建筑电气系统故障诊断方法分析

李麟

摘要：建筑电气系统运行过程中，会因为运行环境以及其他方面因素影响而出现各种故障，会对系统正常运行形成严重阻碍。为保证系统运行质量，对系统故障诊断方式展开分析显得极为必要。通过对建筑电气系统基本情况的介绍，对系统常见故障展开分析，进而对故障诊断方式展开深度探索，期望能够为建筑电气系统故障处理提供一些理论方面支持。

关键词：线路故障;故障诊断;电气系统;知识诊断;解析模型诊断

传统建筑电气系统故障诊断主要以人工检测为主，需要投入大量人力以及物力，且检测结果会受到检测人员专业能力以及责任意识的直接影响，所以系统故障检测始终面临着一定风险。在此背景下，多种检测技术开始出现，系统检测可靠性以及效率均得到显著提升。为对各项诊断方式具体运用展开深度分析，首先应对建筑电气系统基本情况展开探究，以为电气系统故障处理方式研究奠定良好基础。

1.建筑电气系统

建筑电气系统主要包括保护设备、供电设备以及供配电线路等几部分内容，是现代建筑建设与使用关键系统之一。根据电能性能，系统主要分为弱电系统、强电系统两类。其中，弱电系统是保证建筑物内外、内部信息沟通与交流的重要系统，包括广播系统、通信系统等内容;而强电系统是以建筑物电能引入为主的，会通过对用电设备的运用，将电能转换为机械能、光能以及热能等能量，像防雷接地系统、变配电系统以及照明系统等，均属于强电系统范畴。

2.系统常见故障

2.1线路故障

线路故障主要包括架空线路故障、电缆线路故障等，多与线路所处环境有关。故障一旦发生，会使导体处于带电工作状态，线路零配件以及接口等也会出现锈蚀，会使线路运行受到严重威胁。[1]

2.2动力系统故障

在动力系统出现故障时，互感器线圈螺钉会出现明显的松动状况，会使变压器产生局部放电问题，影响线路正常状态，进而造成短路或断路等问题。

2.3防雷接地系统故障

防雷接地系統故障多数是因为接地电阻数值过大或者周围温度过高所造成的，故障出现时，会出现土壤电阻率增加、零线带电以及接地装置异常等问题，会对系统防雷性能形成直接影响。

2.4照明系统故障

电气照明系统故障造成因素相对较为复杂，电路无法正常连接、开关破损以及线头接口松动等，都可能会造成系统运行问题。同时熔丝熔断也是造成电器元件无法正常运行的重要原因，而绝缘导线破损会使电气照明系统出现短路问题。在具体进行故障处理时，需要按照故障引发具体原因，对其展开针对性处理。[2]

3.故障诊断方式

3.1信号处理技术

此种诊断方式主要用于故障粗略判断，会通过对检测到信号进行分析的方式，按照获取渠道时域或频域中特征等，对故障间关系展开判断。使用此种方式实施故障诊断时，需要掌握诊断基本需求，并要按照需求对具体诊断方式展开判断，进而满足故障诊断各方面要求。经过大量实践表明，此种诊断方式具有极为突出的简单、便捷优势，主要用于前期初步判断，由于其精准度相对有限，所以诊断人员需要做好外界影响因素分析，要对各方面因素展开综合考量，从而保证最终诊断结果准度程度。

3.2知识诊断技术

运用知识诊断技术实施故障诊断过程中，会先运用专业知识对故障基本情况展开判断与分析，掌握系统运行基本情况，进而完成故障位置以及原因确定。此种诊断技术智能化特点较为明显，会实现对故障位置、原因的快速诊断，可在有效提升诊断精准度的同时，保证诊断开展效率。[3]

例如，在对某电动机故障实施诊断时，运用知识诊断技术，诊断人员迅速判断出系统突然出现转速降低、停止运行，是因为电机温度过高所造成的。在得到诊断结果之后，诊断人员运用仪器设备对绝缘情况展开了测量，获得数值为5MΩ。对三相阻值平衡测量后发现，平衡数值属于正常范围，证明电机自身并没有故障。再断开负载通电后，电动机出现运转不正常状况，存在明显的运行噪音，经过检测发现，是因为C相供电缺相所造成的，需要对其展开处理。

