建筑電氣系統(tǒng)故障診斷方法研究

摘要：文章針對目前建筑電氣系統(tǒng)故障診斷的現(xiàn)狀進(jìn)行分析，列舉常見的電氣系統(tǒng)故障并歸納了常見診斷方法，強(qiáng)調(diào)了科學(xué)智能的自診斷方法的必要性，并分析了基于支持向量機(jī)和基于壓縮感知理論算法的兩種診斷方法對建筑電氣系統(tǒng)故障進(jìn)行分類并判斷，滿足了建筑電氣系統(tǒng)中故障診斷的工程應(yīng)用要求。

關(guān)鍵詞：建筑電氣系統(tǒng)；電氣故障；故障診斷；支持向量機(jī)算法；壓縮感知理論算法 文獻(xiàn)標(biāo)識碼：A

中圖分類號：TM743 文章編號：1009-2374（2016）08-0107-02 DOI：10.13535/j.cnki.11-4406/n.2016.08.055

1 概述

近年來，隨著人們對建筑物提出更加安全與方便的要求，建筑電氣系統(tǒng)趨于更加龐大復(fù)雜，傳統(tǒng)的人工檢測也無法再滿足建筑電氣系統(tǒng)的故障檢查。因為建筑電氣系統(tǒng)故障一旦發(fā)生，將給人們的生命和財產(chǎn)帶來不可預(yù)測的風(fēng)險和威脅，同時還可能引發(fā)一系列火災(zāi)等事故，因此建筑電氣系統(tǒng)故障的診斷已經(jīng)成為我們所關(guān)注的最重要的問題之一。故障診斷技術(shù)也從最開始的人工檢測和簡單的儀表測量故障位置的階段到利用計算機(jī)和傳感器等結(jié)合的技術(shù)的診斷階段，一直到今日逐步流行的智能檢測和診斷階段，其智能化和高效率也有了巨大的飛躍。雖然其診斷技術(shù)仍然處于發(fā)展階段，尤其在中國，建筑電氣系統(tǒng)的智能故障診斷技術(shù)起步較晚，但其穩(wěn)定性和高效率已經(jīng)得到了驗證和巨大的應(yīng)用前景，已如火如荼地發(fā)展起來。在此背景下，一系列智能化的建筑電氣系統(tǒng)故障診斷方法也隨著科學(xué)技術(shù)的發(fā)展應(yīng)運(yùn)而生，如利用人工神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)算法、壓縮感知等算法已應(yīng)用于故障診斷方法中。

2 建筑電氣系統(tǒng)常見故障及常見診斷方法

建筑電氣故障發(fā)生的類型比較多，一旦發(fā)生，不僅對人們的生命和財產(chǎn)造成巨大的威脅和損失，同時還會引發(fā)火災(zāi)等無法預(yù)料的災(zāi)禍，因此其前期預(yù)測和診斷的重要性不言而喻。而究其原因一般有短路、斷路、接地、諧波、電氣設(shè)備與電氣元件損壞等。建筑物的電氣故障類型主要有電氣線路故障、防雷接地系統(tǒng)故障、設(shè)備和元件故障以及電氣照明故障等。表1對這些常見故障及其原因和危害進(jìn)行了總結(jié)。

針對以上常見故障，目前常見的故障診斷方法主要分為三類：

基于信號的處理方法：該方法主要是利用檢測到的信號獲得系統(tǒng)時域和頻域的特征，然后進(jìn)行故障分析，該方法實現(xiàn)簡單，不必建立數(shù)學(xué)模型，但精確度不高，且一般只有在故障發(fā)生有比較明顯特征時才能檢測到信號，只能做前期初步粗略判斷。主要方法有基于信號模態(tài)的方法和小波變換法。

基于解析模型的方法：對診斷設(shè)備建立數(shù)學(xué)模型，能夠檢測出一些未知故障，因此其特征檢測有特有的敏感性，但在應(yīng)用上因難以建立數(shù)學(xué)模型而有所限制，主要方法有參數(shù)估計方法、狀態(tài)估計方法、等價空間方法等。

基于知識的診斷方法：根據(jù)先驗信息，如人類專家的經(jīng)驗，系統(tǒng)固有的知識系統(tǒng)實現(xiàn)系統(tǒng)的故障診斷，并通過算法讓系統(tǒng)實現(xiàn)自學(xué)習(xí)，實現(xiàn)智能化的故障診斷和檢測，其神經(jīng)網(wǎng)絡(luò)診斷方法是目前炙手可熱的研究方法。對于建筑電氣系統(tǒng)故障識別簡單的流程框圖如圖1所示：

3 基于支持向量機(jī)的故障診斷算法

故障診斷問題實際上是一個分類識別問題，即將每個故障狀態(tài)（包括正常狀態(tài)）進(jìn)行分類，找出各狀態(tài)對應(yīng)類別，完成故障識別。而支持向量機(jī)作為一種機(jī)器學(xué)習(xí)算法，其工作方式是找到一個最優(yōu)超平面將兩類樣本完全分開，最大的優(yōu)勢是在小樣本數(shù)據(jù)采集的情況，能夠?qū)崿F(xiàn)很好的分類，對于實際電氣系統(tǒng)中采集典型故障樣本數(shù)據(jù)非常有限的情況有較強(qiáng)的適應(yīng)性。

支持向量機(jī)應(yīng)用于電氣故障診斷的主要流程是：首先要提取數(shù)據(jù)或者是電氣系統(tǒng)的樣本，然后將樣本進(jìn)行預(yù)處理，包括數(shù)據(jù)歸一化處理，接著將預(yù)處理后的樣本數(shù)據(jù)分為訓(xùn)練集和測試集兩部分，設(shè)置模型參數(shù)，先對訓(xùn)練集訓(xùn)練支持向量機(jī)（SVM），最后將訓(xùn)練得到的模型對測試集進(jìn)行分類判斷，得到診斷結(jié)果。

