基于贝叶斯推理的建筑供配电线路缺陷识别研究

摘 要：【目的】建筑供配电线路是建筑电气系统的核心组成部分，其安全性和可靠性将直接关系到建筑物的用电安全和正常运行。对建筑供配电线路缺陷进行识别，能及时发现并处理线路中存在的问题，从而避免电气事故的发生，确保建筑电气系统的安全稳定运行。为此，提出了基于贝叶斯推理的建筑供配电线路缺陷识别方法。【方法】计算线路电阻值、功率因数、电压损失，从而实现对建筑供配电线路特征参数的提取。基于特征参数和贝叶斯推理算法，对建筑供配电线路缺陷候选区进行划分，计算所有事件中的最大后验概率，从而实现对建筑供配电线路缺陷的识别。【结果】设计的方法可以实现对建筑供配电线路缺陷的精准识别，且准确率较高。【结论】所设计的方法能及时发现和处理线路中潜在的问题，从而避免故障的发生，保障电力系统的稳定运行。

关键词：贝叶斯推理；建筑；供配电线路；缺陷识别

中图分类号：TM862" " "文献标志码：A" " 文章编号：1003-5168（2024）24-0008-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.24.002

Research on Defect Identification of Building Power Supply and

Distribution Lines Based on Bayesian Reasoning

Abstract：[Purposes] As the core component of building electrical system， the safety and reliability of building power supply and distribution lines are directly related to the safety and normal operation of buildings. Through the research on the defect identification of building power supply and distribution lines， the potential problems in the lines can be found and dealt with in time， so as to avoid the occurrence of electrical accidents and ensure the safe and stable operation of building electrical system. Therefore， a defect identification method of building power supply and distribution lines based on Bayesian reasoning is proposed. [Methods] This paper calculates the line resistance， power factor and voltage loss， so as to extract the characteristic parameters of building power supply and distribution lines. According to the characteristic parameters and Bayesian inference algorithm， the defect candidate areas of building power supply and distribution lines are divided， and the maximum posterior probability defect classification in all events is calculated， so as to realize the defect identification of building power supply and distribution lines. [Findings] The designed method can accurately identify the defects of power supply and distribution lines in buildings with high accuracy. [Conclusions] The designed method can find and deal with the potential problems in the line in time， thus avoiding the occurrence of faults and ensuring the stable operation of the power system.

Keywords：Bayesian reasoning; architecture; power supply and distribution lines; defect identification

0 引言

智能建筑的安全运行高度依赖其供配电系统的稳定性和可靠性，一旦供配电系统出现故障，不仅会影响居民的正常生活，还有可能导致严重的经济损失，甚至引发安全事故。因此，对建筑供配电系统的故障进行快速、准确诊断显得尤为重要。

裴少通等［1］通过引入Transformer注意力机制、优化特征提取及应用多重注意力机制检测头网络，从而有效增强算法在多尺度、空间位置和多任务感知下的能力，实验结果表明，ER-YOLO算法在跨环境测试中展现出更高的缺陷识别精度和鲁棒性，各测试数据集下mAP平均值为0.726，且相较于改进前有明显提升。但算法对复杂环境变化的适应性仍要进一步加强，尤其是在极端天气条件下对缺陷的识别效果有待提高。此外，该方法在训练过程中依赖高质量的虚拟数据集，而数据集的生成和标注需要耗费大量的时间和资源。周红亮等［2］在原有的卷积神经网络基础上，采用不同感受野的卷积核，从而获取更全面的特征信息。通过图像处理技术实现样本扩充，然后将样本输入到网络中进行特征学习，并将学习的特征输入到Softmax分类器中进行分类。但该方法对复杂背景下的缺陷识别能力仍有待提升，尤其是在光照条件不佳或图像模糊时。

为实现对缺陷的精准识别，本研究引进贝叶斯推理算法，以某建筑供配电线路为例，对其缺陷识别方法进行设计。

1 建筑供配电线路特征参数提取

为实现对建筑供配电线路缺陷的识别，设计方法前，使用电压传感器和电流传感器分别测量供配电线路的电压和电流，将测量得到的电压和电流值代入公式中，计算出线路电阻值［3］，见式（1）。

式中：[I]为电流；[V]为电压；[R]为电阻。

在此基础上，使用功率计或电能质量分析仪测量供配电线路的有功功率和视在功率，计算得到线路的功率因数，见式（2）。

式中：[F]为功率因数；[p]为有功功率；[S]为视在功率。[F]反映了电力设备的用电效率，其值越接近1，表示用电效率越高。功率因数下降可能是因为设备存在老化或故障。

同时，使用电压传感器测量供配电线路的始端和末端电压，根据欧姆定律和线路长度，计算出单位长度线路的电阻值，从而得到线路的电压损失。计算公式见式（3）。

[ΔV=I×R×L] （3）

式中：[ΔV]为电压损失；[L]为线路长度。[ΔV]是评估线路供电质量的重要指标，其值的大小将直接影响设备的正常运行和用电效率，过大的电压损失可能导致设备无法正常工作或损坏［4］。输出上述公式的计算结果，从而完成对建筑供配电线路特征参数的提取。

2 基于贝叶斯推理的建筑供配电线路缺陷候选区划分

在上述设计的基础上，引进贝叶斯推理算法，对建筑供配电线路缺陷候选区进行划分。在此过程中，将事件[A]定义为“某区域存在缺陷”，事件B定义为“检测到某些特征参数异常” ［5］。通过收集历史数据，可以计算出各特征参数异常时缺陷存在的似然度[PBA]、缺陷和特征参数异常的先验概率[PA]和[PB]。在此基础上，利用贝叶斯定理计算出在给定特征参数异常的情况下，某区域存在缺陷的后验概率[PAB]，计算公式见式（4）。

