白 雪

（烏海職業(yè)技術學院，烏海 016000）

電氣設備故障診斷指檢測設備運行過程，通過檢測物理信號、電磁信號等是否存在異常來精準判斷設備運行是否穩(wěn)定。近年來，隨著智能化與信息化水平的持續(xù)提高，電氣設備故障診斷隨之優(yōu)化和完善。如何使電氣設備穩(wěn)定運行，避免設備發(fā)生故障，關鍵在于要全面了解電氣設備故障，做好設備故障的診斷工作，采取有效的預防措施，將控制電路動作程序當成檢修重點，并根據(jù)電氣設備結構，充分合理利用相關檢測儀器展開故障檢修工作，有效解決設備故障，確保系統(tǒng)設備平穩(wěn)運行[1]。為進一步提高電氣設備故障診斷水平，可在電氣設備故障診斷中應用機器學習。機器學習是基于人工智能的一種核心技術，借助支持向量理論，對電氣設備故障進行有效分類，以提升電氣設備故障診斷系統(tǒng)的整體性能。

1 電氣設備故障樣本數(shù)據(jù)采集與故障特征分析

1.1 電氣設備故障樣本數(shù)據(jù)采集

基于機器學習的電氣設備故障診斷，先要分析電氣設備諧振回路，將有功功率與回流功率作為約束因素，采集電氣設備異常數(shù)據(jù)。假設電氣設備高頻變壓特征分布序列{x(n)}是零均值的k階正態(tài)隨機序列，創(chuàng)建電氣設備故障診斷機器學習模型，采用串聯(lián)諧振阻抗分析法，計算電氣設備故障數(shù)據(jù)序列d(s)。采用高頻變壓振蕩控制法，輸入電氣設備故障函數(shù)為

式中：N為高頻變壓振蕩控制系數(shù)系數(shù)；C(r)為機器學習模型。

穩(wěn)態(tài)條件下，結合電氣設備故障自相關函數(shù)，得出電氣設備諧振回路，如圖1所示。

圖1 基于機器學習的電氣設備諧振回路

開關弧度周期中，電氣設備故障參數(shù)矢量模型為s(t)=[s1(t),s2(t),s3(t),…,sq(t)]T，干擾矢量為n(t)。選擇諧振回路振蕩控制，獲得電氣設備故障跳變序列，即

式中：uji為諧振回路振蕩系數(shù)；si為開關弧度周期；wi為跳變參量[2]。

假設電氣設備雙向諧振類變換樣本集是dk，那么電氣設備故障節(jié)點負載范圍ψ(w)為

1.2 故障特征分析

基于諧振回路分析與數(shù)據(jù)采集結果，以電氣設備諧振電感與諧振電容為變式參數(shù)，挖掘電氣設備故障差異性特征，提取可以反映電氣設備故障屬性的特征量。利用自適應濾波法，分析電氣設備故障。通過比例-重復控制法獲得的諧振電感為supt(D)，諧振電容為numt(D)。非線性負荷下的電氣設備故障差異性特征分布為

式中：δ為電壓與頻率下垂系數(shù)[3]。

融合處理電氣設備輸出電壓與負載差異性故障特征，結果顯示為

式中：u(t)為電流；wc為諧振電流極性。

選擇開關頻率諧振分析法再次融合處理電氣故障數(shù)據(jù)，獲得故障樣本波束震蕩序列模糊度特征分量，即

通過諧振電流極性不變性理論，獲得電氣設備輸出振蕩特征分量為

式中：mk為輸出電氣設備故障統(tǒng)計特征量；εk為標準差。通過模糊特征匹配法，展開電氣設備統(tǒng)計特征序列分析，以提升電氣設備電氣故障檢測質量。

通過電氣設備故障樣本數(shù)據(jù)采集與故障特征分析發(fā)現(xiàn)，電氣設備故障診斷系統(tǒng)中，傳感器與傳感器芯片對系統(tǒng)性能具有決定性作用。

2 機器學習下電氣設備故障診斷系統(tǒng)的設計

2.1 硬件設計

傳感器與傳感器芯片直接決定電氣設備故障診斷系統(tǒng)性能，因此需要做好傳感器及其芯片的選型工作[4]。

2.1.1 傳感器選型

傳感器分為振動傳感器、溫度傳感器、電流傳感器以及壓力傳感器等。美國S16220型振動傳感器是一種可編程的數(shù)字型傳感器，智能化程度高，可以反映大部分電子裝置的振動。它由美國的DS18B120公司生產，可將模擬信號轉換成數(shù)字信號，方便后期處理電力系統(tǒng)的相關信息，且抗干擾能力強、價格低廉、精度高、尺寸小，能夠適應各行各業(yè)的需要。南京C2-500霍爾為電流檢測元件，主要用于電壓檢測、感應采樣和電流檢測等方面，在數(shù)控機床和變電站中應用廣泛。