根據(jù)實驗平臺以及實際建筑物中的常見故障，假定將故障類型分為連續(xù)性故障、絕緣電阻過小、線路阻抗故障、接地電阻異常，那么加上正常狀態(tài)一共有5類診斷狀態(tài)。這時采用支持向量機(jī)（SVM）的算法訓(xùn)練分類模型，構(gòu)造分類器。再采用樣本數(shù)據(jù)進(jìn)行測試該SVM模型，檢驗該分類器的準(zhǔn)確率。對于將SVM與BP神經(jīng)網(wǎng)絡(luò)對比分析，支持向量機(jī)算法（SVM）主要有以下三個優(yōu)點(diǎn)：（1）SVM綜合考慮模型的復(fù)雜性和學(xué)習(xí)能力進(jìn)行折衷，解決了神經(jīng)網(wǎng)絡(luò)算法過學(xué)習(xí)的問題；（2）SVM輸出相對穩(wěn)定、速度快，能夠在故障發(fā)生時及時做出診斷，實時性較好；（3）支持向量機(jī)（SVM）是基于結(jié)構(gòu)風(fēng)險最小化原理，所以對于建筑電氣系統(tǒng)只能獲取小樣本的情況有更強(qiáng)的適應(yīng)性和針對性。

這里尤其要注意的是，因為在實際建筑物的電氣系統(tǒng)中故障出現(xiàn)的突發(fā)性較強(qiáng)，而且故障信號的采集也比較困難，那么對于很多的設(shè)備來說，如果對每一種故障都進(jìn)行樣本采集上百上千次是不實際的。所以，通常來說，典型的故障樣本數(shù)據(jù)的獲取是非常有限的，所以在這種情況下，支持向量機(jī)（SVM）相較于BP神經(jīng)網(wǎng)絡(luò)而言，能夠?qū)崿F(xiàn)在小樣本情況下達(dá)到很好的分類結(jié)果，對于建筑電氣故障診斷有很強(qiáng)的適應(yīng)性和針對性。

4 基于壓縮感知的故障診斷算法

壓縮感知是近年來興起的一種新的理論算法，受到了各個領(lǐng)域的關(guān)注，其核心是假設(shè)信號的稀疏性，那么低維觀測信號（或者是下采樣的信號）就能恢復(fù)到原始高維信號（原信號），利用該方法用于分類訓(xùn)練，從而對系統(tǒng)的故障進(jìn)行診斷，達(dá)到很好的分類效果，滿足了利用小樣本數(shù)據(jù)達(dá)到診斷電氣故障應(yīng)用的需求。

4.1 訓(xùn)練樣本組成完備字典

提取故障樣本，然后利用聚類方法對故障樣本分類，假定故障類別設(shè)置為k類，建立完備訓(xùn)練樣本Ф，我們稱其為完備字典。，其中是第i類故障的訓(xùn)練樣本。

4.2 測試樣本分類

因為訓(xùn)練樣本字典是完備的，那么如果y屬于第i類，僅用第i類樣本數(shù)據(jù)可以表示測試樣本，即向量X=中很多值都為0，也就是稀疏向量，稱為對測試樣本y進(jìn)行稀疏分解。

為了對測試樣本分類，只需對其進(jìn)行求解稀疏向量，結(jié)合已訓(xùn)練的完備矩陣Ф，稀疏矩陣只與其測試樣本有關(guān)的列向量有關(guān)，其系數(shù)也為非0值，對式（2）求最小化，可以得到其分類結(jié)果。

其故障診斷的分類流程是：首先提取故障特征的數(shù)據(jù)，構(gòu)建一個訓(xùn)練樣本矩陣，利用支持向量機(jī)（SVM）算法對其進(jìn)行訓(xùn)練并建立完備的訓(xùn)練樣本字典；然后輸入測試樣本，根據(jù)公式（2）計算得到X；最后計算殘差項，得到殘差項中的最小值所對應(yīng)的標(biāo)號i，即為該測試樣本的類別。

5 結(jié)語

可以看出，近年來，建筑電氣系統(tǒng)故障診斷已經(jīng)引起了人們的大量關(guān)注。將故障診斷理論以及機(jī)器學(xué)習(xí)方法、新的理論如壓縮感知引入建筑電氣系統(tǒng)，并實現(xiàn)工程實際應(yīng)用對于建筑電氣系統(tǒng)的故障診斷有重大的意義。本文通過對兩種故障診斷方法，基于支持向量機(jī)分類和基于壓縮感知兩種算法對建筑電氣系統(tǒng)進(jìn)行故障診斷，達(dá)到了很好的工程應(yīng)用效果，但仍需在工程中進(jìn)行實際應(yīng)用，以判斷其診斷效果和適用性情況。

參考文獻(xiàn)

[1]吳茜，王亞慧.基于RBF與BP神經(jīng)網(wǎng)絡(luò)的建筑電氣系統(tǒng)故障診斷比較研究[J].北京建筑工程學(xué)院學(xué)報，2012，28（4）.

[2]張龍，陳宸，韓寧，等.壓縮感知理論中的建筑電氣系統(tǒng)故障診斷[J].智能系統(tǒng)學(xué)報，2014，9（2）.

[3]王亞慧，張龍，韓寧，等.建筑電氣系統(tǒng)故障診斷方法研究[J].計算機(jī)仿真，2014，31（2）.

作者簡介：文充（1984-），河南臨潁人，重慶市設(shè)計院工程師，碩士，研究方向：建筑電氣。

（責(zé)任編輯：小 燕）