刘会进
武汉正华建筑设计有限公司湖北武汉430024
摘要：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。
关键词：建筑电气系统；故障诊断；方法
1建筑电气系统常见故障
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。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。
2引发建筑电气系统故障的因素
当前智能化建筑及功能化建筑成为建筑工程的主要趋势，这使得建筑电气系统日益复杂，导致建筑电气系统故障呈现出多样性的特点。分析并确定引发建筑电气系统故障的因素，是进一步诊断、落实并解决故障，保证人们正常生活工作活动的关键。较为常见的建筑电气系统故障有电气线路故障、照明系统故障、动力系统故障、防雷接地系统故障等，而引发建筑电气系统故障的因素包括线路、用电布置、电梯电源、防雷安装等。其中，线路因素包括短路、断路、绝缘层等，在建筑电气施工的过程中，一旦发生接线上的疏忽，或是安装存在差错，电线间距过小，裸电线太低、空间太潮湿、电线老化受损等情况，都会造成线路安全隐患，引发电气系统故障。而用电布置问题也是引发建筑电气系统故障的重要因素，建筑电气系统中，配电布置环境应保持干燥且温度适宜，一般来说，诸如浴室、厕所的直接下层不应出现配电布置，此外，发电机用房的布置也应保持环境的干燥，并配备一定的防潮设施，电气线路的运行环境温度也不能过高，若是这些用电布置的环境条件不符合要求，也容易引发建筑电气系统故障。电梯电源的安装情况也在很大程度上影响着建筑电气系统能否正常运行，电梯运行时，其供电线路不能负载过重，电梯的负荷电流不能超出限制，因此为了保证电梯得以安全运行，电梯应配有专用性的电源，避免受到其他用电设备的干扰，一旦没有达到要求，出现电梯供电线路负荷现象，极易引发建筑电气系统故障。此外，防雷安装如果出现纰漏，出屋面金属和防雷接闪器的连接不可靠，或是重复接地不合乎要求，防雷装置连接不稳固，避雷带截面不足等，会引发防雷接地电阻过大，接地网中零线带电，出现防雷接地系统故障。
3建筑电气系统故障诊断方法
3.1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。
3.2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。
3.3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。
3.4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。
结语
综上所述，在建筑电气系统日常运行过程中，要想提高电气系统运行效率与水平，确保系统运行的稳定性与安全性，必须了解建筑电气系统组成与故障类型，了解掌握解析模型法、知识诊断法、信号处理诊断法、神经网络法以及支持向量理论故障诊断法等故障诊断方法的工作原理，并将其运用到相应的系统故障中，提高诊断的准确性。
参考文献
[1]段惠霞.建筑电气系统的故障诊断方法分析[J].江西建材，2015（21）：217+225.
[2]王亚慧，张龙，韩宁.建筑电气系统故障诊断方法研究[J].计算机仿真，2014，31（02）：436-440.
[3]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，2014，9（02）：204-209.