论文部分内容阅读
摘要：在我国大力发展的背景下，高层建筑在我国早已不是什么新鲜事物，不过建筑电气系统故障的频发与我国建筑事业的发展还是有着一定联系。本文就建筑电气系统故障的诊断方法进行相关研究，希望能以此推动我国建筑电气系统安全的相关发展。
关键词：建筑；电气系统；故障诊断
引言
建筑电气系统的诊断故障在最近几年被专家学者们所关注。并且在国内电力系统中的诊断技术已经使大范围的应用实现。但外部因素对电力系统故障诊断技术的影响在建筑行业的发展过程中还没有实现。建设行业在科学和技术发展的背景下，应使电力系统故障诊断技术在中国可持续发展过程中的应用加强，以避免发生安全事故，使施工质量提高。但因为电力系统和建筑行业应用一个新的故障检测技术，其复杂性应结合自身条件，使技术水平提升，从而使最佳的诊断结果达到，提高诊断结果的准确性。
1、障自诊断概述
1.1故障自诊断内涵
故障自诊断技术就是当系统处于运行状态时，采用不同的监测手段，对系统运行情况进行判断，查看系统工作正常与否。要是出现一些异常现象，则能够利用仪表或者仪器进行测试，也可以采用人工的方法进行分析与判断，从而明确故障具体发生的情况以及位置，确保维修人员能够更加快速与准确的对故障进行维修。也能够对可能出现的故障加以预测，确保维护人员能够在故障出现以前，便采用相应的预防措施，最大限度的防止故障出现，降低故障带来的经济损失。
1.2故障自诊断过程
1.2.1特征信号的检测
在建筑电气设备中，不同设备均有不同的信号输出形式，特征信号则可以反映电气系统功能信号，所以，在电气系统的故障识别过程中，很多情况会采用特征信号进行表示。对于特征信号的提取有两种不同方式，一种是以能量形式加以提取，一种是以物态形式加以提取。
1.2.2征兆信号的提取
进行征兆信号提取过程中，一般会依照特征信号的不同进行选择。由于特征信号的形式划分成能量形式以及物态形式，在对能量形式的特征信号进行征兆信号提取过程中，能够在时域、频域以及相位域之中进行，而对于物态形式的特征信号进行征兆信号的提取过程中，则能够利用物理方法或者化学方法完成提取工作。
1.2.3识别系统状态
对于电气系统的运行状态进行确定时，一般是把特征信号和相应的标准加以对比，以分析电气系统目前的运行状况。若是电气系统运行正常，则能够对电气系统未来的运行状况加以预测。若是电气系统运行出现异常情况，对状态加以诊断，便能够分析出故障出现的具体原因以及故障部位等，以便于维修人员准确、及时的开展维修工作。
1.2.4故障维修决策
故障维修决策是指按照不同故障产生的具体原因，结合故障发生时的有关信息，制定科学的维修计划，确保维修人员能够更加及时的采取措施，使电气系统尽快恢复至正常运行状态。
2、建筑电气系统故障诊断存在的问题分析
在电气故障诊断系统的建设如下：首先，在建筑行业建筑电气系统的当前稳定仍无法满足故障诊断的需要，在这种条件下，建筑行业的相关部门一定要采取适当的措施，以提高建筑物电气系统的稳定性，确保诊断结果的准确性，对故障诊断电气系统，它是基于根据故障诊断算法的电力系统上的结构不能满足电力系统的要求提供了良好的条件诊断结果对精度的影响；第三，由于外部很多因素的影响，建筑电气系统的故障诊断仍然是专家系统的维护方法将面临的诸多挑战，在实际应用过程中不能实現有效的创新，从而在建筑行业中的电气系统故障诊断的稳定性逐渐突出，并且在某些程度上，它影响着故障诊断结果的准确性。从以上的探讨分析，我们将看到，在电力系统故障诊断和建筑行业在实际工作过程中，仍然有不可忽视的一些问题，应给予高度重视，并且有效地做出相应的对策。
