建筑电气系统故障诊断方法研究

王刚

（山西山安蓝天节能科技股份有限公司，山西太原 030000）

0 引言

在城市化建设快速发展的今天，建筑业也在不断进步，建筑电气系统的重要作用也逐渐显现出来。建筑物的供电、配电、照明、防雷等是建筑物的重要组成部分。建筑内的电气系统是一个复杂的系统，如果出现了故障，将会对用户的生命安全造成很大的威胁。目前，我国建筑电气设备的故障诊断工作主要以人工诊断为主，查找故障原因，诊断所需的时间主要依赖于人的经验。但这种方式已不能适应现代建筑电气的发展。所以，如何确保建筑电气系统的安全、平稳、可靠地工作，是当前亟待解决的问题。

1 建筑电气系统故障常见类型

1.1 电气系统线路故障

在电气系统中，线路故障是最常见的一种，不仅会引起断电，还会因为绝缘的自燃而引起火灾。将输电线路的故障划分为两类，一类是架空线路，另一类是电缆线路。架空线长时间暴露在户外，会受到风吹、雨淋、雷击等的直接冲击，或因空气中的湿度和温度变化而引起的腐蚀和破坏。在使用过程中，会发生绝缘损坏、机械损坏、端头污闪等问题[1]。有些电气线路因为局部负荷过高，或者出现短路问题，会发生火灾。在电气设备运行时，如果出现短路，处理比较麻烦。造成这一现象的主要原因是线路设备的绝缘故障，线路受到各种因素的影响，如线路接触不良引起的发热，很快就会破坏绝缘，引起短路，从而影响到电网的正常运行。

1.2 防雷接地故障

在建筑电气系统中，防雷接地系统是重要组成部分，能够确保在建筑物遭受雷击后，将雷电电流引入地面，从而使建筑物内的人员和设备免遭雷击。由于接地电气中存在着接地电阻过高、接地土壤电阻过高等故障，这些故障都会对接地系统造成很大的危害[2]。

1.3 电气动力系统故障

在建筑电气系统中，动力系统可以提供供电服务，包括了电机、断路器、变压器、互感器等，很可能会发生局部放电、过热等故障。在长时间的使用之后，变压器还会发生绝缘老化的现象，这就很可能会引发火灾。电气系统中的断路器，在运行过程中，会发生机械传动装置的磨损失效，或因气密性下降而造成的误跳、拒分、分闸误闭锁等故障，严重影响了电气系统的正常运行。

1.4 弱电控制系统故障

弱电控制系统主要是利用PLC 与变频器的组合，对电气系统进行逻辑控制。PLC 能够存储程序，并且能够在一定时间内完成有关的计算，实现逻辑运算、计数等控制[3]。在接收到数据信号之后，能够对电气系统的工作状况进行分析，并将控制指令输出。

2 建筑电气系统故障诊断存在的问题

从目前我国工程建设中的电气故障诊断情况来看，还存在以下问题：①目前的电气故障诊断技术具有一定的滞后性，不能够及时地将故障信息反馈给用户，无法适应建筑工程对电气的监测需求。所以，必须在确保电气安全可靠的基础上，进行有针对性的故障诊断。②目前的建筑电气系统以电气为依托，在对其进行故障诊断时，由于局部算法不能完全覆盖整个系统，导致难以发现故障，从而陷入一个死循环，不断地进行故障诊断，从而影响了其诊断的效率与精度。③在电气系统使用中，由于外部因素的干扰，对故障诊断可能会造成一定的困难，容易出现误判问题[4]。

3 常用的建筑电气系统故障诊断方法

3.1 向量机制论故障诊断法

向量机（SVM）的基本原理支撑的诊断是要在样本间决定一个决策曲面，使得不同种类的样本间得到最大的分类间隙，从而可以进行回归分析、信号处理以及分类识别等工作[5]。这种方法基于最小风险结构原理，可使问题在约束情况下得到最优的解决方案，并可进行广泛的推广。运用这一方法，可以在很少的样本下对问题进行分类，具有很好的实用性和工作效率。在进行故障诊断时，就是通过对故障的表象进行分类，找出系统的故障属于哪一类，进而实现对故障的识别。利用支持向量机的工作模式，寻找最优超平面，实现两类样本的分类。

