。
在３层ＢＰ神经网络中，没输入层的个数为ｎ，隐层的个数为ｒ，输出层的个数为ｍ，输人层到隐层的连接权为ｙ“，隐层到输出层的连接权为ｗ＂输入向量为掣，隐层输出向量为Ｈ“，输出层的输出向
量为Ｐ，期望输出为Ｄ“。其中“为第“次迭代，也
是样本中的第“个向量，这样得到一组向量：
．ｘ“一ＬＴｆ，ｚ！，…，ｚ？，…，ｚ：Ｊ１，
ｊｒ—Ｅｈｆ，埘，…，础，…＾ｆ］‘，
ｌ，”＝＝Ｌｙ￥，ｙ￥，…，ｙ；，…，ｙ：Ｊ１，
Ｄ“一［ｄ：，ｄｌ，…，础，…，ｄ；］’。
』
若记隐层的净输入：ｎｅｔ：一≥：Ｖｈｚ？，
ｉ—ｌ
隐层的净输出：＾Ｅ一－厂ｈ（ｎｅｆｆ，），
，
输出层的净输入：ｎｅｅ一≥：Ｗｊｋ＾《，
＾一１
输出层的净输出：硝一＾（ｎｅｔ？）。
输出层各神经元误差的平方和ＭＳＥ（误差函数）为
１三
ｐ（ｗ）一号２。（田一＂）２一
一Ｉ一１
…
ｆ
ｎ
了１厶、“Ｊ一＾（∑ＷｉｋＡ（∑Ｖｋ，硝）））。
得到误差函数后，用不同的法则求得从输出层
到隐层和隐层到输入层的权值修正量，常用的方法有梯度下降法等。其目的是通过不断迭代计算，调整权值，使误差函数最小。
标准的ＢＰ算法学习速度较慢，存在局部极小点，可采用改进的ＢＰ等算法克服。万
方数据４故障诊断仿真结果
在ａ为０。、３０。、６０６、９０。下取得的各故障样本为
故障诊断的训练样本，用Ｓａｂｅｒ仿真获得的故障波形转换为矩阵形式的ｔｘｔ文件输入，用ＭＡＴＩ。ＡＢ分析和诊断，并输出诊断结果，采样时间０．１ｍｓ，每
周期采样点２００个。在ＭＡＴＩ。ＡＢ中，离散小波变
换将故障波形数据分解到７个频带上，由于高频频带带有噪声和干扰信号，因此选取离散小波分解的层数Ｊ一５，６，７三个频带的细节系数和第７个频带的近似系数分析能量。由于所用的小波函数为ｄｂ３，对应的频率范围可用“ｓｅａｌ２ｆｒｑ”函数求出。由
此得到表３的故障特征向量。
表３各类故障时．在典型口下的特征向量
Ｔａｂ．３
Ｅｉｇｅｎｖｅｃｔｏｒｕｎｄｅｒｇｉｖｅｎｔｒｉｇｇｅｒｉｎｇａｎｇｅｌ
Ｐ．ｕ．
耋型１２
１三！！夔必！』三！！塑蔓！！三！！型笪！！三！！墅茔１
０
】００００００
００００４
０
３０Ｏ，６７７７
０・０００８Ｏ・０００８Ｏ・００２７
类６０
ｏ２４０８
０．０００２０．０００２０．００５０
９０
０
０３２５０００２４
０．００１８
０．００７９
结合表２、３组合所有故障类型的特征向量，形成特定。下的故障特征矩阵（６×２２），作为神经网络训练和工作的输入。
ＢＰ神经网络算法选择：前向算法：ｌｏｇｓｉｇ（对数ｓ型传递函数）、ｔａｎｓｉｇ（正切Ｓ型传递函数）、ｐｕｒｅ／ｉｎ（线性传递函数）；反向传播算法：ｔｒａｉｎｂｆｇ（准牛顿法）。神经网络的均方误差为（ＭＳＥ）０．０４。
（下转第９８页）
・９８・Ｍａｒ．２００６
ＨｉｇｈＶｏｌｔａｇｅＥｎｇｉｎｅｅｒｉｎｇ
Ｖ０１．３２Ｎｏ．３
同时综合考虑稳定性以及经济性的严重性指标，使系统运行人员能根据系统运行状态，选取适当的比例因子获取系统的最佳运行点。分析ＷＳＣＣ统的算例证明了本算法的正确性和有效性。
参考文献
Ｅｌｆ
Ｅｍｓｔ
Ｄ．Ｒｕｉ｝ＶｅｇａＤ．Ｐａｘ，ｅｌｌａ
动化，２００２．２６（２１）：１－６；２６（２２）：１－４
［３０３
ＭｉｎｇＮｉ．Ｍｃ￡ａｔｔｅｙｊ∞㈨Ｄ
ｒｉｔｙ
ＶｉｕａｆＶｉ］ａｙ．ｅｔ血Ｏｎｌｉｎｅ
ＴｒｍａｓａｃｒｉｏＩＩ￥ＯｒｌＰｏｗｅｔ
ｒｉｓｋ
ｂａｓｅｄ—
ａｓｓｅｓｓ腿ｎｔＬＪＪ．ＩＥＥＥ
ＳｙｓＴｅｒｎｚ，２００３．１８
９系
（１）：２５８－２６５
［１１］ＭｉｎｇＮｉ．ＭｅＣａｔｌｅｙＪａｍｅｓ
Ｄ，Ｖｉｔｔａｌ
Ｖｉｊａｙ，㈣ａｌ
ＳｏｆｔｗａｒｅｉｍｐＬｅｍｅｍａ—
Ｔｒａｎｓａｃｔｉｕｎｓ（ｍ
ｔｉｏｎｏｆｏｎｌｉｎｅｒｉｓｋ－ｂａｓｅｄｓｅｃｕｒｉｔｙａｓｓｅｓｓｍｅｎｔ［，［］ＩＥＥＥ
ＰｏｗｅｒＳｙｓｔｅｍｓ，２００３・１８（８）：１１６５—１１７２．
［１２］Ｗａｎ
ｔｏ
ＨＲｉｓｋ
ｂａｓｅｄⅫｕｒｉｔｙ……ｔｆｏｒｏｐｅｒａｔｉｎｇ
Ｕｎｉ＂ｒｓｉｔｙ，Ａ㈨１９８８．
Ｙ∞Ｇ“ａＴｌｇｈｍ
ｃｏｎｔｍｌ
ｓｔａｂｉｌｉｔｙ
ｅｌｅｃｔｒｉｃｌｘＪｗｅｒ
ｓｙｓ
Ｍ．ｔｆａＬａｎｄ
Ａｕｎｉｆｉｅｄａｐｐｒｏａｃｈｔｒ帅ａｉｅｎｔ
Ｔｒａｎｓ—
ｔｍ《Ｄ］．Ｉｏｗｎ：Ｓｔａｔｅ
［１３］Ｓｅａｒｉｅ
［１４］Ｃｈｅｎ
ＳＲ
１．ｉｎ曲ｒ
Ｙｕｎｐｉｎｇ，１．ｉｕ
ｓｔａｂｉｌｉｔｙａｃｔｉｎｓ
ｍｎｔｌｎｇｅｎｃｙ
ｏｎ
ｆｉｌｔｅｒｉｎｇ，ｒａｎｋｉｎｇ
ａｓｓｅｓｓｍｅｎｔ［Ｊ－ＩＥＮＪＥｍｏｄｅｌｓ［Ｍ］ＮｅｗＹｏｒｋ：Ｗｉｌｅｙ，１９７１Ｑｉｓｈ《ｔｇｔ
Ｏｎ－ｌｉｎｅ
ＰｏｗｅｒＳｙｓｔｅｍｓ．２００］．１６（３）｛４３５－４４３．
Ｓ
Ｅ８
ＰａｖｅＨａ
ｔｏ
ＩＥＥＥＴｒａｎｓａｃｄｏｎｓ㈣Ｐｏ
ｔｒａｒＩｓｉｅｎｔ
ｓｔａｂｉｌｉｔｙ
ｔｏ
Ｍａｎｉａ．ＲｏⅦｙａｋ
Ｍ．ＥｒｎｓｔｕＤｉｓｃｕｓｓｉｏｎｏｆ
ａ
ｕｎｉｆｉｅｄａｐｐｒ。ａｃｈ
ａｓｓｅｓ…ｎｔａｎｄｔ—ｓｉｅｎｔ
６５６—６６０．
ｄｙｎａｍｉｃ—ｕｒｈｙ
ｕｓｉｎｇｄｙｎａｍｉｃｓｅｅｕｒｌｔｙｒｅｇｉｏｎｓ
Ｐｒｏｃｅｅｄｉｎｇｓ．２００２．１ｉ
ｍｎｌｉｎｇｅｎｃｙｆｉｌｌｅｒｌｎｇ，ｒ加ｋｉｎｇ，ａｎｄ
ｒＳｙｓｔｅｍｓ．２００２－１７（２７：５２７
ａｓ弛ｓｓｍｅｎｔ［Ｊ：．
ｕｎｉｆｉｅｄａｐｐｒｏａｃｈ
ｍｄｈｏｄ［ｃ：．ＰｏｗｅｒＳｙｓｔ啪Ｉ＇ｅｃｈｎｏｌｏｇｙ．２０００ｔ
［３］ＥｒｏｓｌＤ，Ｒｕｉ｝ＶｅｇａＤ，Ｐａｖｅｌｌａ
ｓｔａｂｉｌｉｔｙ
ｏｎ