3、建筑电气故障仿真平台
其实本质上的故障诊断是在建筑电气系统基于设定的故障，包括故障识别和故障诊断的映射模型。但是在构建系统中的很多故障，它的发生概率是随机的，所以电故障仿真平台的结构是在研究的基础。针对在电气故障自我诊断的常见问题，故障诊断的目的基于不同的工作状态和对象的选择。信号应该很容易诊断安装在配电线路的关键电路设备，通过使用数据采集，采集异常信号故障特征提取，故障诊断方法，加工的技术数据输入故障，故障类型识别算法可通过输出和不同位置，及报警信息，并根据决策和控制的问题，更好地为它的平台。交流电源220V，50Hz，变压器转换的15V直流输出，对弱者保护板提供电力，在单向和三向保护弱保护板的动力系统，强电系统测试的主要部分，系统根据设定的由开关断开22高压系统故障关闭四种故障电阻处理，断开的路径，而封闭的是故障的相应部分。
4、建筑电气系统故障诊断方法
4.1神经网络方法
神经网络方法主要包括BP网络与RBF网络计算方法，其中BP网络作为一种多层前馈神经网络，能够将输入层、隐藏层与输出层结合起来，形成一个上下层无缝连接的神经元，这样系统在选取训练样本时，能够将神经元录入到BP网络中，经过处理后变成6代表6类诊断状态，以提高测试样本的仿真效果。而RBF网络计算是在建立模型过程中，增加隐含层的节点与个数，直到与预先设定的数值吻合，再测试训练结果，从而提高测试结果的准确性。
4.2支持向量机理论故障诊断法
支持向量机理论的故障诊断法又称为SVM。按照使用方法不同，支持向量机理论的故障诊断法可划分为4种类型：一对一、一对多、决策导向无环图与K类SVM法。与人工神经网络方法的使用不同，该诊断方法是一种以统计学校理论为基础，建立在VC维理论与结构风险最小原则基础上的机器学习方法。作用是将预处理后的样本数据分成两部分：训练集与测试集，然后设定相应的模型参数，通过训练集训练SVM，以获得模型数据信息，再通过这些模型信息判断测试集，最终获得诊断结果。该诊断方法的应用，因其自身具有较强的实用性，能够有效解决小样本情况下的分类问题，识别率达1000Ic，被应用到小样本中，得到认可。例如支持向量机理论故障诊断方法在变压器故障诊断中的应用，按照欧式聚类原理，采用C#语言编写一个欧式距离计算器，将变压器的五种已知类别状态样本（低能放电、高能放电、中低温过热、高温过热与正常）输入到数据库中，通过程序处理变压器状态原始数据，调整各数据信息，将正常状态设定为+1，强故障状态设定为-1，然后对运行的训练集与测试集进行计算，一旦支持向量机训练数据显示-11：0.992：0.99……即可判断为变压器有故障。 4.3基于信号的电气系统故障诊断
在建筑物的电气系统故障诊断中，基于信号的电气系统故障处理方法是通过对电气系统时域和频域特征，进行电气系统具体故障分析与诊断的电气系统故障诊断方法。基于信号的电气系统故障诊断方法在应用中不用建立数学模型，这就使得其在具体应用中较为简单，对工作人员的要求同样较少，但在要求的降低中，基于信号的电气系统故障诊断方法对于故障诊断的相关精度难免会有所降低，这就使得基于信号的电气系统故障诊断方法大多只用于电气系统故障的前期判断，或是故障特征较为明显的电气系统故障诊断中，其通过基于信号的模态和小波变换法进行具体的电气故障诊断。
4.4基于解析模型的电气系统故障诊断
