现阶段对于建筑电气系统故障的处理方法,还基本依靠人工检测查找故障原因。本文提出将智能诊断方法引入建筑电气故障系统,在引进的建筑电气系统故障模拟实验平台技术基础上开展了以下工作：针对在建筑物实际运行环境中获得的典型故障样本数据有限的现状,本文采用支持向量机(简称SVM)算法、使用建筑电气故障模拟硬件实验平台数据建立了其故障诊断仿真模型,对系统5种故障状态进行了诊断分类,仿真结果错判总数为O。经与人工神经网络的对比研究表明,在小样本情况下SVM诊断有效,非线性映射和泛化分类能力更好。本文进而还提出了一种基于压缩感知理论的建筑电气系统故障分析诊断方法,其中的关键步骤是将故障的分类归结为一个求解待测样本对于整体训练样本的稀疏表示问题。经支持向量机、l1分类器和l2分类器对系统的5种故障状态进行的诊断对比表明,利用稀疏表示算法可以达到很好的诊断效果,分类准确率为96.4%,诊断运行时间0.2601s。本文还对建筑电气故障模拟实验平台从结构、强电系统、弱电系统、照明系统进行了再开发,对该平台的实验系统进行了详细说明,包括数据采集系统方案设计、故障设置方法、实验项目组成等,并使用MATLAB-GUI开发了故障诊断软件系统,实现了上述算法的软件运行,达到了实验平台的故障自诊断功能。最后对上述工作与引进的实验系统进行了测试对比分析,作为实验室阶段的研究成果,为后续的工程应用奠定了基础。