[發明專利]一種故障診斷方法、裝置、設備及存儲介質

在審

• 申請號: 202110018249.5
• 申請日: 2021-01-07
• 公開（公告）號: CN112613584A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 李大偉;宋純賀;陳曉露;俞睿默;李姝;周曉鸝;賈耕濤;于詩矛
• 申請（專利權）人: 國網上海市電力公司;中國科學院沈陽自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明公開了一種故障診斷方法、裝置、設備及存儲介質。該方法包括：獲取邊緣側設備的故障數據；對缺失的故障數據進行補全得到待診斷故障數據；通過故障診斷模型對所述待診斷故障數據進行處理得到故障類別，所述故障診斷模型通過訓練樣本集迭代訓練待訓練故障診斷模型得到，所述訓練樣本集包括：故障數據樣本和所述故障數據樣本對應的故障類別。通過本發明的技術方案，能夠解決采集到的數據缺失問題，并通過調整故障診斷模型中的各決策樹的權重，有效地解決設備故障診斷準確率低和效率低的問題，實現高效、準確地診斷電力物聯網邊緣側設備的故障類別。

技術領域

本發明實施例涉及故障診斷技術領域，尤其涉及一種故障診斷方法、裝置、設備及存儲介質。

背景技術

電力物聯網是以網絡技術、數據庫技術和通信技術的發展為基礎的智能型網絡。隨著電力物聯網建設的推進，電網終端設備側新增了多種類型的智能傳感器，通過傳感器采集的邊緣側數據量呈現指數級增長。

在傳統電力物聯網場景下，邊緣側設備故障診斷方法通常是將邊緣側的數據上傳到云數據中心，利用云計算資源進行邊緣側設備故障分析診斷。但是，這種傳統診斷方法存在以下幾個瓶頸：一是，電網邊緣側設備監測要求低時延，而邊緣側的數據傳輸到云端再進行處理，無法避免的產生了物理傳輸時延；二是，電網邊緣側數據采集量越來越大，大量高并發的數據傳輸對網絡帶寬提出了更高的要求，電網專網里面網絡帶寬是有限資源，無法為大部分業務短時間內擴增帶寬資源。

發明內容

本發明實施例提供一種故障診斷方法、裝置、設備及存儲介質，以實現能夠解決物聯網邊緣側設備故障診斷過程中診斷效率低。

第一方面，本發明實施例提供了一種故障診斷方法，包括：

獲取邊緣側設備的故障數據；

對缺失的故障數據進行補全得到待診斷故障數據；

通過故障診斷模型對所述待診斷故障數據進行處理得到故障類別，所述故障診斷模型通過訓練樣本集迭代訓練待訓練故障診斷模型得到，所述訓練樣本集包括：故障數據樣本和所述故障數據樣本對應的故障類別。

進一步的，獲取邊緣側設備的故障數據，包括：

采用傳感器采集邊緣側設備故障數據，并將所述故障數據標記時間后存儲到傳感器緩存內。

進一步的，對缺失的故障數據進行補全得到待診斷故障數據，包括：

獲取包含缺失故障數據的測試序列和補全故障數據的樣本序列；

若所述測試序列和所述樣本序列的匹配程度為最佳匹配，則根據所述樣本序列補全所述測試序列中的缺失故障數據得到待診斷故障數據。

進一步的，若所述測試序列和所述樣本序列的匹配程度為最佳匹配，則根據所述樣本序列補全所述測試序列中的缺失故障數據得到待診斷故障數據，包括：

根據所述測試序列和所述樣本序列生成目標路徑；

獲取所述測試序列和所述樣本序列之間的最佳路徑；

若所述目標路徑為最佳路徑，則所述測試序列和所述樣本序列之間的匹配程度為最佳匹配，根據所述樣本序列補全所述測試序列中的缺失故障數據得到待診斷故障數據。

進一步的，所述故障診斷模型通過訓練樣本集迭代訓練待訓練故障診斷模型得到，包括：

獲取待訓練故障診斷模型；

將所述故障數據樣本輸入所述待訓練故障診斷模型，得到預測故障類別；

根據所述預測故障類型和所述故障數據樣本對應的故障類別生成的目標函數訓練所述待訓練故障診斷模型；