建筑電氣系統故障診斷方法研究

王剛

（山西山安藍天節能科技股份有限公司，山西太原 030000）

0 引言

在城市化建設快速發展的今天，建筑業也在不斷進步，建筑電氣系統的重要作用也逐漸顯現出來。建筑物的供電、配電、照明、防雷等是建筑物的重要組成部分。建筑內的電氣系統是一個復雜的系統，如果出現了故障，將會對用戶的生命安全造成很大的威脅。目前，我國建筑電氣設備的故障診斷工作主要以人工診斷為主，查找故障原因，診斷所需的時間主要依賴于人的經驗。但這種方式已不能適應現代建筑電氣的發展。所以，如何確保建筑電氣系統的安全、平穩、可靠地工作，是當前亟待解決的問題。

1 建筑電氣系統故障常見類型

1.1 電氣系統線路故障

在電氣系統中，線路故障是最常見的一種，不僅會引起斷電，還會因為絕緣的自燃而引起火災。將輸電線路的故障劃分為兩類，一類是架空線路，另一類是電纜線路。架空線長時間暴露在戶外，會受到風吹、雨淋、雷擊等的直接沖擊，或因空氣中的濕度和溫度變化而引起的腐蝕和破壞。在使用過程中，會發生絕緣損壞、機械損壞、端頭污閃等問題[1]。有些電氣線路因為局部負荷過高，或者出現短路問題，會發生火災。在電氣設備運行時，如果出現短路，處理比較麻煩。造成這一現象的主要原因是線路設備的絕緣故障，線路受到各種因素的影響，如線路接觸不良引起的發熱，很快就會破壞絕緣，引起短路，從而影響到電網的正常運行。

1.2 防雷接地故障

在建筑電氣系統中，防雷接地系統是重要組成部分，能夠確保在建筑物遭受雷擊后，將雷電電流引入地面，從而使建筑物內的人員和設備免遭雷擊。由于接地電氣中存在著接地電阻過高、接地土壤電阻過高等故障，這些故障都會對接地系統造成很大的危害[2]。

1.3 電氣動力系統故障

在建筑電氣系統中，動力系統可以提供供電服務，包括了電機、斷路器、變壓器、互感器等，很可能會發生局部放電、過熱等故障。在長時間的使用之后，變壓器還會發生絕緣老化的現象，這就很可能會引發火災。電氣系統中的斷路器，在運行過程中，會發生機械傳動裝置的磨損失效，或因氣密性下降而造成的誤跳、拒分、分閘誤閉鎖等故障，嚴重影響了電氣系統的正常運行。

1.4 弱電控制系統故障

弱電控制系統主要是利用PLC 與變頻器的組合，對電氣系統進行邏輯控制。PLC 能夠存儲程序，并且能夠在一定時間內完成有關的計算，實現邏輯運算、計數等控制[3]。在接收到數據信號之后，能夠對電氣系統的工作狀況進行分析，并將控制指令輸出。

2 建筑電氣系統故障診斷存在的問題

從目前我國工程建設中的電氣故障診斷情況來看，還存在以下問題：①目前的電氣故障診斷技術具有一定的滯后性，不能夠及時地將故障信息反饋給用戶，無法適應建筑工程對電氣的監測需求。所以，必須在確保電氣安全可靠的基礎上，進行有針對性的故障診斷。②目前的建筑電氣系統以電氣為依托，在對其進行故障診斷時，由于局部算法不能完全覆蓋整個系統，導致難以發現故障，從而陷入一個死循環，不斷地進行故障診斷，從而影響了其診斷的效率與精度。③在電氣系統使用中，由于外部因素的干擾，對故障診斷可能會造成一定的困難，容易出現誤判問題[4]。

3 常用的建筑電氣系統故障診斷方法

3.1 向量機制論故障診斷法

向量機（SVM）的基本原理支撐的診斷是要在樣本間決定一個決策曲面，使得不同種類的樣本間得到最大的分類間隙，從而可以進行回歸分析、信號處理以及分類識別等工作[5]。這種方法基于最小風險結構原理，可使問題在約束情況下得到最優的解決方案，并可進行廣泛的推廣。運用這一方法，可以在很少的樣本下對問題進行分類，具有很好的實用性和工作效率。在進行故障診斷時，就是通過對故障的表象進行分類，找出系統的故障屬于哪一類，進而實現對故障的識別。利用支持向量機的工作模式，尋找最優超平面，實現兩類樣本的分類。