上述计算中，设定[Bi]为“某特征参数处于某个特定范围或状态”。通过计算在不同特征参数状态下缺陷存在的条件概率[PBiA]评估各特征参数对缺陷识别的贡献度，并据此划分候选区。该过程的计算公式见式（5）。

式中：[PABi]表示在[Bi]发生条件下， [A]发生的概率；[PBi]表示[Bi]发生的先验概率。计算不同事件的发生概率，根据提取到的特征参数构建贝叶斯网络模型，确定各特征参数之间的依赖关系和先验概率分布。根据后验概率的大小划分缺陷候选区，优先关注后验概率较高的区域。

3 配电线路缺陷识别与类别划分

在完成上述设计后，计算所有事件中的最大后验概率，见式（6）。

4 对比实验

4.1 实验准备

选取某高层建筑作为研究试点，该建筑拥有完善的供配电系统。其电力来源主要为城市电网，通过10 kV高压线路引入，经过建筑内的高压配电所后，再分配到各个楼层和用电设备。

在深入研究后发现，该建筑的高压配电所设有两台10 kV进线柜（互为备用），配电干线采用铜芯电缆，截面根据负载情况而有所不同，如照明回路常用2.5 mm²导线，大功率设备（如电梯、空调等）则采用更大截面的导线。

该建筑的配电线路布局合理，主干线采用放射式配电，供电可靠性高；分支线路采用树干式配电，减少开关设备和导线消耗。对其供配电线路的规格与技术参数进行分析，见表1。

在某次供配电线路故障事件中，10 kV高压配电线路在运行中出现了局部放电的现象，但由于识别方法灵敏度较低，未能及时检测到此次缺陷。经过一段时间的发展，放电现象逐渐加剧，最终导致线路绝缘层被击穿，引发短路故障。

4.2 实验步骤

收集大量建筑供配电线路的历史故障数据和正常运行数据，将其作为本次实验的样本数据，见表2。

准备数据采集设备，如传感器、数据采集卡等，用于实时监测建筑供配电线路的运行状态。在此基础上，将裴少通等［1］提出的基于ER-YOLO算法的缺陷识别方法、周红亮等［2］提出的基于膨胀卷积的缺陷识别方法作为对照，搭建供配电线路的运行环境。对测试的线路进行编号（1～8），模拟编号为2、6的线路存在缺陷，应用基于贝叶斯推理的建筑供配电线路缺陷识别方法、基于ER-YOLO算法的缺陷识别方法、基于膨胀卷积的缺陷识别方法，对编号为1～8的供配电线路缺陷进行识别。

4.3 实验结果与分析

应用上述三种方法，对供配电线路进行缺陷识别，并对不同线路推理得到的缺陷概率进行汇总分析，结果如图1到图3所示。

由图1可知，基于贝叶斯推理的建筑供配电线路缺陷识别方法推理得到编号为2、6的输配电线路的缺陷概率＞80%，其他编号线路的缺陷概率＜20%。因此，根据该方法，可以推断编号为2、6的供配电线路存在缺陷，其他线路无缺陷。

由图2可知，基于ER-YOLO算法的缺陷识别方法推理得到编号为2、6的输配电线路存在缺陷，但该方法推理得到编号为1的线路存在60%的可能为缺陷线路，与实际不符。

由图3可知，基于膨胀卷积的缺陷识别方法只能识别到编号5输配电线路存在缺陷，对编号2的输配电线路，推理得到的缺陷概率较低，无法作为缺陷辨识的最终依据。

综上所述，本研究设计的方法可以实现对建筑供配电线路缺陷的精准识别。

5 结语

在供配电系统中，由于线路复杂性及存在大量传感器和智能器件，导致故障类型较常规建筑更为多样和复杂。除了原有的三相短路、两相接地短路、两相短路、单相短路等基本故障外，还可能出现多重故障等严重故障。原有的故障诊断方法（如基于神经网络或Petri网络的算法）虽然在一定程度上能提高故障诊断的速度和准确性，但仍存在一些不足。贝叶斯推理作为一种强大的统计方法，能处理不确定性问题。因此，本研究通过建筑供配电线路特征参数提取、线路缺陷候选区划分、配电线路缺陷识别与类别划分，完成此次设计，并通过进一步提取故障信息中的关键特征，提高故障诊断的精准度和效率。

参考文献：

［1］裴少通，张行远，胡晨龙，等.基于ER-YOLO算法的跨环境输电线路缺陷识别方法［J］.电工技术学报，2024，39（9）：2825-2840.

［2］周红亮，李宏军，董小刚，等.基于膨胀卷积的多尺度输电线路缺陷识别技术研究［J］.制造业自动化，2023，45（11）：102-106.

［3］耿座学，李学富.边缘算法优化Faster R-CNN算法下的输电线路缺陷识别方法［J］.无损检测，2023，45（9）：12-16.

［4］王月香，王兴勋，李云鹏，等.基于嵌入式与目标检测网络的高压线路缺陷边端识别方法［J］.电工技术，2022（21）：203-207，210.

［5］黄广龙.基于无人机图像识别技术的水利工程输电线路缺陷检测方法［J］.水利科技与经济，2022，28（8）：137-141.