陳小龍

【摘要】現(xiàn)代社會經濟的不斷發(fā)展，建筑規(guī)模隨著城市化進程的加快也在不斷地擴大，建筑電氣的結構也越來越復雜，電氣系統(tǒng)發(fā)生故障的概率也在不斷增加。在機械和電力等相關領域中故障診斷采用的先進的智能技術，并且得到了很大的發(fā)展，但是建筑電氣上還有很大的欠缺。筆者就此在本文中進行探討。

【關鍵詞】電氣系統(tǒng)；故障診斷；方法探究

引言

現(xiàn)如今，有關建筑電氣系統(tǒng)故障診斷方面的問題已受到了人們的高度重視。經過實踐調查得出的診斷方法主要有基于信號處理的方法、基于解析模型的方法、基于知識診斷的方法。為提高故障診斷結果準確性，這就要求有關專業(yè)人員依據(jù)現(xiàn)有的情況構建模擬平臺，建立健全的建筑電氣系統(tǒng)故障診斷方法，保證它的準確性。

人工神經網絡方法已被廣泛應用于建筑電氣系統(tǒng)故障診斷系統(tǒng)，不過此方法有一定的局限性，存在著很多問題，其中最大局限性是是：要想保證故障診斷的精度，必須結合多個訓練樣本數(shù)據(jù)，在實際的工程中，很大程度上限制它運用。在統(tǒng)計學理論的前提下，依據(jù)vc維理論和最低風險結構原則，來進行的一種機器學習方法，叫支持向量機（簡稱SvM）。它的優(yōu)點是：具有極強的實用性，極易發(fā)現(xiàn)小樣本下的分類問題，運用極少的樣本信息，在模型的學習力和復雜性見尋找最合適的銜接點，獲取最佳推廣能力。

1、現(xiàn)階段國內形勢

故障診斷技術以充分運用在了國內電力系統(tǒng)中。根據(jù)現(xiàn)階段存在的情況來看，建筑行業(yè)中，并沒有真正充分運用故障診斷技術，主要是在發(fā)展過程中受到各種因素的影響。還在使用人工進行檢測，不僅不能保證建筑電氣系統(tǒng)檢測結果的準確性，也浪費了大量的人力物力。所以我國建筑行業(yè)在可持續(xù)發(fā)展過程中的首要目標就是必須加強對電氣系統(tǒng)故障診斷技術的運用，預防危險事故的發(fā)生，提高建筑工程的質量。建筑行業(yè)要結合自身的條件，充分運用現(xiàn)代化故障檢測技術，提高技術水平，以期獲得最佳診斷效果，提高診斷效果的準確性。

2、未來形勢的發(fā)展

現(xiàn)如今科學技術水平的不斷提高，為我國建筑電氣系統(tǒng)的故障診斷技術帶來進一步發(fā)展。體現(xiàn)在：1）將會實現(xiàn)構建建筑故障實驗平臺。故障診斷技術的關鍵點就是實行故障模擬實驗平臺。有關技術人員在實施此項過程中要依據(jù)診斷現(xiàn)狀合理的進行搭建平臺，搭建時要運用建筑物低壓配電系統(tǒng)中的低壓電氣裝置，確?？茖W合理的搭建平臺，以求完成對模擬實驗的實現(xiàn)。并且平臺的搭建必須按照相應的原則；2）我國已由舊社會轉入現(xiàn)代化社會發(fā)展中，傳統(tǒng)檢測方法已不能適應現(xiàn)代社會的發(fā)展需求，我國的建筑行業(yè)必須加強研究自身故障診斷結果的準確性，在此項技術研究中包括對技術系統(tǒng)軟件的研究，為系統(tǒng)故障診斷工作的順利進行做好鋪墊。根據(jù)我國的國情來看，一些城市已開始運用新型的故障系統(tǒng)診斷軟件，進行智能診斷，控制相應的程序，在操作界面中掌握空間屬性等相關信息，在控件選擇方面，提高用戶的滿意度。

