林巨鹏

（中铁建设集团有限公司 北京 100040）

1 引言

作为公共建筑的重要组成部分，电气设备直接影响公共建筑的使用效果［1］，若电气设备出现故障，严重时将导致公共建筑中设备停止运行，甚至引发火灾，严重影响公共建筑的正常使用［2－3］。因此，对公共建筑电气设备状态监测的研究尤为重要。

电气设备运行时受外部环境与内部结构影响，其状态会发生变化，且变化幅度具有显著波动性［4－5］。端口电气信息能够描述电气设备状态变化，且能够体现电气设备运行过程中状态变化细节［6］，对于电气设备运行过程中微弱的状态变化也可准确描述。基于此，本研究设计了基于端口模型的公共建筑电气设备状态智能监测系统。经实验验证，应用该系统测量的变压器工作频率介于50～65 Hz之间，表明该系统的测量结果可靠。应用该系统后，电气设备的状态监测结果与实际结果一致，充分证明了该系统的有效性。

2 电气设备状态监测系统设计

2.1 系统总体设计

公共建筑中的电气设备类型种类较多，在监测电气设备状态的过程中可收集到海量的电气设备数据信息［7］，因此对不同的电气设备数据信息分析后需采用的处理方式同样也存在差异。在本研究基于端口模型设计的公共建筑电气设备状态智能监测系统中，电气系统的不同电气设备只需向端口服务器发送监测数据和响应处理指令即可，目的是将电气设备故障的分析与处理均交给服务器进行统一处理，方便公共建筑电气设备系统的维护。图1为公共建筑电气设备状态智能监测系统整体结构图。

2.2 系统模块组成与业务流程

公共建筑电气设备状态智能监测系统模块结构如图2所示。

图2中系统结构主要包括电气设备状态监测模块、网络收发模块、网络处理模块、数据处理模块、数据储存模块、故障智能识别模块、显示控制模块、故障恢复模块和管理模块共九个模块。其中，电气设备状态监测模块是系统的核心部分，其主要功能是根据定时器设定的查询周期监测公共建筑电气系统内不同电气设备运行状态信息；电气设备状态监测结果通过网络收发模块实现传输；网络处理模块用于调度、派发系统相关运行状态信息；运行状态信息通过数据处理模块分析与处理后存储在数据存储模块内；故障智能识别模块根据运行状态监测结果，判断公共建筑电气设备运行故障［8］；显示控制模块实时显示公共建筑电气设备运行状态信息及对电气设备的控制；故障恢复模块主要功能是恢复电气设备故障，若无法自动恢复，则自动实施故障上报与示警；管理模块中包含系统各模块访问数据库的接口。通过上述九个模块间的协调合作实现对公共建筑电气设备的智能监测。

2.3 端口模型的应用

公共建筑电气设备端口模型接口如图3所示，其中I和U分别描述电气设备两端的电压与电流，其具体数值可通过实际监测获取。

结合端口模型接口图，利用伏安特性可描述公共建筑电气设备某电气量同其他电气量间的相关性［9］，其过程可描述为：

式中：so与se分别为结构参量与互异的电气量参量；S表示电气设备某电气量同其他电气量间的相关性。

在此基础上，利用监测获取的I值与U值参考伏安特性，确定用于描述电气信息同设备内部结构相关性的数值，电气设备的伏安特性U1如下：

利用线性组合形式描述式（2），可得到如式（3）所描述的电压型表达式：

式中：p1、q1和m1均为电气设备内部结构参数。同理，根据电气设备电流信息确定电气信息同设备内部结构相关性公式：

利用线性组合形式描述式（4），则可得到如式（5）所描述的电流型表达式：

式中：p2、q2和m2同样为电气设备内部结构参数。

通过上述分析可知，参数p、q和m是描述公共建筑电气设备内部结构的关键参数，能够体现电气设备状态。在此基础上，选取偏最小二乘回归算法识别公共建筑电气设备内部结构参数［10］。这一过程中，用V描述因变量数量，设定其值为1，用Z、D分别描述自变量与因变量，依照式（6）标准化处理Z与D，获取 Z0与 D0。

式中：Z0j和D0分别为自变量Z预测矩阵Z0的第j列分量和因变量d1的响应矩阵，服从独立同分布的正态分布；Vzj和G（zj）分别描述zj的标准差和均值；Vd1和G（d1）分别描述d1的标准差和协方差。

用t1描述Z0第一成分，其提取过程如下：

式中：h1和 k（zj，d1）分别为 Z0第一个轴和 zj、d1的相关函数，h1的模值为1。

用l1描述D0第一成分，其提取过程如下：

式中：y1为D0第一个轴，其模值为1。

由于t1内包含矩阵Z0的大量变化信息，同理l1内也包含矩阵D0的大量变化信息，并且t1具有最大限度上表征l1的功能［11］。根据t1确定Z0与D0对其回归方程残差矩阵Z1、D1用λ1和γ1描述回归系数向量，可得：

利用Z1和D1替代Z0和D0，不断循环以上各成分提取过程，直到满足交叉有效性检验为止。由此能够获取k个互异的成分，可用t1，…，tk描述；计算 D0关于 t1，…，tk的回归方程，依照 t1，…，tk同 Z0间的相关性确定D0同Z0的回归方程，反推获取D同Z的回归方程，方程系数即为电气设备内部结构参数。

