[發明專利]基于貝葉斯分類的計量自動化終端故障診斷方法

在審

• 申請號: 201711329487.8
• 申請日: 2017-12-13
• 公開（公告）號: CN108287327A
• 公開（公告）日: 2018-07-17
• 發明（設計）人: 龍東;陳俊;李捷;李剛;韋杏秋;楊舟;李偉堅;何涌;張智勇
• 申請（專利權）人: 廣西電網有限責任公司電力科學研究院
• 主分類號: G01R35/02
• 分類號: G01R35/02;G06K9/62
• 代理公司: 南寧東智知識產權代理事務所(特殊普通合伙) 45117
• 代理人: 戴燕桃;巢雄輝

本發明公開了一種基于貝葉斯分類的計量自動化終端故障診斷方法，包括以下步驟：收集計量自動化終端的歷史數據，并標記出經過現場驗證之后的故障實例歷史數據；針對標記出來的故障實例歷史數據確定要診斷的故障分類范圍；通過計量自動化終端歷史數據和故障實例歷史數據訓練貝葉斯分類器；通過訓練后得到的貝葉斯分類器對計量自動化終端實時數據進行故障診斷。本發明通過以大量計量自動化終端歷史數據和故障實例歷史數據作為樣本集來訓練貝葉斯分類器，并使用貝葉斯分類器對計量自動化終端采集得到的實時數據進行貝葉斯推斷，快速有效地得到計量自動化終端故障發生的概率，實現故障的快速診斷。

技術領域

本發明屬于計量裝置故障診斷領域，具體來說是基于貝葉斯分類的計量自動化終端故障診斷方法。

背景技術

隨著計量自動化系統的建設，系統集成化、復雜化和自動化程度日益提高，計量自動化終端對電網電能計量穩定運行的影響也越來越重要，因此對計量自動化終端進行故障診斷分析評估的故障診斷方法也顯得越來越重要，特別是在目前計量自動化終端數量越來越多、設備安裝條件越來越復雜的情況下，計量自動化終端故障發生概率變高且判斷困難，人力物力已難以維持所有終端的現場維護。因此實現快速有效的計量自動化終端的故障診斷，將有利于快速消除故障危害，節省運維成本，實現計量自動化終端的安全穩定運行。

計量自動化故障診斷的方法一般主要有三類：數值統計方法、專家經驗庫方法和數學模型算法。

數值統計方法主要是通過分析計量自動化終端采集得到的歷史電能量數據，獲取歷史數據的規律特征，并選取具有代表意義的規律特征作為故障特征值進行診斷。該方法能夠分析故障特征，通過特征比對便實現快速地診斷出是何種故障。但是特征選取規則難以覆蓋所有故障。專家經驗庫方法是通過一定的規則進行自學習，抗干擾能力強，但輸入與輸出之間無確定的關系表達式，且每次診斷都需要足夠的數據進行自適應地訓練，若不收斂，則易陷入局部極值的困境。數學模型算法是通過建立多個輸入輸出與故障匹配的數學模型，并對新的輸入值進行求解得到對應的故障輸出。該方法在系統故障診斷中也已廣泛得到應用，但由于電力系統運行的復雜性，通常只能得到近似的數學模型，誤差較大。

按照上述兩點所述，隨著計量自動化終端安裝數量的增加和安裝環境越來越復雜，因此計量自動化終端的故障類別和特征也越發多樣化，因此通過專家經驗庫和數據模型算法判別故障類型的難度較大，規則制定難以適應所有的計量自動化終端。

發明內容

本發明公開了一種基于貝葉斯分類的計量自動化終端故障診斷方法，可以通過統計分析大量的計量自動化終端歷史數據，以及已經經過現場驗證得到的真實故障實例，來實現貝葉斯分類器的訓練，進而可以快速有效地通過貝葉斯推斷得到計量自動化終端故障發生的概率，實現故障的快速診斷。

為實現上述目的，本發明的技術方案為：

基于貝葉斯分類的計量自動化終端故障診斷方法，包括以下步驟：

S1.收集計量自動化終端的歷史數據，并標記出經過現場驗證之后的故障實例歷史數據；

S2.針對標記出來的故障實例歷史數據確定要診斷的故障分類范圍；

S3.通過計量自動化終端歷史數據和故障實例歷史數據訓練貝葉斯分類器；

S4.通過訓練后得到的貝葉斯分類器對計量自動化終端實時數據進行故障診斷。

進一步的，還包括步驟S5：S5.運維人員現場查看計量自動化終端，若診斷所述計量自動化終端實時數據為真實的故障，則將所述計量自動化終端實時數據作相應的故障類型標記，并歸入故障實例歷史數據，然后根據更新后的故障實例歷史數據訓練貝葉斯分類器；

重復步驟S5和S4，實現基于貝葉斯分類的計量自動化終端故障的診斷。