[發明專利]一種智能電表的故障診斷方法、系統及電子裝置

有效

• 申請號: 202010838607.2
• 申請日: 2020-08-19
• 公開（公告）號: CN111985561B
• 公開（公告）日: 2023-02-21
• 發明（設計）人: 許劍
• 申請（專利權）人: 安徽藍杰鑫信息科技有限公司
• 主分類號: G06F18/23
• 分類號: G06F18/23;G06F18/214;G06F18/22;G06F16/215;G06F16/24;G01R35/04
• 代理公司: 北京同輝知識產權代理事務所(普通合伙) 11357
• 代理人: 王依

1.一種智能電表的故障診斷方法，其特征在于，包括以下步驟：

S1、通過分布式實時采集與離線采集相結合的模式獲取檔案數據、運行數據、事件數據、工況數據、工單數據、調度數據、環境數據和運營商數據；

S2、基于獲取的各項數據對已有設備故障進行特征因子提取，建立故障標簽，形成故障畫像；

S3、基于實時提取特征，結合聚類算法建設故障感知模型，模型通過故障現象標簽，結合聚類算法進行相似度測量，然后群組合并，根據合并的群組生成故障感知預判，輸出故障感知結果；

S4、將故障感知模型與故障模型庫對比，完成故障成因定位、處理建議或者幫助指引；

包括智能電表的故障診斷系統，所述的智能電表的故障診斷系統，包括智能診斷支撐中心、采集處理模塊、故障感知模塊、故障診斷模塊和運維學習模塊；

所述智能診斷支撐中心為故障診斷系統具體實現提供從底層到應用的全面支撐，保障故障診斷的穩定運行；

所述采集處理模塊針對性的根據場景進行設計，采用先進的數據采集匯聚技術，進行實時流數據采集、非實時多粒度的離線數據采集；

所述故障感知模塊用于建立故障實時感知模型，輸出故障預判結果；

所述故障診斷模塊用于完成故障診斷的全鏈條建設，可進行實時診斷和離線診斷，并進行相關故障修復；

所述運維學習模塊可對故障發現和處理進行知識沉淀，豐富運維人員故障解決經驗，并提供有效的解決方案；

所述故障診斷模塊包括故障診斷模型建設和故障診斷引擎；

所述故障診斷模型建設基于實際業務和故障特征，模擬變量與重構變量，抽取業務邏輯、數據邏輯，選擇算法、參數，經不斷的調整和修正，構建出合理的模型，以貼近并還原計量故障發生的真實場景；

所述故障診斷引擎結合故障特征工程、故障診斷模型構成，故障診斷引擎包含特征管理、算法組件、模型數據訓練和算法評估、模型庫管理、支撐實時診斷；

所述特征管理基于故障特征工程，首先完成對故障或異常的定義，再根據故障特征數據挖掘任務的具體要求，從相關數據源中抽取相關數據集，而后進行數據清洗，以清除重復樣本、疑似錯誤異常樣本、偏離樣本整體分布的樣本，處理缺失值，選擇特征，數據集劃分與重構，建立故障特征庫；

所述算法組件將數據維度都調整到某范圍內，依靠完備的算法組件，自動匹配計算路徑、代碼注入，然后自動調用實際的業務參數、交叉驗證；

所述模型數據訓練和算法評估用于定義識別字段、分配信息、挖掘類型和特定的控制字段，并評估在預測新數據的時候能達到什么程度，當評估完算法模型之后，可以用整個數據集重新訓練算法，生成最終的算法模型；

所述模型庫管理具體為模型經驗證和故障診斷引擎實用化檢驗，形成一套自有的模型庫，供隨時調用，模型診斷故障的準確度都有數據和可視化查詢，遇到具體故障需要分析，在選擇模型的時候，可以看到模型推薦；

所述支撐實時診斷在真實的業務環境和場景下，將計量故障、計量異常關聯數據代入診斷引擎完成診斷，結果是故障成因定位、處理建議或者幫助指引。

2.根據權利要求1所述的一種智能電表的故障診斷方法，其特征在于，所述故障模型庫基于故障特征工程，首先完成對故障或異常的定義，再根據故障特征數據挖掘任務的具體要求，從相關數據源中抽取相關數據集，而后進行數據清洗，以清除重復樣本、疑似錯誤異常樣本、偏離樣本整體分布的樣本，處理缺失值，選擇特征，數據集劃分與重構，從而建立故障模型庫。