探究建筑電氣系統障礙的診斷方法

張敏

[摘要]目前，隨著建筑電氣系統越發復雜化，其出現故障的概率也在逐漸增大，但目前很多情況下，建筑電氣故障診斷仍為人工進行，效率較低、且診斷的準確性無法得到保證。本文簡要介紹了目前建筑電氣故障診斷中的問題，并探究了具體的診斷方式。

[關鍵詞]建筑電氣系統；故障；診斷

文章編號：2095-4085（2016）07-0160-02

建筑電氣屬于建筑物系統的核心技術，且建筑電氣系統越來越智能化，一旦系統出現故障，將會帶來比較廣泛的影響，并威脅到群眾的人身財產安全。為此，人們應當采用先進的方法和技術，對建筑電氣進行高效、準確的故障診斷，以保證系統運行更為穩定、可靠。

1建筑電氣故障診斷現狀及問題

1.1建筑電氣故障診斷的現狀

目前，國內已普遍應用電力系統診斷技術，但因外界因素制約，建筑業的電氣系統故障診斷并未普及應用，診斷故障多為人工檢測，物力、人力被大量浪費，檢測的準確性也受到影響。建筑業在科技高速發展的今天，應當致力推廣使用電氣系統診斷技術，以減少事故發生率，建筑水平也可得到保障。但因系統復雜，導致此技術普及應用中存在障礙，建筑業可對自身條件加以整合，不斷提高其技術水平，使得所應用的故障診斷技術適用性強，診斷結果精準。

1.2建筑電氣故障診斷中的問題

首先，建筑業故障診斷需要有穩定的電氣系統，但目前電氣系統穩定度不夠高，所以，有關建筑業應當致力建設運行較穩定的電氣系統，以保證準確診斷的實現，使建筑業有序開展故障診斷工作；其次，基于電力系統進行故障診斷為目前建筑電氣故障診斷的特點，而有些算法不足以滿足故障診斷需要，結果阻礙了準確診斷的實現；最后，故障診斷中的專家系統方法維護受到挑戰，此方式的有效創新無法在實際應用中良好實現，致使穩定性不高等不足在故障診斷中呈現出來，診斷準確性受到影響。綜上，很多亟待解決的問題存于建筑電氣故障診斷中，在實踐中建筑業應對此高度關注，并采取措施加以解決[1]。

2常見建筑電氣故障種類

智能化為建筑電氣系統的發展趨勢，系統越來越趨于復雜，若有故障出現于系統中，將帶來非常廣泛的影響，群眾的工作、生活、人身財產安全將受到危害。建筑電氣故障種類因系統的復雜性而趨于多樣，電氣照明系統、電氣動力系統、防雷接地系統、電氣線路均可發生故障，而元件及設備損壞、諧波、接地、斷路、短路為通常的故障原因，具體包括：①電氣線路故障，主要包括電纜線路故障和架空線路故障兩種，故障原因為：較高的運行環境溫度及因環境改變，線路銹蝕、腐朽短路，故障現象為：保護導體帶電、線路銹蝕、混線等；②電氣動力系統故障，故障原因是：短路、斷路等，故障現象為：變壓器局部放電、絕緣老化；斷路器拒分、拒合；電動機無法工作；松動的互感器線圈螺釘；③防雷接地系統故障，故障原因包括：周部過熱、零線帶電、接地電阻太大，故障現象：有接地裝置異常；土壤電阻率特大；零線帶電；④電氣照明系統故障，包括：第一，斷路，故障原因為：開關破損，電路無法接通；線頭脫松；熔絲熔斷，故障表現為：用電器具無法工作；電燈不亮；電路無電壓；第二，短路，故障原因為：絕緣導線破損；金屬外殼被用電器具碰到；因錯誤的接線，中性線和相線接觸，故障表現為：導線被燒壞；電路切斷；熔絲迅速熔斷；電流太大；第三，漏電，故障原因為：違規安裝；照明燈及電線絕緣老化、損壞，故障表現為：電線發熱、建筑物帶電、用電量較平時更大。

3建筑電氣仿真平臺故障診斷

基于征兆集/故障集映射模式為故障診斷的本質，識別故障狀態及提取發生故障征兆為其兩項任務，因發生較隨機且類型繁多為建筑電氣系統故障特點，于是，將實驗基礎設為故障仿真平臺，開展各類常見建筑電氣故障的自診斷研究，如配電系統接地故障、絕緣故障、接地系統故障等，并根據故障診斷對象及目的的不同，確定合理的電阻、電流或電壓值，以方便診斷，裝傳感器于關鍵線路回路，并采用一定技術、方法（如數據采集器）對故障時反常信號進行收集，將故障特征提出，并在診斷故障算法中輸進經處理的數據，這樣，故障位置及故障種類可由算法判別輸出，并顯示報警信息，維修控制策略可在對問題所在分析后提出[2]。

