[發(fā)明專利]電路故障預(yù)測方法、裝置、設(shè)備及計(jì)算機(jī)可讀介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010165941.6
• 申請日: 2020-03-11
• 公開（公告）號(hào): CN111476400B
• 公開（公告）日: 2023-05-12
• 發(fā)明（設(shè)計(jì)）人: 陳翀;李少鵬;陳亞玲;岳冬
• 申請（專利權(quán)）人: 珠海格力電器股份有限公司;珠海聯(lián)云科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/0442;G06N3/006;G06N3/09;G06N3/084;G06F18/2135
• 代理公司: 北京華夏泰和知識(shí)產(chǎn)權(quán)代理有限公司 11662
• 代理人: 王衛(wèi)忠;劉蔓莉

1.一種電路故障預(yù)測方法，其特征在于，包括：

獲取對家用電器的監(jiān)測數(shù)據(jù)，其中，所述監(jiān)測數(shù)據(jù)包括配電線路中的電路參數(shù)和電路狀態(tài)參數(shù)，所述電路參數(shù)包括線路電流、家用電器的負(fù)載數(shù)據(jù)以及電器功率，所述電路狀態(tài)參數(shù)包括線路老化程度參數(shù)、線路發(fā)熱程度參數(shù)，所述監(jiān)測數(shù)據(jù)還包括天氣環(huán)境狀況參數(shù)；

將所述監(jiān)測數(shù)據(jù)輸入預(yù)先構(gòu)建的電路故障預(yù)測模型，得到電路故障的預(yù)測數(shù)據(jù)，其中，所述電路故障預(yù)測模型用于根據(jù)所述監(jiān)測數(shù)據(jù)進(jìn)行電路故障預(yù)測；

對所述預(yù)測數(shù)據(jù)表征的所述電路故障進(jìn)行處理，所述電路故障包括短路、斷路、過載以及漏電；

所述電路故障預(yù)測模型是基于長短期記憶人工神經(jīng)網(wǎng)絡(luò)構(gòu)建得到的，建立所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)包括：

利用粒子群優(yōu)化方案確定所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)的各個(gè)隱藏層中的節(jié)點(diǎn)數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在將所述監(jiān)測數(shù)據(jù)輸入預(yù)先構(gòu)建的電路故障預(yù)測模型之前，所述方法還包括按照如下方式構(gòu)建電路故障預(yù)測模型：

獲取用于構(gòu)建所述電路故障預(yù)測模型的數(shù)據(jù)集，其中，所述數(shù)據(jù)集包括訓(xùn)練集和驗(yàn)證集；

利用深度學(xué)習(xí)的方式對所述訓(xùn)練集進(jìn)行訓(xùn)練，得到所述電路故障預(yù)測模型；

利用所述驗(yàn)證集對所述電路故障預(yù)測模型的輸出數(shù)據(jù)進(jìn)行驗(yàn)證，其中，在驗(yàn)證通過的情況下，將所述電路故障預(yù)測模型用于進(jìn)行電路故障預(yù)測。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，利用深度學(xué)習(xí)的方式對所述訓(xùn)練集進(jìn)行訓(xùn)練，得到所述電路故障預(yù)測模型包括：

對所述訓(xùn)練集進(jìn)行預(yù)處理；

建立長短期記憶人工神經(jīng)網(wǎng)絡(luò)，確定所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)的隱藏層數(shù)為N，學(xué)習(xí)率為ε；

將經(jīng)過預(yù)處理的所述訓(xùn)練集作為所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，將所述訓(xùn)練集對應(yīng)的電路故障實(shí)際結(jié)果作為所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)的預(yù)計(jì)輸出數(shù)據(jù)，進(jìn)行訓(xùn)練。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，對所述訓(xùn)練集進(jìn)行預(yù)處理包括：

通過主成分分析對所述訓(xùn)練集進(jìn)行降維，以去除高維度的冗余數(shù)據(jù)。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，建立長短期記憶人工神經(jīng)網(wǎng)絡(luò)還包括：

利用Adam優(yōu)化方案對學(xué)習(xí)率ε進(jìn)行自適應(yīng)調(diào)節(jié)。

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，將經(jīng)過預(yù)處理的所述訓(xùn)練集作為所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，將所述訓(xùn)練集對應(yīng)的電路故障實(shí)際結(jié)果作為所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)的預(yù)計(jì)輸出數(shù)據(jù)，進(jìn)行訓(xùn)練還包括：

利用誤差反向傳播方案對所述電路故障預(yù)測模型進(jìn)行調(diào)節(jié)，以提升所述電路故障預(yù)測模型的預(yù)測準(zhǔn)確率。

7.一種電路故障預(yù)測裝置，其特征在于，包括：

監(jiān)測數(shù)據(jù)獲取模塊，用于獲取對家用電器的監(jiān)測數(shù)據(jù)，其中，所述監(jiān)測數(shù)據(jù)包括配電線路中的電路參數(shù)和電路狀態(tài)參數(shù)，所述電路參數(shù)包括線路電流、家用電器的負(fù)載數(shù)據(jù)以及電器功率，所述電路狀態(tài)參數(shù)包括線路老化程度參數(shù)、線路發(fā)熱程度參數(shù)，所述監(jiān)測數(shù)據(jù)還包括天氣環(huán)境狀況參數(shù)；

電路故障預(yù)測模塊，用于將所述監(jiān)測數(shù)據(jù)輸入預(yù)先構(gòu)建的電路故障預(yù)測模型，得到電路故障的預(yù)測數(shù)據(jù)，所述電路故障預(yù)測模型是基于長短期記憶人工神經(jīng)網(wǎng)絡(luò)構(gòu)建得到的；

故障處理模塊，用于對所述預(yù)測數(shù)據(jù)表征的所述電路故障進(jìn)行處理，所述電路故障包括短路、斷路、過載以及漏電；

所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)建立模塊，用于：

利用粒子群優(yōu)化方案確定所述長短期記憶人工神經(jīng)網(wǎng)絡(luò)的各個(gè)隱藏層中的節(jié)點(diǎn)數(shù)。

8.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器，所述存儲(chǔ)器中存儲(chǔ)有可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述權(quán)利要求1至6任一項(xiàng)所述的方法的步驟。

9.一種具有處理器可執(zhí)行的非易失的程序代碼的計(jì)算機(jī)可讀介質(zhì)，其特征在于，所述程序代碼使所述處理器執(zhí)行所述權(quán)利要求1至6任一所述方法。