一种智能电表的故障诊断方法、系统及电子装置制造方法及图纸

本发明专利技术公开一种智能电表的故障诊断方法、系统及电子装置，方法包括以下步骤：S1、数据采集；S2、特征因子提取，建立故障标签，形成故障画像；S3、建设故障感知模型，输出故障感知结果；S4、与故障模型库对比，完成故障成因定位、处理建议或者帮助指引；系统包括智能诊断支撑中心、采集处理模块、故障感知模块、故障诊断模块和运维学习模块。本发明专利技术基于运维、环境、故障分析、检定检测、采集等各类信息，利用大数据分析、人工智能技术进行采集故障智能诊断模型研究，解决采集故障的精准研判、设备故障定性分析与现场故障处理的作业流程指导问题。

【技术实现步骤摘要】
一种智能电表的故障诊断方法、系统及电子装置
本专利技术涉及智能电表领域，具体的是一种智能电表的故障诊断方法、系统及电子装置。
技术介绍
智能电能表作为国家电网的智能终端，是国家电网高级计量体系中的重要设备之一，是保证企业和用户共同利益必不可少的环节，提高智能电能表的故障分析能力，其工作效率才能够提高，进而保证供电服务的优质完成。找出智能电能表薄弱环节与缺陷，掌握其主要失效机理及易损关键元器件，对电表潜在故障隐患及时预测，进而提出有针对性的方法。不仅能够降低电表故障发生的概率，还可以降低电表设备运行和维护的成本。目前，现场众多的运行设备、复杂的运行环境、多样的设备故障类型，导致采集故障处理工作压力越来越大，随着电网运行对电力设备稳定性、可靠性的要求不断提高，数据采集频度、数据质量要求进一步加强，传统的故障处理模式将难以满足计量精益化管理要求，需要对当前模式进行创新，确保现场设备安全、稳定、可靠的运行。
技术实现思路
为解决上述
技术介绍
中提到的不足，本专利技术的目的在于提供一种智能电表的故障诊断方法、系统及电子装置，基于本文档来自技高网...

【技术保护点】
1.一种智能电表的故障诊断方法，其特征在于，包括以下步骤：/nS1、通过分布式实时采集与离线采集相结合的模式获取档案数据、运行数据、事件数据、工况数据、工单数据、调度数据、环境数据和运营商数据；/nS2、基于获取的各项数据对已有设备故障进行特征因子提取，建立故障标签，形成故障画像；/nS3、基于实时提取特征，结合聚类算法建设故障感知模型，模型通过故障现象标签，结合聚类算法进行相似度测量，然后群组合并，根据合并的群组生成故障感知预判，输出故障感知结果；/nS4、将故障感知模型与故障模型库对比，完成故障成因定位、处理建议或者帮助指引。/n

【技术特征摘要】
1.一种智能电表的故障诊断方法，其特征在于，包括以下步骤：
S1、通过分布式实时采集与离线采集相结合的模式获取档案数据、运行数据、事件数据、工况数据、工单数据、调度数据、环境数据和运营商数据；
S2、基于获取的各项数据对已有设备故障进行特征因子提取，建立故障标签，形成故障画像；
S3、基于实时提取特征，结合聚类算法建设故障感知模型，模型通过故障现象标签，结合聚类算法进行相似度测量，然后群组合并，根据合并的群组生成故障感知预判，输出故障感知结果；
S4、将故障感知模型与故障模型库对比，完成故障成因定位、处理建议或者帮助指引。


2.根据权利要求1所述的智能电表的故障诊断方法，其特征在于，所述故障模型库基于故障特征工程，首先完成对故障或异常的定义，再根据故障特征数据挖掘任务的具体要求，从相关数据源中抽取相关数据集，而后进行数据清洗，以清除重复样本、疑似错误异常样本、偏离样本整体分布的样本，处理缺失值，选择特征，数据集划分与重构，从而建立故障模型库。


3.一种智能电表的故障诊断系统，其特征在于，包括智能诊断支撑中心、采集处理模块、故障感知模块、故障诊断模块和运维学习模块；
所述智能诊断支撑中心为故障诊断系统具体实现提供从底层到应用的全面支撑，保障故障诊断的稳定运行；
所述采集处理模块针对性的根据场景进行设计，采用先进的数据采集汇聚技术，进行实时流数据采集、非实时多粒度的离线数据采集；
所述故障感知模块用于建立故障实时感知模型，输出故障预判结果；
所述故障诊断模块用于完成故障诊断的全链条建设，可进行实时诊断和离线诊断，并进行相关故障修复；
所述运维学习模块可对故障发现和处理进行知识沉淀，丰富运维人员故障解决经验，并提供有效的解决方案。


4.根据权利要求3所述的智能电表的故障诊断系统，其特征在于，所述智能诊断支撑中心包括资源层、数据采集层、数据处理层、计算引擎层、智能挖掘层、应用层等多个层级；
所述资源层主要实现对底层服务器资源的管控，提供深度学习训练集群、海量数据实时处理集群、海量数据离线计算集群、海量数据存储集群、海量数据分析和挖掘集群等，以及相关集群的管理和监控；
所述数据采集层包括针对不同数据采集场景提供的不同技术驱动方式，如流数据采集、日志数据采集、关系型数据数据采集等；
所述数据处理层主要包括数据治理相关工作，对接入数据进行质检，异常数据进行处理和转化，对采集数据进行关联处理，并进行相关元数据管理，形成数据知识；
所述计算引擎层封装相关的计算集群服务能力，统一为故障诊断提供服务，包括实时计算引擎、离线计算引擎等；
所述智能挖掘层包括特征工程、机器学习算法、深度学习算法、深度学习框架等服务能力，并对这些服务能力进行封装，提供组件化服务，支撑故障诊断模型的开发，并进行模型库的管理工作。


5.根据权利要求3所述的智能电表的故障诊断系统，其特征在于，所述采集处理模块通过分布式实时采集与离线采集相结合的模式获取数据，并结合现有的Oracle数据同步策略实现数据采集引擎的主体机制，在此采集机制的基础之上，对整个采集流进行监控和错误预警。


6.根据权利要求3所述的智能电表的故障诊断系统，其特征在于，所述故障感知模块包括故障特征画像、标签画像管理、实时特征提取和故障感知模型；
所述故障特征画像基于现场运维人员的反馈结合资产、用采、营...

【专利技术属性】
技术研发人员：许剑，
申请(专利权)人：安徽蓝杰鑫信息科技有限公司，
类型：发明
国别省市：安徽;34