论文部分内容阅读
【摘要】现代社会经济的不断发展，建筑规模随着城市化进程的加快也在不断地扩大，建筑电气的结构也越来越复杂，电气系统发生故障的概率也在不断增加。在机械和电力等相关领域中故障诊断采用的先进的智能技术，并且得到了很大的发展，但是建筑电气上还有很大的欠缺。笔者就此在本文中进行探讨。
【关键词】电气系统；故障诊断；方法探究
引言
现如今，有关建筑电气系统故障诊断方面的问题已受到了人们的高度重视。经过实践调查得出的诊断方法主要有基于信号处理的方法、基于解析模型的方法、基于知识诊断的方法。为提高故障诊断结果准确性，这就要求有关专业人员依据现有的情况构建模拟平台，建立健全的建筑电气系统故障诊断方法，保证它的准确性。
人工神经网络方法已被广泛应用于建筑电气系统故障诊断系统，不过此方法有一定的局限性，存在着很多问题，其中最大局限性是是：要想保证故障诊断的精度，必须结合多个训练样本数据，在实际的工程中，很大程度上限制它运用。在统计学理论的前提下，依据vc维理论和最低风险结构原则，来进行的一种机器学习方法，叫支持向量机（简称SvM）。它的优点是：具有极强的实用性，极易发现小样本下的分类问题，运用极少的样本信息，在模型的学习力和复杂性见寻找最合适的衔接点，获取最佳推广能力。
1、现阶段国内形势
故障诊断技术以充分运用在了国内电力系统中。根据现阶段存在的情况来看，建筑行业中，并没有真正充分运用故障诊断技术，主要是在发展过程中受到各种因素的影响。还在使用人工进行检测，不仅不能保证建筑电气系统检测结果的准确性，也浪费了大量的人力物力。所以我国建筑行业在可持续发展过程中的首要目标就是必须加强对电气系统故障诊断技术的运用，预防危险事故的发生，提高建筑工程的质量。建筑行业要结合自身的条件，充分运用现代化故障检测技术，提高技术水平，以期获得最佳诊断效果，提高诊断效果的准确性。
2、未来形势的发展
现如今科学技术水平的不断提高，为我国建筑电气系统的故障诊断技术带来进一步发展。体现在：1）将会实现构建建筑故障实验平台。故障诊断技术的关键点就是实行故障模拟实验平台。有关技术人员在实施此项过程中要依据诊断现状合理的进行搭建平台，搭建时要运用建筑物低压配电系统中的低压电气装置，确保科学合理的搭建平台，以求完成对模拟实验的实现。并且平台的搭建必须按照相应的原则；2）我国已由旧社会转入现代化社会发展中，传统检测方法已不能适应现代社会的发展需求，我国的建筑行业必须加强研究自身故障诊断结果的准确性，在此项技术研究中包括对技术系统软件的研究，为系统故障诊断工作的顺利进行做好铺垫。根据我国的国情来看，一些城市已开始运用新型的故障系统诊断软件，进行智能诊断，控制相应的程序，在操作界面中掌握空间属性等相关信息，在控件选择方面，提高用户的满意度。
3、仿真平台故障诊断的原理
根据征兆集和故障集映射的模式，进行故障诊断。其中就有识别故障发生的状态，和对它征兆的提取。由于建筑电气系统发生故障的类型是多种多样的，并且随时都有可能发生各种故障的情况出现。所以就要构建建筑电气故障仿真平台。自行诊断分析产生电气故障的一些问题，依据种种故障发生时的工作状态，它们诊断的目标方向和类型，用最易于诊断工作状态的信号，将传感器设置在配电线路中起着重要作用的线路回路上。通过一些技术手段，例如数据采集器，将发生故障时发出的异常信号进行整合，并将故障的特征进行提炼，处理得的数据，在故障诊断法中进行运用计算，判定故障的类型和他们所处的位置，进行报警信息提醒，以及按照出现的问题采取有效的控制措施和提出维修的建议。
4、建筑电气系统故障诊断方法
4.1 基于解析模型的方法
在做故障诊断之前，对于要被诊断的设备，采取相应的措施进行检测，看其是否能满足构建模型的条件。对于该设备未知故障的敏感性，要用现代化科学技术手段进行检测，也就是利用解析模型达到故障诊断效果。就需要在做故障诊断时，参照数学理论，专业技术人员结合建筑电气系统的运行状况，对解析模型进行搭建并对解析模型进行分析，对得出的故障结果进行总结，采取相应的措施进一步提升建筑电气系统运行的稳定性。
4.2 信号处理的方式
