建筑電氣系統(tǒng)故障診斷方法研究

吳堅

摘? 要：建筑電氣系統(tǒng)是組成建筑的中藥組成部分之一，當它發(fā)生故障，將導致電力設備停機、計算機信息和數(shù)據(jù)丟失等事故。對于電力可靠性要求較高的部門（如金融機構、醫(yī)院、電視臺等），即使在發(fā)生重大停電的情況下也是如此。在現(xiàn)代建筑中，隨著建筑電氣系統(tǒng)的規(guī)模和復雜性的增加，建筑電氣故障的可能性越來越大，故障類型也越來越復雜和多樣。因此，對高可靠性建筑電氣故障診斷要求也越來越高，對于電力系統(tǒng)故障的診斷方法也顯得極其迫切和重要，該文對電氣系統(tǒng)故障現(xiàn)狀進行分析，提出了診斷的問題、診斷原理以及診斷方法，對促進電氣系統(tǒng)的穩(wěn)定性有一定的積極作用。

關鍵詞：建筑電氣系統(tǒng);系統(tǒng)故障;診斷方法

中圖分類號：TU85? ? ? ? ? ? ? ? 文獻標志碼：A

隨著城市化步伐的加快，建筑業(yè)發(fā)展也極其迅速，因此建筑電氣系統(tǒng)的重要性也慢慢凸顯。建筑電氣系統(tǒng)主要包括防雷接地裝置、輸配電系統(tǒng)、照明系統(tǒng)、弱電系統(tǒng)和電力設備系統(tǒng)等。建筑電氣系統(tǒng)具有復雜性，一旦建筑物電氣系統(tǒng)發(fā)生故障，極有可能影響使用者的人身安全。然而，在這一階段，建筑物電氣系統(tǒng)的故障排除基本上是基于人工測試，找出問題的原因，對人工維修過程來說，故障恢復時間的長短在很大程度上只能取決于個人在電氣傳統(tǒng)故障診斷中的經(jīng)驗。而這樣的方法已經(jīng)遠遠不足以滿足現(xiàn)代建筑電氣發(fā)展的需要。因此如何在建筑電氣系統(tǒng)運行中保障其安全穩(wěn)定運行顯得極為迫切。

1 建筑電氣系統(tǒng)故障診斷現(xiàn)狀分析

近年來，建筑電氣系統(tǒng)相關的專家學者已認識到其重要性，并充分關注其發(fā)展，因此國內(nèi)電力系統(tǒng)技術也在不斷進步。然而在建筑電力系統(tǒng)發(fā)展中，還未能完全將外部技術運用到電力系統(tǒng)診斷中。隨著科技的發(fā)展，建筑業(yè)應充分利用科技成分對建筑電力系統(tǒng)檢測把控，避免事故發(fā)生，提高建筑質(zhì)量。由于電力系統(tǒng)在建筑業(yè)的應用具有極大的復雜性，因此需要結合建筑本身的特點，尋找出符合自身特點的檢測方法，提高診斷精度從而保證電力系統(tǒng)的穩(wěn)定運行。

2 現(xiàn)階段建筑電力系統(tǒng)診斷不足之處

雖然建筑電力系統(tǒng)得到了長足的發(fā)展，就現(xiàn)階段而言，其診斷系統(tǒng)還有2點不足之處。1）建設建筑業(yè)電氣系統(tǒng)的電流穩(wěn)定仍然不能滿足故障診斷的需要，在這種情況下，建筑業(yè)相關部門，應有針對性地制定并采取相應措施，來保證電氣系統(tǒng)的穩(wěn)定性及準確性。現(xiàn)階段對建筑電氣系統(tǒng)診斷只是基于電氣系統(tǒng)結構，該方法不足以滿足電氣系統(tǒng)診斷需求，診斷結果對電氣系統(tǒng)故障診斷精度的影響不能提供良好的條件。2）從外部因素來講，現(xiàn)階段的電氣診斷系統(tǒng)由于建筑業(yè)的快速發(fā)展，使電氣系統(tǒng)更加復雜，診斷的難度加大，而在現(xiàn)階段診斷系統(tǒng)中，難以實現(xiàn)符合現(xiàn)階段發(fā)展的創(chuàng)新，從而使得診斷系統(tǒng)的穩(wěn)定性不高，問題也越發(fā)凸顯，因此使得建筑電氣系統(tǒng)故障診斷的準確性不高，不利于建筑電氣系統(tǒng)出現(xiàn)問題后的及時修復。

3 建筑電氣仿真平臺故障診斷原理

建筑電氣系統(tǒng)的故障診斷主要基于癥狀集/故障集映射模式，包括癥狀提取和故障狀態(tài)識別。由于建筑電氣系統(tǒng)故障種類繁多，故障概率是隨機的，因此，基于建筑電氣仿真平臺，對建筑常見的電氣故障，包括絕緣故障、接地系統(tǒng)故障，通過自診斷系統(tǒng)對配電網(wǎng)的研究接地故障的配置，根據(jù)其顯示不同的故障診斷目的和對象的狀態(tài)，選擇最容易診斷信號工作狀態(tài)（電壓、電流或電阻）的傳感器，通過數(shù)據(jù)安裝在關鍵電路中。集電器對配電線路異常信號進行采集，提取故障特征，并將處理后的數(shù)據(jù)輸入故障診斷算法。通過該算法識別故障類型和位置，給出報警信息，并提出控制措施和維修決策。故障模擬試驗臺的內(nèi)部邏輯結構如圖1所示。

