魏 臨

（克孜勒蘇柯爾克孜自治州第一建筑安裝工程有限責(zé)任公司 845350）

建筑電氣系統(tǒng)故障診斷問題及診斷方法

魏 臨

（克孜勒蘇柯爾克孜自治州第一建筑安裝工程有限責(zé)任公司 845350）

隨著經(jīng)濟(jì)社會的迅速發(fā)展，科學(xué)技術(shù)的日益普及和成熟，建筑現(xiàn)代化程度也不斷提升，然而電氣故障發(fā)生率也日益增長，本文根據(jù)當(dāng)前現(xiàn)實(shí)情況，采用建立故障診斷模型的方法診斷電氣系統(tǒng)中出現(xiàn)的幾種故障狀態(tài)，旨在將之一模型方法運(yùn)用到實(shí)際工程中，使得建筑電氣系統(tǒng)故障能夠及時被發(fā)現(xiàn)和解決，促進(jìn)建筑電氣系統(tǒng)穩(wěn)定運(yùn)行。

建筑電氣系統(tǒng)；故障診斷；仿真平臺；SVM；小樣本

目前，建筑電氣系統(tǒng)的故障檢查一般都是人工檢測、查找故障源頭、人工處理的程序來實(shí)施的，電工技術(shù)人員的搶修速度、專業(yè)技能和實(shí)踐經(jīng)驗(yàn)直接決定了建筑電氣系統(tǒng)的故障恢復(fù)時間[1]。因此，實(shí)現(xiàn)智能化建筑的關(guān)鍵在于提高建筑電氣系統(tǒng)的穩(wěn)定性和可靠性。目前，國內(nèi)外對于建筑電氣故障診斷方面的研究處于初期。追究其原因在于，由于大多數(shù)故障研究的重點(diǎn)在于電力系統(tǒng)，同建筑電氣的內(nèi)容相似或相同，因此故障診斷方法也大抵相同；另外，由于建筑電氣一般都是電壓等級較低，相比于大型電力系統(tǒng)，其故障發(fā)生率較低，危險程度不高，因此故障排斥比較簡單。然而，建筑系統(tǒng)由照明、電梯、給排水、電氣等方面構(gòu)成，同時建筑物是人們生活、工作必不可少的場所，因此具有一個較高的安全等級才能保護(hù)人們生命財產(chǎn)安全。因此，需要加強(qiáng)對建筑電氣系統(tǒng)故障診斷的研究。

1 建筑電氣系統(tǒng)存在的故障

短路、斷路、接地、諧波及電氣元件損害等時造成電氣系統(tǒng)故障的主要原因，目前建筑電氣系統(tǒng)存在以下幾種常見的故障情況：

1.1 電氣線路的故障

架空線路和電纜線路的故障是電氣線路常見故障，如果出現(xiàn)這些故障，極有可能會造成觸電、火災(zāi)等事故的出現(xiàn)。出現(xiàn)這些故障的原因在于環(huán)境影響、戶外天氣導(dǎo)致絕緣皮脫落、破損和有的零件腐蝕等。

1.2 電氣照明的故障

短路、斷路和漏電是電氣照明常見故障，具體情況見表1。

表1 關(guān)于斷路、短路和漏電三種情況的情況及故障原因分析

1.3 電氣動力系統(tǒng)的故障

這一種故障主要出現(xiàn)在變壓器、互感器、電動機(jī)、斷路器等設(shè)備，設(shè)備局部過熱和絕緣皮老化等是常見的故障[2]。

2 構(gòu)建電氣仿真平臺

診斷建筑電氣系統(tǒng)主一般是以故障集或征兆為基礎(chǔ)的一種映射模式，包含了系統(tǒng)出現(xiàn)故障過程中的征兆現(xiàn)象以及對系統(tǒng)故障狀態(tài)的識別。建筑電氣系統(tǒng)故障具有各種類型，且出現(xiàn)時間和出現(xiàn)的形態(tài)不缺性性比較突出，因此，為了能夠系統(tǒng)診斷建筑電氣系統(tǒng)故障，應(yīng)該構(gòu)建一個仿真平臺，基于其作為實(shí)驗(yàn)的基礎(chǔ)媒介，從而分析出建筑電氣系統(tǒng)存在的故障。這個平臺能夠基于設(shè)備所表現(xiàn)出的各種工作狀態(tài)診斷出設(shè)備存在的故障，經(jīng)過相對應(yīng)的工作狀態(tài)信號，在配電線路上安裝傳感器，采用技術(shù)方法，接收和分析不正常信號，提取出故障的主要特征，從而分析出故障的類型與具體位置，并根據(jù)問題制定出有效的維修措施和控制方法。

建筑電氣故障仿真平臺應(yīng)該包含建筑中全部的抵押配電裝置，例如斷路器、熔斷器、residual current operated protectivedevic （ERCD）、單向與三向插座等（如圖1所示），通50Hz、220V的交流電，變壓器以15V的電壓將電能供給弱電保護(hù)板，從而使得單相和三相系統(tǒng)相平衡[3]；弱電系統(tǒng)是該平臺的主體與核心，主要判斷系統(tǒng)中出現(xiàn)的四種故障，設(shè)置22個開關(guān)的不同狀態(tài)，從而查找到故障的具體位置。

圖1 一種型號的仿真平臺

3 小樣本SVM故障診斷

現(xiàn)代智能技術(shù)的重要內(nèi)容便是根據(jù)數(shù)據(jù)的機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)的目的是按照規(guī)定的訓(xùn)練樣本，對系統(tǒng)輸入、輸出之間的依賴關(guān)系進(jìn)行判斷，從而盡量準(zhǔn)確預(yù)測出系統(tǒng)做出的行為。圖2便是機(jī)器學(xué)習(xí)的基本模型。