在故障的粗略判断中，普遍运用的是信号处理法。在建筑行业中，要掌握它的诊断需求，采用合适的诊断方式并运用到故障诊断工作中，以确保满足它的需求。大量的实践研究表明，信号处理方式的核心的关键就是可测信号，利用各种途径搜集系统时域和一些特征，实现对故障的检测。和解析模型方法进行比较，诊断环节方面，更为方便快捷，对技术人员实际工作的顺利进行有很大的帮助。缺点是诊断结果不全面，原因就是外界因素对故障诊断造成影响，专业技术人员在运用时一定要充分考虑这一方面，提高诊断结果准确性。
4.3 知识诊断的方式
专业技术人员进行诊断前，采取具体措施将被诊断对象信息的灵活性进行掌握，再利用这种方法，完成系统故障诊断的整体过程。和数学模型诊断方法进行比较，智能性更为突出。在专业判断的前提下使用知识判断方法，确保电气系统故障的科学性。也就是说，在使用这种方法进行诊断过程中，专业技术人员判断电气故障系统中的问题时，要结合具体的状况来选择最恰当的判断方式，进一步合理分析故障发生的原因和故障所在的位置，通过最终结果来选择最恰当的处理方案，解决故障问题。
5、样本SVN的故障诊断
在数据的机器学习为现代智能技术中的重要方面的根本上建立，机器学习它的目的是按照给定的训练样本获取系统的输人与输出间的依赖关系的预测，以确保其能最大程度的对系统行为做出正确预测。在实际工作的情况下，设备发生故障时，分为突发性故障和偶然性故障，对于搜集故障的信号，并进行整理，可遇而不可求，大部分设备都是这种情况，典型的故障的数据样本是少之又少的，因此，在小样本的情况下，想要很好的做到分类推广，选用支持向量机为故障诊断算法是完全可以做到的。 6、SVM在实验平台故障诊断中的应用
6.1 故障特征量的选择和故障的分类
在实际的住宅建筑物中，经常出现的故障，可以通过实验平台将其模拟出来，分为四种故障类型、一个状态：线路阻抗故障、连续性故障、接地电阻异常、绝缘电阻过小和正常状态。也就是说，共有五种状态。在向量机的本质上，根据两个分类问题进行构建模型，即425VM。我们要采用一对一分类方法，优势在于：分类精度避一对多高，拒绝分类区小，单个SvM用两类样本就可以，极易训练仿真输出的结果。表明：SVM算法的错判总数为0。也就是说具有100%的识别率。现阶段，解决多种类型故障分类问题的最主要方法是：一对一、一对多、K类Sun法等。由此分析，可看出，诊断建筑电气试验平台故障，使用SvM算法是正确和有效的。
6.2 SvM以神经网络对故障诊断问题的比较
通过数据看出，如果是小样本，运用这些方法所得的仿真效果还是较理想的，和支持向量机进行比较，它的故障识别率要差一些。BP网络构建复杂，输出线和收敛速度不具稳定性，RBF网络训练误差小、收敛迅速。
由以上分析可看出，在对模拟实验平台数据自动采集功能的研发过程中，如果将传感器设置在平台内所有的线路上，会产生大量资金和资源的浪费，还要继续加强研究关键回路上传感器的设置，还有很重要的一点，就是对关键信息点的故障样本的采集；此外，实验平台的故障类比较缺乏，不丰富。文章列举的只是在实际运用中建筑电气系统发生故障的五种状态。就要继续发现探索新的故障类型，并且和实际系统运行时的状态与状况相似。通过实验故障诊断方法能取得明显效果，但也只是研究的初步理论和尝试，必须运用到实际的工作中去，来判断诊断效果和使用情况。
7、结束语
在现代化的建筑物中，电气故障发生的频率越来越高。目前建筑电气系统中缺少行之有效的诊断故障方法，还要考虑在现代建筑的实际运行环境中典型的故障数据样本获取非常的有限。有关专家和技术人员要在建筑电气系统故障诊断时充分利用新兴技术，加强对这一方面的研究，实现智能化。据有行业统计，假若一家年产值30万吨合成氨化肥厂，每年的停车时间减少30天，则很有可能增产6000多万吨，效益显著。不难看出，在建筑电气领域应用故障诊断技术，有利于对系统与设备的工作状态做出及时有效的判断，使其生产和运行更加可靠安全。进一步完善建筑电气系统故障的诊断方法。
参考文献
[1]阮学峰，韩水生，熊志刚，王四清，杨钟胜.电气故障诊断的系统方法[J].武汉大学学报（工学版），2002，02：88-90.
[2]武淑芳.建筑电气系统中故障诊断方法分析[J].四川水泥，2015，05：13.
[3]贾雪，王晓旭.基于电气设备故障的诊断技术初探[J].农业与技术，2015，07：215-217.
[4]张龙，陈宸，韩宁，王亚慧.压缩感知理论中的建筑电气系统故障诊[J].智能系统学报，201，02：204-209.