3.3支持向量机技术

此种诊断技术是以支持向量机理论为基础的诊断算法。支持向量机可实现对小样本问题的妥善处理，具有极高实用性，会通过对统计学习理论的运用，按照结构风险最小原则以及VC维理论展开故障诊断。此种诊断技术本质在于分类问题构建，在进行多类型故障分类处理时，会按照一对多、一对一等原则，合理展开问题处理。和其他算法基本相同，此种诊断算法也需要对预处理后样本数据展开处理，主要分为测试集、训练集两部分内容，会通过对模型关键参数实施优化的方式，运用训练集对支持向量机展开计算，进而通过对模型的运用，对测试集展开分类判断，进而获得最终答案。此种诊断算法识别率相对较高，可实现对电气故障以及故障发生原因的有效诊断，但因为此种方式使用具有一定针对性以及限制，所以多用于获取小样本故障诊断。

3.4解析模型诊断技术

此种诊断技术会通过对建筑电气系统数据理论知识的运用，按照系统实际情况，展开电气系统解析模型建设，并会通过对解析模型的分析，确定电气系统故障具体发生情况，获得诊断结果，以便按照诊断结果展开故障处理方案编制。技术的合理运用，可达到有效提升系统稳定性、安全性以及可靠性的目标，会为故障处理提供可靠数据依据。此种诊断技术应用具有一定限制，强调在进行诊断时，系统需要具备模型构建条件才可进行使用，极为注重电气系统模型建设，会通过对各种方式与技术的运用，对系统故障隐患展开检测，能够达到有效提升检测敏感度以及未知故障诊断的效果。如果部分建筑电气系统无法完全数学模型建设，则要通过诊断对系统运行状况展开分析，实施模型构建条件简单化处理，以通过构建简化模型的方式，保障故障诊断合理性以及科学性。

3.5样本SVN故障诊断技术

数据机器学习是现代智能技术应用衍生行为，是以根据给定训练样本进行系统输出、输入关系预测为目标的。通过对依赖关系的预测，可最大限度保证系统行为判断精准度。系统工作状态下出现的设备故障，主要以偶然性故障以及突发性故障为主，会通过对故障信号的收集与整理，运用样本SVN技术展开数据分析与验算，会为故障精准判断提供可靠技术方面支持。同时，因为此项技术是以风险管理为基础的，所以需要通过算法对经验风险展开最小化处理，确保期望风险与经验风险之间关系，进而为后续故障诊断提供依据。[4]

3.6压缩感知技术

压缩感知理论，简称CS，是以线性模型为基础的诊断技术。在具体对其进行应用时，会通过对故障异常信号的运用，完成故障特征提取，并运用相应算法对其展开诊断，明确故障类型。具体诊断分类流程如下：①展开故障数据分析与故障特征提取，展开训练样本矩阵建设;②通过对支持向量机算法的运用，展开训练以及训练样本字典建设;③实施测试样本录入，按照相应公式展开计算，完成残差项计算，进而获得残差项最小值，确定测试样本类别。此种诊断技术也具备精准的诊断效果，是现有故障诊断措施有效补充手段，能够通过对该项技术的合理运用，为电气系统故障诊断提供有效支持，其核心作用值得进一步展开挖掘与利用。

4.结语

由于电气系统故障诊断技术较为丰富，本文所介绍内容并不全面，技术阐述较为简单，各建筑单位需要加大对电气系统故障诊断工作的研究力度，要以建筑电气故障类型与内容分析为着手点，通过对各种故障诊断技术的合理运用，实现对故障原因、类型、所在位置以及发生程度等内容的高效判断，保证故障诊断结果及时性以及准确性，进而为后续故障处理提供可靠支持，保证电气系统建设、运行质量都可达到最佳，从而为电气系统平稳运行保驾护航。

参考文献：

[1]郭健鹏，谢荣.电气控制系统的常见故障诊断及维修技巧研究[J].科技经济导刊，2019，27（12）：71.

[2]胡浩.基于MAS的建筑电气故障诊断系统设计[J].建筑设计管理，2018（02）.

[3]熊丽萍.电气控制系统故障分析诊断及维修技巧研究[J].通信电源技术，2018 （04）：247-248.

[4]张艳晖，王红刚.浅谈建筑电气系统检修与故障诊断方法研究[J].卷宗，2017（26）.

作者简介：李麟（1990—） ，男，汉族，天津市人，工学学士，工程师，主要研究建筑电气。