如何作用和理解神經網路在電力電子方向的運用？

01-14

是這樣，就目前來看，神經網路在電力電子中的應用主要涉及控制和故障診斷兩方面。可以試一下百度學術搜索電力電子和神經網路，可以看到清華浙大十幾年前都有用神經網路做故障診斷的文章，而且其他做故障診斷的基本大同小異，都是對三相橋式整流或逆變電路的故障進行分類處理，然後用神經網路做模式識別，從而從輸出波形中快速判斷故障位置和類型。我個人認為用神經網路來做這種東西太小兒科了，原理上或是實際操作中基本沒有什麼困難，無非是改改神經元權重函數或者功能函數來增加訓練速度和識別準確度。

至於控制方面，花樣會多一些。有的是用神經網路動態調節PI參數，有的是用神經網路模擬非線性函數或在線求解非線性方程，也有的組合了幾個神經網路，把上面說的都用進去。我個人認為，神經網路是可以完全取代控制系統的，而且如果能夠更多地用並行方式實現（比如用FPGA而不是DSP），實時性上也會有很大的優勢。而實際上，就神經網路現在的發展，在不同的場合下使用的結構也有很大的不同。比如在圖像識別領域通常使用卷積神經網路（CNN），而在語音識別等領域往往使用循環神經網路（RNN）。個人認為，對於電力電子控制這個領域，參考廣泛用於語音識別的RNN效果會更好，因為RNN是被設計來處理時間上的序列信號的。它和普通前向多層神經網路的區別在於，其隱藏層帶有遞歸性質，也就是隱藏層神經元的輸出不僅和上一層的輸出有關，還和其自身在上一個時間點的狀態有關。如此一來，RNN便帶有了時間積累的性質，而不是簡簡單單的一個look-up table。當然，RNN也會遇到很多問題，最顯著的就是，當其按照時間展開，可以看到它本質上相當於一個前向多層神經網路，如下圖：

http://img.blog.csdn.net/20150921225622105

（不知道為啥圖片粘不上來[捂臉]，只好用鏈接了，新手回答請多包涵）

只不過它中間每一層的權重矩陣W都是相同的。這樣就會遇到所謂的梯度消失問題（大概意思是在反向傳播學習過程中，誤差每向後傳遞一層，大小就會只剩原先的25%），導致BP學習演算法效果很差。解決方法一個是限制RNN隨時間積累的次數，也就是限制了按時間展開後的層數。另一個則是現在廣為應用的LSTM（Long Short-Term Memory）。這種變體RNN其實是更大程度上模擬人腦，尤其是短期記憶與長期記憶的關係，可以更好地實現自適應。

額。。。好像扯遠了，總之按我的理解，RNN在控制領域應該具有更好的應用前景。具體的操作演算法我最近也在看，暫時還沒見到有什麼人把它用在電力電子里。另外，神經網路做電力電子控制還有很多現實的問題需要考慮，其中之一就是用於訓練樣本數據的獲取。這個我還在想辦法設計，如果能夠取得一些成就的話再來補充回答吧。。。

---------------------------------------------------------------------------------------------------------------

因為種種原因，這個課題的研究暫時中斷了，等我弄完畢業的事情再想想能不能搞吧。。。至於參考文獻，說實話並不是很多，關於故障診斷的可以參考

《基於神經網路的電力電子電路故障診斷》（馬皓，徐德鴻，卞敬明 - 《電力電子技術》 - 1997）

《用人工神經網路診斷電力電子電路主迴路故障》（蘇鵬聲，王志強，姜建國 - 《清華大學學報(自然科學版)》 - 1999 ）

《基於小波變換與神經網路的電力電子電路故障診斷研究》（韓曉靜 - 南京航空航天大學 - 2008）

《Artificial neural network-based fault diagnosis in the AC–DC converter of the power supply of series hybrid electric vehicle》（Seyed Saeid Moosavi - IET Electrical Systems in Transportation - 2016）

搜一搜，大概看幾篇就行了，思想差不多。控制的話有一篇綜述寫的還不錯，《神經網路在電力電子裝置中的應用》（曹鳳香，羅防，康勇 - 《電源技術應用》 - 2007），然後從它的參考文獻里找找，有部分是用在電機控制里的我不太懂。英文的《Reactive power minimization of dual active bridge DC/DC converter with triple phase shift control using neural network》（Yasen A. Harrye - 2014）寫的不錯，正好和我想做的有重疊。

但是這些全都是用的傳統前向多層BP神經網路，至今還沒有發現用RNN做的。就醬。。。

建議關注我同學@xupeng2202的答案，他研究了一小段時間。

---------------------原回答---------------------

調研過，基本上運用在故障診斷和控制方向上，太忙了，有空再來填坑。

可以自己搜一下相關論文，還有一本用在控制上的書都出來了，好像叫線性神經網路控制在電力電子變流器中的應用。

神經網路是個寶，總有人想拿著它去搞大新聞。

PS:神經網路能不能用在電力電子上不知道，反正電力電子我是學不會了。。。。大學的噩夢。。。

總覺得這些高深的演算法，諸如神經網路，自學習，自適應...之類的演算法用在電力電子行業的控制上有點純粹為了論文而論文的感覺，暫時看不到太大實用性，用了幾十年的PID依然還是主流。不過，科研總還是應該超現實的，很期待有一天這些電力電子裝置不用再自己調煩人的參數了，可以自學習自適應。