建筑电气系统故障诊断方法研究.pdf

《建筑电气系统故障诊断方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第2期计算机仿真2014年2月文章编号：1006—9348(2014)02—0436—05建筑电气系统故障诊断方法研究王亚慧1，张龙2，韩宁2(1．北京建筑工程学院电气与信息工程学院，北京100044；2．北京林业大学工学院，北京100083)摘要：研究建筑电气系统的故障诊断问题。现代化建筑物中，电气故障发生的频率越来越高，针对目前建筑电气系统缺少有效诊断故障方法的问题，同时考虑到在建筑物实际运行环境中典型故障样本数据获取非常有限，因此采用支持向量机(简称SVM)算法，使用建筑电气故障模拟硬件实验平台数据建立了其故障诊断模型，对系统5种故障状态进行诊断分

2、类，仿真结果错判总数为零。最后与人工神经网络诊断方法的对比研究表明，在小样本情况下SVM诊断有效，非线性映射和泛化分类能力更好，更适合于工程实际应用。关键词：建筑电气系统；故障诊断；支持向量机中图分类号：TM743文献标识码：BResearchonFaultDiagnosisofBuildingElectricalSystemWANGYa—huil，ZHANGLon92，HANNin92(1．DepartmentofElectricalandInformationEngineering，BeijingUniversityofCivilEngineeringand

3、Architecture，Bering100044，China；2．SchoolofTechnology，BeijingForestryUniversity，Beijing100083，China)ABSTRACT：StudythefaultdiagnosisofBuildingElectricalSystem．Inmodembuildings，theelectricalfaultsOC-earredwithincreasingfrequency．Todiagnosebuildingelectricalsystemfaultseffectively，oIllyc

4、onsideringthetypi—calfaultsamplesinthebuildingoperationenvironmentdataacquisitionisverylimited．Sothispaperusedthesupportvectormachine(SVM)algorithm，andthefaultdiagnosismodelWasestablishedbyusingthedataofbuildingelectri—calfaultsimulationhardwareexperimentalplatform．Thesystemstatusdia

5、gnosticclassificationwascarriedoutwithfivekindsoffaultson，anditeanleoutthatthetotalmisjudgednumberofsimulationresultsWaszero．ComparedwithartificialneurMnetworkdiagnosis，thestudyresultsshowthatSVMdiagnosisiseffectiveundertheconditionofsmallsamples，theabilitiesofnonlinearclassification

6、andgeneralizationarebetter，SOitismoresuitableforpractical印-plicationofengineering．KEYWORDS：Buildingelectricalsystem；Faultdiagnosis；Supportvectormachine(SVM)1引言随着城市化进程的加速，高层和超高层建筑日益增加，人们对于建筑物环境和品质的要求也越来越高。在整个建筑系统中，建筑电气是核心技术之一，它包括了建筑供配电、室内照明、户外景观照明、建筑动力设备、办公自动化及管理自动化等主要内容。建筑电气发展的规模越来越大

7、，结构越来越复杂，不同子系统间的互联越来越紧密，也使得建筑电基金项目：北京市自然科学基金(8111002)收稿日期：2013—04—28修回日期：2013—06—18．--——436．—-——气故障发生几率大大增加。故障智能诊断技术已在机械、电力系统等领域发展得比较成熟⋯【2J，但在建筑电气方面还处于萌芽阶段，基本依靠人工检测查找故障原因。因此，建筑电气应用领域对于如何利用现代科学技术提升系统的可靠性及稳定性提出了更高的要求。近些年来，智能故障诊断系统使用比较广泛的是人工神经网络方法，然而神经网络存在收敛速度慢、易陷入局部极小值等问题，其最大的约束条件是需要大量

8、的训练样本数据才能保证故