书名：基于新型神经网络的电力变换器智能故障诊断
书号：978-7-5239-0341-4
定价：68元
作者：王荣杰 王亦春
出版时间：2025-11-27
出版社：中国电力出版社
页码： 172    字数(千字)：149
开本：特16开    版次：1    印次：1

品牌介绍

中国电力出版社成立于 1951 年，作为中国成立最早的中央科技出版社之一，曾隶属于水利电力部、能源部、电力工业部、国家电力公司，现为国家电网公司所属的科技出版社，在电气技术专业出版领域享有极高的声誉。该社作为以图书出版为主体，音像、电子出版物、期刊、网络出版共同发展的大型出版企业，以强大的出版资源和高素质的专业队伍，致力于向读者提供包括电力工程、电气工程、建筑工程、电子技术、信息技术、外语、大中专教材、家教等学科门类齐全的权威出版物，也竭力为广大师生提供精品教材，是教育部和北京市教委规划教材的出版基地之一。

产品特色

该书融合了电力工程与人工智能领域的知识，提供了跨学科的解决方案。书中介绍了最新的神经网络模型，如卷积神经网络、长短期记忆网络、宽度学习系统等，这些技术在故障诊断中的应用属于前沿。并且该书不仅局限于理论，还包含大量实际故障案例分析，提供了详实的实验数据和研究结果，验证所提出方法的有效性和实用性，通过这些案例，读者可以更好地理解和应用所学的理论知识。

作者介绍

王荣杰，集美大学船舶与海洋工程学科博士生导师、教授

内容介绍

本书主要以电力变换器为研究对象，以机器学习为理论基础，研究了电力变换器的智能故障诊断方法。全书共七章，分别讲解了经验模态分解结合宽度学习系统、主元分析结合宽度学习系统、一维卷积神经网络、深度残差网络结合增量宽度学习、GASF算法结合改进AlexNet、多源信息融合的注意力协同LSTM网络，以及注意力特征融合和多尺度一维卷积网络在不同电力变换器故障诊断中的应用。每章通过具体案例和实验验证，展示了这些方法在实际中的高效性、适应性和准确性，为电力电子与人工智能交叉领域提供了前沿的研究成果和实用的解决方案。
本书适用于电力工程从业人员

前言

前言 能源是现代社会运转的基石,而电力电子变换器作为电能高效转换与控制的“智能心脏”,已深度融入可再生能源发电、智能电网、电动汽车、工业变频驱动及数据中心等关键领域。其运行的可靠性与安全性,直接关系国家能源战略的稳定、工业生产的连续和人民生活的质量。然而,复杂工况下的功率变换器面临着多种类型故障,并且故障的隐蔽性强、检测难度高。以深度学习为代表的新型神经网络,凭借其强大的特征自主提取、复杂模式识别与非线性映射能力,为破解电力电子系统状态监测与故障诊断的难题,开辟了一条充满希望的智能之路。将人工智能的“智慧”注入电力电子装置的“躯体”,实现从“被动维护”到“主动预警”、从“经验诊断”到“智能研判”的范式转移,不仅是技术发展的必然趋势,更是保障未来能源电力系统韧性与安全的迫切需求。 本书正是在这一时代背景下应运而生,旨在系统、深入地阐述如何利用前沿的神经网络技术,构建高效、精准、鲁棒的电力变换器智能故障诊断方法。我们不仅关注诊断模型的最终性能,更致力于剖析其内在机理,架起从人工智能理论到电力电子工程实践的桥梁。全书内容围绕“理论奠基—方法创新—应用实践”的主线展开,重点探讨了数种在故障诊断领域展现出巨大潜力的新型神经网络,包括但不限于:①善于捕捉时序依赖关系的长短期记忆网络(LSTM);②能够处理端到端分类与定位的一维卷积神经网络(1D-CNN);③融合注意力机制以聚焦关键故障特征的宽度学习模型;④以及解决小样本学习难题的迁移学习框架。我们对每一种网络结构的原理、适应性与在故障诊断中的具体实现进行了详尽的剖析。尤为重要的是,我们探讨的解决方案,逐一在仿真平台上进行了验证,使读者能直观感受智能诊断技术的巨大潜力。 本书受国家自然科学基金项目(51879118)和集美大学青年拔尖人才项目(ZR2019006)的资助。本书也汇聚了硕士生司玉鹏、张世奇、崔亚波和张博的学术智慧,在此感谢你们多年的努力和付出,同时期望本书能够为电力电子、电气工程、自动化及相关领域的高校师生、科研人员以及工程技术人员,提供一份理论扎实、技术先进、实践性强的参考指南。若能通过本书的出版,激发更多学者和工程师对电力电子系统智能运维的兴趣,推动人工智能与电力电子技术的深度融合,为构建更安全、更可靠、更智能的未来能源体系贡献一份绵薄之力,我们将感到无比的荣幸与欣慰。 由于作者水平有限,书中难免存在疏漏与不足之处,恳请各位专家和读者不吝指正。 王荣杰 王亦春 于集美大学 2025年10月1日

目录

目录
前言
第1章 基于经验模态分解和宽度学习的三相整流电路故障诊断方法 1
11 概述 3
12 基于EMDBLS的三相整流电路故障诊断方法 4
13 实验与分析 9
14 本章小结 13
第2章 基于宽度学习系统的三相整流装置故障诊断 15
21 基本原理 17
22 基于PCA和BLS的故障诊断方法 20
23 仿真实验分析 22
24 本章小结 30
第3章 基于CNN的逆变器端到端故障诊断方法 31
31 概述 33
32 三相逆变器故障分析 35
33 卷积神经网络理论 37
34 改进的卷积神经网络故障诊断方法 42
35 实验 51
36 本章小结 57
第4章 基于增量学习的船舶电力变换模块故障诊断 59
41 概述 61
42 问题描述 64
43 基于增量学习的船舶电力变换模块故障诊断方法 64
44 诊断结果分析 69
45 本章小结 80
第5章 基于GASF和改进AlexNet的T型逆变器故障诊断 83
51 概述 85
52 问题描述 88
53 基于GASF和改进AlexNet的故障诊断方法 90
54 实验验证与诊断结果分析 99
55 本章小结 109
第6章 基于注意力协同LSTM网络的NPC三电平逆变器故障诊断 111
61 概述 113
62 问题描述 116
63 故障诊断方法 120
64 模拟验证与分析 131
65 本章小结 149
参考文献 150