[5]金磊.建筑电气系统设计的故障分析及诊断技术探讨[J].建筑电气，1990，02：22-26+41.
【关键词】电气系统；故障诊断；方法探究
引言
现如今，有关建筑电气系统故障诊断方面的问题已受到了人们的高度重视。经过实践调查得出的诊断方法主要有基于信号处理的方法、基于解析模型的方法、基于知识诊断的方法。为提高故障诊断结果准确性，这就要求有关专业人员依据现有的情况构建模拟平台，建立健全的建筑电气系统故障诊断方法，保证它的准确性。
人工神经网络方法已被广泛应用于建筑电气系统故障诊断系统，不过此方法有一定的局限性，存在着很多问题，其中最大局限性是是：要想保证故障诊断的精度，必须结合多个训练样本数据，在实际的工程中，很大程度上限制它运用。在统计学理论的前提下，依据vc维理论和最低风险结构原则，来进行的一种机器学习方法，叫支持向量机（简称SvM）。它的优点是：具有极强的实用性，极易发现小样本下的分类问题，运用极少的样本信息，在模型的学习力和复杂性见寻找最合适的衔接点，获取最佳推广能力。
1、现阶段国内形势
故障诊断技术以充分运用在了国内电力系统中。根据现阶段存在的情况来看，建筑行业中，并没有真正充分运用故障诊断技术，主要是在发展过程中受到各种因素的影响。还在使用人工进行检测，不仅不能保证建筑电气系统检测结果的准确性，也浪费了大量的人力物力。所以我国建筑行业在可持续发展过程中的首要目标就是必须加强对电气系统故障诊断技术的运用，预防危险事故的发生，提高建筑工程的质量。建筑行业要结合自身的条件，充分运用现代化故障检测技术，提高技术水平，以期获得最佳诊断效果，提高诊断效果的准确性。
2、未来形势的发展
现如今科学技术水平的不断提高，为我国建筑电气系统的故障诊断技术带来进一步发展。体现在：1）将会实现构建建筑故障实验平台。故障诊断技术的关键点就是实行故障模拟实验平台。有关技术人员在实施此项过程中要依据诊断现状合理的进行搭建平台，搭建时要运用建筑物低压配电系统中的低压电气装置，确保科学合理的搭建平台，以求完成对模拟实验的实现。并且平台的搭建必须按照相应的原则；2）我国已由旧社会转入现代化社会发展中，传统检测方法已不能适应现代社会的发展需求，我国的建筑行业必须加强研究自身故障诊断结果的准确性，在此项技术研究中包括对技术系统软件的研究，为系统故障诊断工作的顺利进行做好铺垫。根据我国的国情来看，一些城市已开始运用新型的故障系统诊断软件，进行智能诊断，控制相应的程序，在操作界面中掌握空间属性等相关信息，在控件选择方面，提高用户的满意度。
3、仿真平台故障诊断的原理
根据征兆集和故障集映射的模式，进行故障诊断。其中就有识别故障发生的状态，和对它征兆的提取。由于建筑电气系统发生故障的类型是多种多样的，并且随时都有可能发生各种故障的情况出现。所以就要构建建筑电气故障仿真平台。自行诊断分析产生电气故障的一些问题，依据种种故障发生时的工作状态，它们诊断的目标方向和类型，用最易于诊断工作状态的信号，将传感器设置在配电线路中起着重要作用的线路回路上。通过一些技术手段，例如数据采集器，将发生故障时发出的异常信号进行整合，并将故障的特征进行提炼，处理得的数据，在故障诊断法中进行运用计算，判定故障的类型和他们所处的位置，进行报警信息提醒，以及按照出现的问题采取有效的控制措施和提出维修的建议。
4、建筑电气系统故障诊断方法
4.1 基于解析模型的方法
在做故障诊断之前，对于要被诊断的设备，采取相应的措施进行检测，看其是否能满足构建模型的条件。对于该设备未知故障的敏感性，要用现代化科学技术手段进行检测，也就是利用解析模型达到故障诊断效果。就需要在做故障诊断时，参照数学理论，专业技术人员结合建筑电气系统的运行状况，对解析模型进行搭建并对解析模型进行分析，对得出的故障结果进行总结，采取相应的措施进一步提升建筑电气系统运行的稳定性。
4.2 信号处理的方式
在故障的粗略判断中，普遍运用的是信号处理法。在建筑行业中，要掌握它的诊断需求，采用合适的诊断方式并运用到故障诊断工作中，以确保满足它的需求。大量的实践研究表明，信号处理方式的核心的关键就是可测信号，利用各种途径搜集系统时域和一些特征，实现对故障的检测。和解析模型方法进行比较，诊断环节方面，更为方便快捷，对技术人员实际工作的顺利进行有很大的帮助。缺点是诊断结果不全面，原因就是外界因素对故障诊断造成影响，专业技术人员在运用时一定要充分考虑这一方面，提高诊断结果准确性。
