1电气设备绝缘故障定位
1.1检查设施的电气故障
一旦工程设施出现故障要及时找出问题所在，收集原始数据以分析问题类型。可通过三种方式了解故障相关情况。（1）对当前设备工作人员进行咨询，弄清工作人员的具体实施流程，了解工作人员对设备的操作，以清晰掌握设备在运行中出现的问题，排查故障起因。（2）动手检查，通过身体的感官得知故障出现的细节漏洞，排查设备是否依然存在问题。最后，在能够保障工程设施无危险隐患的基础上通电试车，了解其情况。经过上述方式检测设施之后可初步得出结论，在接续的工程运行中将监管的关键点落在易出问题的地方，对故障问题开展恰当的推断，减少故障界限，提升对问题的解决效率。
1.2排除电气设施故障
电气设施的故障排除基于对故障原因的清晰掌握，故障排除具备多种方式，常见的故障排除就有经验法、推理法等，在此不过多赘述。往往在故障排除后需要交由专业工作人员对设备实行现场试验证明，以查验工程设施可否能够恢复正常运行。同时需要对工作人员交代注意要点，以避免因操作失误引起设施故障。
2电气系统绝缘故障诊断技术设计
2.1 提取电气系统绝缘故障信号的特征参数
在提取电气系统绝缘故障信号特征参数的过程中，引入小波包分解技术，对绝缘故障信号的频带进行划分，根据绝缘故障信号的特征，选择绝缘故障信号对应的频带。将小波包系数作为电气系统绝缘故障信号的特征，利用小波分解将电气系统原始绝缘信号分解成w层，重构电气系统绝缘故障信号的特征矩阵。引入小波包分解技术，划分电气系统绝缘故障信号的频带，通过重构电气系统绝缘故障信号的特征矩阵，得到电气系统绝缘故障信号的特征向量，进而提取出电气系统绝缘故障信号的特征参数。
2.2 分析电气系统绝缘故障信息
当电气系统中绝缘装置的结构对称时，气隙磁密与磁势和磁导的乘积为正比关系，绝缘设备的安装会导致电气系统的转子出现不平衡现象，从而影响电气系统绝缘装置的气隙磁导。
利用电气系统中绝缘设备的电流基波频率和极对数，计算绝缘设备的脉振磁势，考虑到绝缘设备的安装会影响电气系统绝缘装置的气隙磁导，通过计算电气系统绝缘设备的磁力，来完成对电气系统绝缘故障信息的分析。
3 电气绝缘故障排除方法分析
3.1经验法
（1）弹压活动部件。工程的电气设备有很多，例如按钮等活动部件在日常作业中有着很高的利用率，因而较容易出现故障，此类问题就可通过弹压活动部件的方式开展排查。在断电的前提下，通过重复弹压活动部件，使其更加灵敏，并且帮助摩擦触头。长期未经使用的元件同样可以通过这样的方式帮助去除氧化，促使电气设施能够顺利运行。（2）电路敲击。此种方式的具体实施等同于弹压活动部件，但电路敲击需要在电气设备通电的情况下对其开展排查。在排查初期通过借助绝缘体微微敲击正在运作的元件，此时可通过观察故障是否解除，或是否发现其他故障来判断元件的好坏。电气的设施大多能够经受一定的敲击力度，若在敲击过程中发生其他状况，就能够判定元件存在问题隐患，当下需要对元件及时排查并解除隐患。（3）黑暗中观察。若电路在运行中所产生的电火花不同寻常或发出异响，怀疑电路出现故障，那么最简单且有效的排查方式就是在黑暗中观察。当周围环境黑暗且无声，此时我们可以清楚的感知电火花或者电路响声与平时的细微差别，在此基础上确定位置可推断出问题所在。
3.2检测法