Ｍ．ｅｔａ１．Ｄｉｓｃｕｓｓｉｏｎｏｆ
ｒａｎｋｉｎｇ
ａ
［１５］姚光华．陈允平，赵武智州动态安生域法决定暂巷稳定紧急控制措施韧
探［』：．电网技术．２００２，２６（】２）：２１—２３．
徐前１９８０一，博士生，主要从事电力系统稳定方
匝的研究。Ｅ－ｍａｉｌ：ｅｏｌｌｅｎｓｔｉｅｋ＠１６３．∞ｍ
ｔｒａｎｓｉｅｎｔ
ｃｏｎｔｉｎｇｅｎｃｙ
ｆｉｌｔｅｒｉｎｇｔ
ａｎｄ一㈦Ｉｍｎｌ［Ｊ：．
５２９
ｔＥＥＥＴｒａｎｓａｃｔｌｏｎｓ
ＰｏｗｅｒＳｙｓｔｅｍｓ．２００２，１７（２７：５２８
［４］镣政，高慧域，畅蛸萍．崩方电网中直流紧急功率调制的作用［Ｊ］．高ｌＵ
挂拄术，２００１．３０（１１７：２４
２６．
Ｅ６］徐Ｊ致．高慧敏，扬蛸萍．南＾电网多直流蒋点系统稳定性分析口］．高ｒＵ
压技术，２００４．３０（１１）：２１＿２３．
陈允平１§４５，教授，博导，主要从事电力系跪、电
力电子、高电压工程等方面的研究工作。
［６－ＬｉｕＣｈｅｎｅｈｉｎｇ，ＪｕｎｇＪｕｈｗａｎ．Ｈｅｙｄｔ
ｆｍ５
ｓｅ（ＳＰＩＤ）ｓｙｓｔｅｎｌ
ａ
ｚｎＪｃｔ㈣ｄｅｆｅ
Ｇｅｒａｌｄ’ｒ，ｅｔａ１．Ｓｔｒａｔｅｇｉｅｐｏｗｅｒ
ｉｎ—
ｍｎｅｅｐｔ∞ｌｄｅｓｉｇｎＵＪ
ＩＥＥＥＣｏｒａｍｌ
ＳｙｓｔＨｎｓ
Ｍａｇａｚｉｎｅ．２０００．８０（４）１
４０—５２．
［７］汤玉东．吴军基，郜石．电力市场的稳定性研究｜：＿Ｊ：电力系统Ａ功化．
２００１，２５（４）：１１—１５
［８］赖业宁，薛禹胜．王海风ｌＵ力市场稳定性及，＃风险管理［Ｊ］．电力系统门
动化，２００３．２７（１２）；１８
２４．
棣箭
收稿［【期２００５４１９—１３
编辑蔡爱蛟
［９］薛禹胜电力市场稳定性与电力系坑稳定性柏相互影响口］电力系统自
（上接第８６页）
训练时误差的变化曲线见图５。
１００
在线诊断［刀．浙江大学学报（工学版）１９９９，３３（６）：１０６—１１０
［５］王经维，鲁照投，王海盘，等变频调速系统的智能故障诊断［Ｊ］．电气自动
化，１
９９３．１５（６）：３０—３２．
足栅嗤１０１忙蝴
０
－＼
１００
［６］姜平，钱亮华晶闸管装置救障监测与自酵断技术［Ｊｊ．电气传动自葫
化，１９９６，１８（２）：９９—４０．
［７３蔡盘定，涂娟，王少芳电力电子电路故障的遗传进化神经网络诊断
［Ｊ：高电压技术，２００４．３０（９）：３５［８］徐德鸿，马皓电力电子装置故障自动渗断［Ｍ：．北京：科学出版社，
２００１．
［９］飞思科技产品研发中心．ＭＡＴ［．ＡＢ６．５辅助小波分析与应用［Ｍ］．北京：
３００
５００
７００
９００
电子１＝业ｊＩ｛版社，２００３
神经网络的迭代次数
１ｌｏ］Ｂｈｕｎｌａ
ｔｕＦｒｅｎｔ
ｓ，ＲｏｙＫ，ｓｅ【ｊｕｍＪ．Ａ
ｎｏｖｅｌｗａｌｌｅｔ
ｔ…ｂｍ
ｂａｓｅｄｔｒａｎｓｉｅｎｔ
图５
Ｆｉｇ．５
ＢＰ神经网络训练过程
ＰＢｎｅｔｗｏｒｋ’ｓｔｒａｉｎｉｎｇ
ａ１１ａＩｖ５１ｓｆｏｒｆａｕｌｔｄｅｔｅｃｔｉｏｎａｎｄ
ｌｏｃａｔｉｏｎ［Ｃ］Ｄｅｓｉｇｎ
Ｈ
Ａｕｔｏｍａｔｉｏｎ
Ｃｏｎｆｅｒｅｎｃ≈．ｐｒｏｃｅｅｄｉｎｇ
３９ｔｈ２００２ｊ３６１。３６６
［１ｆ］Ｈ喇ａｒ
Ａ
Ａ，Ｍａｎ舯ｕｒＭＭ，’Ｐａｌｌａｔ
Ｅ～Ｗａｖｅｌｅｔｓ如ｒ
ａｎｄｐｈａｓｅ
ｓｉｘ－ｐｈａｓｅ
５结语
ｔｒａｎｓｍｉｓｓｉｏｎｌｉｎｅｓｔｅｌａｙｉｎｇ：ｆａｕｌｔｃｌａｓｓｉｆｉｃａｔｉｏｎＭＥ［．Ｅｃ（）Ｎ
ｓｅｌｅｃｔｉｏｎ［（’］．
本文通过小波分析方法，提取了故障波形的特征，将其用于神经网络的诊断。与直接采用故障波
形作为神经网络输入的方法相比，输入数据少、网络
［】２］ＭｕｒｔｙＹＶＶ
ｐｂａｓｅ
ｔｈｙｒｉｓｔｅｒ…Ⅲ…ｕｓｉｎｇ…ｐ…ｔＪ］．ＩＥＥＥ
１ｌｔｈ，Ｍｅｄｉｔｅｒｒａｎｅｅｎ，２００２：２３６—２３９．
Ｓ．ＤｕｂｙＧＫ—Ｓｉｎｌ＂Ｒ
ＭＫＦａｕｌｔ
ｄｉａｇｎｏｓｉｓｉｎｔｈｒｅｅ＿
Ｔｒａｎｓ
ｏｎ
Ｉｎ—
ｄｕｓｔｒｉａｌＡｐｐｌｉｃａｔｉｏｎ・１９８４，２０（６）：１４９０—１４９７
［ｆｓ］孝之昆．马爱忠．基于ＡＮＮ的发电机转子绕组匝问短路诊断方法［Ｊ］．
高电压技术．２００４，３０（１）：３１
３３．
训练快、故障诊断准确。具有运用于实时在线诊断的潜力。在进行小波分析时，采用了多尺度分析方法，由于该方法未再分析高频部分，因此存在分解不够精细的缺点，所形成的频带范围较宽，故障特征不
明显，在训练样本外的诊断时，“定位”不够准确。
参考文献
［１］强玲．曾昭华，畅永ＳＣＲ—Ｄ系统曲故障诊断［Ｊ］屯力电子拉术．
１９。３．（１）：Ｚ４—２８．
［¨：虞和济．基于神经网络的战障智能诊断［Ｍ］、北京：冶金工业出版杜．
２０００．
［１５１孙衙．黄进．电力电子装置故障的数字计算机仿真［Ｊｊ．电工技术学
报．１９９９．１１（４）：５６—６０．
邦连清１０６４，副教授，博士生，从事电力电子与电
ｌｑｚｈｅｎ９６４＠ｔ…
研究。
娄洪立１９８１
研究。
部连清
力传动研究。电话：（０２３）６５１０２４３８ＩＥ＿ｒ∞１１；
邹涛１９７４一．硕士生．从事电力电子与电力传动
．硕士生，从事电力电子与电力传动
［２］程肇基，棣德鸿．诊断电力电于电路艘障舯一种新ｈ法基函数法［Ｊ］中
ｌ司电机工程学报．１９８９，９（５７：２２
２８
［３］马皓．绦德鸿，卞敬咐．基于神经网络帕ｔＵ力１Ｕ于ｒＵ路故障诊断［Ｊ］＿电
力ｆＵ于技术．１９９７．３１（４）：】０
１２
收稿时期２００５－０３－０９
编辑蔡爰蛀
［４］马皓．绦德鸿．卞敬明．基于神经阿络和频谱分析的电力『Ｕ子电路故障
万方数据
电力电子主电路故障诊断方法研究
作者：作者单位：刊名：英文刊名：年，卷(期)：引用次数：
