摘 要:近年來,建筑電氣系統(tǒng)的故障診斷方法,逐漸吸引了人們的注意,鑒于目前的形勢下,傳統(tǒng)的人工檢測方法已無法滿足現(xiàn)代社會發(fā)展的需求,在此背景下,電力系統(tǒng)故障診斷,智能診斷方法進行了深入的研究,在電力系統(tǒng)故障診斷的研究現(xiàn)狀,提出了智能診斷方法,并詳細(xì)解釋了電力系統(tǒng)故障診斷實驗技術(shù)的發(fā)展建設(shè),促進了電力建設(shè)系統(tǒng)故障診斷方法的有效改進。
關(guān)鍵詞:建筑電氣;系統(tǒng)故障;診斷方法
1 建筑電氣系統(tǒng)故障診斷現(xiàn)狀分析
最近幾年,建筑電氣系統(tǒng)的診斷故障,已經(jīng)引起了專家學(xué)者們的關(guān)注。并且在國內(nèi)電力系統(tǒng)中的診斷技術(shù)已經(jīng)實現(xiàn)了大范圍的應(yīng)用。但在建筑行業(yè)的發(fā)展過程中,外部因素對電力系統(tǒng)故障診斷技術(shù)的影響還沒有實現(xiàn)。在科學(xué)和技術(shù)發(fā)展的背景下,建設(shè)行業(yè)應(yīng)加強電力系統(tǒng)故障診斷技術(shù)在中國可持續(xù)發(fā)展過程中的應(yīng)用,以避免安全事故的發(fā)生,提高施工質(zhì)量。但由于電力系統(tǒng)和建筑行業(yè)在一個新的故障檢測技術(shù)的應(yīng)用其復(fù)雜性應(yīng)結(jié)合自身條件,提升技術(shù)水平,從而達到了最佳的診斷結(jié)果,提高診斷結(jié)果的準(zhǔn)確性。
2 建筑電氣系統(tǒng)故障診斷存在的問題分析
在電氣故障診斷系統(tǒng)的建設(shè)如下:首先,在建筑行業(yè)建筑電氣系統(tǒng)的當(dāng)前穩(wěn)定仍無法滿足故障診斷的需要,在這種條件下,建筑行業(yè)的相關(guān)部門一定要采取適當(dāng)?shù)拇胧蕴岣呓ㄖ镫姎庀到y(tǒng)的穩(wěn)定性,確保診斷結(jié)果的準(zhǔn)確性,對故障診斷電氣系統(tǒng),它是基于根據(jù)故障診斷算法的電力系統(tǒng)上的結(jié)構(gòu)不能滿足電力系統(tǒng)的要求提供了良好的條件診斷結(jié)果對精度的影響;第三,由于外部很多因素的影響,建筑電氣系統(tǒng)的故障診斷仍然是專家系統(tǒng)的維護方法將面臨的諸多挑戰(zhàn),在實際應(yīng)用過程中不能實現(xiàn)有效的創(chuàng)新,從而在建筑行業(yè)中的電氣系統(tǒng)故障診斷的穩(wěn)定性逐漸突出,并且在某些程度上,它影響著故障診斷結(jié)果的準(zhǔn)確性。從以上的探討分析,我們將看到,在電力系統(tǒng)故障診斷和建筑行業(yè)在實際工作過程中,仍然有不可忽視的一些問題,應(yīng)給予高度重視,并且有效地做出相應(yīng)的對策。
3 建筑電氣故障仿真平臺
其實本質(zhì)上的故障診斷是在建筑電氣系統(tǒng)基于設(shè)定的故障,包括故障識別和故障診斷的映射模型。但是在構(gòu)建系統(tǒng)中的很多故障,它的發(fā)生概率是隨機的,所以電故障仿真平臺的結(jié)構(gòu)是在研究的基礎(chǔ)。針對在電氣故障自我診斷的常見問題,故障診斷的目的基于不同的工作狀態(tài)和對象的選擇。信號應(yīng)該很容易診斷安裝在配電線路的關(guān)鍵電路設(shè)備,通過使用數(shù)據(jù)采集,采集異常信號故障特征提取,故障診斷方法,加工的技術(shù)數(shù)據(jù)輸入故障,故障類型識別算法可通過輸出和不同位置,及報警信息,并根據(jù)決策和控制的問題,更好地為它的平臺。交流電源220V,50Hz,變壓器轉(zhuǎn)換的15V直流輸出,對弱者保護板提供電力,在單向和三向保護弱保護板的動力系統(tǒng),強電系統(tǒng)測試的主要部分,系統(tǒng)根據(jù)設(shè)定的由開關(guān)斷開22高壓系統(tǒng)故障關(guān)閉四種故障電阻處理,斷開的路徑,而封閉的是故障的相應(yīng)部分。
4 小樣本SVM故障診斷
基于機器學(xué)習(xí)的數(shù)據(jù)是現(xiàn)代智能技術(shù)和機器學(xué)習(xí)的一個重要方面是根據(jù)系統(tǒng)的輸入和輸出中兩者之間的給定的訓(xùn)練樣本已依賴性的估計,使得它能夠最大程度的準(zhǔn)確地預(yù)測系統(tǒng)的行為。
對于機器學(xué)習(xí),通常用損失函數(shù)L(y,y實際值)以表示所引起的機器輸出到預(yù)測實際價值的損失。損失函數(shù)的期望被定義為預(yù)期的危險或?qū)嶋H風(fēng)險,如下式:
R(w)=∫L(y,y實際值)dP(x,y)(1)
而經(jīng)驗風(fēng)險則是訓(xùn)練樣本的“平均損失”程度,即
Remp(w)=1/n∑ni=1L(y,y實際值)(2)
