莊恢凰

（廣東省工業(yè)設(shè)備安裝有限公司 廣州510220）

隨著互聯(lián)網(wǎng)信息技術(shù)的不斷發(fā)展，建筑電氣系統(tǒng)逐漸朝著智能化、自動(dòng)化方向發(fā)展，其在為建設(shè)業(yè)帶來(lái)便利的同時(shí)，也暴露出一系列相關(guān)問(wèn)題，如協(xié)議不兼容、子系統(tǒng)集成困難等［1］，傳統(tǒng)的解決方法需要耗費(fèi)大量人力、物力，且效果不佳。基于此提出了建筑無(wú)中心智能控制系統(tǒng)，每個(gè)基本單元具有獨(dú)立計(jì)算及通信處理設(shè)備，節(jié)點(diǎn)獨(dú)立、擴(kuò)展性好，不僅減少了人工校對(duì)工作，而且提升了建筑電氣系統(tǒng)智能化水平［2～3］。近年來(lái)，建筑電氣系統(tǒng)趨于復(fù)雜，故障發(fā)生概率大幅增加。以往人工神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于智能故障診斷速度慢，需要大量訓(xùn)練樣本數(shù)據(jù)，其應(yīng)用范圍受到限制。此次研究提出了SVM 算法，其將VC 維理論作為基礎(chǔ)，實(shí)用性強(qiáng)，無(wú)論在診斷速度還是診斷效果方面都體現(xiàn)出鮮明的優(yōu)勢(shì)。

1 建筑電氣系統(tǒng)無(wú)中心故障診斷SVM 算法原理

采用SVM 二分類策略，一般輸出值為-1 表示處于故障狀態(tài)，當(dāng)輸出值為1 時(shí)表示為正常狀態(tài)。針對(duì)不同智能節(jié)點(diǎn)運(yùn)行SVM，不同節(jié)點(diǎn)數(shù)據(jù)互傳，最后節(jié)點(diǎn)SVM輸出值可以準(zhǔn)確判斷節(jié)點(diǎn)運(yùn)行狀態(tài)。

2 SVM算法下建筑電氣系統(tǒng)無(wú)中心故障診斷

⑴收取本地節(jié)點(diǎn)樣本數(shù)據(jù)xjn，然后將數(shù)據(jù)向鄰居節(jié)點(diǎn)傳輸，與此同時(shí)，鄰居節(jié)點(diǎn)樣本數(shù)據(jù)xkn也會(huì)傳輸?shù)奖镜毓?jié)點(diǎn)，由本地節(jié)點(diǎn)收?。?］。

⑶采用SVM 二分類策略，各個(gè)節(jié)點(diǎn)SVM 在正常狀態(tài)下輸出值設(shè)為1；并對(duì)故障狀態(tài)SVM 輸出值設(shè)為-1，因此當(dāng)發(fā)生故障時(shí)，故障節(jié)點(diǎn)顯示數(shù)值為-1，但其余正常節(jié)點(diǎn)SVM 輸出仍為1。按照上述輸出方式對(duì)正常狀態(tài)以及故障狀態(tài)下采集的數(shù)據(jù)進(jìn)行SVM 訓(xùn)練［8］。其關(guān)鍵環(huán)節(jié)為對(duì)故障數(shù)據(jù)的分離，假設(shè)每個(gè)節(jié)點(diǎn)存放數(shù)據(jù)采用[ ]xj1，xj2，……，xjk；yj表示，那么當(dāng)數(shù)據(jù)正常時(shí)yi=1，當(dāng)檢測(cè)顯示故障則輸出為-1。

⑷SVM 在各個(gè)節(jié)點(diǎn)是獨(dú)立運(yùn)行的，采用迭代計(jì)算方法對(duì)不同節(jié)點(diǎn)互傳數(shù)據(jù)進(jìn)行計(jì)算，當(dāng)SVM 輸出-1 時(shí)表示存在故障。每個(gè)時(shí)刻節(jié)點(diǎn)迭代計(jì)算如圖1所示。該算法操作簡(jiǎn)單，能夠?qū)ο噜徆?jié)點(diǎn)數(shù)據(jù)進(jìn)行互傳，經(jīng)過(guò)訓(xùn)練的SVM 也能夠傳輸?shù)街悄芄?jié)點(diǎn)，在大多數(shù)拓?fù)浣Y(jié)構(gòu)中有著較高的適應(yīng)性［9］。除此之外該算法還能夠同時(shí)對(duì)多個(gè)節(jié)點(diǎn)進(jìn)行計(jì)算，速度快，運(yùn)算效率高。

