智能算法在建筑電氣故障診斷中的應(yīng)用

□□

(山西建筑職業(yè)技術(shù)學(xué)院，山西 太原 030006)

引言

建筑電氣為建筑提供能源和動(dòng)力分配，主要分為強(qiáng)電和弱電兩部分。強(qiáng)電部分主要由變配電系統(tǒng)、照明系統(tǒng)、動(dòng)力系統(tǒng)、防雷和接地系統(tǒng)組成。變配電系統(tǒng)由變壓設(shè)備、各種低壓配電設(shè)備組成，將符合要求的電壓和電能分配給用戶；照明系統(tǒng)由各種照明燈具、照明電光源和照明線路組成，根據(jù)不同建筑物的功能要求，保證安全、可靠、穩(wěn)定供電；動(dòng)力系統(tǒng)主要有鍋爐、水泵、空氣調(diào)節(jié)裝置、電梯等動(dòng)力設(shè)備和供電線路；防雷和接地系統(tǒng)中，防雷裝置將雷電引入大地，保護(hù)建筑物免受雷擊，接地裝置使建筑物內(nèi)用電設(shè)備不帶電的金屬部分接地，保證用電設(shè)備和人身安全。弱電部分主要由電視系統(tǒng)、公共廣播系統(tǒng)、安防系統(tǒng)和消防聯(lián)動(dòng)系統(tǒng)組成。電視系統(tǒng)由各種放大器、分配器、分支器以及相關(guān)接口等組成，實(shí)現(xiàn)實(shí)況播放、錄像重播等內(nèi)容；公共廣播系統(tǒng)包括公共場(chǎng)所的音樂廣播、會(huì)議廣播以及各種緊急事件的廣播等；安防系統(tǒng)由前端、傳輸、處理/控制和記錄/顯示設(shè)備組成，完成實(shí)時(shí)監(jiān)控，形象真實(shí)地反映被監(jiān)控對(duì)象，甚至在惡劣環(huán)境中長(zhǎng)期監(jiān)視，并通過存儲(chǔ)設(shè)備記錄等；消防聯(lián)動(dòng)系統(tǒng)主要由各種傳感器組成，一旦建筑物發(fā)生火災(zāi)，相應(yīng)的設(shè)備會(huì)發(fā)出警報(bào)，通知人員疏散，啟動(dòng)消防水泵，打開排煙風(fēng)機(jī)，以減少人員和財(cái)產(chǎn)損失[1]。

建筑電氣對(duì)于整個(gè)建筑物建筑功能的發(fā)揮、建筑布置和構(gòu)造的選擇、建筑藝術(shù)的體現(xiàn)、建筑管理的靈活性以及建筑安全的保障等方面都起著重要的作用。建筑電氣系統(tǒng)一旦發(fā)生故障，可能會(huì)造成巨大的經(jīng)濟(jì)損失和安全事故。因此，需要及時(shí)快速地對(duì)故障發(fā)生的原因、位置和危害程度，做出正確科學(xué)的判斷，以減小損失，減少維修成本。

1 建筑電氣常見故障

建筑電氣系統(tǒng)的常見故障主要有電氣線路故障、照明系統(tǒng)故障、動(dòng)力系統(tǒng)故障、弱電系統(tǒng)故障以及防雷接地系統(tǒng)故障等[2]。具體的故障現(xiàn)象和產(chǎn)生原因見表1。

表1 建筑電氣系統(tǒng)常見的故障類型

2 建筑電氣數(shù)據(jù)采集

數(shù)據(jù)采集技術(shù)廣泛應(yīng)用于各個(gè)領(lǐng)域，其核心是以計(jì)算機(jī)作為處理手段，利用各種傳感器對(duì)信號(hào)進(jìn)行監(jiān)測(cè)，獲得大量的實(shí)時(shí)數(shù)據(jù)。建筑電氣系統(tǒng)的數(shù)據(jù)采集主要采集系統(tǒng)中的電壓、電流、各種電氣設(shè)備的溫濕度及所處環(huán)境的狀態(tài)特征、位置參數(shù)等，以實(shí)現(xiàn)能耗監(jiān)控、電能質(zhì)量檢測(cè)、重要節(jié)點(diǎn)的電量監(jiān)測(cè)等功能。對(duì)這些數(shù)據(jù)進(jìn)行分類和分析，并利用這些數(shù)據(jù)正確判斷建筑電氣各個(gè)系統(tǒng)是否發(fā)生故障、故障發(fā)生的位置、故障影響的范圍，進(jìn)而降低事故發(fā)生的概率，減小故障的影響，最大限度地減少故障帶來的損失，是每一名建筑電氣工程師的主要任務(wù)。

3 支持向量機(jī)

支持向量機(jī)(Support Vector Machines，SVM)是Vapnik根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論中結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則提出的一種分類和信號(hào)處理方法[3]。與其他智能算法相比，SVM在解決小樣本、非線性及高維模式識(shí)別問題上具有簡(jiǎn)潔的數(shù)學(xué)形式和良好的泛化能力，幾何解釋直觀，不僅可以避免陷入局部最優(yōu)解，而且人為設(shè)定的參數(shù)也較少。