郑连清， 邹涛， 娄洪立， ZHENG Lianqing， ZOU Tao， LOU Hongli重庆大学电气工程学院,重庆,400044高电压技术
HIGH VOLTAGE ENGINEERING2006，32(3)5次
参考文献(15条)
1. 张玲. 曾昭华. 杨永 SCR-D系统的故障诊断 1993(1)
2. 程肇基. 徐德鸿 诊断电力电子电路故障的一种新方法-基函数法 1989(5)
3. 马皓. 徐德鸿. 卞敬明 基于神经网络的电力电子电路故障诊断[期刊论文]-电力电子技术 1997(4)4. 马皓 基于神经网络和频谱分析的电力电子电路故障在线诊断[期刊论文]-浙江大学学报(工学版) 1999(6)5. 王经维. 鲁照权. 王海金 变频调速系统的智能故障诊断 1993(6)
6. 姜平 晶闸管装置故障监视与自诊断技术[期刊论文]-电气传动自动化 1996(2)
7. 蔡金锭. 涂娟. 王少芳 电力电子电路故障的遗传进化神经网络诊断[期刊论文]-高电压技术 2004(9)8. 徐德鸿. 马皓 电力电子装置故障自动诊断 2001
9. 飞思科技产品研发中心 MATLAB6.5辅助小波分析与应用 2003
10. Bhunia S. Roy K. Sequra J A novel wavelet transform based transient current analysis for faultdetection and location 2002
11. Hajjar A A. Mansour M M. Tallat H E A Wavelets for six-phase transmission lines relaying:faultclassification and phase selection 2002
12. Murty Y V V S. Duby G K. Sinha R M K Fault diagnosis in threephase thyrister converters usingmicroprocessor 1984(6)
13. 李之昆. 马宏忠 基于ANN的发电机转子绕组匝间短路诊断方法[期刊论文]-高电压技术 2004(1)14. 虞和济 基于神经网络的故障智能诊断 2000
15. 孙盾. 黄进 电力电子装置故障的数字计算机仿真 1996(4)
相似文献(1条)
1.学位论文 邹涛 三相桥式整流电路主回路故障智能诊断方法的研究 2005
随着电力电子技术的高速发展，新的电力电子器件的不断涌现，电力电子技术的应用日益深入到工业生产和社会生活的各个方面。电力电子设备的广泛应用使得对设备的可维护性要求越来越突出。高电压、大电流的电力电子装置，主回路中的功率器件较多，发生故障时用常规的检测方法费时费力，针对故障本身的特点，人工智能、神经网络、模糊数学、小波分析等新兴的学科已成功应用于电力电子设备的故障诊断。智能化的故障自动诊断方法，有利于快速分析确定故障的部位和性质，缩短电力电子电路的运行停机时间，提高效率，减少损失。
本文以电力电子电路故障时输出电压波形作为故障信息，利用小波分析的方法提取故障特征，形成特征向量，作为神经网络的输入，实现故障诊断。主要工作和结论如下：
(1) 以三相SCR整流器开路故障为例，进行电力电子主回路的故障情况分析，在仿真分析故障波形时考虑了尽可能多的故障类型，以尽可能符合实际工作情况；对故障波形进行分析，获得能够进行故障分类的情况，作为小波故障特征提取的故障信息。故障情况分析表明： a) 可分类的故障类型主要包括两大类，一类是一个桥臂上的晶闸管故障，一类是两个桥臂上的晶闸管同时故障。
B) 在一定的导通角下，同一类型的故障，在不同的故障元情况下，故障电压波形只是在时间轴上平移，而波形形状不变；
c) 故障电压波形随导通角变化而改变，会给故障特征的提取带来麻烦。因此，在进行故障诊断时就应该尽量减少导通角变化的影响。 (2) 故障信息获得以后，进行小波多尺度分析，取其中四个频带内的小波系数值的能量形成特征向量。
A) 小波分析在信号的特征提取方面具有传统Fourier分析无可比拟的优越性，小波分析在时频域都具有表征信号局部特征的能力, 能够聚焦到信号的细节。Fourier分析无法对故障发生时刻进行准确的“定位”，在故障诊断的“定位”中不适用。而利用小波系数的模极大值可以对故障进行“定位”分析。
B) 多尺度小波分析将信号划分成不同的频带，且各频带互不相交。在确定的小波母函数和采样频率下，每个频带范围由相应的尺度决定。 C) 采用能量分析技术处理各频带的小波系数，形成故障特征向量，作为神经网络的输入。
(3) 利用故障特征向量对设计的BP神经网络分类器进行训练，训练过程和结果表明输入数据少、网络训练快，故障诊断准确。
引证文献(5条)
1. 文杰. 阳春华. 胡志坤 大型整流装置在线故障诊断专家系统[期刊论文]-微计算机信息 2008(31)
2. 徐竹娴. 江道灼. 林日磊. 卢旭日. 陈世省 三相不接地系统桥式固态限流器的故障诊断方法[期刊论文]-电力系统自动化 2008(12)
3. 蔡涛. 段善旭. 康勇 电力电子系统故障诊断技术研究综述[期刊论文]-电测与仪表 2008(05)
4. 胡志坤. 何多昌. 阳春华. 文杰 大型整流装置在线维护专家系统[期刊论文]-变流技术与电力牵引 2007(05)5. 王新. 黄建 基于小波分析的变频调速系统故障诊断研究[期刊论文]-传感器与微系统 2007(07)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_gdyjs200603029.aspx