在建筑物的电气系统故障诊断中，基于解析模型的电气系统故障诊断方法是通过对电气系统建立数学模型的方式，进行电气系统故障诊断的，基于解析模型的电气系统故障诊断方法能够较为有效的对电气系统中的未知故障进行检测，且具有较高的故障敏感性，不过也正是由于其需要建立数字模型才能进行具体的电气系统故障检测，这就使得基于解析模型的电气系统故障诊断法往往在具体应用中有着诸多限制。在基于解析模型的电气系统故障诊断法的应用中，其采用参数估计方法、状态估计方法以及等价空间方法进行电气系统故障的诊断。
4.5基于知识的电气系统故障诊断
在建筑物的电气系统故障诊断中，基于知识的电气系统故障诊断法是当下较为先进的一种电气系统故障诊断方法，其通过相关专家的经验等先验经验，使相关知识系统对其不断学习进行电气系统的故障诊断，这种较为智能的电气系统故障诊断方法因为有着学习功能，因此能够通过不断地电气系统诊断提高自身诊断的准确性，是我国未来电气系统诊断的发展方向之一。
5、结语
阶段，国内越来越多的建筑物逐渐老化，使得建筑物中的电气系统极易发生故障，例如，元器件老化故障、线路故障等等。电气故障的发生会使得电气系统不能正常的运行，以往进行电气系统故障排查时，主要是通过人工排查的方法，并且还会有很多的隱患存在。因此，应当逐步应用电气故障自诊断系统，确保建筑工程中电气故障能够得以及时排除，尽可能降低电气故障造成的影响。所以，建筑电气自诊断系统的开发与研究，是未来电气系统故障诊断发展的趋势，也是确保建筑工程功能性很好发挥的必然要求。
参考文献：
[1]汤世欣.建筑电气系统故障诊断方法简析[J].华东科技：学术版，2016（9）：29-29.
[2]陈思远.建筑电气系统故障诊断方法研究[J].电子制作，2014（24）：204-204.
[3]王亚慧，张龙，韩宁，等.建筑电气系统故障诊断方法研究[J].计算机仿真，2014，31（2）：436-440.
[4]张庆吉.建筑电气系统故障诊断方法的探究[J].经济管理：全文版，2016（8）：105-105.
关键词：建筑；电气系统；故障诊断
引言
建筑电气系统的诊断故障在最近几年被专家学者们所关注。并且在国内电力系统中的诊断技术已经使大范围的应用实现。但外部因素对电力系统故障诊断技术的影响在建筑行业的发展过程中还没有实现。建设行业在科学和技术发展的背景下，应使电力系统故障诊断技术在中国可持续发展过程中的应用加强，以避免发生安全事故，使施工质量提高。但因为电力系统和建筑行业应用一个新的故障检测技术，其复杂性应结合自身条件，使技术水平提升，从而使最佳的诊断结果达到，提高诊断结果的准确性。
1、障自诊断概述
1.1故障自诊断内涵
故障自诊断技术就是当系统处于运行状态时，采用不同的监测手段，对系统运行情况进行判断，查看系统工作正常与否。要是出现一些异常现象，则能够利用仪表或者仪器进行测试，也可以采用人工的方法进行分析与判断，从而明确故障具体发生的情况以及位置，确保维修人员能够更加快速与准确的对故障进行维修。也能够对可能出现的故障加以预测，确保维护人员能够在故障出现以前，便采用相应的预防措施，最大限度的防止故障出现，降低故障带来的经济损失。
1.2故障自诊断过程
1.2.1特征信号的检测
在建筑电气设备中，不同设备均有不同的信号输出形式，特征信号则可以反映电气系统功能信号，所以，在电气系统的故障识别过程中，很多情况会采用特征信号进行表示。对于特征信号的提取有两种不同方式，一种是以能量形式加以提取，一种是以物态形式加以提取。
1.2.2征兆信号的提取
