基于贝叶斯分类的计量自动化终端故障诊断方法技术

本发明专利技术公开了一种基于贝叶斯分类的计量自动化终端故障诊断方法，包括以下步骤：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；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；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；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。本发明专利技术通过以大量计量自动化终端历史数据和故障实例历史数据作为样本集来训练贝叶斯分类器，并使用贝叶斯分类器对计量自动化终端采集得到的实时数据进行贝叶斯推断，快速有效地得到计量自动化终端故障发生的概率，实现故障的快速诊断。

Fault diagnosis method of metering automation terminal based on Bias classification

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杂，因此计量自动化终端的故障类别和特征也越发多样化，因此通过专家经验库和数据模型算法判别故障类型的难度较大，规则制定难以适应所有的计量自动化终端。
技术实现思路
本专利技术公开了一种基于贝叶斯分类的计量自动化终端故障诊断方法，可以通过统计分析大量的计量自动化终端历史数据，以及已经经过现场验证得到的真实故障实例，来实现贝叶斯分类器的训练，进而可以快速有效地通过贝叶斯推断得到计量自动化终端故障发生的概率，实现故障的快速诊断。为实现上述目的，本专利技术的技术方案为：基于贝叶斯分类的计量自动化终端故障诊断方法，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。进一步的，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。进一步的，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；所述故障实例历史数据都包含有故障类型标记。进一步的，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一种故障类型在整个计量自动化终端历史数据中出现的概率，即计算贝叶斯分类器的先验概率；S3-2.计算步骤S3-1中所述故障类型包含的不同特征数据在该故障实例历史数据中出现的概率，即计算贝叶斯分类器的条件概率；S3-3.重复步骤S3-1和步骤S3-2来计算步骤S2中所述故障分类范围中的所有故障类别的先验概率和条件概率。进一步的，所述步骤S4具体为：S4-1.将计量自动化终端实时数据输入至训练后的贝叶斯分类器；S4-2.通过计量自动化终端实时数据中的特征数据，以及步骤S3中计算得到的先验概率和条件概率，使用贝叶斯算法得到步骤S4-1所述计量自动化终端实时数据对应发生不同故障类别的概率；S4-3将步骤S4-2计算得到的计量自动化终端实时数据对应出现不同故障类别的概率，从大到小排列，由现场运维人员在现场对有大概率出现故障的计量自动化终端进行实际判断，根据实际判断结果对计量自动化终端做出故障诊断。进一步的，所述步骤S5具体为：S5-1.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，计量自动化终端实时数据都将归入计量自动化终端历史数据中；S5-2.根据现场实际判断得到的故障类型，对该发生故障时对应的计量自动化终端实时数据进行故障类型标记，并归入故障实例历史数据；S5-3.根据更新后的故障实例历史数据训练贝叶斯分类器。进一步的，所述计算贝叶斯分类器的先验概率具体计算过程为：根据步骤S2中所述，将不同的计量自动化终端故障记为F＝{f1,f2,…,fK}，K为计量自动化终端故障种类数，同时记计量自动化终端正常状态为f0；根据步骤S3中所述，计量自动化终端的历史数据和故障实例历史数据，作为训练样本数据来对贝叶斯分类器进行训练，设有数量为N的训练数据C＝{(x1,y1),(x2,y2),…,(xN,yN)}，其中xi为训练数据中第i个样本数据，yi为样本数据xi对应的数据分类标记，即y∈{f0,f1,f2,…,fk}，是第i个样本的第j个特征，其中ajl是第j个特征的第l个值，Sj为第j个特征的所有取值的数量，n为每个样本的总特征数；对作归一化处理；设每一类故障类别fk的先验概率为P(Y＝fk),k＝1,2,3,…,K，先验概率为：式中Y为数据分类标记中的随机变量；I为指示函数，即yi＝fk时为1，否则为0。更进一步的，所述计算贝叶斯分类器的条件概率具体计算过程为：j＝1,2,…,n；l＝1,2,…,Sj；k＝1,2,…,K式中X为样本数据中的一个随机变量，X(j)为该随机变量的第j个特征；根据贝叶斯定理得到条件概率为：更进一步的，使用贝叶斯算法计算实时数据出现不同故障的概率具体过程为：假设计量自动化终端采集得到的实时数据为D，D＝(d(1),d(2),…,d(n))T，按照下式：得到实时数据D发生fk类故障的概率。由贝叶斯分类器计算得到的计量自动化终端每个实时数据D出现某一类故障fk的概率P(Y＝fk|X＝D)，将此概率按从大到小排列，由现场运维人员去往现场对大概率出现故障的计量自动化终端进行实际判断，根据实际判断结果对计量自动化终端做出故障诊断。以上所述的基于贝叶斯分类的计量自动化终端故障诊断方法，通过在真实环境下得到的计量自动化终端历史数据，以及得到验证之后的计量自动化终端历史数据中的故障实例数据，来训练贝叶斯分类器，贝叶斯分类器使用贝叶斯推断原理，来判断实时数据是否包含故障特征数据以及发生不同故障的概率，从而帮助现场运维人员快速排查计量自动化终端的故障，实现故障的快速诊断。且贝叶斯分类器可以根据实时数据继续进行更新训练，更进一步提高了故障诊断的准确性，通过故障诊断的快速性和准确性的提高，能够快速准确地为计量自动化终端故障诊断提供支持，将有利于本文档来自技高网...

【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