下载时间：2010年5月21日
第３２卷笫３捌
－８４・
２００６年
３月
高电压技术
ＨｉｇｈＶｏｌｔａＲｅＥｔｔｇｉｎｅｅｒｉｎｇ
Ｖ０１３２Ｎｏ３
ＭａＬ２００６
电力电子主电路故障诊断方法研究＋
郑连清，邹涛，娄洪立
（重庆大学电气工程学院，重庆４０００４４）
摘要：提出了采用小波分析和神经网络诊断电力电子装置放障诊断的方法，分析了三相桥式可控整流电路的故障波形特点，将利用小渡变换模极大值和多尺度分析理论提取的故障特征输入神经网络诊断故障。归纳了故障诊断需知的３个条件眦实现控制角的检测、故障的分类和定位。仿真表明该方法有效。关键词：多尺度分析；频带能量分析；神经网络；故障诊断中图分类号：ＴＭ４６１．４
文献标识码：Ａ
文章编号：１００３—６５２０ｆ２００６】０３－００８４—０３
ｏｎ
ＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＰｏｗｅｒＥｌｅｃｔｒｏｎｉｃＣｉｒｃｕｉｔｓＢａｓｅｄ
Ｗａｖｅｌｅｔ
ＴｒａｎｓｆｏｒｍａｎｄＮｅｕｒａＩＮｅｔｗｏｒｋ
ＺＨＥＮＧＬｉａｎｑｉｎｇ，ＺＯＵＴａｏ，ＬＯＵ
Ｈｏｎｇｌｉ
（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ）
Ａｈｔｒａｃｔ：Ｂａｓｅｄ
ｍａｉｎｃｌｒｃｕ［ｔｓｉｓ
ｏｎ
ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｎｄｎｅｕｒａｌ
ｎｅｔｗｏｒｋｔｈｅｏｒｙ．ａｎｅｗｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｆｏｒｐｏｗｅｒｅｌｅｃｔｒｏｎｉｃ
ｒｅｃｔｉｆｉｅｒｃｉｒｃｕｉｔｗｉｌｌ１）ｅ
ａｓ
ｐｒｅｓｅｎｔｅｄ．Ｉｎｔｈｉｓｐａｐｅｒ．ｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｔｈｒｅｅ－ｐｈａｓｅＳＣＲ
ｍｅｔｈｏｄ：ａｎａｌｙｚｉｎｇｔｈｅｆａｕｌｔｔ；ａｓｅｓ。ｄｒａｗｉｎｇ
ｏｎ
ｏｕｔ
ｔａｋｅｎ
ａｓａｒｔ
ｅｘａｍｐｌｅ
ｔｏｉｌｌｕｓｔｒａｔｅｔｈｅ
ｔｏ
ｔｈｅｆａｕｌｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
ｔｈｅｉｎｐｕｔｓｏｆ
Ｈｅｕ—
ｒａｌｎｅｔｗｏｒｋ
ｐａｐｅｒＴｈｉｓＫｅｙ
ｒｅａｌｉｚｅｆａｕｈｄｉａｇｎｏｓｉｓ１＊ｕｓｅｄ
ｍｏｄｕｌｅｉｌｉａｘｉｍｕｍｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｍｌａｎｄｍｕｌｔｉ－ｓｃａｌｅａｎａｌｙｓｉｓ．Ｔｈｅ
ｉｎｄｕｃｅｓｆａｕｌｔｄｉａｇｎｏｓｉｓｃｏｎｄｉｔｉｏｎｓ，ａｎａｌｙｚｅｓ
ｔｏ
ｔｒｉｇｇｅｒｉｎｇａｎｇｅｌｄｅｔｅｃｔｉｏｎ，ｃｌａｓｓｉｆｉｅｓａｎｄｌｏｃａｌｉｚｅｓｃ［ｒｅｕｉｔｆａｕｌｔ．
ｍｅｔｈｏｄｉｓｄｅｍｏｎｓｔｒａｔｅｄｂｅｖａｌｉｄｗｉｔｈｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓ．
ｗｏｒｄｓ：ｍｕｌｔｉ－ｓｃａｌｅａｎａｌｙｓｉｓ；ｅｎｅｒｇｙａｎａｌｙｓｉｓｉｎｆｒｅｑｕｅｎｃｙｂａｎｄｓ；ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｆａｕｌｔｄｉａｇｎｏｓｉｓ
０引言
高电压、大电流的电力电子装置主回路中的功
实践表明，电力电子故障大多表现为功率器件
的开路和短路口］，以开路故障为例，由于整流电路输出直流脉动电压Ｕｄ的波形含有故障信息，可将故障分为：①无品闸管故障；②有一晶闸管故障，分Ｔ。～Ｔ６６小类故障；③接到同一相电压的２只晶闸管故障，有Ｔ，和１、４，Ｔｚ和，Ｉ、５，Ｔ。和Ｔ。３小类故障；④同一半桥中的２只晶闸管故障，有Ｔ，和Ｔ｛，Ｔｚ和
Ｔ。，Ｔ。和Ｔ；，Ｔ。和Ｔ６，Ｔ．和Ｔ；，Ｔ２和Ｔｓ６小类故
率器件较多，故障发生时用常规的逐个检测方法费时费力，不能满足实时诊断的需要。本文针对电力电子电路主回路故障情况，应用小波分析和神经网络技术，通过分析输出电压波形所包含的故障信息进行故障诊断［１。７’。
１
三相桥式可控整流电路主回路故障分析以电感性负载三相桥式可控整流电流（见图１）
障；⑤交叉２只晶闸管故障，有Ｔ，和Ｔｚ，Ｔｚ和Ｔｓ，
Ｌ和Ｔ４，Ｔ４和Ｔｓ，Ｒ和Ｔｅ，Ｔｅ和Ｔ，６小类故障。
为例分析主回路故障。图中Ｕａ、Ｕｂ、Ｕ为输入三相对称电源；晶闸管Ｔ，～Ｔ６构成三相全桥可控整流
器；电阻Ｒｄ为１００ｎ，电感Ｌ为５Ｈ。
ＴＩ
Ｔ３
Ｔ５
图２是第２～５类故障的Ｕｄ电压波形，其特点如下：ａ）在一定控制角ａ、同一大类的故障、不同的
故障源下，Ｕｄ波形只在时间轴上平移，形状不变；
一２００｝
；８３｝、厂——、广～Ｔ．
Ｊ
Ｌ＿／－】
以
ｙｂ
』。
、ｌ｜３［、』＼＿厂＼＿厂＼＿ｒｖ。
乩
ｉｂ
¨。ｉ。
［
ｓ舅非、＼＿—／—、—／一叩，
、叩。。３｝＼一一瓤２０＼，—、＼，—一叩。＼一
】
“嘧岳—百蒜●、志ｒ—高百—百奇一
Ｔｄ
Ｔｂ
Ｔ２
图１三相桥式可控整流电路
Ｆｉｇ．１
３－ｐｈａｓｅＳＣＲｒｅｃｔｉｆｉｅｒ
Ｆｉｇ．２
图２口＝０。时．４种故障波形
ｗａｖｅｆｏｒｍｕｎｄｅｒ４ｓｏｒｔｓｏｆｆａｕｌｔ（ａ＝０。）
＊雨庆大学高电压与电Ｔ：新技术教育部重点Ｊ实验室访问学者资助项日万方数据
２００６年３月高电压技术第３２卷第３期
・８５・