圖1 同步迭代計(jì)算示意圖Fig.1 Schematic Diagram of Synchronous Iterative Calculation

3 仿真實(shí)驗(yàn)分析

某地某大廈總共15層，地下1層，是一座綜合樓，總建筑面積14 095 m2，總高49.8 m，框架結(jié)構(gòu)。首層、2層、3層設(shè)計(jì)為商場(chǎng)，4層、5層為辦公室及輔助用房，6～15 層為民用住宅。本工程電氣設(shè)計(jì)包括變配電系統(tǒng)、照明系統(tǒng)、建筑物防雷接地系統(tǒng)、火災(zāi)自動(dòng)報(bào)警及聯(lián)動(dòng)系統(tǒng)、漏電火災(zāi)報(bào)警系統(tǒng)、安全技術(shù)防范系統(tǒng)、有線電視系統(tǒng)及電話系統(tǒng)等。將建筑電氣系統(tǒng)電網(wǎng)結(jié)構(gòu)作為案例，實(shí)施仿真實(shí)驗(yàn)。智能節(jié)點(diǎn)選擇每個(gè)母線，母線電流以及電壓等相關(guān)數(shù)據(jù)均采用電源管理單元進(jìn)行測(cè)量。網(wǎng)絡(luò)拓?fù)淙鐖D2所示。首先對(duì)正常運(yùn)行狀態(tài)下各個(gè)節(jié)點(diǎn)SVM進(jìn)行訓(xùn)練，然后針對(duì)每個(gè)節(jié)點(diǎn)故障數(shù)據(jù)對(duì)節(jié)點(diǎn)進(jìn)行訓(xùn)練［10］。將經(jīng)過(guò)訓(xùn)練的SVM 插入各個(gè)節(jié)點(diǎn)，對(duì)其輸出值予以觀察，其能夠自動(dòng)識(shí)別出故障位置。共收集樣本數(shù)據(jù)60 組，包含5 種狀態(tài)模式，每個(gè)樣本有10 個(gè)不同位置故障信息特征，如表1所示。

圖2 智能節(jié)點(diǎn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2 Topology of Intelligent Node Network

表1 實(shí)驗(yàn)平臺(tái)故障特征與對(duì)應(yīng)位置Tab.1 Fault Characteristics and Corresponding Positions of Experimental Platform

本研究在60 組樣本數(shù)據(jù)中選出40 個(gè)樣本進(jìn)行訓(xùn)練，另外20 組為測(cè)試樣本，其分布情況如表2 所示。以往學(xué)者在研究中分析了BP 網(wǎng)絡(luò)與RBF 網(wǎng)絡(luò)下識(shí)別結(jié)果，如表3所示。

表2 樣本分布Tab.2 Sample Distribution

表3 BP、RBF網(wǎng)絡(luò)識(shí)別結(jié)果Tab.3 Recognition Results of BP and RBF Networks

針對(duì)不同節(jié)點(diǎn)進(jìn)行分布式運(yùn)行質(zhì)量因素分析，當(dāng)結(jié)束時(shí)SVM 輸出-1 的節(jié)點(diǎn)表示其存在故障。當(dāng)同時(shí)2個(gè)節(jié)點(diǎn)發(fā)生故障時(shí)，因選取的拓?fù)浣Y(jié)構(gòu)是相鄰節(jié)點(diǎn)，這為訓(xùn)練過(guò)程增加了一定的難度。在SVM 無(wú)中心故障診斷算法下，對(duì)智能節(jié)點(diǎn)各個(gè)SVM 輸出值予以觀察，結(jié)果顯示SVM算法錯(cuò)誤判斷為0，其對(duì)故障診斷的準(zhǔn)確率達(dá)到100%，優(yōu)于傳統(tǒng)BP網(wǎng)絡(luò)與RBF網(wǎng)絡(luò)，提示該算法應(yīng)用于建筑電氣試驗(yàn)平臺(tái)具有一定的價(jià)值。

4 結(jié)論

將SVM算法引入扁平化、無(wú)中心建筑智能化系統(tǒng)中，具有以下優(yōu)勢(shì)：①實(shí)時(shí)性。經(jīng)過(guò)訓(xùn)練的SVM 插入各個(gè)節(jié)點(diǎn)，再通過(guò)相鄰節(jié)點(diǎn)數(shù)據(jù)互傳，能夠幫助準(zhǔn)確診斷節(jié)點(diǎn)狀態(tài)，速度快，且避免了以往算法的滯后性。②適用性。SVM 算法適用于大部分配電網(wǎng)結(jié)構(gòu)，針對(duì)節(jié)點(diǎn)完成SVM 訓(xùn)練后，將其插入到相應(yīng)節(jié)點(diǎn)，便能夠起到故障診斷作用。③并行性。能夠同時(shí)進(jìn)行多個(gè)節(jié)點(diǎn)計(jì)算，速度快，效率高。