建筑电气系统故障诊断技术与方法

为全面满足实际发展要求，现在对建筑电气系统施工与维护重视度不断提高，并采取了有效的措施，来提高系统运行可靠性，减少运行故障的发生。因为电气系统复杂性比较高，且在日常运行过程中很容易受外界因素的干扰，如果维护不当便会出现故障，导致电气基础功能无法正常发挥。选择合适的故障诊断技术，确定问题原因，为故障处理提供一个有利条件，确保整个系统运行的有效性。
　　1、建筑电气系统故障诊断分析
　　建筑电气系统复杂程度不断提高，为确保其运行可靠性与稳定性，必须要针对其运行故障做好研究，选择应用有效的诊断技术，确定各类问题发生原因，有针对性地将处理措施落实到位，从根本上消除存在的问题。就以往建筑电气系统故障诊断情况来看，受传统理念以及技术水平限制，大部分选择用人工检测方式，对人力、物力以及财力资源要求比较高，并且检测结果并不能保证其准确性。虽然现在电气系统故障技术在不断更新，但是从整体上来看，系统运行稳定性仍然会受到各项因素影响出现故障，且诊断结果准确性比较低，能够为故障处理提供的帮助有限[1]。另外，所有故障诊断技术的实施，均需要在电力系统基础上完成，现在存在部分算法不能满足实际需求，而对诊断结果准确性产生一定影响。想要将故障诊断技术落实到位，并提高诊断结果准确性，必须要针对存在的问题进行优化，根据工程建设实际情况，选择合适的诊断技术，确保诊断结果具有高准确性与有效性。
　　2、建筑电气系统常见故障类型
　　现在我国建筑工程逐渐实现了智能化与功能化发展，导致电气系统复杂程度增加，且各子系统间联系密切，这样如果其中任何一个环节出现问题，均会对整个系统运行效率产生影响。一旦系统内出现运行故障，不能及时确定发生部位与原因，导致故障解决措施无法落实到位，势必会产生较大影响，导致生活工作各项活动无法正常进行。建筑电气系统复杂性决定了运行故障的多样性，常见的主要由电气线路故障、防雷接地系统故障、电气照明系统故障、电气动力系统故障等，而故障发生原因主要为短路、接地、断路、谐波、电气设备以及电气元件损坏等。
　　例如，电气线路故障又可分为架空线路故障、电缆线路故障，常见故障表现为混线、保护导体带电以及线路锈蚀等，出现此类故障原因主要是外界环境影响，以及后期维护不到位，造成电路被严重腐蚀，影响线路性能[2]。如果线路运行环境温度过高，也会对线路性能产生影响。一旦出现此类故障，将会出现停电、触电、火灾等事故。防雷接地系统故障主要表现为接地网零线带电、接地装置异常以及土壤电阻率过高等，主要是因为设置的接地电阻太大，或者是接地网中零线带电，如果不能及时处理，很容易出现人身触电安全事故，同时也会造成线路设备损坏。面对不同故障表现形式，需要根据以往经验选择对应的诊断方法，以及有效的解决措施，争取及时将存在的故障消除，确保系统可以稳定运行。
　　3、建筑电气系统故障诊断技术
　　3.1 常见故障诊断技术
　　3.1.1 基于信号处理诊断
　　此种故障诊断技术一般被应用到故障原因粗略判断中，主要将检测到的信号作为依据，一般会通过多种渠道来获得系统时域或频域中特征，包括频率、幅值、方差等，然后结合其与系统故障间关系进行分析。如果选择应用此种技术进行故障诊断，必须要保证工作人员熟知系统内各节点运行特点，且熟练掌握技术操作要点，可以保证各项特征值采集的全面性，以及信息分析的准确性，满足系统故障诊断要求。就实际应用现状来看，此种诊断方法可以基本上满足故障诊断要求，适宜用做前期初步粗略判断阶段，诊断精确度比较低，且对工作人员专业技能要求较高，在诊断过程中需要同时对系统运行环境进行综合分析，做好各项影响因素的分析，以求提高诊断结果准确性[3]。
　　3.1.2 基于解析模型诊断
　　即要求技术人员需要进行故障诊断前，建立与建筑电气系统运行现状相符合的解析模型，并以此作为依据进行运行故障分析。这样就要求诊断技术人员必须要具有数学理论知识，对解析模型进行分析，总结故障结果。应用此种方法进行系统故障诊断，可以检测出一些未知故障，但是因为其很容易受被诊断系统数学模型限制，会在一定程度上影响使用效果，在选择时需要确保其符合系统特点要求，保证诊断结果的有效性。
　　3.1.3 基于知识诊断
　　与其他诊断技术相比，基于知识诊断具有更大的智能化优点，同样对技术人员专业技能也有更高的要求。在选择用此种方法进行诊断时，需要对设备运行状态进行分析，选择合适的判断方法，确定系统故障原因。然后利用系统自学习，来完成最后的故障诊断与检测。应用此种方法对建筑电气系统进行故障诊断，不仅可以实现离线诊断，同时还可以用于在线检测与处理，例如常见的人工神经网络诊断法，在不需要构建数学模型前提下，便可以完成诊断，但是因为其需要有大量训练样本数作为依据，这样会对实际应用产生一定限制。
　　3.2 基于支持向量机理论诊断
　　此种故障诊断技术，可以有效解决小样本情况分类问题，在实际应用中效果比较明显。将统计学习理论作为技术基础，建立在VC维理论与结构风险最小原则基础上的一种机器学习法，支持向量机本质上是针对两个分类问题，在对多种类型故障分类问题进行分析处理时，常用的方式有“一对一”、“一对多”、决策导向无环图等。与其他类型学习算法一样，支持向量机同样需要将预处理后的样本数据分为训练集与测试集两部分，对模型关键参数进行优化，通过训练集训练支持向量机，并用得到的模型完成测试集的分类判断，得到最终的检测结果[4]。基于支持向量机理论故障诊断技术在实际应用中，有效识别率为100%，可以准确检测出建筑电气系统故障存在的位置，并分析其发生原因，对能够获取小样本的情况具有比较高的针对性与适应性。
　　4、结束语
　　对建筑电气系统故障诊断进行分析，需要根据实际需求，来选择合适的诊断技术与方法，确定其应用要点，保证可以准确诊断出故障位置以及发生原因，将诊断结果作为故障解决的依据，在根本上将故障消除，确保系统可以安全性与可靠性的运行，切实满足实际发展要求。