一、电气设备故障诊断的重要性
1.保障电力系统安全稳定的运行
在电力系统运行的过程中，电气设备占据着重要的地位，因此为了确保电力系统安全稳定的运行，必须要加强电气设备的状态检测以及故障排除方面的工作。这样能够全面准确的掌握电气设备的运行状态，及时发现在此过程中存在的问题，确保电气设备能够正常运转。同时通过电气设备的故障诊断，对设备中潜在的故障进行排除，使得电力系统处于安全高效的运行状态之中。
2.促进经济效益的提升
对于电力企业来说，通过对电力设备的检测与维修，保证设备的正常运作，尽量避免在设备的运行中出现故障，能够有效的降低后期设备维护管理的费用。若设备出现严重故障之后再组织技术人员进行维修，在这之中需要投入的成本就会有所增加，不利于运行成本的控制。因此，电力企业需要不断的加强设备的检测及故障诊断工作，尽量避免电气设备出现故障。
二、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。
三、在建筑电气系统中的故障分析探究
1.设备信号诊断处理法
对于建筑电气系统，在通常情况下我们诊断处理首先就是进行初步的粗略判断，这里常用的方式就是根据信号进行初步判断，这是最为直观的方式，具体在实际操作中，就是要在对现有故障系统进行及时的去路和回路检测，一方面是常规性的望闻问切，在电气系统的直观故障情况上进行初步的判断，这主要是对于技术娴熟的老技术人员来说的，他们能够从初步的判断中获得信息并及时进行处理。另一方面，就是针对一般技术人员来讲，他们主要是通过设备仪器进行检测，这既能弥补技术熟悉度不高的人员，同时也能够更加科学的去判断建筑电气系统故障情况，进而为进一步检修提供有力保障。
2.发电机技术会诊的方法
在我们初步判断不能得到根本故障原因的基础上，我们还需要进一步做好系统追问，而对于综合性故障来说，就需要进行各个技术人员进行发电机集中诊断，重点采取具体措施将被诊断发电机信息的灵活性进行掌握，同时再利用多种形式和方法，完成发电机系统故障诊断的整体过程。这与初步诊断方法进行比较，智能性更为突出。在专业判断的前提下使用知识判断方法，确保发电机系统故障的科学性。
期刊文章分类查询,尽在期刊图书馆
3.高压电动机的诊断方法
高压电动机在数据的机器学习为现代智能技术中的重要方面的根本上建立，目的是按照给定的训练样本获取系统的输人与输出间的依赖关系的预测，以确保高压电动机能最大程度的对系统行为做出正确预测。在实际工作的情况下，高压电动机发生故障时，分为突发性故障和偶然性故障，对于搜集高压电动机故障的信号，并进行整理。从总体看，我们在高压电动机的处理方法上，还有很多，但是方法和形式的研究，还要基于基础建设，对此我们在理顺方法，并不断探索创新的同时，应该加强高压电动机会诊管理及检修。
4.寿命期管理法
实施设备生命周期理论指导建筑电气系统管理，严格执行强制检修、挂牌检修、专人包机等制度，采取建档造册、追踪管理等方式，加强设备设施投入、运行、检修、淘汰、复用、追责、考核等环节的管理，构建形成系统化、立体化、动态化的设备管理体系。坚持提升开机率、降低事故率的工作导向，采取制定实施检修查验制度、管技人员查验盯岗制度、责任追究制度等方式，科学利用有限的检修时间，统筹摆布工力，全面开展检修工作，不断提高设备维检水平。
四、SVM在故障诊断中的具体应用
1.故障的分类
根据实验可以模拟出在实际住宅经常遇到的故障，故障的类型可以分为连续性障碍、绝缘电阻过小、线路阻碍故障和接地电阻异常四种情况，最后再加上正常的状态，所以在这边文章中一共有5类。
2.SVM模型建立
支持向量机的本质就是为两分类问题进行构建的，在解决多种故障分类时，目前的方法主要有决策导向无环图、K 类SVM 法、"一对多"、"一对一"等[4]。本文研究使用的方法是一对一类型，原因是一对多的精准度远低于一对一，而且它的拒绝分类面积小，每个SVM只允许2中样本，单个SVM则更加容易训练。
3.诊断的结果和分析
支持向量机主要适用于小样本学习方法，本文在实验平台中共收集了60组样本数据，5种状态模式，即：连续性障碍、绝缘电阻过小、线路阻碍故障接地电阻异常和正常状态。每个样本中又包含10个故障信息分布在其他的位置，选择15组作为测试样本，剩下的45组进行训练。
根据实验中得出的参数构建SVM网络，对45组样本进行分类建筑模型，并输入测试样本诊断分类，输出的结果显示：SVM算法出现错判的几率为零，即识别率是100%。通过上述分析，可以得出SVM算法能正确有效的诊断电气实验平台中的故障问题[5]。
4.神经网络和SVM的对比
为了验证神经网络方法和SVM故障诊断间的差别，本文采用具有代表性的RBF网络和BP网络进行计算，选择与SVM一样的训练样本，其中BR网络的神经元数量是10，输出个数是5，根据公式计算，最后测试验证得出网络效果最佳时的隐含层节点数是15。
通过综合分析看出，虽然集中方法的效果都比较理想，但是RBF网络收敛快、误差小，BP网络输出不稳、结构复杂，且收敛速度慢，从推广分类和故障识别率来看，都比不上SVM。
结语：
电气系统作为建筑工程体系的主要构成成分，其运行效果的优劣对工程建设影响巨大。因此，必须合理确定电气设备故障诊断方法，做好故障预防工作，减少故障发生。只有这样才能够保证电气设备的安全、稳定运行。
参考文献：
[1]压缩感知理论中的建筑电气系统故障诊断[J].张龙，陈宸，韩宁，王亚慧.智能系统学报.2014（02）
[2] 张龙，陈宸，韩宁，王亚慧.压缩感知理论中的建筑电气系统故障诊断[J].智能系统学报，2014，02：204-209.
[3] 丰少伟，梁远华，邵成明.基于BP神经网络的武器装备电气系统故障诊断方法研究[J].武汉理工大学学报（交通科学与工程版），2013，02：366-368.
论文作者:胡世铭
论文发表刊物:《中国西部科技》2019年第2期
论文发表时间:2019/3/18
标签：故障论文; 系统论文; 方法论文; 设备论文; 样本论文; 电气设备论文; 故障诊断论文; 《中国西部科技》2019年第2期论文;