4小樣本SVM故障診斷

當代智能技術中的一大重要部分就是以數據為基礎的機器學習。對已知訓練樣本進行分析，估算出系統輸出、輸入間依賴關系，以較為精準的預測系統行為是機器學習之目的[3]。

對于以機器輸出預測實際值而出現的損失，一般通過損失函數L（y，y實際值）來反映出來。其中，實際風險或期望風險為定義損失函數期望，公式為：

R（w）=∫L（y，y實際值）dP（x，y）（1）

訓練風險“平均損失”大小為經驗風險，公式為：

Remp（w）=1n∑ni=1L（y，y實驗值）（2）

盡可能的降低期望風險及其學習目的，可由（1）式可看出，需靠聯合概率P（x，y）才可得出期望風險，導致在實踐中的計算困難。所以，經驗風險最小化（ERM）原則在傳統學習方式中使用著，就是說，在算法學習后，最小化（2）式的經驗風險Remp。

在遵循ERM原則下實現的人工神經網絡，期望風險的最小化無法達成，盡管經驗風險最小得到一定滿足，但在推廣性上欠缺較大。

經分析，可得出經驗風險和期望風險的關系為：

R（w）Remp（w）+ф hn（3）

此式中，學習機VC維是h（機器學習能力可由此反映出，隨著此值的增大，經驗風險將減?。瑯颖緮禐閚，而置信范圍為фhn。

由此可看出，若對置信范圍、經驗風險一同控制，可實現實際風險的最小化。若減少VC維或增加樣本量，會減小置信范圍，并使經驗風險趨近于實際風險；反之，可擴大置信范圍，并增加經驗風險和實際風險的差值。

致力單純實現經驗風險最小化為神經網絡算法特點，所以，為使學習機性能良好，必須增加樣本數據量，這樣才可使經驗風險與實際風險較為接近，但期望風險最小并非僅使經驗風險最小就可實現，機器學習泛化水平無法保證。在小樣本下對置信范圍與經驗風險的綜合考量可因SVM算法被實現，這樣一函數子集系列可被構造出來，并根據VC維大小排列各子集；為讓實際風險最小，進行最小經驗風險尋找于各子集中，并對置信范圍和經驗風險折中考量于子集間[4]。

5建筑電氣故障仿真平臺

此平臺是對一些常見低壓電氣裝置，如三相插座、單向插座、RCD、熔斷器、斷路器加以集合。其中，220V為電源電壓，交流為50Hz，直流輸出通過變壓器轉為15V，供電以弱點保護板。保護強電系統中的三相、單相系統為弱電保護板功能。本實驗臺主體為強電系統，為應對系統四大類阻值故障，可利用故障設置板上22個開關的閉合斷開，若通路開關為斷開，若某部位出現故障，則此處開關閉合。

6在實驗平臺診斷故障中應用SVM

6.1選擇故障特征量及故障種類

建筑物常見故障可通過實驗平臺進行模擬，絕緣電阻過小、接地電阻異常、連續性故障、線路阻抗故障為4種故障類型，因此，狀態包括正常狀態在內，共5種。

6.2建立SVM模型

“構建過程針對2個分類問題”為支持向量機本質，在多類型故障分類問題進行處理時，決策導向無環圖、K類SVM法、“一對多”、“一對一”為現今最常見的方法。因比起“一對多”，“一對一”分類精度更高、拒絕分類區不大，且各SVN只有2類樣本需考慮，單個SVN訓練更方便，分類方式可確定為“一對一”。

“SVM算法的無錯判、即100%識別”可從仿真輸出結果中看出，所以說，對于建筑電氣試驗平臺故障的診斷，SVN算法是準確及有效的。

6.3SVN對故障診斷以神經網絡的比較

由數據可得出，若樣本較小，對測試樣本的仿真，幾種方式效果均較佳，但BP網絡復雜的構建、不盡穩定的輸出線、相當不穩的收斂速度為其不足，而RBF網絡的優點為迅速的收斂、較小的訓練誤差，但若分析其故障識別率，支持向量機的推廣分類水平更佳。

7結語

綜上所述，建筑電氣故障種類趨于多樣，電氣照明系統、電氣動力系統、防雷接地系統、電氣線路均可發生故障，經分析得出，以支持向量機做為故障診斷算法比較理想，但因建筑電氣系統復雜性，有關技術者在實踐中應當不斷改進其技術和方法，使故障診斷更為準確、有效。

參考文獻：

[1]王亞慧，張龍，韓寧.建筑電氣系統故障診斷方法研究[J].計算機仿真，2014，31（2）：436-440.

[2]許正偉，徐永明.淺析建筑電氣安裝工程存在的質量問題[J].中國房地產業：理論版，2012，（3）：369-369.

[3]陳思遠.建筑電氣系統故障診斷方法研究[J].電子制作，2014，（24）：204-204.

[4]邵敏.無障礙設施呼叫系統的電氣設計方案探討[J].江蘇建筑職業技術學院學報，2011，11（3）：65-67.