ｂ）Ｕｄ波形随ａ变化而变，给提取故障特征带来麻烦，因此在诊断故障时应尽量减少。变化的影响。
２基于小波分析的故障特征提取方法
２．１利用多尺度分析提取故障类型特征向量
在诸多信息处理方法中，小波分析近年迅猛发展，是传统的Ｆｏｕｒｉｅｒ分析方法的突破性进展。在不同故障类型下，故障电压波形包含不同的谐波成分，在不同的频带上谐波能量增强或抑制。三相桥式全控整流电路不同类型的故障电压波形信号经小波分解后在各频带上的投影不同，故障信号在各频带投影序列的能量是故障类型的表现形式，可把正交小渡分解后各尺度空间的信号能量，按尺度大小
排列成的向量作为特征向量，这种分析方法称频带
能量分析。故障波形中信号的突变时刻可通过分析小波变换的分解层数ｊ一１时小波变换系数的最大绝对值得到。最大值对应的数据点一可转换为时问或角度，用于故障的“定位”Ｌ９。“。
２．２利用小波变换模极大值检测信号突变
小波变换的模极大值都出现在信号有突变的地方，且突变处的高频成分较多，所以函数的奇异点可从其小波变换的高频部分的模极大值检测出。用ｄｂ３小波对图２中的Ｔ。ｒＩ、３晶闸管故障时的波形进行二层分解结果见图３。图中Ｓ为要分析的故障波
形信号（。一ｏ。，已归一化）㈣为Ｓ的第２层逼近；ｄ
采样点数
图３
ｄｂ３小波检测信号的突变点
Ｆｉｇ．３
Ｂｒｅａｋｉｎｇｐｏｉｎｔｄｅｔｅｃｔｉｏｎｂｙｗａｖｅｌｅｔｄｂ３
图３中的定位点有如下特征：定位点左边的小波系数模值有一段连续的零值，对应着原始信号中为零值的一段波形。
仿真软件ＭＡＴＩ。ＡＢ中，若突变点下标为Ｊ，则原始信号中突变点的下标为：ｎ＝ＮＸＪ，其中Ｎ为分
解层数。定位点和发生故障的晶闸管关系见表１。
如以ａ＝０时的定位点相位为参考，设用小波系
数模极大值求出的定位点相位／，则可将不同ａＦ的定位点相位用ｙ表示，计算方法为：
万 』卜／二“，１７—３６０。＋７，一口，／一ｄ＜０。方数据
ｔ～≥０’（１）…
表１第２大类故障定位点与故障晶闸管间的关系
Ｔａｂ．１
Ｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｌｏｃａｌｉｚａｔｉｏｎｐｏｉ．ｔａｎｄｆａｕｌｔｔｈｙｒｉｓｔｏｒ，ｆａｕｌｔ
ｔｙｐｅⅡ
故障品闸管
Ｔ１
Ｔｚ
ｌ。
■
Ｔ５
＋ｆ６
０
１５０
２ｔＯ２７０
３３０
３０９０
定位点相位
３０
１８０２４０
３００３６０
６０
１２０∥（。）
６０２１０
２７０
３３０３０
９０
】５０
９０
２４０
３００
３６０
６０
１２０
１８０
这样，不论ａ为多少，定位点相位都与ａ—ｏ。时相
同。第４、５大类故障定位点相位同样有式（１）的关系。第３大类的情况稍有不同，符合定位点特征的模极大值点有２个，第２定位点比第ｌ后移１８０。相位。第１定位点和发生故障的晶闸管问关系如下：
ｆｙ—ｙ一口，
ｙ～口≥０，
…
１７：１８０。＋／一Ｃｔ，７／～口＜ｏ。
ｑ’
综合上述４大类故障，并视无故障情况为一类特殊故障，则特定ａ下２２种故障的定位特征向量归
纳为表２（除以３６０。系将其归一化）。
表２故障的定位特征向量
Ｔａｂ．２
Ｌｏｃａｌｉｚａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃ
ｖｅｃｔｏｒｏｆｆａｕｌｔ
敞障类
１２
３
４
５
。
特征向辱
式‘１’７３６００
式‘２ｉ／３６矿
式‘１’７３６００
式‘１’７３６０。
２．３利用小波变换模极大值检测“
在上节分析中，／实际是定位点下标ｎ转换而来，先利用”对故障样本信号Ｓ变换。将信号ｓ中ｎ后的部分移到前面Ⅲ前部分移到后面，生成在时间轴上相当于平移了ｎ个采样间隔的新故障样本信号，仍用ｓ表示。以ｒＩ、，Ｔ。晶闸管故障波形为例，经平移后的故障样本信号进行ｄｂ３小波分解后见图４。图中，观测点１和２分别为零系数段向左数的第１和第２个突变点。经分析，观测点１和２阃的差
值对应的相位差妒与ａ密切相关。从图中可见观测点２对应着自然换相点，由电力电子中的三相整流
电路可知，ｕ＝Ｏ。时从自然换相点到电压为０，经历ｐ＝１２０。。ａ：／－ｏ。时，妒相应减小，减小的值正好等于
ａ，因此，ａ可由下式汁算：
口一１２０。一妒，０≤Ｐ≤１２０”。
ｏｌ”０．５
００ｌ
９
ｉ０．５
［厂、？
Ｏ
２．．．．．．∑．．Ｌ二！
２０
６０
１００
１４０
ｌ８０
２０
６０
Ｉｏｏ
１４０
１８０
采样点数
图４平移后故障样本信号的小波分析
Ｆｉｇ．４
Ｗａｖｅｌｅｔａｎａｌｙｓｉｓｏｆｔｒａｎｓｌａｔｅｄｆａｕｌｔ
ｓａｍｐｌｅｓｉｇｎａｌ
ＨｉｇｈＶｏｌｔａｇｅＥｎｇｉｎｅｅｒｉｎｇ
若一有负值元素时，应对负值元素置零后进行
小波分析。第１类故障时，不需知ａ的大小，即可获得定位特征向量（由表２知）。
综合本节分析，三相桥式可控整流电路故障诊断晶闸管定位需知的条件为：１）故障类型；２）转换为ａ＝０。时的定位点相位关系；３）控制角ａ。满足上述３个条件即可完成故障的分类和定位。
３利用神经网络进行故障分类
ＢＰ神经网络故障诊断模型主要包括３层“’“Ｊ：１）输入层，即从实际系统接受的各种故障信息及现象；２）隐层，将输入层得到的故障信息，经内部学习和处理，转化为针对性的解决办法；３）输出层，针对输入的故障形式，经调整权系数后，将输入按所定义的合适方式分类。
ＢＰ神经网络的工作过程主要分２阶段：１）网络训练阶段，即通过各种训练样本让神经网络进行学习，利用网络输出值与应有输出值之间的差值来修改各神经元的连接权值，最终使网络的输出满足要求；２）利用训练好的网络判断各种故障情况。