在现代智能技术中，大量地运用了机器学习技术，可以通过对数据和目标之间的输出差值进行评估，来实现自我改正。在多次改正之后，可以最终构建出与人类思维类似的认知系统。在采用神经网络技术的时候，要建立起一个完整的故障分析系统，必须要有一个庞大的训练数据作为基础，并且还要有充足的训练时间。但是，采用SVM 算法可以在小样本情况下，完成对经验风险、置信范围的综合分析，进而控制期望风险。在建筑电气故障诊断的实际使用中，由于受多种因素的影响，电气系统的故障往往呈现出突发性，难以从连续监测中获取故障信息。而采用深度学习方法，则每个故障问题都可能涉及数百个不同类型的数据。然而，目前已有的典型故障数据较少，无法支撑机器学习[6]。为此，需要将支持向量机应用于对采样数据的处理，以确保在小样本条件下仍能很好地进行分类，从而达到故障诊断的目的。通过测试，SVM 算法对故障的认识率为100%，因此可确定SVM 算法可以正确地做出诊断，并完成对故障的模拟工作。此外，SVM 的输出比较稳定，它拥有较快的分类速度，可以在故障发生的时候，快速地做出判断，协助系统进行故障处理流程，从而可以有效地控制电气系统的损失。与之相比，利用神经网络技术很可能会产生过度学习的问题，并且需要很多失败的样本来支撑模型的训练。利用支持向量机可以最大限度地降低结构性风险，同时还可以进行非线性的映射和推广的分类。

3.2 压缩感知理论故障诊断法

压缩感知理论是当前一种全新的理论算法，它在图像处理、人脸识别等领域被广泛使用。压缩感知理论的依据是信号本身的稀疏性，可以对信号进行压缩，也可以对其进行重建，因此，可以将原始信号在高纬度和低纬度之间进行切换[7]。在分类器的工作过程中，将待辨识的样本量与同一类型的样本量进行线性组合。在对电气系统进行诊断时，首先从系统的异常数据中提取出系统的故障特征，再采用相应的算法进行分类。在训练样本的设计中，需要分配故障，将每个故障样本为p 维，然后构建p×1 维列向量，形成样本的训练矩阵。假设样本数为y，那么这个样本的类型是未知的，要判断出一个故障的种类，就必须要构建一个完整的矩阵来对一个故障y 进行分类。

3.3 稀疏表达分类故障诊断法

构建l1、l2分类器，实现信号的重构。经分析，l2分类器具有很高的精确度，而且对于问题的分析速度与精确度都与支持向量机算法相近，对于故障的快速诊断与解决具有很大的帮助。

3.4 信号处理法

在建筑电气系统中，一般采用的是信号处理方法，来实现对设备的初步故障判定。首先要明确需要进行故障诊断的前提条件，然后根据需求，选取合适的诊断方法，并对诊断结果进行分析。在采用信号处理方法对系统的故障进行诊断的过程中，其核心问题是如何对可测量的信号进行分析，并对发生故障时的信号系统时域、频域等特性进行确定，从而实现电气系统故障诊断[8]。该方式的优势是易于操作，可以减轻工作人员的负担。但是，该方式需要首先对可测量的信息进行探测，使得其诊断不够完整，在一定程度上会影响到诊断的效率，并且需要工作人员对造成故障的原因进行综合分析，然后再逐个进行排除。

3.5 模型分析诊断法

电气系统的故障诊断通常采用的是解析模型诊断方法，这种方法对技术人员的要求很高，必须要对数学理论有很深的了解。模型分析诊断法主要是运用了建立模型的理论，将电气装置中的电流，建立模型进行分析。技术工作人员可以通过对模型的分析，来判断出电气系统出现故障的位置，之后可以根据自己所掌握的故障机制和解决方案来对电气设备展开诊断。尽管模型分析的诊断效果很好，但应用此种模型进行分析的前提条件是技术人员的专业技术要足够熟练，才能充分地发挥这种方法的优势。