在現代智能技術中，大量地運用了機器學習技術，可以通過對數據和目標之間的輸出差值進行評估，來實現自我改正。在多次改正之后，可以最終構建出與人類思維類似的認知系統。在采用神經網絡技術的時候，要建立起一個完整的故障分析系統，必須要有一個龐大的訓練數據作為基礎，并且還要有充足的訓練時間。但是，采用SVM 算法可以在小樣本情況下，完成對經驗風險、置信范圍的綜合分析，進而控制期望風險。在建筑電氣故障診斷的實際使用中，由于受多種因素的影響，電氣系統的故障往往呈現出突發性，難以從連續監測中獲取故障信息。而采用深度學習方法，則每個故障問題都可能涉及數百個不同類型的數據。然而，目前已有的典型故障數據較少，無法支撐機器學習[6]。為此，需要將支持向量機應用于對采樣數據的處理，以確保在小樣本條件下仍能很好地進行分類，從而達到故障診斷的目的。通過測試，SVM 算法對故障的認識率為100%，因此可確定SVM 算法可以正確地做出診斷，并完成對故障的模擬工作。此外，SVM 的輸出比較穩定，它擁有較快的分類速度，可以在故障發生的時候，快速地做出判斷，協助系統進行故障處理流程，從而可以有效地控制電氣系統的損失。與之相比，利用神經網絡技術很可能會產生過度學習的問題，并且需要很多失敗的樣本來支撐模型的訓練。利用支持向量機可以最大限度地降低結構性風險，同時還可以進行非線性的映射和推廣的分類。

3.2 壓縮感知理論故障診斷法

壓縮感知理論是當前一種全新的理論算法，它在圖像處理、人臉識別等領域被廣泛使用。壓縮感知理論的依據是信號本身的稀疏性，可以對信號進行壓縮，也可以對其進行重建，因此，可以將原始信號在高緯度和低緯度之間進行切換[7]。在分類器的工作過程中，將待辨識的樣本量與同一類型的樣本量進行線性組合。在對電氣系統進行診斷時，首先從系統的異常數據中提取出系統的故障特征，再采用相應的算法進行分類。在訓練樣本的設計中，需要分配故障，將每個故障樣本為p 維，然后構建p×1 維列向量，形成樣本的訓練矩陣。假設樣本數為y，那么這個樣本的類型是未知的，要判斷出一個故障的種類，就必須要構建一個完整的矩陣來對一個故障y 進行分類。

3.3 稀疏表達分類故障診斷法

構建l1、l2分類器，實現信號的重構。經分析，l2分類器具有很高的精確度，而且對于問題的分析速度與精確度都與支持向量機算法相近，對于故障的快速診斷與解決具有很大的幫助。

3.4 信號處理法

在建筑電氣系統中，一般采用的是信號處理方法，來實現對設備的初步故障判定。首先要明確需要進行故障診斷的前提條件，然后根據需求，選取合適的診斷方法，并對診斷結果進行分析。在采用信號處理方法對系統的故障進行診斷的過程中，其核心問題是如何對可測量的信號進行分析，并對發生故障時的信號系統時域、頻域等特性進行確定，從而實現電氣系統故障診斷[8]。該方式的優勢是易于操作，可以減輕工作人員的負擔。但是，該方式需要首先對可測量的信息進行探測，使得其診斷不夠完整，在一定程度上會影響到診斷的效率，并且需要工作人員對造成故障的原因進行綜合分析，然后再逐個進行排除。

3.5 模型分析診斷法

電氣系統的故障診斷通常采用的是解析模型診斷方法，這種方法對技術人員的要求很高，必須要對數學理論有很深的了解。模型分析診斷法主要是運用了建立模型的理論，將電氣裝置中的電流，建立模型進行分析。技術工作人員可以通過對模型的分析，來判斷出電氣系統出現故障的位置，之后可以根據自己所掌握的故障機制和解決方案來對電氣設備展開診斷。盡管模型分析的診斷效果很好，但應用此種模型進行分析的前提條件是技術人員的專業技術要足夠熟練，才能充分地發揮這種方法的優勢。