機器學(xué)習(xí)的目的,以盡量減少預(yù)期的風(fēng)險(實際風(fēng)險),從式(1),我們可以知道,這種風(fēng)險是依靠于聯(lián)合概率P(x,y),所以這樣就很難真正出現(xiàn)的問題。因此,應(yīng)用于傳統(tǒng)的學(xué)習(xí)方法和所謂的經(jīng)驗風(fēng)險最小化(ERM)的原理,即,通過學(xué)習(xí)算法(2)經(jīng)驗風(fēng)險Remp最小化(經(jīng)驗風(fēng)險僅在樣品到無窮加速的數(shù)目為接近預(yù)期的風(fēng)險)。
這是基于風(fēng)險管理的基本原理,并沒有感覺到預(yù)期風(fēng)險最小化人工神經(jīng)網(wǎng)絡(luò),雖然在用于經(jīng)驗風(fēng)險最小化某種程度的支持,但是在誘導(dǎo)的促進成為更嚴(yán)重的缺陷。
根據(jù)其意思,期望風(fēng)險與經(jīng)驗風(fēng)險這兩者之間,有著下面的關(guān)系:
R(w)≤Remp(w)+Φ(h/n)(3)
其中h是學(xué)習(xí)機的VC維(反映機器學(xué)習(xí)能力,該值越大,經(jīng)驗風(fēng)險越小),n是樣本數(shù),Φ(h/n)代表置信范圍。
5 SVM在實驗平臺故障診斷中的應(yīng)用
5.1 故障特征量的選擇與故障的分類
模擬實際住宅建筑中的常見故障用測試平臺來實現(xiàn),此類型可以分為四種線路阻抗故障時,連續(xù)的故障,接地電阻,絕緣電阻太小,等等。除了正常狀態(tài),還有五種狀態(tài)。
5.2 SVM模型的建立
支持向量機的精髓,是兩類問題,解決各類故障分類的問題,目前主要采取“一對一”,“一對多”的方法,SVM方法中的K類,對于決定自由電路圖等。所述的分類方法“一對一”的選擇。重要是由于相比,拒絕分級區(qū)分類精度小,每個SVM只考慮兩種類型的樣品,單SVM更易于培訓(xùn)輸出模擬的結(jié)果表明:錯誤識別的總數(shù)的SVM算法0的識別率是100%??傊?,可以判斷,該支持向量機算法能有效地正確診斷建筑電氣測試平臺的正確與錯誤。
5.3 SVM以神經(jīng)網(wǎng)絡(luò)對故障診斷問題的比較
根據(jù)數(shù)據(jù)統(tǒng)計,在小樣本的情況下,雖然仿真結(jié)果的測試樣品的幾種方法是理想的,但BP網(wǎng)絡(luò)結(jié)構(gòu)比較復(fù)雜,線性輸出還不能十分穩(wěn)定,收斂速度也是不穩(wěn)定,RBF網(wǎng)絡(luò)訓(xùn)練誤差小,快速收斂,但從該點故障識別率,分類能力的提高仍是支撐向量機。
6 結(jié)束語
文章以電力系統(tǒng)故障實驗平臺為研究對象,將故障診斷理論引入電力系統(tǒng)結(jié)構(gòu),考慮到實際的施工環(huán)境,該系統(tǒng)具有一個突然故障系統(tǒng),它是不現(xiàn)實的,進行了一百倍,這是不現(xiàn)實的每一個失敗的樣本收集。因此,將支持向量機算法作為一種故障診斷方法,并將其結(jié)果與實驗平臺進行比較。最后用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)進行對比分析研究。結(jié)果表明,支持向量機算法有以下幾點:由于支持向量機是尋求模型的復(fù)雜性和學(xué)習(xí)能力之間的最佳平衡,以避免一個多小時的神經(jīng)網(wǎng)絡(luò)的風(fēng)險。得益于支持向量機是尋求最佳的平衡性和學(xué)習(xí)能力之間的模型,以避免風(fēng)險超過一個小時的神經(jīng)網(wǎng)絡(luò)。SVM輸出穩(wěn)定,分類速度快,不及時診斷的時候以、避免進一步的損失;神經(jīng)網(wǎng)絡(luò)是基于經(jīng)驗風(fēng)險最小化(ERM)作為網(wǎng)絡(luò)優(yōu)化的目標(biāo)是無限大樣本漸近理論和支持向量機(SVM)是基于結(jié)構(gòu)風(fēng)險最小化原則,在小樣本,SVM具有更好的非線性映射和分類能力的提升。文章提出的故障診斷方法缺乏實際的推理和工程試驗,在實驗過程中取得了良好的效果,但這是有限的初步實驗室研究的理論,還必須嘗試測試的診斷結(jié)果和實際工作中的應(yīng)用。
參考文獻
[1]周東華,葉銀忠.現(xiàn)代故障診斷與容錯控制[M].北京:清華大學(xué)出版社,2000.
[2]郭創(chuàng)新,等.電力系統(tǒng)故障診斷的研究現(xiàn)狀與發(fā)展趨勢[J].電力系統(tǒng)自動化,2004.
[3]張學(xué)工.關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機[J].自動化學(xué)報,2000.
[4]田路,田干,張煒,等.基于支持向量機的渦輪泵故障診斷方法研究[J].控制工程,2007.
[5]鄭勇濤,劉玉樹.支持向量機解決多分類問題研究[J].計算機工程與應(yīng)用,2005.