3、仿真平臺故障診斷的原理

根據(jù)征兆集和故障集映射的模式，進行故障診斷。其中就有識別故障發(fā)生的狀態(tài)，和對它征兆的提取。由于建筑電氣系統(tǒng)發(fā)生故障的類型是多種多樣的，并且隨時都有可能發(fā)生各種故障的情況出現(xiàn)。所以就要構建建筑電氣故障仿真平臺。自行診斷分析產生電氣故障的一些問題，依據(jù)種種故障發(fā)生時的工作狀態(tài)，它們診斷的目標方向和類型，用最易于診斷工作狀態(tài)的信號，將傳感器設置在配電線路中起著重要作用的線路回路上。通過一些技術手段，例如數(shù)據(jù)采集器，將發(fā)生故障時發(fā)出的異常信號進行整合，并將故障的特征進行提煉，處理得的數(shù)據(jù)，在故障診斷法中進行運用計算，判定故障的類型和他們所處的位置，進行報警信息提醒，以及按照出現(xiàn)的問題采取有效的控制措施和提出維修的建議。

4、建筑電氣系統(tǒng)故障診斷方法

4.1 基于解析模型的方法

在做故障診斷之前，對于要被診斷的設備，采取相應的措施進行檢測，看其是否能滿足構建模型的條件。對于該設備未知故障的敏感性，要用現(xiàn)代化科學技術手段進行檢測，也就是利用解析模型達到故障診斷效果。就需要在做故障診斷時，參照數(shù)學理論，專業(yè)技術人員結合建筑電氣系統(tǒng)的運行狀況，對解析模型進行搭建并對解析模型進行分析，對得出的故障結果進行總結，采取相應的措施進一步提升建筑電氣系統(tǒng)運行的穩(wěn)定性。

4.2 信號處理的方式

在故障的粗略判斷中，普遍運用的是信號處理法。在建筑行業(yè)中，要掌握它的診斷需求，采用合適的診斷方式并運用到故障診斷工作中，以確保滿足它的需求。大量的實踐研究表明，信號處理方式的核心的關鍵就是可測信號，利用各種途徑搜集系統(tǒng)時域和一些特征，實現(xiàn)對故障的檢測。和解析模型方法進行比較，診斷環(huán)節(jié)方面，更為方便快捷，對技術人員實際工作的順利進行有很大的幫助。缺點是診斷結果不全面，原因就是外界因素對故障診斷造成影響，專業(yè)技術人員在運用時一定要充分考慮這一方面，提高診斷結果準確性。

4.3 知識診斷的方式

專業(yè)技術人員進行診斷前，采取具體措施將被診斷對象信息的靈活性進行掌握，再利用這種方法，完成系統(tǒng)故障診斷的整體過程。和數(shù)學模型診斷方法進行比較，智能性更為突出。在專業(yè)判斷的前提下使用知識判斷方法，確保電氣系統(tǒng)故障的科學性。也就是說，在使用這種方法進行診斷過程中，專業(yè)技術人員判斷電氣故障系統(tǒng)中的問題時，要結合具體的狀況來選擇最恰當?shù)呐袛喾绞?，進一步合理分析故障發(fā)生的原因和故障所在的位置，通過最終結果來選擇最恰當?shù)奶幚矸桨?，解決故障問題。

5、樣本SVN的故障診斷

在數(shù)據(jù)的機器學習為現(xiàn)代智能技術中的重要方面的根本上建立，機器學習它的目的是按照給定的訓練樣本獲取系統(tǒng)的輸人與輸出間的依賴關系的預測，以確保其能最大程度的對系統(tǒng)行為做出正確預測。在實際工作的情況下，設備發(fā)生故障時，分為突發(fā)性故障和偶然性故障，對于搜集故障的信號，并進行整理，可遇而不可求，大部分設備都是這種情況，典型的故障的數(shù)據(jù)樣本是少之又少的，因此，在小樣本的情況下，想要很好的做到分類推廣，選用支持向量機為故障診斷算法是完全可以做到的。

