福州大学电气工程与自动化学院、福州大学-科华恒盛电力电子研究中心的研究人员陈诗灿、林琼斌、陈四雄、蔡逢煌、王武，在年第3期《电气技术》杂志上撰文指出，电力电子变流器作为能源变换的核心之一，其故障诊断技术为能源安全可靠转换提供了有力保障。
本文综述了当前电力电子变流器故障诊断常用的智能算法，其中包括故障树分析、人工神经网络、支持向量机、模糊集理论及信息融合方法等。首先简单阐述了这些智能方法的基本概念，然后基于电力电子故障诊断领域的研究现状，对各种智能方法的特点和存在的不足做了简单分析，最后结合当前电力电子电路故障诊断领域的难点，探讨该领域未来研究的新思路。
随着新能源发电及其电能输送、工业电动机驱动及其节能、电动汽车、轨道交通等新兴产业的迅速崛起，电力电子技术已经成为能源变换的关键技术。从电动汽车到轨道交通，从光伏并网、风能并网到智能电网，从消费电子、工业电机到现代国防，从工业电动机驱动到节能，电力电子技术都起着决定性的作用。
为了满足这些领域用户的需求，各式各样的新型电力电子变流器产品不断涌现，结构也越发复杂，这势必导致设备故障几率大大增加。由于设备发生的故障将带有很强的非线性、并发性和不确定性等，使得诊断难度增大。传统基于模型的故障诊断方法已经难以满足复杂设备的故障诊断需求，诊断精确性也难以得到保证。近些年来，人工智能热度空前，融合了智能技术的故障检测方法也得到了不断优化，弥补了基于模型的诊断方法的不足。
本文在国内外专家学者丰富的研究成果基础上，综述了当前应用较为广泛的电力电子故障诊断的智能方法，其中包括故障树分析、人工神经网络、模糊集理论、支持向量机、信息融合方法等，并相应地进行了简单的介绍，同时分析了各种方法的特点与不足。最后结合当前电力电子电路故障诊断领域所面临的瓶颈，探讨了该领域未来研究的新思路。
1电力电子故障诊断的智能方法研究现状
1.1基于故障树的故障诊断方法
故障树分析法（faulttreeanalysis,FTA）最早是在年由美国贝尔电报公司的电话实验室创建的，它采用一种倒立的逻辑因果关系图表示出系统故障和系统部件之间存在的因果关系。从某一故障的发生开始，按整体到局部的方式，一步步寻找导致该故障发生的直接原因和间接原因，直到找出最基本的原因，并用有向逻辑关系图表示出来。
将该方法用于电力电子故障诊断领域中，就是根据电路发生故障表现出来的形式，从而寻找导致该故障发生的具体元器件的过程。故障树的诊断过程与人的大脑思维过程相似，直观明了，容易理解，并且逻辑性较强。在实际使用中，常与其他方法结合使用。
文献[2]将故障树理论与双向联想记忆（BAM）神经网络相结合，并运用在光伏并网发电系统失效故障诊断。文中建立光伏发电系统的所有故障的故障树，并利用这些故障模式以及工程师的维修经验构建出BAM的学习样本。
当某一故障发生时，先由故障树进行查找，若没有寻找到与故障相匹配的故障源，则由训练好的BAM网络得到故障诊断结果，并且将诊断出的结果直接加入故障树中，下次同样的故障再次发生，可直接由故障树查询知道故障源。神经网络对未知故障的准确识别，打破了故障树分析法在决策阶段给出不确定故障源的“瓶颈”问题，实现了快速精确的故障分析定位。
故障树虽有逻辑性强、直观明了的优点，但是其不足也显而易见。故障树的建立需要对整体系统有全方位的理解，且工作量庞大，在构建树的过程中，可能会遗漏部分故障或重要故障。因此，将其他不同的故障诊断技术与故障树方法相结合，实现故障树的自动建立、维护和快速准确搜索故障源，是该方法未来需要重点解决的问题。
1.2基于类神经网络的故障诊断方法
类神经网络（artificialneuralnetwork,ANN）又称为人工神经网络，是指模仿生物神经网络的复杂信息处理系统。确切来说它是一种计算结构，采用庞大却简单的人工神经元相互联结来模仿生物神经网络的信息处理能力。ANN能够对大量的训练样本进行分析，通过神经元及其相应结构（权值、偏差）的不断修正，逼近任何连续非线性的函数，能够对未知的或无法预测的故障信息进行分析判断，建立起输入特征和输出结果的映射关系，因此非常适合运用在电路的故障诊断和定位中。
ANN在电路故障诊断中并不