4.3 知识诊断的方式
专业技术人员进行诊断前，采取具体措施将被诊断对象信息的灵活性进行掌握，再利用这种方法，完成系统故障诊断的整体过程。和数学模型诊断方法进行比较，智能性更为突出。在专业判断的前提下使用知识判断方法，确保电气系统故障的科学性。也就是说，在使用这种方法进行诊断过程中，专业技术人员判断电气故障系统中的问题时，要结合具体的状况来选择最恰当的判断方式，进一步合理分析故障发生的原因和故障所在的位置，通过最终结果来选择最恰当的处理方案，解决故障问题。
5、样本SVN的故障诊断
在数据的机器学习为现代智能技术中的重要方面的根本上建立，机器学习它的目的是按照给定的训练样本获取系统的输人与输出间的依赖关系的预测，以确保其能最大程度的对系统行为做出正确预测。在实际工作的情况下，设备发生故障时，分为突发性故障和偶然性故障，对于搜集故障的信号，并进行整理，可遇而不可求，大部分设备都是这种情况，典型的故障的数据样本是少之又少的，因此，在小样本的情况下，想要很好的做到分类推广，选用支持向量机为故障诊断算法是完全可以做到的。 6、SVM在实验平台故障诊断中的应用
6.1 故障特征量的选择和故障的分类
在实际的住宅建筑物中，经常出现的故障，可以通过实验平台将其模拟出来，分为四种故障类型、一个状态：线路阻抗故障、连续性故障、接地电阻异常、绝缘电阻过小和正常状态。也就是说，共有五种状态。在向量机的本质上，根据两个分类问题进行构建模型，即425VM。我们要采用一对一分类方法，优势在于：分类精度避一对多高，拒绝分类区小，单个SvM用两类样本就可以，极易训练仿真输出的结果。表明：SVM算法的错判总数为0。也就是说具有100%的识别率。现阶段，解决多种类型故障分类问题的最主要方法是：一对一、一对多、K类Sun法等。由此分析，可看出，诊断建筑电气试验平台故障，使用SvM算法是正确和有效的。
6.2 SvM以神经网络对故障诊断问题的比较
通过数据看出，如果是小样本，运用这些方法所得的仿真效果还是较理想的，和支持向量机进行比较，它的故障识别率要差一些。BP网络构建复杂，输出线和收敛速度不具稳定性，RBF网络训练误差小、收敛迅速。
由以上分析可看出，在对模拟实验平台数据自动采集功能的研发过程中，如果将传感器设置在平台内所有的线路上，会产生大量资金和资源的浪费，还要继续加强研究关键回路上传感器的设置，还有很重要的一点，就是对关键信息点的故障样本的采集；此外，实验平台的故障类比较缺乏，不丰富。文章列举的只是在实际运用中建筑电气系统发生故障的五种状态。就要继续发现探索新的故障类型，并且和实际系统运行时的状态与状况相似。通过实验故障诊断方法能取得明显效果，但也只是研究的初步理论和尝试，必须运用到实际的工作中去，来判断诊断效果和使用情况。
7、结束语
在现代化的建筑物中，电气故障发生的频率越来越高。目前建筑电气系统中缺少行之有效的诊断故障方法，还要考虑在现代建筑的实际运行环境中典型的故障数据样本获取非常的有限。有关专家和技术人员要在建筑电气系统故障诊断时充分利用新兴技术，加强对这一方面的研究，实现智能化。据有行业统计，假若一家年产值30万吨合成氨化肥厂，每年的停车时间减少30天，则很有可能增产6000多万吨，效益显著。不难看出，在建筑电气领域应用故障诊断技术，有利于对系统与设备的工作状态做出及时有效的判断，使其生产和运行更加可靠安全。进一步完善建筑电气系统故障的诊断方法。
参考文献
[1]阮学峰，韩水生，熊志刚，王四清，杨钟胜.电气故障诊断的系统方法[J].武汉大学学报（工学版），2002，02：88-90.
[2]武淑芳.建筑电气系统中故障诊断方法分析[J].四川水泥，2015，05：13.
[3]贾雪，王晓旭.基于电气设备故障的诊断技术初探[J].农业与技术，2015，07：215-217.
[4]张龙，陈宸，韩宁，王亚慧.压缩感知理论中的建筑电气系统故障诊[J].智能系统学报，201，02：204-209.
[5]金磊.建筑电气系统设计的故障分析及诊断技术探讨[J].建筑电气，1990，02：22-26+41.