3.6 神经网络法

利用BP、RBF 等神经网络对建筑物内的电气设备进行故障诊断，通过对BP 网络与RBF 网络的对比，发现BP 网络具有较低的收敛性，同时由于其具有局部极小性，导致神经网络无法寻找到最优解，从而导致了故障诊断的偏差[9]。但是，RBF 网络误差小、收敛速度更快。为提升电气设备故障诊断系统的智能化程度，将模糊推理、专家系统、机器学习等信息融合技术与故障诊断系统的开发相结合，充分发挥智能技术的协同优势，突破使用单一故障诊断方法所带来的局限，为实时监控和故障诊断数据的分析和处理，提供一个强有力的解决手段。因此，采用这种改进后的网络，可以得到更好的诊断结果。此外，这种改进的方法，是在网络中进行小波变换来消除噪音，从而减少诊断出错的概率。在此基础上，运用SVM 技术，对建筑电气系统进行模拟，并结合小波分解技术，对神经网络进行改进，实现对建筑电气系统故障位置和原因的分析，从而达到对建筑电气系统故障的准确诊断。

4 建筑电气系统故障诊断方法的应用

4.1 变压器监测诊断

在故障诊断中，主要涉及电气变压器、光纤、计算机、超声传感器以及电流传感器，还将数据采集单元、分析与控制单元等内容都包含在内。正确判定变压器的放电值，要严格按规范的要求进行。由于无线电波会对仪器产生一定的影响，所以在仪器安装的时候，必须要尽可能地提高仪器的精度。通过绘制分布谱图做出科学的判断，将谱图信息转化为指纹信息，从而准确地识别放电模式，并确定故障的严重性。对放电源的定位包括声信号定位和电信号定位。在这些方法中，声信号定位主要是对放电信号进行分组处理，以电信号为参照，比较时差速度和声传播速度等，并适时地编写出方程，从而确定出放电源的具体位置，然后对其进行延迟分析，建立双曲方程式，并依据计算结果对放流故障进行了精确的诊断[10]。电信号定位是指在变压器绕组时，会发生的一种放电现象，它的传输方式是从绕组两端开始，及时采集绕组的中端与高端电信号，并对线性关系进行分析，从而准确定位放电源位置。

4.2 电控柜紧急开关Q2 跳闸诊断

基于PLC、触摸屏、24V 供电、I/O 线的故障诊断技术，通过控制部件、显示部件，可以对故障进行正确的诊断和处理。在这种方式中，控制部分是一种独立安装的类型，是一种重要的监控装置，可以对电气设备的运行情况进行有效地监督，而且不会对原设备产生影响[11]。控制部分的主控部件采用OMRON，使用了可编程控制器，是一种自动化控制的重要设备，不但具有较高的运行速度和良好的工作稳定性，而且还具有良好的控制功能，可以对电气设备进行自动、实时的监测。同时，基于网络服务的维修也可以更及时、更到位，确保了电气设备的正常运转。GD-Q2 型快速诊断装置采用了主电控箱，具有安装简便、布局合理、维修方便等优点。控制系统为单独设置，属监视型，不会对原有设备造成任何干扰。GD-Q2 跳闸故障快速分析系统实现了对故障的快速判断，不仅可以精确地对故障点进行定位，还可以快速地进行显示，从而提高了Q2故障点分析的自动化水平，还可以减少人工劳动强度和停机时间。

5 结语

综上所述，伴随着时代的发展，科技也有了巨大的突破，各个行业都发生了很大的变化。在这种情况下，建筑业的发展速度将会更快，但是也将会面临更大的调整，要想在新时期里获得新的发展，就必须要加强技术研究。建筑电气系统是非常重要的一个技术领域，必须对系统所出现的各类故障给予足够的关注，采用科学、先进的方法，对这些故障进行有效的诊断，确保建筑电气系统的安全运行，进而促进建筑业的良好发展。