进行征兆信号提取过程中，一般会依照特征信号的不同进行选择。由于特征信号的形式划分成能量形式以及物态形式，在对能量形式的特征信号进行征兆信号提取过程中，能够在时域、频域以及相位域之中进行，而对于物态形式的特征信号进行征兆信号的提取过程中，则能够利用物理方法或者化学方法完成提取工作。
1.2.3识别系统状态
对于电气系统的运行状态进行确定时，一般是把特征信号和相应的标准加以对比，以分析电气系统目前的运行状况。若是电气系统运行正常，则能够对电气系统未来的运行状况加以预测。若是电气系统运行出现异常情况，对状态加以诊断，便能够分析出故障出现的具体原因以及故障部位等，以便于维修人员准确、及时的开展维修工作。
1.2.4故障维修决策
故障维修决策是指按照不同故障产生的具体原因，结合故障发生时的有关信息，制定科学的维修计划，确保维修人员能够更加及时的采取措施，使电气系统尽快恢复至正常运行状态。
2、建筑电气系统故障诊断存在的问题分析
在电气故障诊断系统的建设如下：首先，在建筑行业建筑电气系统的当前稳定仍无法满足故障诊断的需要，在这种条件下，建筑行业的相关部门一定要采取适当的措施，以提高建筑物电气系统的稳定性，确保诊断结果的准确性，对故障诊断电气系统，它是基于根据故障诊断算法的电力系统上的结构不能满足电力系统的要求提供了良好的条件诊断结果对精度的影响；第三，由于外部很多因素的影响，建筑电气系统的故障诊断仍然是专家系统的维护方法将面临的诸多挑战，在实际应用过程中不能实現有效的创新，从而在建筑行业中的电气系统故障诊断的稳定性逐渐突出，并且在某些程度上，它影响着故障诊断结果的准确性。从以上的探讨分析，我们将看到，在电力系统故障诊断和建筑行业在实际工作过程中，仍然有不可忽视的一些问题，应给予高度重视，并且有效地做出相应的对策。
3、建筑电气故障仿真平台
其实本质上的故障诊断是在建筑电气系统基于设定的故障，包括故障识别和故障诊断的映射模型。但是在构建系统中的很多故障，它的发生概率是随机的，所以电故障仿真平台的结构是在研究的基础。针对在电气故障自我诊断的常见问题，故障诊断的目的基于不同的工作状态和对象的选择。信号应该很容易诊断安装在配电线路的关键电路设备，通过使用数据采集，采集异常信号故障特征提取，故障诊断方法，加工的技术数据输入故障，故障类型识别算法可通过输出和不同位置，及报警信息，并根据决策和控制的问题，更好地为它的平台。交流电源220V，50Hz，变压器转换的15V直流输出，对弱者保护板提供电力，在单向和三向保护弱保护板的动力系统，强电系统测试的主要部分，系统根据设定的由开关断开22高压系统故障关闭四种故障电阻处理，断开的路径，而封闭的是故障的相应部分。
4、建筑电气系统故障诊断方法
4.1神经网络方法
神经网络方法主要包括BP网络与RBF网络计算方法，其中BP网络作为一种多层前馈神经网络，能够将输入层、隐藏层与输出层结合起来，形成一个上下层无缝连接的神经元，这样系统在选取训练样本时，能够将神经元录入到BP网络中，经过处理后变成6代表6类诊断状态，以提高测试样本的仿真效果。而RBF网络计算是在建立模型过程中，增加隐含层的节点与个数，直到与预先设定的数值吻合，再测试训练结果，从而提高测试结果的准确性。
4.2支持向量机理论故障诊断法
