[發明專利]電路故障預測方法、裝置、設備及計算機可讀介質

有效

• 申請號: 202010165941.6
• 申請日: 2020-03-11
• 公開（公告）號: CN111476400B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 陳翀;李少鵬;陳亞玲;岳冬
• 申請（專利權）人: 珠海格力電器股份有限公司;珠海聯云科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/0442;G06N3/006;G06N3/09;G06N3/084;G06F18/2135
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 王衛忠;劉蔓莉

本申請涉及一種電路故障預測方法、裝置、設備及計算機可讀介質。該方法包括：獲取對家用電器的監測數據，其中，監測數據包括配電線路中的電路參數和電路狀態參數；將監測數據輸入預先構建的電路故障預測模型，得到電路故障的預測數據，其中，電路故障預測模型用于根據監測數據進行電路故障預測；對預測數據表征的電路故障進行處理。本申請提供了一種電路故障預測的實現方法，可以有效提升故障處理效率，還能夠實現對家庭線路進行電路故障的準確預測，及時提前采取預防措施，避免導致安全事故，使家用電器的風險降到最小，確保用戶用電安全。

技術領域

本申請涉及智能家居技術領域，尤其涉及一種電路故障預測方法、裝置、設備及計算機可讀介質。

背景技術

隨著深度學習技術的快速發展，深度學習技術應用的領域越來越多，并逐漸拓展到了電路故障預測的技術領域。現如今的日常生活中，電能是最基本的，同時也是最主要的能源之一。各行各業對電能的需求以及與每個人的關系都是緊密相連的，因此，用電安全至關重要，當配電線路出現故障時，對每個人都將帶來極大的不便與麻煩，同時還會對家庭造成一定的經濟損失。因此在平日里對配電線路進行檢測維修時，要把快速、準確、可靠和穩定作為工作目標，減少故障出現的可能，確保用電的穩定，來保障用戶的基本利益。

配電線路如果出現故障，就會嚴重影響到供電可靠性和安全性，所以必須重視配電線路安全問題。電器火災主要是由于電源線老化和惡性負載的介入引起，并且線路多數安置在瓷磚內，維修不方便。

目前，相關技術中，有對室外電路故障進行預警，或對故障的發生日進行預測，故障處理效率低。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本申請提供了一種電路故障預測方法、裝置、設備及計算機可讀介質，以解決上述“故障處理效率低”的技術問題。

第一方面，本申請提供了一種電路故障預測方法，包括：獲取對家用電器的監測數據，其中，監測數據包括配電線路中的電路參數和電路狀態參數；將監測數據輸入預先構建的電路故障預測模型，得到電路故障的預測數據，其中，電路故障預測模型用于根據監測數據進行電路故障預測；對預測數據表征的電路故障進行處理。

可選地，在將監測數據輸入預先構建的電路故障預測模型之前，還包括按照如下方式構建電路故障預測模型：獲取用于構建電路故障預測模型的數據集，其中，數據集包括訓練集和驗證集；利用深度學習的方式對訓練集進行訓練，得到電路故障預測模型；利用驗證集對電路故障預測模型的輸出數據進行驗證，其中，在驗證通過的情況下，將電路故障預測模型用于進行電路故障預測。

可選地，利用深度學習的方式對訓練集進行訓練，得到電路故障預測模型包括：對訓練集進行預處理；建立長短期記憶人工神經網絡，確定長短期記憶人工神經網絡的隱藏層數為N，學習率為ε；將經過預處理的訓練集作為長短期記憶人工神經網絡的輸入數據，將訓練集對應的電路故障實際結果作為長短期記憶人工神經網絡的預計輸出數據，進行訓練。

可選地，對訓練集進行預處理包括：通過主成分分析對訓練集進行降維，以去除高維度的冗余數據。

可選地，建立長短期記憶人工神經網絡還包括：利用粒子群優化方案確定長短期記憶人工神經網絡的各個隱藏層中的節點數。

可選地，建立長短期記憶人工神經網絡還包括：利用Adam優化方案對學習率ε進行自適應調節。

可選地，將經過預處理的訓練集作為長短期記憶人工神經網絡的輸入數據，將訓練集對應的電路故障實際結果作為長短期記憶人工神經網絡的預計輸出數據，進行訓練還包括：利用誤差反向傳播方案對電路故障預測模型進行調節，以提升電路故障預測模型的預測準確率。