在３层ＢＰ神经网络中，没输入层的个数为ｎ，隐层的个数为ｒ，输出层的个数为ｍ，输人层到隐层的连接权为ｙ“，隐层到输出层的连接权为ｗ＂输入向量为掣，隐层输出向量为Ｈ“，输出层的输出向
量为Ｐ，期望输出为Ｄ“。其中“为第“次迭代，也
是样本中的第“个向量，这样得到一组向量：
．ｘ“一ＬＴｆ，ｚ！，…，ｚ？，…，ｚ：Ｊ１，
ｊｒ—Ｅｈｆ，埘，…，础，…＾ｆ］‘，
ｌ，”＝＝Ｌｙ￥，ｙ￥，…，ｙ；，…，ｙ：Ｊ１，
Ｄ“一［ｄ：，ｄｌ，…，础，…，ｄ；］’。
』
若记隐层的净输入：ｎｅｔ：一≥：Ｖｈｚ？，
ｉ—ｌ
隐层的净输出：＾Ｅ一－厂ｈ（ｎｅｆｆ，），
，
输出层的净输入：ｎｅｅ一≥：Ｗｊｋ＾《，
＾一１
输出层的净输出：硝一＾（ｎｅｔ？）。
输出层各神经元误差的平方和ＭＳＥ（误差函数）为
１三
ｐ（ｗ）一号２。（田一＂）２一
一Ｉ一１
…
ｆ
ｎ
了１厶、“Ｊ一＾（∑ＷｉｋＡ（∑Ｖｋ，硝）））。
得到误差函数后，用不同的法则求得从输出层
到隐层和隐层到输入层的权值修正量，常用的方法有梯度下降法等。其目的是通过不断迭代计算，调整权值，使误差函数最小。
标准的ＢＰ算法学习速度较慢，存在局部极小点，可采用改进的ＢＰ等算法克服。万
方数据４故障诊断仿真结果
在ａ为０。、３０。、６０６、９０。下取得的各故障样本为
故障诊断的训练样本，用Ｓａｂｅｒ仿真获得的故障波形转换为矩阵形式的ｔｘｔ文件输入，用ＭＡＴＩ。ＡＢ分析和诊断，并输出诊断结果，采样时间０．１ｍｓ，每
周期采样点２００个。在ＭＡＴＩ。ＡＢ中，离散小波变
换将故障波形数据分解到７个频带上，由于高频频带带有噪声和干扰信号，因此选取离散小波分解的层数Ｊ一５，６，７三个频带的细节系数和第７个频带的近似系数分析能量。由于所用的小波函数为ｄｂ３，对应的频率范围可用“ｓｅａｌ２ｆｒｑ”函数求出。由
此得到表３的故障特征向量。
表３各类故障时．在典型口下的特征向量
Ｔａｂ．３
Ｅｉｇｅｎｖｅｃｔｏｒｕｎｄｅｒｇｉｖｅｎｔｒｉｇｇｅｒｉｎｇａｎｇｅｌ
Ｐ．ｕ．
耋型１２
１三！！夔必！』三！！塑蔓！！三！！型笪！！三！！墅茔１
０
】００００００
００００４
０
３０Ｏ，６７７７
０・０００８Ｏ・０００８Ｏ・００２７
类６０
ｏ２４０８
０．０００２０．０００２０．００５０
９０
０
０３２５０００２４
０．００１８
０．００７９
结合表２、３组合所有故障类型的特征向量，形成特定。下的故障特征矩阵（６×２２），作为神经网络训练和工作的输入。
ＢＰ神经网络算法选择：前向算法：ｌｏｇｓｉｇ（对数ｓ型传递函数）、ｔａｎｓｉｇ（正切Ｓ型传递函数）、ｐｕｒｅ／ｉｎ（线性传递函数）；反向传播算法：ｔｒａｉｎｂｆｇ（准牛顿法）。神经网络的均方误差为（ＭＳＥ）０．０４。
（下转第９８页）
・９８・Ｍａｒ．２００６
ＨｉｇｈＶｏｌｔａｇｅＥｎｇｉｎｅｅｒｉｎｇ
Ｖ０１．３２Ｎｏ．３
同时综合考虑稳定性以及经济性的严重性指标，使系统运行人员能根据系统运行状态，选取适当的比例因子获取系统的最佳运行点。分析ＷＳＣＣ统的算例证明了本算法的正确性和有效性。
参考文献
Ｅｌｆ
Ｅｍｓｔ
Ｄ．Ｒｕｉ｝ＶｅｇａＤ．Ｐａｘ，ｅｌｌａ
动化，２００２．２６（２１）：１－６；２６（２２）：１－４
［３０３
ＭｉｎｇＮｉ．Ｍｃ￡ａｔｔｅｙｊ∞㈨Ｄ
ｒｉｔｙ
ＶｉｕａｆＶｉ］ａｙ．ｅｔ血Ｏｎｌｉｎｅ
ＴｒｍａｓａｃｒｉｏＩＩ￥ＯｒｌＰｏｗｅｔ
ｒｉｓｋ
ｂａｓｅｄ—
ａｓｓｅｓｓ腿ｎｔＬＪＪ．ＩＥＥＥ
ＳｙｓＴｅｒｎｚ，２００３．１８
９系
（１）：２５８－２６５
［１１］ＭｉｎｇＮｉ．ＭｅＣａｔｌｅｙＪａｍｅｓ
Ｄ，Ｖｉｔｔａｌ
Ｖｉｊａｙ，㈣ａｌ
ＳｏｆｔｗａｒｅｉｍｐＬｅｍｅｍａ—
Ｔｒａｎｓａｃｔｉｕｎｓ（ｍ
ｔｉｏｎｏｆｏｎｌｉｎｅｒｉｓｋ－ｂａｓｅｄｓｅｃｕｒｉｔｙａｓｓｅｓｓｍｅｎｔ［，［］ＩＥＥＥ
ＰｏｗｅｒＳｙｓｔｅｍｓ，２００３・１８（８）：１１６５—１１７２．
［１２］Ｗａｎ
ｔｏ
ＨＲｉｓｋ
ｂａｓｅｄⅫｕｒｉｔｙ……ｔｆｏｒｏｐｅｒａｔｉｎｇ
Ｕｎｉ＂ｒｓｉｔｙ，Ａ㈨１９８８．
Ｙ∞Ｇ“ａＴｌｇｈｍ
ｃｏｎｔｍｌ
ｓｔａｂｉｌｉｔｙ
ｅｌｅｃｔｒｉｃｌｘＪｗｅｒ
ｓｙｓ
Ｍ．ｔｆａＬａｎｄ
Ａｕｎｉｆｉｅｄａｐｐｒｏａｃｈｔｒ帅ａｉｅｎｔ
Ｔｒａｎｓ—
ｔｍ《Ｄ］．Ｉｏｗｎ：Ｓｔａｔｅ
［１３］Ｓｅａｒｉｅ
［１４］Ｃｈｅｎ
ＳＲ
１．ｉｎ曲ｒ
Ｙｕｎｐｉｎｇ，１．ｉｕ
ｓｔａｂｉｌｉｔｙａｃｔｉｎｓ
ｍｎｔｌｎｇｅｎｃｙ
ｏｎ
ｆｉｌｔｅｒｉｎｇ，ｒａｎｋｉｎｇ
ａｓｓｅｓｓｍｅｎｔ［Ｊ－ＩＥＮＪＥｍｏｄｅｌｓ［Ｍ］ＮｅｗＹｏｒｋ：Ｗｉｌｅｙ，１９７１Ｑｉｓｈ《ｔｇｔ
Ｏｎ－ｌｉｎｅ
ＰｏｗｅｒＳｙｓｔｅｍｓ．２００］．１６（３）｛４３５－４４３．
Ｓ
Ｅ８
ＰａｖｅＨａ
ｔｏ
ＩＥＥＥＴｒａｎｓａｃｄｏｎｓ㈣Ｐｏ
ｔｒａｒＩｓｉｅｎｔ
ｓｔａｂｉｌｉｔｙ
ｔｏ
Ｍａｎｉａ．ＲｏⅦｙａｋ
Ｍ．ＥｒｎｓｔｕＤｉｓｃｕｓｓｉｏｎｏｆ
ａ
ｕｎｉｆｉｅｄａｐｐｒ。ａｃｈ
ａｓｓｅｓ…ｎｔａｎｄｔ—ｓｉｅｎｔ
６５６—６６０．
ｄｙｎａｍｉｃ—ｕｒｈｙ
ｕｓｉｎｇｄｙｎａｍｉｃｓｅｅｕｒｌｔｙｒｅｇｉｏｎｓ
Ｐｒｏｃｅｅｄｉｎｇｓ．２００２．１ｉ
ｍｎｌｉｎｇｅｎｃｙｆｉｌｌｅｒｌｎｇ，ｒ加ｋｉｎｇ，ａｎｄ
ｒＳｙｓｔｅｍｓ．２００２－１７（２７：５２７
ａｓ弛ｓｓｍｅｎｔ［Ｊ：．
ｕｎｉｆｉｅｄａｐｐｒｏａｃｈ
ｍｄｈｏｄ［ｃ：．ＰｏｗｅｒＳｙｓｔ啪Ｉ＇ｅｃｈｎｏｌｏｇｙ．２０００ｔ
［３］ＥｒｏｓｌＤ，Ｒｕｉ｝ＶｅｇａＤ，Ｐａｖｅｌｌａ
ｓｔａｂｉｌｉｔｙ
ｏｎ
Ｍ．ｅｔａ１．Ｄｉｓｃｕｓｓｉｏｎｏｆ
ｒａｎｋｉｎｇ
ａ
［１５］姚光华．陈允平，赵武智州动态安生域法决定暂巷稳定紧急控制措施韧
