[發明專利]基于案例庫的故障診斷方法和系統

在審

• 申請號: 202010556769.7
• 申請日: 2020-06-17
• 公開（公告）號: CN111624986A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 唐杰;劉恒杰;劉志永;段義勇;王鳳東;徐曉寅;任淑娥;苑超
• 申請（專利權）人: 國網山東省電力公司萊蕪供電公司;國家電網有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐彥圣

1.一種基于案例庫的故障診斷方法，其特征在于，包括：

獲取故障案例樣本庫；所述故障案例樣本庫包括設備故障類型和與每個設備故障類型相對應的相關因素；所述相關因素包括以下至少之一：設備的屬性，設備運行狀態，設備運行的外部環境；

利用機器學習的方法，確定所述故障案例樣本庫中每個相關因素與每個設備故障類型之間的關聯度，得到目標關聯度有向圖；

基于所述目標關聯度有向圖，建立設備故障的貝葉斯預測模型；

利用所述貝葉斯預測模型對待診斷設備進行故障診斷操作，得到故障診斷結果，所述故障診斷結果包括以下任一項：所述待診斷設備發生故障，所述待診斷設備沒有發生故障。

2.根據權利要求1所述的方法，其特征在于，基于所述目標關聯度有向圖，建立設備故障的貝葉斯預測模型，包括：

基于貝葉斯網絡算法，以所述目標關聯度有向圖中的關聯度為每個設備故障類型發生的先驗概率，以所述每個設備故障類型的發生為后驗概率，建立設備故障的貝葉斯預測模型。

3.根據權利要求1所述的方法，其特征在于，利用所述貝葉斯預測模型對待診斷設備進行故障診斷操作，得到故障診斷結果，包括：

獲取待診斷設備的相關因素；

以所述相關因素作為輸入，利用所述貝葉斯預測模型預測所述待診斷設備發生故障的概率，得到第一概率，和預測所述待診斷設備未發生故障的概率，得到第二概率；

計算所述第一概率與所述第二概率的比值，得到目標比例值；

判斷所述目標比例值是否大于預設比例閾值，如果是，則確定所述故障診斷結果為所述待診斷設備發生故障；如果否，則確定所述故障診斷結果為所述待診斷設備沒有發生故障。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

若所述故障診斷結果為所述待診斷設備發生故障，則發出設備故障預警信息。

5.一種基于案例庫的故障診斷系統，其特征在于，包括：樣本模塊，學習模塊，建立模塊和診斷模塊，其中，

所述樣本模塊，用于獲取故障案例樣本庫；所述故障案例樣本庫包括設備故障類型和與每個設備故障類型相對應的相關因素；所述相關因素包括以下至少之一：設備的屬性，設備運行狀態，設備運行的外部環境；

所述學習模塊，用于利用機器學習的方法，確定所述故障案例樣本庫中每個相關因素與每個設備故障類型之間的關聯度，得到目標關聯度有向圖；

所述建立模塊，用于基于所述目標關聯度有向圖，建立設備故障的貝葉斯預測模型；

所述診斷模塊，用于利用所述貝葉斯預測模型對待診斷設備進行故障診斷操作，得到故障診斷結果，所述故障診斷結果包括以下任一項：所述待診斷設備發生故障，所述待診斷設備沒有發生故障。

6.根據權利要求5所述的系統，其特征在于，所述建立模塊還用于：

基于貝葉斯網絡算法，以所述目標關聯度有向圖中的關聯度為每個設備故障類型發生的先驗概率，以所述每個設備故障類型的發生為后驗概率，建立設備故障的貝葉斯預測模型。

7.根據權利要求5所述的系統，其特征在于，所述診斷模塊包括：獲取單元，預測單元，計算單元和診斷單元，其中，

所述獲取單元，用于獲取待診斷設備的相關因素；

所述預測單元，用于以所述相關因素作為輸入，利用所述貝葉斯預測模型預測所述待診斷設備發生故障的概率，得到第一概率，和預測所述待診斷設備未發生故障的概率，得到第二概率；

所述計算單元，用于計算所述第一概率與所述第二概率的比值，得到目標比例值；

所述診斷單元，用于判斷所述目標比例值是否大于預設比例閾值，如果是，則確定所述故障診斷結果為所述待診斷設備發生故障；如果否，則確定所述故障診斷結果為所述待診斷設備沒有發生故障。

8.根據權利要求5所述的系統，其特征在于，所述系統還包括：預警模塊，用于若所述故障診斷結果為所述待診斷設備發生故障，則發出設備故障預警信息。