6、SVM在實驗平臺故障診斷中的應用

6.1 故障特征量的選擇和故障的分類

在實際的住宅建筑物中，經常出現(xiàn)的故障，可以通過實驗平臺將其模擬出來，分為四種故障類型、一個狀態(tài)：線路阻抗故障、連續(xù)性故障、接地電阻異常、絕緣電阻過小和正常狀態(tài)。也就是說，共有五種狀態(tài)。在向量機的本質上，根據(jù)兩個分類問題進行構建模型，即425VM。我們要采用一對一分類方法，優(yōu)勢在于：分類精度避一對多高，拒絕分類區(qū)小，單個SvM用兩類樣本就可以，極易訓練仿真輸出的結果。表明：SVM算法的錯判總數(shù)為0。也就是說具有100%的識別率?，F(xiàn)階段，解決多種類型故障分類問題的最主要方法是：一對一、一對多、K類Sun法等。由此分析，可看出，診斷建筑電氣試驗平臺故障，使用SvM算法是正確和有效的。

6.2 SvM以神經網絡對故障診斷問題的比較

通過數(shù)據(jù)看出，如果是小樣本，運用這些方法所得的仿真效果還是較理想的，和支持向量機進行比較，它的故障識別率要差一些。BP網絡構建復雜，輸出線和收斂速度不具穩(wěn)定性，RBF網絡訓練誤差小、收斂迅速。

由以上分析可看出，在對模擬實驗平臺數(shù)據(jù)自動采集功能的研發(fā)過程中，如果將傳感器設置在平臺內所有的線路上，會產生大量資金和資源的浪費，還要繼續(xù)加強研究關鍵回路上傳感器的設置，還有很重要的一點，就是對關鍵信息點的故障樣本的采集；此外，實驗平臺的故障類比較缺乏，不豐富。文章列舉的只是在實際運用中建筑電氣系統(tǒng)發(fā)生故障的五種狀態(tài)。就要繼續(xù)發(fā)現(xiàn)探索新的故障類型，并且和實際系統(tǒng)運行時的狀態(tài)與狀況相似。通過實驗故障診斷方法能取得明顯效果，但也只是研究的初步理論和嘗試，必須運用到實際的工作中去，來判斷診斷效果和使用情況。

7、結束語

在現(xiàn)代化的建筑物中，電氣故障發(fā)生的頻率越來越高。目前建筑電氣系統(tǒng)中缺少行之有效的診斷故障方法，還要考慮在現(xiàn)代建筑的實際運行環(huán)境中典型的故障數(shù)據(jù)樣本獲取非常的有限。有關專家和技術人員要在建筑電氣系統(tǒng)故障診斷時充分利用新興技術，加強對這一方面的研究，實現(xiàn)智能化。據(jù)有行業(yè)統(tǒng)計，假若一家年產值30萬噸合成氨化肥廠，每年的停車時間減少30天，則很有可能增產6000多萬噸，效益顯著。不難看出，在建筑電氣領域應用故障診斷技術，有利于對系統(tǒng)與設備的工作狀態(tài)做出及時有效的判斷，使其生產和運行更加可靠安全。進一步完善建筑電氣系統(tǒng)故障的診斷方法。

參考文獻

[1]阮學峰，韓水生，熊志剛，王四清，楊鐘勝.電氣故障診斷的系統(tǒng)方法[J].武漢大學學報（工學版），2002，02：88-90.

[2]武淑芳.建筑電氣系統(tǒng)中故障診斷方法分析[J].四川水泥，2015，05：13.

[3]賈雪，王曉旭.基于電氣設備故障的診斷技術初探[J].農業(yè)與技術，2015，07：215-217.

[4]張龍，陳宸，韓寧，王亞慧.壓縮感知理論中的建筑電氣系統(tǒng)故障診[J].智能系統(tǒng)學報，201，02：204-209.

[5]金磊.建筑電氣系統(tǒng)設計的故障分析及診斷技術探討[J].建筑電氣，1990，02：22-26+41.