探［』：．电网技术．２００２，２６（】２）：２１—２３．
徐前１９８０一，博士生，主要从事电力系统稳定方
匝的研究。Ｅ－ｍａｉｌ：ｅｏｌｌｅｎｓｔｉｅｋ＠１６３．∞ｍ
ｔｒａｎｓｉｅｎｔ
ｃｏｎｔｉｎｇｅｎｃｙ
ｆｉｌｔｅｒｉｎｇｔ
ａｎｄ一㈦Ｉｍｎｌ［Ｊ：．
５２９
ｔＥＥＥＴｒａｎｓａｃｔｌｏｎｓ
ＰｏｗｅｒＳｙｓｔｅｍｓ．２００２，１７（２７：５２８
［４］镣政，高慧域，畅蛸萍．崩方电网中直流紧急功率调制的作用［Ｊ］．高ｌＵ
挂拄术，２００１．３０（１１７：２４
２６．
Ｅ６］徐Ｊ致．高慧敏，扬蛸萍．南＾电网多直流蒋点系统稳定性分析口］．高ｒＵ
压技术，２００４．３０（１１）：２１＿２３．
陈允平１§４５，教授，博导，主要从事电力系跪、电
力电子、高电压工程等方面的研究工作。
［６－ＬｉｕＣｈｅｎｅｈｉｎｇ，ＪｕｎｇＪｕｈｗａｎ．Ｈｅｙｄｔ
ｆｍ５
ｓｅ（ＳＰＩＤ）ｓｙｓｔｅｎｌ
ａ
ｚｎＪｃｔ㈣ｄｅｆｅ
Ｇｅｒａｌｄ’ｒ，ｅｔａ１．Ｓｔｒａｔｅｇｉｅｐｏｗｅｒ
ｉｎ—
ｍｎｅｅｐｔ∞ｌｄｅｓｉｇｎＵＪ
ＩＥＥＥＣｏｒａｍｌ
ＳｙｓｔＨｎｓ
Ｍａｇａｚｉｎｅ．２０００．８０（４）１
４０—５２．
［７］汤玉东．吴军基，郜石．电力市场的稳定性研究｜：＿Ｊ：电力系统Ａ功化．
２００１，２５（４）：１１—１５
［８］赖业宁，薛禹胜．王海风ｌＵ力市场稳定性及，＃风险管理［Ｊ］．电力系统门
动化，２００３．２７（１２）；１８
２４．
棣箭
收稿［【期２００５４１９—１３
编辑蔡爱蛟
［９］薛禹胜电力市场稳定性与电力系坑稳定性柏相互影响口］电力系统自
（上接第８６页）
训练时误差的变化曲线见图５。
１００
在线诊断［刀．浙江大学学报（工学版）１９９９，３３（６）：１０６—１１０
［５］王经维，鲁照投，王海盘，等变频调速系统的智能故障诊断［Ｊ］．电气自动
化，１
９９３．１５（６）：３０—３２．
足栅嗤１０１忙蝴
０
－＼
１００
［６］姜平，钱亮华晶闸管装置救障监测与自酵断技术［Ｊｊ．电气传动自葫
化，１９９６，１８（２）：９９—４０．
［７３蔡盘定，涂娟，王少芳电力电子电路故障的遗传进化神经网络诊断
［Ｊ：高电压技术，２００４．３０（９）：３５［８］徐德鸿，马皓电力电子装置故障自动渗断［Ｍ：．北京：科学出版社，
２００１．
［９］飞思科技产品研发中心．ＭＡＴ［．ＡＢ６．５辅助小波分析与应用［Ｍ］．北京：
３００
５００
７００
９００
电子１＝业ｊＩ｛版社，２００３
神经网络的迭代次数
１ｌｏ］Ｂｈｕｎｌａ
ｔｕＦｒｅｎｔ
ｓ，ＲｏｙＫ，ｓｅ【ｊｕｍＪ．Ａ
ｎｏｖｅｌｗａｌｌｅｔ
ｔ…ｂｍ
ｂａｓｅｄｔｒａｎｓｉｅｎｔ
图５
Ｆｉｇ．５
ＢＰ神经网络训练过程
ＰＢｎｅｔｗｏｒｋ’ｓｔｒａｉｎｉｎｇ
ａ１１ａＩｖ５１ｓｆｏｒｆａｕｌｔｄｅｔｅｃｔｉｏｎａｎｄ
ｌｏｃａｔｉｏｎ［Ｃ］Ｄｅｓｉｇｎ
Ｈ
Ａｕｔｏｍａｔｉｏｎ
Ｃｏｎｆｅｒｅｎｃ≈．ｐｒｏｃｅｅｄｉｎｇ
３９ｔｈ２００２ｊ３６１。３６６
［１ｆ］Ｈ喇ａｒ
Ａ
Ａ，Ｍａｎ舯ｕｒＭＭ，’Ｐａｌｌａｔ
Ｅ～Ｗａｖｅｌｅｔｓ如ｒ
ａｎｄｐｈａｓｅ
ｓｉｘ－ｐｈａｓｅ
５结语
ｔｒａｎｓｍｉｓｓｉｏｎｌｉｎｅｓｔｅｌａｙｉｎｇ：ｆａｕｌｔｃｌａｓｓｉｆｉｃａｔｉｏｎＭＥ［．Ｅｃ（）Ｎ
ｓｅｌｅｃｔｉｏｎ［（’］．
本文通过小波分析方法，提取了故障波形的特征，将其用于神经网络的诊断。与直接采用故障波
形作为神经网络输入的方法相比，输入数据少、网络
［】２］ＭｕｒｔｙＹＶＶ
ｐｂａｓｅ
ｔｈｙｒｉｓｔｅｒ…Ⅲ…ｕｓｉｎｇ…ｐ…ｔＪ］．ＩＥＥＥ
１ｌｔｈ，Ｍｅｄｉｔｅｒｒａｎｅｅｎ，２００２：２３６—２３９．
Ｓ．ＤｕｂｙＧＫ—Ｓｉｎｌ＂Ｒ
ＭＫＦａｕｌｔ
ｄｉａｇｎｏｓｉｓｉｎｔｈｒｅｅ＿
Ｔｒａｎｓ
ｏｎ
Ｉｎ—
ｄｕｓｔｒｉａｌＡｐｐｌｉｃａｔｉｏｎ・１９８４，２０（６）：１４９０—１４９７
［ｆｓ］孝之昆．马爱忠．基于ＡＮＮ的发电机转子绕组匝问短路诊断方法［Ｊ］．
高电压技术．２００４，３０（１）：３１
３３．
训练快、故障诊断准确。具有运用于实时在线诊断的潜力。在进行小波分析时，采用了多尺度分析方法，由于该方法未再分析高频部分，因此存在分解不够精细的缺点，所形成的频带范围较宽，故障特征不
明显，在训练样本外的诊断时，“定位”不够准确。
参考文献
［１］强玲．曾昭华，畅永ＳＣＲ—Ｄ系统曲故障诊断［Ｊ］屯力电子拉术．
１９。３．（１）：Ｚ４—２８．
［¨：虞和济．基于神经网络的战障智能诊断［Ｍ］、北京：冶金工业出版杜．
２０００．
［１５１孙衙．黄进．电力电子装置故障的数字计算机仿真［Ｊｊ．电工技术学
报．１９９９．１１（４）：５６—６０．
邦连清１０６４，副教授，博士生，从事电力电子与电
ｌｑｚｈｅｎ９６４＠ｔ…
研究。
娄洪立１９８１
研究。
部连清
力传动研究。电话：（０２３）６５１０２４３８ＩＥ＿ｒ∞１１；
邹涛１９７４一．硕士生．从事电力电子与电力传动
．硕士生，从事电力电子与电力传动
［２］程肇基，棣德鸿．诊断电力电于电路艘障舯一种新ｈ法基函数法［Ｊ］中
ｌ司电机工程学报．１９８９，９（５７：２２
２８
［３］马皓．绦德鸿，卞敬咐．基于神经网络帕ｔＵ力１Ｕ于ｒＵ路故障诊断［Ｊ］＿电
力ｆＵ于技术．１９９７．３１（４）：】０
１２
收稿时期２００５－０３－０９
编辑蔡爰蛀
［４］马皓．绦德鸿．卞敬明．基于神经阿络和频谱分析的电力『Ｕ子电路故障
万方数据
电力电子主电路故障诊断方法研究
作者：作者单位：刊名：英文刊名：年，卷(期)：引用次数：