支持向量机理论的故障诊断法又称为SVM。按照使用方法不同，支持向量机理论的故障诊断法可划分为4种类型：一对一、一对多、决策导向无环图与K类SVM法。与人工神经网络方法的使用不同，该诊断方法是一种以统计学校理论为基础，建立在VC维理论与结构风险最小原则基础上的机器学习方法。作用是将预处理后的样本数据分成两部分：训练集与测试集，然后设定相应的模型参数，通过训练集训练SVM，以获得模型数据信息，再通过这些模型信息判断测试集，最终获得诊断结果。该诊断方法的应用，因其自身具有较强的实用性，能够有效解决小样本情况下的分类问题，识别率达1000Ic，被应用到小样本中，得到认可。例如支持向量机理论故障诊断方法在变压器故障诊断中的应用，按照欧式聚类原理，采用C#语言编写一个欧式距离计算器，将变压器的五种已知类别状态样本（低能放电、高能放电、中低温过热、高温过热与正常）输入到数据库中，通过程序处理变压器状态原始数据，调整各数据信息，将正常状态设定为+1，强故障状态设定为-1，然后对运行的训练集与测试集进行计算，一旦支持向量机训练数据显示-11：0.992：0.99……即可判断为变压器有故障。 4.3基于信号的电气系统故障诊断
在建筑物的电气系统故障诊断中，基于信号的电气系统故障处理方法是通过对电气系统时域和频域特征，进行电气系统具体故障分析与诊断的电气系统故障诊断方法。基于信号的电气系统故障诊断方法在应用中不用建立数学模型，这就使得其在具体应用中较为简单，对工作人员的要求同样较少，但在要求的降低中，基于信号的电气系统故障诊断方法对于故障诊断的相关精度难免会有所降低，这就使得基于信号的电气系统故障诊断方法大多只用于电气系统故障的前期判断，或是故障特征较为明显的电气系统故障诊断中，其通过基于信号的模态和小波变换法进行具体的电气故障诊断。
4.4基于解析模型的电气系统故障诊断
在建筑物的电气系统故障诊断中，基于解析模型的电气系统故障诊断方法是通过对电气系统建立数学模型的方式，进行电气系统故障诊断的，基于解析模型的电气系统故障诊断方法能够较为有效的对电气系统中的未知故障进行检测，且具有较高的故障敏感性，不过也正是由于其需要建立数字模型才能进行具体的电气系统故障检测，这就使得基于解析模型的电气系统故障诊断法往往在具体应用中有着诸多限制。在基于解析模型的电气系统故障诊断法的应用中，其采用参数估计方法、状态估计方法以及等价空间方法进行电气系统故障的诊断。
4.5基于知识的电气系统故障诊断
在建筑物的电气系统故障诊断中，基于知识的电气系统故障诊断法是当下较为先进的一种电气系统故障诊断方法，其通过相关专家的经验等先验经验，使相关知识系统对其不断学习进行电气系统的故障诊断，这种较为智能的电气系统故障诊断方法因为有着学习功能，因此能够通过不断地电气系统诊断提高自身诊断的准确性，是我国未来电气系统诊断的发展方向之一。
5、结语
阶段，国内越来越多的建筑物逐渐老化，使得建筑物中的电气系统极易发生故障，例如，元器件老化故障、线路故障等等。电气故障的发生会使得电气系统不能正常的运行，以往进行电气系统故障排查时，主要是通过人工排查的方法，并且还会有很多的隱患存在。因此，应当逐步应用电气故障自诊断系统，确保建筑工程中电气故障能够得以及时排除，尽可能降低电气故障造成的影响。所以，建筑电气自诊断系统的开发与研究，是未来电气系统故障诊断发展的趋势，也是确保建筑工程功能性很好发挥的必然要求。
参考文献：
[1]汤世欣.建筑电气系统故障诊断方法简析[J].华东科技：学术版，2016（9）：29-29.
[2]陈思远.建筑电气系统故障诊断方法研究[J].电子制作，2014（24）：204-204.
[3]王亚慧，张龙，韩宁，等.建筑电气系统故障诊断方法研究[J].计算机仿真，2014，31（2）：436-440.
[4]张庆吉.建筑电气系统故障诊断方法的探究[J].经济管理：全文版，2016（8）：105-105.