The invention discloses an automatic terminal fault diagnosis method based on Bias classification, which includes the following steps: collecting the historical data of the metrological automation terminal and marking out the history data of the fault instance after the field verification, and determining the fault classification to be diagnosed according to the history data of the marked fault instance. The Bias classifier is trained by measuring the historical data of automatic terminal and the historical data of fault instance, and the fault diagnosis of the real-time data of the metrological terminal is carried out by the Bias classifier after the training. The invention trains Bias classifier by using a large number of automated terminal historical data and fault instance historical data to train the Bias classifier, and uses the Bias classifier to infer the real-time data collected by the metrological automation terminal to get the probability of the automatic terminal failure quickly and effectively. The rapid diagnosis of fault.
【技术实现步骤摘要】
基于贝叶斯分类的计量自动化终端故障诊断方法
本专利技术属于计量装置故障诊断领域,具体来说是基于贝叶斯分类的计量自动化终端故障诊断方法。
技术介绍
随着计量自动化系统的建设,系统集成化、复杂化和自动化程度日益提高,计量自动化终端对电网电能计量稳定运行的影响也越来越重要,因此对计量自动化终端进行故障诊断分析评估的故障诊断方法也显得越来越重要,特别是在目前计量自动化终端数量越来越多、设备安装条件越来越复杂的情况下,计量自动化终端故障发生概率变高且判断困难,人力物力已难以维持所有终端的现场维护。因此实现快速有效的计量自动化终端的故障诊断,将有利于快速消除故障危害,节省运维成本,实现计量自动化终端的安全稳定运行。计量自动化故障诊断的方法一般主要有三类:数值统计方法、专家经验库方法和数学模型算法。数值统计方法主要是通过分析计量自动化终端采集得到的历史电能量数据,获取历史数据的规律特征,并选取具有代表意义的规律特征作为故障特征值进行诊断。该方法能够分析故障特征,通过特征比对便实现快速地诊断出是何种故障。但是特征选取规则难以覆盖所有故障。专家经验库方法是通过一定的规则进行自学习,抗干扰能力强,但输入与输出之间无确定的关系表达式,且每次诊断都需要足够的数据进行自适应地训练,若不收敛,则易陷入局部极值的困境。数学模型算法是通过建立多个输入输出与故障匹配的数学模型,并对新的输入值进行求解得到对应的故障输出。该方法在系统故障诊断中也已广泛得到应用,但由于电力系统运行的复杂性,通常只能得到近似的数学模型,误差较大。按照上述两点所述,随着计量自动化终端安装数量的增加和安装环境越来越复 ...
【技术保护点】
1.基于贝叶斯分类的计量自动化终端故障诊断方法,其特征在于包括以下步骤:S1.收集计量自动化终端的历史数据,并标记出经过现场验证之后的故障实例历史数据;S2.针对标记出来的故障实例历史数据确定要诊断的故障分类范围;S3.通过计量自动化终端历史数据和故障实例历史数据训练贝叶斯分类器;S4.通过训练后得到的贝叶斯分类器对计量自动化终端实时数据进行故障诊断。
【技术特征摘要】
1.基于贝叶斯分类的计量自动化终端故障诊断方法,其特征在于包括以下步骤:S1.收集计量自动化终端的历史数据,并标记出经过现场验证之后的故障实例历史数据;S2.针对标记出来的故障实例历史数据确定要诊断的故障分类范围;S3.通过计量自动化终端历史数据和故障实例历史数据训练贝叶斯分类器;S4.通过训练后得到的贝叶斯分类器对计量自动化终端实时数据进行故障诊断。2.根据权利要求1所述的基于贝叶斯分类的计量自动化终端故障诊断方法,其特征在于:还包括步骤S5:S5.运维人员现场查看计量自动化终端,若诊断所述计量自动化终端实时数据为真实的故障,则将所述计量自动化终端实时数据作相应的故障类型标记,并归入故障实例历史数据,然后根据更新后的故障实例历史数据训练贝叶斯分类器;重复步骤S5和S4,实现基于贝叶斯分类的计量自动化终端故障的诊断。3.根据权利要求1所述的基于贝叶斯分类的计量自动化终端故障诊断方法,其特征在于:步骤S1中,所述计量自动化终端历史数据是由计量自动化终端采集回来的,并存储在计量自动化主站系统数据库中的历史采集数据;所述计量自动化终端包括厂站、配变、负控、集抄终端;所述计量自动化历史数据包含多项不同的特征数据;所述故障实例历史数据是所述计量自动化终端历史数据的一部分,也包含多项特征数据;所述计量自动化终端的历史数据都包含有故障类别标识。4.根据权利要求1所述的基于贝叶斯分类的计量自动化终端故障诊断方法,其特征在于:所述步骤S3具体为:S3-1.计算步骤S2中所述故障分类范围中的...
【专利技术属性】
技术研发人员:龙东,陈俊,李捷,李刚,韦杏秋,杨舟,李伟坚,何涌,张智勇,
申请(专利权)人:广西电网有限责任公司电力科学研究院,
类型:发明
国别省市:广西,45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。