建筑电气系统故障诊断方法研究.doc

建筑电气系统故障诊断方法研究 目录 TOC \o "1-9" \h \z \u 目录 1 正文 1 文1：建筑电气系统故障诊断方法研究 2 一、当前建筑电气系统检测和治理现状 2 二、基于支持向量机的故障诊断算法 2 2.1故障诊断问题实际上是一个分类识别问题 2 2.2根据实验平台以及实际建筑物中的常见故障 3 2.3这里尤其要注意的是 3 三、建筑电气系统故障的仿真平台 3 四、SVM在故障诊断中的具体应用 4 4.1故障的分类 4 4.2SVM模型建立 4 4.3诊断的结果和分析 4 4.4神经网络和SVM的对比 5 五、SVM在实验平台故障诊断中的应用 5 5.1故障特征量的选择与故障的分类 5 5.2SVM模型的建立 5 5.3SVM以神经网络对故障诊断问题的比较 6 结束语： 6 文2：建筑电气系统故障诊断方法研究 6 一、引言 6 二、当前建筑电气系统检测和治理现状 7 三、在建筑电气系统中的故障分析探究 7 四、建筑电气系统故障诊断基础建设。 8 原创性声明（模板） 9 正文 建筑电气系统故障诊断方法研究 文1：建筑电气系统故障诊断方法研究 一、当前建筑电气系统检测和治理现状 故障诊断技术在建筑行业来讲，重点是针对电气设备而言的，由于电气系统是建筑施工的动力源泉，因此需要我们从设备正常运转角度去加大维护和保障力度。从现阶段来看，尽管建筑行业在工程质量和系统建设上的水平逐年提升，但是还没有形成完备的诊断和监测治理系统，这里既有客观因素，同时也有主观因素，这就需要我们在主观上去分析原因，尤其是要打破原有的思维观念，改变以前粗放的设备诊断方式，进一步创新方式方法，并从基础建设角度去不断完善提升，只有这样才能更好地避免设备事故，提高安全运转的效率，从而也为提高建筑施工质量提供有力保障。 二、基于支持向量机的故障诊断算法 2.1故障诊断问题实际上是一个分类识别问题 1故障诊断问题实际上是一个分类识别问题，即将每个故障状态（包括正常状态）进行分类，找出各状态对应类别，完成故障识别。而支持向量机作为一种机器学习算法，其工作方式是找到一个最优超平面将两类样本完全分开，最大的优势是在小样本数据采集的情况，能够实现很好的分类，对于实际电气系统中采集典型故障样本数据非常有限的情况有较强的适应性。 支持向量机应用于电气故障诊断的主要流程是：首先要提取数据或者是电气系统的样本，然后将样本进行预处理，包括数据归一化处理，接着将预处理后的样本数据分为训练集和测试集两部分，设置模型参数，先对训练集训练支持向量机（SVM），最后将训练得到的模型对测试集进行分类判断，得到诊断结果。 2.2根据实验平台以及实际建筑物中的常见故障 2根据实验平台以及实际建筑物中的常见故障，假定将故障类型分为连续性故障、绝缘电阻过小、线路阻抗故障、接地电阻异常，那么加上正常状态一共有5类诊断状态。这时采用支持向量机（SVM）的算法训练分类模型，构造分类器。再采用样本数据进行测试该SVM模型，检验该分类器的准确率。对于将SVM与BP神经网络对比分析，支持向量机算法（SVM）主要有以下三个优点：（1）SVM综合考虑模型的复杂性和学习能力进行折衷，解决了神经网络算法过学习的问题；（2）SVM输出相对稳定、速度快，能够在故障发生时及时做出诊断，实时性较好；（3）支持向量机（SVM）是基于结构风险最小化原理，所以对于建筑电气系统只能获取小样本的情况有更强的适应性和针对性。 2.3这里尤其要注意的是 3这里尤其要注意的是，因为在实际建筑物的电气系统中故障出现的突发性较强，而且故障信号的采集也比较困难，那么对于很多的设备来说，如果对每一种故障都进行样本采集上百上千次是不实际的。所以，通常来说，典型的故障样本数据的获取是非常有限的，所以在这种情况下，支持向量机（SVM）相较于BP神经网络而言，能够实现在小样本情况下达到很好的分类结果，对于建筑电气故障诊断有很强的适应性和针对性。 三、建筑电气系统故障的仿真平台 建筑电气系统故障的仿真平台作为本文研究的重要实验主题，它的原产地在德国，综合了住宅建筑中低压配电系统中经常出现的低压电器装备，例如：RCD、熔断器、断路器、三相插座、单相插座等。 这种仿真平台电源供电是220V，50Hz的交流市电，通过变压器直接转变为15V输出，属于弱电保护板，弱电保护板可以对强电系统中的三项和单相系统实行保护。强电系统是实验的根本，系统经由故障设置板的22个开关闭合断开，控制系统四大阻值故障，22个点进行故障模拟，闭合代表相应的部分发生故障，反之，断开则代表是通路。 四、SVM在故障诊断中的具体应用 4.1故障的