郑连清， 邹涛， 娄洪立， ZHENG Lianqing， ZOU Tao， LOU Hongli重庆大学电气工程学院,重庆,400044高电压技术
HIGH VOLTAGE ENGINEERING2006，32(3)5次
参考文献(15条)
1. 张玲. 曾昭华. 杨永 SCR-D系统的故障诊断 1993(1)
2. 程肇基. 徐德鸿 诊断电力电子电路故障的一种新方法-基函数法 1989(5)
3. 马皓. 徐德鸿. 卞敬明 基于神经网络的电力电子电路故障诊断[期刊论文]-电力电子技术 1997(4)4. 马皓 基于神经网络和频谱分析的电力电子电路故障在线诊断[期刊论文]-浙江大学学报(工学版) 1999(6)5. 王经维. 鲁照权. 王海金 变频调速系统的智能故障诊断 1993(6)
6. 姜平 晶闸管装置故障监视与自诊断技术[期刊论文]-电气传动自动化 1996(2)
7. 蔡金锭. 涂娟. 王少芳 电力电子电路故障的遗传进化神经网络诊断[期刊论文]-高电压技术 2004(9)8. 徐德鸿. 马皓 电力电子装置故障自动诊断 2001
9. 飞思科技产品研发中心 MATLAB6.5辅助小波分析与应用 2003
10. Bhunia S. Roy K. Sequra J A novel wavelet transform based transient current analysis for faultdetection and location 2002
11. Hajjar A A. Mansour M M. Tallat H E A Wavelets for six-phase transmission lines relaying:faultclassification and phase selection 2002
12. Murty Y V V S. Duby G K. Sinha R M K Fault diagnosis in threephase thyrister converters usingmicroprocessor 1984(6)
13. 李之昆. 马宏忠 基于ANN的发电机转子绕组匝间短路诊断方法[期刊论文]-高电压技术 2004(1)14. 虞和济 基于神经网络的故障智能诊断 2000
15. 孙盾. 黄进 电力电子装置故障的数字计算机仿真 1996(4)
相似文献(1条)
1.学位论文 邹涛 三相桥式整流电路主回路故障智能诊断方法的研究 2005
随着电力电子技术的高速发展，新的电力电子器件的不断涌现，电力电子技术的应用日益深入到工业生产和社会生活的各个方面。电力电子设备的广泛应用使得对设备的可维护性要求越来越突出。高电压、大电流的电力电子装置，主回路中的功率器件较多，发生故障时用常规的检测方法费时费力，针对故障本身的特点，人工智能、神经网络、模糊数学、小波分析等新兴的学科已成功应用于电力电子设备的故障诊断。智能化的故障自动诊断方法，有利于快速分析确定故障的部位和性质，缩短电力电子电路的运行停机时间，提高效率，减少损失。
本文以电力电子电路故障时输出电压波形作为故障信息，利用小波分析的方法提取故障特征，形成特征向量，作为神经网络的输入，实现故障诊断。主要工作和结论如下：
(1) 以三相SCR整流器开路故障为例，进行电力电子主回路的故障情况分析，在仿真分析故障波形时考虑了尽可能多的故障类型，以尽可能符合实际工作情况；对故障波形进行分析，获得能够进行故障分类的情况，作为小波故障特征提取的故障信息。故障情况分析表明： a) 可分类的故障类型主要包括两大类，一类是一个桥臂上的晶闸管故障，一类是两个桥臂上的晶闸管同时故障。
B) 在一定的导通角下，同一类型的故障，在不同的故障元情况下，故障电压波形只是在时间轴上平移，而波形形状不变；
c) 故障电压波形随导通角变化而改变，会给故障特征的提取带来麻烦。因此，在进行故障诊断时就应该尽量减少导通角变化的影响。 (2) 故障信息获得以后，进行小波多尺度分析，取其中四个频带内的小波系数值的能量形成特征向量。
A) 小波分析在信号的特征提取方面具有传统Fourier分析无可比拟的优越性，小波分析在时频域都具有表征信号局部特征的能力, 能够聚焦到信号的细节。Fourier分析无法对故障发生时刻进行准确的“定位”，在故障诊断的“定位”中不适用。而利用小波系数的模极大值可以对故障进行“定位”分析。
B) 多尺度小波分析将信号划分成不同的频带，且各频带互不相交。在确定的小波母函数和采样频率下，每个频带范围由相应的尺度决定。 C) 采用能量分析技术处理各频带的小波系数，形成故障特征向量，作为神经网络的输入。
(3) 利用故障特征向量对设计的BP神经网络分类器进行训练，训练过程和结果表明输入数据少、网络训练快，故障诊断准确。
引证文献(5条)
1. 文杰. 阳春华. 胡志坤 大型整流装置在线故障诊断专家系统[期刊论文]-微计算机信息 2008(31)
2. 徐竹娴. 江道灼. 林日磊. 卢旭日. 陈世省 三相不接地系统桥式固态限流器的故障诊断方法[期刊论文]-电力系统自动化 2008(12)
3. 蔡涛. 段善旭. 康勇 电力电子系统故障诊断技术研究综述[期刊论文]-电测与仪表 2008(05)
4. 胡志坤. 何多昌. 阳春华. 文杰 大型整流装置在线维护专家系统[期刊论文]-变流技术与电力牵引 2007(05)5. 王新. 黄建 基于小波分析的变频调速系统故障诊断研究[期刊论文]-传感器与微系统 2007(07)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_gdyjs200603029.aspx
下载时间：2010年5月21日