假設(shè)存在樣本(x1，y1)，…，(xl，yl)，x∈Rn，y∈{+1，-1}，l為樣本數(shù)，n為輸入維數(shù)，線性可分的情況下必然會(huì)存在一個(gè)超平面使得這兩類樣本完全分開，即達(dá)到無錯(cuò)誤地分開，同時(shí)可以滿足分類間隔最大。

在應(yīng)用支持向量機(jī)算法時(shí)，不同的核函數(shù)和分類方法會(huì)產(chǎn)生不同的效果。常用的核函數(shù)有q階多項(xiàng)式(Polynomial)核函數(shù)、徑向基(RBF)核函數(shù)、雙曲正切(Sigmoid)核函數(shù)；常用的分類方法有一對(duì)多方法和一對(duì)一方法。本文根據(jù)樣本的特點(diǎn)選擇徑向基(RBF)核函數(shù)、一對(duì)一的分類方法，每次只分類兩類樣本，構(gòu)造一個(gè)子分類器，一共需要n(n-1)/2個(gè)[4]，使訓(xùn)練工作更加簡(jiǎn)單，更容易獲得令人滿意的效果。徑向基核函數(shù)表達(dá)式見(1)式。

K(xi，x)=exp(-‖xi-x‖2/2σ2)

(1)

式中：x——核函數(shù)的中心；σ——核函數(shù)的寬度參數(shù)，控制徑向作用范圍。

4 基于支持向量機(jī)的建筑電氣故障診斷模型

選擇建筑電氣系統(tǒng)中常見的四種故障，分別是絕緣故障、接地電阻故障、線路阻抗故障和連續(xù)性電阻異常，分別標(biāo)記為1、2、3、4；另外增加序號(hào)5代表不屬于這四種故障類型，而屬于其他故障或正常情況。隨著未來數(shù)據(jù)的不斷擴(kuò)充，對(duì)其他類型故障的發(fā)現(xiàn)和總結(jié)，可以繼續(xù)增加故障類型，使故障類型的分類更加全面，故障判別更為科學(xué)合理。本文選擇50組相關(guān)數(shù)據(jù)進(jìn)行特征學(xué)習(xí)和分類測(cè)試，其中30組作為學(xué)習(xí)數(shù)據(jù)，剩余20組作為測(cè)試數(shù)據(jù)。需要注意的是，由于各種參數(shù)度量指標(biāo)不統(tǒng)一，為了獲得理想的分類效果，需要先把所有參數(shù)進(jìn)行歸一化處理，將所有指標(biāo)規(guī)整至0～1，歸一化的公式見(2)式。

(2)

式中：xmin——樣本數(shù)據(jù)的最小值；xmax——樣本數(shù)據(jù)的最大值。

通過測(cè)試，診斷結(jié)果如圖1所示。

圖1 建筑電氣故障診斷結(jié)果對(duì)比

由圖1可以看出，在20組測(cè)試數(shù)據(jù)中，錯(cuò)誤診斷有2組，正確率為90%，如果增加測(cè)試樣本，錯(cuò)誤診斷的情況將會(huì)增加，可能會(huì)帶來誤判，導(dǎo)致不能做出及時(shí)的故障處理，達(dá)不到預(yù)期效果，甚至造成巨大的損失，因此需要對(duì)此模型進(jìn)一步完善。

由于有些故障發(fā)生的原因相同，在如此多的參數(shù)中一定存在重復(fù)的內(nèi)容，在測(cè)試之前，考慮對(duì)所有參數(shù)進(jìn)行提煉，保留重要信息、過濾冗余信息，用主成分分析的方法，對(duì)此模型進(jìn)行完善。主成分分析(Principal Component Analysis，PCA)是將存在一定相關(guān)性的原始數(shù)據(jù)重新生成一組不相關(guān)的新數(shù)據(jù)[4-7]，本文利用貢獻(xiàn)率來選擇重要內(nèi)容，貢獻(xiàn)率公式見(3)式，統(tǒng)計(jì)分析中要求所有參數(shù)貢獻(xiàn)率達(dá)到0.85及以上才能作為最終分類數(shù)據(jù)。改進(jìn)后的診斷結(jié)果如圖2所示。

(3)

由圖2可以看出，將原始數(shù)據(jù)重新精簡(jiǎn)提煉后，同樣的20組測(cè)試數(shù)據(jù)中僅有一組數(shù)據(jù)出現(xiàn)錯(cuò)誤診斷，診斷準(zhǔn)確率明顯提高，可達(dá)到95%，且由于所有信息都經(jīng)過精煉，數(shù)據(jù)雖然變少卻更有代表性，在縮短了診斷時(shí)間的同時(shí)，獲得更加滿意的診斷效果。為了使此模型更合理，后期可以增加訓(xùn)練樣本種類，及時(shí)將不常見的故障類型也加入分類器中，這樣就可以使分類工作更加科學(xué)全面，保證建筑電氣系統(tǒng)能安全可靠地運(yùn)行。

圖2 改良后建筑電氣故障診斷結(jié)果對(duì)比

5 結(jié)語(yǔ)

通過以上分析，采用將支持向量機(jī)和主成分分析結(jié)合的建筑電氣故障診斷模型，可以將診斷結(jié)果準(zhǔn)確率提高5%，且由于樣本數(shù)量較少，故障診斷速度也明顯提高，從而提升了模型在面對(duì)建筑電氣故障突發(fā)性、復(fù)雜性難題時(shí)的應(yīng)用效果。