（1）使用电阻法。电阻法能够在电流表的刻度盘上明显的标记电阻的变化，通过电阻表的测量，可以了解电源线路在运行中有无阻碍。（2）使用电流法。电流法具备能够确认用电设备运行状态的优势，在此基础上可推断出现故障的界限。然而其在使用中必须先断开线路再对电流表实施串接，因此在操作上并不便利。（3）使用电压法。电压法通常需要先对电源电压进行测量，后对支路电压进行测量。如果电源电压无显示，我们就能够了解到此时线圈回路受阻。
3.3推理法
此方法重点关注电气设备出现的问题呈现，通过对其表面的观察，进行细致的推导和剖析。当下有顺推理与逆推理两个主要方面，顺推理通常由设备故障的部件逐一排查，推导造成故障的原因，逆推理则是由主故障设备产生原因倒推至全设备。
4电气系统绝缘故障诊断问题的对策
4.1 合理应用新技术
采用人工智能技术等新技术，有助于解决电气系统潜在故障，需要加大对更高效、合理的故障诊断方法的研究和实践力度。如利用深度残差收缩网络，可以实现软阈值到非线性层的顺利转化。电气系统会出现各种各样的故障，使用深度残差收缩网络，可以顺利提取故障特征，有助于提高诊断效率。结合现有的研究，对相关参数进行完善和优化，可以提高故障诊断的整体性能。
当前是大数据时代，多模态数据融合技术得到广泛运用，通过互相学习可以提高故障诊断的合理性和准确性。通过多模态数据融合技术可以跨越多种模式，实现对数据的有效整合，从而顺利生成信息。一旦有故障出现可以立刻发现设备的变化。对于电气系统，只要借助传感器，就可以实现对设备的有效诊断。系统可以顺利提取有关信息并传输到信息融合中心，紧接着信息融合中心会结合特定的规则，实现对信息的有效处理，从而做出正确的决策。
4.2 完善已有方法
4.2.1 促进理论和实践的结合
电气系统绝缘故障概率不大，但一旦有故障出现就可能造成无法挽回的后果，加上当前的故障诊断理论和实践结合不完善，在实际应用期间会受到各种因素的影响，如诊断量庞大和分类出错等。实现模拟数据和实际工程的充分结合，就可以顺利诊断出电气系统中存在的故障，这也是未来研究的必然趋势。
4.2.2 优化模型构造与参数选择
在电气系统绝缘故障诊断中，建立准确的数学模型的难度较大，加上系统结构复杂，参数众多，在构造数学模型和优化参数时，需要投入大量的时间和精力。以WT模型参数小波基、小波分解层数和SVM模型参数的选择为例，在选择WT模型参数小波基时，需要根据小波基和信号的类似程度，选择小波基所具备的对称性、正则性等；在选择小波分解的层数时，要充分结合信号频率范围、时域变化等做出合理的选择；SVM模型参数主要包括惩罚系数和gamma值，需要结合实际情况进行合理选择。
4.2.3 完善电气系统绝缘故障数据采集系统
外界环境会对电气系统故障数据造成影响，如温度和湿度，电气系统故障的数据采集过程也极其复杂，要想顺利实现故障诊断工作，就必须对现有的数据采集系统进行完善和优化，这是未来研究的主要方向。
结论
在诊断电气系统绝缘故障时，要充分运用人工智能算法等方法，这是当前研究的核心目标。我国的电气系统故障诊断仍处于起步阶段，需要合理应用各种智能算法，总结电气系统绝缘故障诊断的不足，促进电气系统绝缘故障诊断的发展。
参考文献：
[1]杨坤. 电动汽车高压电故障诊断及预测研究[D].上海交通大学,2017.
[2]李莉苹. 气体组合电器绝缘状态评估与故障诊断技术研究[D].重庆大学,2015.
[3]李志刚. 煤矿电气设备的绝缘故障及其诊断技术[J]. 科技传播,2014,6(17):183-184.
[4]熊文清. 并联电容器绝缘在线监测与故障诊断方法研究[D].湖南大学,2012.