4 建筑電氣系統(tǒng)故障診斷方法

4.1 小樣本SVM故障診斷

基于機器學習的數(shù)據(jù)對給定訓練樣本在系統(tǒng)輸入和輸出之間的相關性，從而最大限度地對系統(tǒng)行為進行預測。在機器學習中，損失函數(shù)L（Y，Y的實際值）通常用來表示機器輸出損失的實際值，以便進行預測。損失函數(shù)的預期定義：實際風險或者預期風險，所述如下：

R（w）=∫L（y，y實際值）dP（x，y） （1）

而經(jīng)驗風險則是訓練樣本的“平均損失”程度，即

Remp（w）=1/n∑ni=1L（y，y實際值） （2）

機器學習的目的是最小化預期（實際）風險。從方程（1）可以看出，這種風險取決于聯(lián)合概率P（x，y）（2）將經(jīng)驗風險降低到最小化。

這是從風險管理的基本原則出發(fā)的，從最小化人工神經(jīng)網(wǎng)絡無法感覺到預期的風險，它從某種程度上支持實證風險，但在促進歸納法的發(fā)展中卻成了一個較為嚴重的缺陷。

根據(jù)其含義，預期風險與經(jīng)驗風險之間存在以下關系：

R（w）≤Remp（w）+Φ（h/n） （3）

其中，h是學習機的vc維（反映了學習機的學習能力，值越大，體驗風險越小），n是樣本數(shù)，Φ（h/n）代表置信范圍。

5 故障診斷方法

5.1 在實驗平臺故障診斷中SVM的使用

5.1.1 故障特征及故障的分類

為了對實際住宅常見故障進行模擬，通常可以通過測試平臺來實現(xiàn)。這類線路故障可分為：接地電阻、4種線路阻抗時、絕緣電阻過小、連續(xù)故障等。

5.1.2 建立SVM模型

支持向量機是兩類問題的本質(zhì)，可以通過“一對一”和“一對多”的方法來解決。分類是一對一的選擇。從輸出結果可以看出，識別率為100%，它的錯誤識別總數(shù)為0?？傊?，可以判斷支持向量機算法是有效的，能夠準確地診斷建筑物電氣測試平臺的正確性和誤差。

5.2 神經(jīng)網(wǎng)絡方法

BP網(wǎng)絡和RBF網(wǎng)絡是神經(jīng)網(wǎng)絡計算的主要方法。BP網(wǎng)絡將輸入層、輸出層和隱藏層相結合來作為一種多層前饋神經(jīng)網(wǎng)絡，形成無縫的神經(jīng)元在上下層之間。這樣，在選擇訓練樣本時，系統(tǒng)可以將神經(jīng)元輸入BP網(wǎng)絡，經(jīng)過處理后將其轉(zhuǎn)化為6種診斷狀態(tài)，以提高測試樣本的模擬效果。RBF網(wǎng)絡計算是在建模過程中增加節(jié)點和隱藏層的數(shù)量，直到節(jié)點和隱藏層的數(shù)量與預設值一致，然后測設定結果，從而提高其準確性。

6 結語

現(xiàn)階段，我國科學技術取得了重大突破。各行各業(yè)都發(fā)生了巨大的變化。在此背景下，建筑業(yè)發(fā)展較快，但也面臨著更為嚴峻的調(diào)整，有必要重視自身技術的改進。通過科學先進的有效故障檢測方法，實現(xiàn)建筑電氣系統(tǒng)的安全穩(wěn)定運行，促進建筑業(yè)的可持續(xù)發(fā)展。

參考文獻

[1]張艷暉，王紅剛.淺談建筑電氣系統(tǒng)檢修與故障診斷方法研究[J].卷宗，2017（26）：163.

[2]熊道輝.新形勢下建筑電氣系統(tǒng)故障診斷方法研究[J].科技與創(chuàng)新，2016（24）：95-96.

[3]吳茜，王亞慧.基于RBF與BP神經(jīng)網(wǎng)絡的建筑電氣系統(tǒng)故障診斷比較研究[J].北京建筑工程學院學報，2012，28（4）：42-47.

[4]常澄，尹嘉琦.建筑電氣系統(tǒng)故障診斷方法淺述[J].環(huán)球市場，2016（26）：158.

[5]張龍，陳宸，韓寧，等.基于壓縮感知理論的建筑電氣系統(tǒng)故障診斷[J].智能系統(tǒng)學報，2014（2）：12-14.

[6]趙雪辰，邢建春，王平，等.基于SVM的建筑電氣系統(tǒng)無中心故障診斷算法研究[J].信息技術與網(wǎng)絡安全，2018，37（3）：65-69.