公共建筑电气设备状态发生改变将直接导致接口模型中设备参数均值改变［12］，从而造成其概率密度分布曲线偏移。因此，结合上述计算得到的电气设备内部结构参数，对比同一区间内不同时间条件下结构参数的累积概率，即可完成公共建筑电气设备状态监测。以电气设备电压信息为例，公共建筑电气设备状态监测过程如下：

Step 1：利用偏最小二乘回归算法采集公共建筑电气设备电压信息，并区分其实部和虚部。

Step 2：分别用A和a描述监测时间窗口内数据量和数据量初值，划分监测时间窗口宽度，读取不同窗口内多组电压电流数据；利用所得数据构建自变量与因变量矩阵，识别电压信息位置参数中的一个样本，获取监测时间窗口内模型参数的a个样本；计算样本方差系数，当方差系数满足收敛精度时，确定该样本数与数据量A一致。

Step 3：将监测时间窗口宽度分为A段，利用偏最小二乘回归算法确定未知参数的A个样本；计算监测时间窗口内模型参数的概率密度函数，同时计算置信度对应区间。

Step 4：等间隔时间移动时间窗，确定新时间窗口内模型参数的概率密度函数，计算参数下限值与上限值区间内累计概率和新时间窗口设备状态变化的概率。

Step 5：根据设定的阈值确定设备状态变化情况，当新时间窗口内设备状态变化概率大于设定阈值时，系统发出电气设备状态变化警示。

不断重复以上过程监测新时间窗口内电气设备状态，实现对公共建筑电气设备状态的连续监测。

3 实验与结果分析

为验证本研究设计的基于端口模型的公共建筑电气设备状态智能监测系统实际应用性能，以某省内一公共建筑电气系统中的变压器为研究对象，将本文系统应用于变压器状态监测中。由于变压器运行过程中会受到短路冲击和热及力的综合影响，变压器绕组将出现局部放电、高温过热、匝间短路等问题，严重影响变压器工作的稳定性与安全性。因此，监测变压器状态对于维护公共建筑电气系统设备的稳定运行具有重要意义。

该公共建筑电气系统中的变压器为单相芯式变压器，其结构如图4所示。

图4中，变压器高低压绕组采用连续式绕制方式。低压绕组和高压绕组分别包含10个线饼和12个线饼，各线饼中分别包含8匝和28匝。测试过程中，低压绕组和高压绕组分别由 WL2、WL3和WH2、WH3、WH5、WH6、WH7、WH9构成；单相变压器额定压电、容量、采样频率分别为220／95 V、2 kVA和5 kHz。在采集获取到的信息内添加白噪声，设定监测时间窗口宽度为5 min。设定两种不同实验环境，分别监测电压器状态变化情况。

第一种实验环境：高压绕组WH6短接，仿真绕组为匝间短路状态；第二种实验环境：高压绕组WH3被WH4取代，仿真绕组轴向为向下位移状态。

在变压器状态监测方面，变压器工作频率能够较好地反映变压器状态。现已知实验对象的工作频率稳定在50～65 Hz之间，分别利用本文系统、基于大数据平台的电力设备运作状态监测系统、基于Harris角点检测的电力设备状态监测系统对变压器的工作频率进行统计测量。变压器状态变化前后共存在800个模型端口，其工作频率变化情况如图5所示。

分析图5中不同系统对应的三条折线可知，只有本文系统对应的折线，其代表的工作频率数值介于50～65 Hz之间，而两种传统系统对应的折线所代表的工作频率数值均存在超过实际数值的情况。由此可知，本文系统能够准确测定实验对象中变压器的工作频率，具有较高的可靠性。

为进一步验证本文系统监测变压器状态的准确性，收集3 208条变压器运行状态数据，其中有效数据量为3 004条，有效数据中正常状态数据与异常状态数据分别为652条和2 352条。从有效数据中随机抽取部分数据作为本文系统状态监测实验数据，将其与应用本文系统得到的变压器状态信息进行对比，结果如表1所示。

表1 变压器状态监测结果对比

由表1可知，当变压器的实际运行状态为正常时，本文系统的监测结果显示变压器状态未发生变化；当变压器出现异常运行状态时，本文系统监测结果显示变压器状态发生变化，且能够根据运行数据准确判断变压器出现异常状态的原因。由此可以说明，本文系统对电力设备运行状态的监测精准度较高，能够有效满足实际应用需求。

产生上述结果的原因在于本文系统在利用偏最小二乘回归算法确定端口模型参数的基础上，结合监测时间窗口得到端口模型的概率密度，然后确定电气设备状态变化概率，从根本上提高了监测结果的有效性和准确性。

4 结束语

本研究利用端口模型设计了一种公共建筑电气设备状态智能监测系统，仿真实验结果显示该系统能够有效、精准地监测公共建筑电气设备运行状态，且监测性能能够满足实际应用需求。在后续研究中可对该系统的可扩展性进行研究，以期扩大该系统的应用范围，实现对更多场景下电力设备状态的监测。