建筑电气系统故障诊断方法研究

    吴坚

    

    摘? 要：建筑电气系统是组成建筑的中药组成部分之一，当它发生故障，将导致电力设备停机、计算机信息和数据丢失等事故。对于电力可靠性要求较高的部门（如金融机构、医院、电视台等），即使在发生重大停电的情况下也是如此。在现代建筑中，随着建筑电气系统的规模和复杂性的增加，建筑电气故障的可能性越来越大，故障类型也越来越复杂和多样。因此，对高可靠性建筑电气故障诊断要求也越来越高，对于电力系统故障的诊断方法也显得极其迫切和重要，该文对电气系统故障现状进行分析，提出了诊断的问题、诊断原理以及诊断方法，对促进电气系统的稳定性有一定的积极作用。

    关键词：建筑电气系统;系统故障;诊断方法

    中图分类号：TU85? ? ? ? ? ? ? ? 文献标志码：A

    随着城市化步伐的加快，建筑业发展也极其迅速，因此建筑电气系统的重要性也慢慢凸显。建筑电气系统主要包括防雷接地装置、输配电系统、照明系统、弱电系统和电力设备系统等。建筑电气系统具有复杂性，一旦建筑物电气系统发生故障，极有可能影响使用者的人身安全。然而，在这一阶段，建筑物电气系统的故障排除基本上是基于人工测试，找出问题的原因，对人工维修过程来说，故障恢复时间的长短在很大程度上只能取决于个人在电气传统故障诊断中的经验。而这样的方法已经远远不足以满足现代建筑电气发展的需要。因此如何在建筑电气系统运行中保障其安全稳定运行显得极为迫切。

    1 建筑电气系统故障诊断现状分析

    近年来，建筑电气系统相关的专家学者已认识到其重要性，并充分关注其发展，因此国内电力系统技术也在不断进步。然而在建筑电力系统发展中，还未能完全将外部技术运用到电力系统诊断中。随着科技的发展，建筑业应充分利用科技成分对建筑电力系统检测把控，避免事故发生，提高建筑质量。由于电力系统在建筑业的应用具有极大的复杂性，因此需要结合建筑本身的特点，寻找出符合自身特点的检测方法，提高诊断精度从而保证电力系统的稳定运行。

    2 现阶段建筑电力系统诊断不足之处

    虽然建筑电力系统得到了长足的发展，就现阶段而言，其诊断系统还有2点不足之处。1）建设建筑业电气系统的电流稳定仍然不能满足故障诊断的需要，在这种情况下，建筑业相关部门，应有针对性地制定并采取相应措施，来保证电气系统的稳定性及准确性。现阶段对建筑电气系统诊断只是基于电气系统结构，该方法不足以满足电气系统诊断需求，诊断结果对电气系统故障诊断精度的影响不能提供良好的条件。2）从外部因素来讲，现阶段的电气诊断系统由于建筑业的快速发展，使电气系统更加复杂，诊断的难度加大，而在现阶段诊断系统中，难以实现符合现阶段发展的创新，从而使得诊断系统的稳定性不高，问题也越发凸显，因此使得建筑电气系统故障诊断的准确性不高，不利于建筑电气系统出现问题后的及时修复。

    3 建筑电气仿真平台故障诊断原理

    建筑电气系统的故障诊断主要基于症状集/故障集映射模式，包括症状提取和故障状态识别。由于建筑电气系统故障种类繁多，故障概率是随机的，因此，基于建筑电气仿真平台，对建筑常见的电气故障，包括绝缘故障、接地系统故障，通过自诊断系统对配电网的研究接地故障的配置，根据其显示不同的故障诊断目的和对象的状态，选择最容易诊断信号工作状态（电压、电流或电阻）的传感器，通过数据安装在关键电路中。集电器对配电线路异常信号进行采集，提取故障特征，并将处理后的数据输入故障诊断算法。通过该算法识别故障类型和位置，给出报警信息，并提出控制措施和维修决策。故障模拟试验台的内部逻辑结构如图1所示。

    4 建筑电气系统故障诊断方法

    4.1 小样本SVM故障诊断

    基于机器学习的数据对给定训练样本在系统输入和输出之间的相关性，从而最大限度地对系统行为进行预测。在机器学习中，损失函数L（Y，Y的实际值）通常用来表示机器输出损失的实际值，以便进行预测。损失函数的预期定义：实际风险或者预期风险，所述如下：

    R（w）=∫L（y，y实际值）dP（x，y） （1）

    而经验风险则是训练样本的“平均损失”程度，即

    Remp（w）=1/n∑ni=1L（y，y实际值） （2）

    机器学习的目的是最小化预期（实际）风险。从方程（1）可以看出，这种风险取决于联合概率P（x，y）（2）将经验风险降低到最小化。

    这是从风险管理的基本原则出发的，从最小化人工神经网络无法感觉到预期的风险，它从某种程度上支持实证风险，但在促进归纳法的发展中却成了一个较为严重的缺陷。

    根据其含义，预期风险与经验风险之间存在以下关系：

    R（w）≤Remp（w）+Φ（h/n） （3）

    其中，h是学习机的vc维（反映了学习机的学习能力，值越大，体验风险越小），n是样本数，Φ（h/n）代表置信范圍。

    5 故障诊断方法

    5.1 在实验平台故障诊断中SVM的使用

    5.1.1 故障特征及故障的分类

    为了对实际住宅常见故障进行模拟，通常可以通过测试平台来实现。这类线路故障可分为：接地电阻、4种线路阻抗时、绝缘电阻过小、连续故障等。

    5.1.2 建立SVM模型

    支持向量机是两类问题的本质，可以通过“一对一”和“一对多”的方法来解决。分类是一对一的选择。从输出结果可以看出，识别率为100%，它的错误识别总数为0。总之，可以判断支持向量机算法是有效的，能够准确地诊断建筑物电气测试平台的正确性和误差。

    5.2 神经网络方法

    BP网络和RBF网络是神经网络计算的主要方法。BP网络将输入层、输出层和隐藏层相结合来作为一种多层前馈神经网络，形成无缝的神经元在上下层之间。这样，在选择训练样本时，系统可以将神经元输入BP网络，经过处理后将其转化为6种诊断状态，以提高测试样本的模拟效果。RBF网络计算是在建模过程中增加节点和隐藏层的数量，直到节点和隐藏层的数量与预设值一致，然后测设定结果，从而提高其准确性。

    6 结语

    现阶段，我国科学技术取得了重大突破。各行各业都发生了巨大的变化。在此背景下，建筑业发展较快，但也面临着更为严峻的调整，有必要重视自身技术的改进。通过科学先进的有效故障检测方法，实现建筑电气系统的安全稳定运行，促进建筑业的可持续发展。

    参考文献

    [1]张艳晖，王红刚.浅谈建筑电气系统检修与故障诊断方法研究[J].卷宗，2017（26）：163.

    [2]熊道辉.新形势下建筑电气系统故障诊断方法研究[J].科技与创新，2016（24）：95-96.

    [3]吴茜，王亚慧.基于RBF与BP神经网络的建筑电气系统故障诊断比较研究[J].北京建筑工程学院学报，2012，28（4）：42-47.

    [4]常澄，尹嘉琦.建筑电气系统故障诊断方法浅述[J].环球市场，2016（26）：158.

    [5]张龙，陈宸，韩宁，等.基于压缩感知理论的建筑电气系统故障诊断[J].智能系统学报，2014（2）：12-14.

    [6]赵雪辰，邢建春，王平，等.基于SVM的建筑电气系统无中心故障诊断算法研究[J].信息技术与网络安全，2018，37（3）：65-69.