3.6 神經網絡法

利用BP、RBF 等神經網絡對建筑物內的電氣設備進行故障診斷，通過對BP 網絡與RBF 網絡的對比，發現BP 網絡具有較低的收斂性，同時由于其具有局部極小性，導致神經網絡無法尋找到最優解，從而導致了故障診斷的偏差[9]。但是，RBF 網絡誤差小、收斂速度更快。為提升電氣設備故障診斷系統的智能化程度，將模糊推理、專家系統、機器學習等信息融合技術與故障診斷系統的開發相結合，充分發揮智能技術的協同優勢，突破使用單一故障診斷方法所帶來的局限，為實時監控和故障診斷數據的分析和處理，提供一個強有力的解決手段。因此，采用這種改進后的網絡，可以得到更好的診斷結果。此外，這種改進的方法，是在網絡中進行小波變換來消除噪音，從而減少診斷出錯的概率。在此基礎上，運用SVM 技術，對建筑電氣系統進行模擬，并結合小波分解技術，對神經網絡進行改進，實現對建筑電氣系統故障位置和原因的分析，從而達到對建筑電氣系統故障的準確診斷。

4 建筑電氣系統故障診斷方法的應用

4.1 變壓器監測診斷

在故障診斷中，主要涉及電氣變壓器、光纖、計算機、超聲傳感器以及電流傳感器，還將數據采集單元、分析與控制單元等內容都包含在內。正確判定變壓器的放電值，要嚴格按規范的要求進行。由于無線電波會對儀器產生一定的影響，所以在儀器安裝的時候，必須要盡可能地提高儀器的精度。通過繪制分布譜圖做出科學的判斷，將譜圖信息轉化為指紋信息，從而準確地識別放電模式，并確定故障的嚴重性。對放電源的定位包括聲信號定位和電信號定位。在這些方法中，聲信號定位主要是對放電信號進行分組處理，以電信號為參照，比較時差速度和聲傳播速度等，并適時地編寫出方程，從而確定出放電源的具體位置，然后對其進行延遲分析，建立雙曲方程式，并依據計算結果對放流故障進行了精確的診斷[10]。電信號定位是指在變壓器繞組時，會發生的一種放電現象，它的傳輸方式是從繞組兩端開始，及時采集繞組的中端與高端電信號，并對線性關系進行分析，從而準確定位放電源位置。

4.2 電控柜緊急開關Q2 跳閘診斷

基于PLC、觸摸屏、24V 供電、I/O 線的故障診斷技術，通過控制部件、顯示部件，可以對故障進行正確的診斷和處理。在這種方式中，控制部分是一種獨立安裝的類型，是一種重要的監控裝置，可以對電氣設備的運行情況進行有效地監督，而且不會對原設備產生影響[11]。控制部分的主控部件采用OMRON，使用了可編程控制器，是一種自動化控制的重要設備，不但具有較高的運行速度和良好的工作穩定性，而且還具有良好的控制功能，可以對電氣設備進行自動、實時的監測。同時，基于網絡服務的維修也可以更及時、更到位，確保了電氣設備的正常運轉。GD-Q2 型快速診斷裝置采用了主電控箱，具有安裝簡便、布局合理、維修方便等優點。控制系統為單獨設置，屬監視型，不會對原有設備造成任何干擾。GD-Q2 跳閘故障快速分析系統實現了對故障的快速判斷，不僅可以精確地對故障點進行定位，還可以快速地進行顯示，從而提高了Q2故障點分析的自動化水平，還可以減少人工勞動強度和停機時間。

5 結語

綜上所述，伴隨著時代的發展，科技也有了巨大的突破，各個行業都發生了很大的變化。在這種情況下，建筑業的發展速度將會更快，但是也將會面臨更大的調整，要想在新時期里獲得新的發展，就必須要加強技術研究。建筑電氣系統是非常重要的一個技術領域，必須對系統所出現的各類故障給予足夠的關注，采用科學、先進的方法，對這些故障進行有效的診斷，確保建筑電氣系統的安全運行，進而促進建筑業的良好發展。