2.1.2 傳感器芯片選型

在電氣設備故障診斷系統(tǒng)中應用的傳感器必須具備數(shù)據(jù)傳輸功能，便于向數(shù)據(jù)終端傳輸電氣設備運行數(shù)據(jù)，診斷電氣設備存在的故障。所以，應正確選擇傳感器芯片。ZigBee芯片有助于節(jié)約系統(tǒng)硬件成本及其開發(fā)時間。該芯片有SN260、TICC2530等多種型號。對比各型號傳感器芯片發(fā)現(xiàn)，TICC2530芯片所需外置元件較少，可構建無線網絡，有利于提升傳感器通信的順暢度。

2.2 軟件設計

2.2.1 故障分類模塊

利用支撐矢量法對電力系統(tǒng)進行故障類型劃分，從而進行故障診斷。用T表示電力裝置的操作數(shù)據(jù)，將電力裝置的故障種類分為5個類別，分別用A、B、C、D、E表示，對應TA、TB、TC、TD、TE，其中D、E表示電力裝置的失效實例。該支持向量機分類器采用一對多的類別，TA屬于正類，而TB～TE屬于負類。分類器設為fA(x)，有效區(qū)分電氣設備A類及其他故障。根據(jù)以上步驟，將TB～TE作為一個正類，將其他故障作為一個負類，運用機器學習方法得到分類器fB(x)、fC(x)、fD(x)、fE(x)。若電器裝置發(fā)生的故障不屬于上述類別，則需要作為其他故障處理。研究發(fā)現(xiàn)，電力系統(tǒng)的故障主要有變壓器故障、電動機故障、電源故障、溫度失效以及開關失效[5]。

2.2.2 故障診斷模塊

以電氣設備故障類型為依據(jù)，對電氣設備故障診斷的步驟進行設計。首先，創(chuàng)建電氣設備故障范例庫，利用機器學習訓練構建故障診斷樹，將電氣設備故障分為輕度故障、中度故障以及重度故障。其次，歸一化處理電氣設備運行數(shù)據(jù)，將其輸入電氣設備故障診斷樹。再次，用診斷核函數(shù)對故障診斷樹的輸出錯誤進行運算，當錯誤超出容許錯誤時，要重新進行上述過程，并且要確保錯誤在容許錯誤之內。最后，將該診斷結果傳送到該電力裝置的故障警告模塊，并根據(jù)該故障級別實時發(fā)送一個故障警告，以便及時更換或維修電氣設備。

2.2.3 故障預警模塊

電氣設備故障預警有助于提醒生產人員及時維修電氣設備，避免電器裝置發(fā)生更大的失效故障。在電氣設備的故障預警過程中，以設備的工作狀態(tài)參數(shù)為基礎，對報警閾值進行科學的設定。當故障診斷信號的幅度超過報警閾值時，會發(fā)出故障警報。為了提高故障警報的準確性，需要根據(jù)電力裝置參數(shù)適時調節(jié)和改變警報的報警閾值。

3 機器學習下電氣設備故障診斷系統(tǒng)的實現(xiàn)

為驗證機器學習下電氣設備故障診斷系統(tǒng)的有效性，需要通過實驗的方式加以驗證。先搭建實驗環(huán)境，包括仿真設備、編譯器計算機、串口數(shù)據(jù)線和TICC2530芯片等，比較所提方法與傳統(tǒng)人工故障診斷的結果。

常規(guī)狀態(tài)下，電氣設備故障診斷時間和系統(tǒng)性能具有負相關性。在工業(yè)生產中，對電器裝備進行故障診斷的最大值是57 s。對該裝置進行實驗，得到了該裝置的精度與時間的數(shù)據(jù)，如表1所示。

表1 電力裝備的故障診斷正確性和診斷周期對比

由表1可知，基于機器學習電氣設備故障診斷系統(tǒng)的故障檢測時間都在30 s以下，而人工故障診斷的時間多處于30～53 s的范圍。可見，基于機器學習設備故障診斷效率更高，且診斷時間更短。此外，人工診斷最高準確率為75.5%，明顯比基于機器學習電氣設備故障診斷準確率低，說明設計的電氣設備故障診斷系統(tǒng)存在準確率高、用時短等優(yōu)勢，可有效滿足工業(yè)安全生產所需。

4 結語

通常來說，檢測電氣自動化控制設備故障的目的主要在于確保所有潛在故障都可以在第一時間被發(fā)現(xiàn)，并及時得到解決，因此應該選擇多元化的檢測方式?，F(xiàn)階段常見的電氣自動化控制設備檢測方法包括現(xiàn)場檢測與實驗室檢測，其中實驗室檢測應在實驗室中模擬設備運行環(huán)境，詳細記錄設備運行參數(shù)，同時進行比較分析。它的優(yōu)勢在于確保檢測精度，有效解決傳統(tǒng)診斷電氣設備故障準確率低的問題?；跈C器學習的電氣設備故障診斷系統(tǒng)設計和實現(xiàn)準確率較高，未來會從其他環(huán)節(jié)進一步優(yōu)化電氣設備故障系統(tǒng)設計，提升系統(tǒng)的綜合性能。