4 發電設備故障診斷技術的發展方向
從上述分析可知，故障診斷係統是非常必要的。而目前以知識處理為核心，信號處理、建模處理與知識處理相融合的智能診斷技術正迅速發展。故障診斷技術開始與其他的前沿科學相融合，一同發展。例如：故障診斷與模糊數學、小波分析、分析幾何等前沿數學的結合；故障診斷與人工神經網絡、專家係統等人工智能技術的結合，以及故障診斷與信息技術的融合等。下麵介紹其中一些故障診斷技術和前沿科學融合的原理。
4.1 模糊診斷的原理
電力設備故障診斷中存在著大量的不確定現象，表現為隨機性和模糊性。隨機性是由於試驗的數據的分散性及他與故障的因果關係不確定等造成的，可以用統計的方法進行研究。模糊性是指故障的差異在某階段存在“亦此亦彼”的特性，是故障的一種客觀屬性。因此，需要找到一種能夠合理表征電力設備故障診斷中模糊性的工具，可將模糊數學應用於故障診斷中，用數學公式把模糊不清的概念清晰化，從而對故障現象中的模糊性能夠合理量化。模糊診斷技術在電力設備監測的具體應用中，不僅突破了傳統的基於規則的絕緣監測評判方法，而且利用模糊診斷技術可以對多因子故障進行分類和模糊判別。在模糊集理論發展的初期，其在電力係統中的應用是十分有限的，這主要是因為電力係統的工程師首先考慮的是電力係統的可靠性，對模糊邏輯還持有懷疑態度。但隨著這一理論的不斷發展完善，在電力係統中的應用領域也越來越廣泛，例如：靜態穩定控製、暫態穩定預測、機組運行規劃、負荷預測、係統故障定位和診斷、電氣設備的故障診斷、負荷頻率控製和預測、負荷建模、安全分析與控製等。在近些年的研究中，有人將模糊集理論引入絕緣診斷領域並取得了一定的成果。然而，在模糊集理論中，由於隸屬度的獲取，複雜係統的模糊模型的建立、辨識，語言規則的獲取、遺忘、修改等理論和方法還不夠完善，使該理論的應用受到了限製。從目前情況來看，將模糊集理論與人工智能中的專家係統、神經網絡等相結合不失為解決這一問題的好方法。
4.2 人工神經網絡
人工神經網絡的研究源於腦神經學說，他是對生物神經係統的簡單描述，基於一種特定的神經元模型，可以將很多個神經元按照不同的方案組成各種類型的人工神經網絡，但他們有共同的特點：①網絡由一種簡單的非線性處理單元即神經元構成；②網絡中神經元的數量巨大，神經元間連接的廣泛性可增加網絡的功能；③網絡的構成和運行都按照分布-並行的方式。④網絡具有學習能力和自適應性。因此，人工神經網絡可用於模式識別、信號處理、自動控製、人工智能等。人工神經網絡的主要模型有：多層前向神經網絡；遞歸神經網絡、自組織神經網絡、Hopfield神經網絡、模糊神經網絡。上述模型在所取的研究途徑、網絡中神經元所取函數、網絡的結構、運行方式、學習算法和應用上有所不同，可以根據應用的對象及目的，可選擇不同的適合的人工神經網絡模型。
4.3 小波分析
小波分析是一種嶄新的時頻分析方法，具有良好的時頻局部化特性和對信號自適應、“變焦距”多尺度分析能力，適合於對非平穩信號的處理。小波分析是Fourier變換的突破性進展，並發展了窗Fourier變換的局部化思想，它的窗寬隨頻率增高而縮小，符合高頻信號的分辨率較高的要求。小波分析的主要特點之一是具有用多重分辨率來刻劃信號局部特性的能力，因而很適合探測在正常信號中出現的瞬態反常現象，並展示其成分。目前，小波分析已經成功地應用於機械設備的振動信號分析中，在電氣設備的故障信號分析中，小波分析也必將成為有力的工具。
參考文獻：
[1] 成永紅，陳 玉，陳小林，等.測控技術在電力設備在線監測中的應用[M].北京：中國電力出版社，2006.
[2] 張建文.電氣設備故障診斷技術[M].北京：中國水利水電出版社，2005.
[3] 喬海濤，馮永新.大型汽輪發電機組故障診斷技術現狀與發展[J].廣東電力，2003.