圖2 機(jī)器學(xué)習(xí)的基本模型

針對機(jī)器學(xué)習(xí)，一般采用損失函數(shù)L（y，y實(shí)際值）來表達(dá)出機(jī)器輸出對實(shí)際值進(jìn)行預(yù)測而引起的損失[4]。其中，損失函數(shù)的期望定義為實(shí)際風(fēng)險或期望風(fēng)險，如下式：

但是經(jīng)驗(yàn)風(fēng)險便是訓(xùn)練樣本的“平均損失”程度，是指：

機(jī)器學(xué)習(xí)的目的在于將期望風(fēng)險（實(shí)際風(fēng)險）最小化，但是分析式（1）得知，為了計算出期望風(fēng)險需要根據(jù)聯(lián)合概率P（x，y），計算實(shí)際問題十分困難。因此，在傳統(tǒng)學(xué)習(xí)方法中常常使用經(jīng)驗(yàn)風(fēng)險最小化（ERM）原則，便是經(jīng)過學(xué)習(xí)算法使式（2）的經(jīng)驗(yàn)風(fēng)險Remp最小化（只有在樣本數(shù)無線大時，經(jīng)驗(yàn)風(fēng)險才能夠接近期望風(fēng)險）。

人工神經(jīng)網(wǎng)絡(luò)便是借鑒了ERM原則，但是并未獲得最小化期望風(fēng)險，雖然在很大程度上符合了經(jīng)驗(yàn)風(fēng)險最小，然而在推廣過程中卻步步艱辛，存在很多嚴(yán)重的缺陷。

按照定義，期望風(fēng)險和經(jīng)驗(yàn)風(fēng)險之間的關(guān)系如下所示：

在實(shí)際運(yùn)行過程中，設(shè)備故障出現(xiàn)比較突然，故障信號常常是可遇不可求，對于眾多設(shè)備來講，獲取典型故障樣本數(shù)據(jù)數(shù)量較小。因此，在小樣本情況下，故障診斷算法能夠廣泛推廣應(yīng)用在現(xiàn)實(shí)中。

4 SVM在故障仿真平臺中的應(yīng)用分析

4.1 故障的分類

故障仿真平臺能夠充分體現(xiàn)出實(shí)際運(yùn)行國政建筑物的一些常見故障，根據(jù)不同類型將這些故障劃分為：絕緣電阻過小、線路阻抗的故障、接地電阻的故障及連續(xù)性故障四類。除了這四種常見的故障，故障仿真平臺還能夠體現(xiàn)出建筑物正常狀態(tài)，因此，總計五種診斷狀態(tài)。

4.2 小樣本故障診斷中SVM相比于神經(jīng)網(wǎng)絡(luò)法的優(yōu)勢

（1）不同于神經(jīng)網(wǎng)絡(luò)發(fā)，SVM法并不需要收集大量的數(shù)據(jù)，在計算和操作過程中更加直接和簡潔，在模型構(gòu)造和學(xué)習(xí)能力的復(fù)雜性之間進(jìn)行了最合理的調(diào)和。

（2）SVM法輸出穩(wěn)定性更強(qiáng)，能夠迅速對系統(tǒng)故障情況進(jìn)行準(zhǔn)確分類，根據(jù)故障具體情況制定出有效的解決方法，從而避免出現(xiàn)嚴(yán)重的經(jīng)濟(jì)損失。

（3）由于神經(jīng)網(wǎng)絡(luò)法需要大量的故障樣本作為模型訓(xùn)練的基礎(chǔ)，這便要求在建立網(wǎng)絡(luò)優(yōu)化的目標(biāo)立足于經(jīng)驗(yàn)風(fēng)險最小的基礎(chǔ)上來實(shí)施?；谶@一點(diǎn)，SVM法使用的是結(jié)構(gòu)風(fēng)險最小的方法，這一方法原理在于小樣本的情形下，也能夠確保較好的非線條性映射能力和廣泛的分類能力。

總之，本文重點(diǎn)研究了建筑電氣系統(tǒng)仿真平臺對故障診斷的情況，使用了SVM故障診斷方式，對故障進(jìn)行了合理的計算，在使用過程中所體現(xiàn)出來的優(yōu)勢不僅是相對穩(wěn)定的輸出過程，而且還對于小樣本進(jìn)行了更加科學(xué)合理的有關(guān)分類，是一種值得廣泛應(yīng)用和推廣的計算方法。

[1]余丙榮，周明龍，李玲純.基于遺傳算法的WANN的汽車發(fā)動機(jī)故障診斷分析[J].安徽工程大學(xué)學(xué)報，2011，05（08）：288～289.

[2]范庚，馬登武，張繼軍，鄧力.基于決策樹和相關(guān)向量機(jī)的智能故障診斷方法[J].計算機(jī)工程與應(yīng)用，2013，05（07）：1141～1143.

[3]溫陽東，宋陽，王穎鑫，侯繼光.基于模糊神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷[J].計算機(jī)測量與控制，2013，11（01）：654～656.

[4]胡海剛，朱鳴鶴，朱文材，龐宏磊.基于SVM和BP神經(jīng)網(wǎng)絡(luò)的軸系故障診斷[J].現(xiàn)代科學(xué)儀器，2010，01（06）：841～846.

[5]蔡晨陽，王毅杰.建筑電氣系統(tǒng)故障診斷方法及其應(yīng)用技術(shù)[J].房地產(chǎn)導(dǎo)刊，2015，12（17）：2511～2514.

TU85

A

1673-0038（2015）37-0187-02

2015-8-26