用电信息采集设备的诊断评估方法、装置及系统制造方法及图纸

本发明专利技术公开一种用电信息采集设备的诊断评估方法、装置及系统，该方法步骤包括：S01.获取用电信息采集设备的历史数据，构建用电信息采集设备性能状态数据库；S02.根据历史数据构建形成训练样本集以及故障因果关系模型，故障因果关系模型为根据不同故障事件与故障传播路径、故障征兆要素之间的对应关系构建形成；S03.根据训练样本集、故障因果关系模型构建用电信息采集设备诊断评估模型；S04.实时获取用电信息采集设备的设备数据并进行检测，当检测到存在异常数据时，使用构建的诊断评估模型对异常数据进行诊断评估。本发明专利技术能够实现用电信息采集设备的故障自动诊断，具有实现方法简单、诊断效率与精度高等优点。诊断效率与精度高等优点。诊断效率与精度高等优点。

【技术实现步骤摘要】
用电信息采集设备的诊断评估方法、装置及系统


[0001]本专利技术涉及用电信息采集系统
，尤其涉及一种用电信息采集设备的诊断评估方法、装置及系统。

技术介绍

[0002]随着用电网络越来越庞大，对用电网络的建设管理和监控的要求也越来越高。用电信息采集系统的故障诊断评估即是通过对用电信息采集系统进行实时监控，依据监测的数据智能诊断评估系统的异常、故障状态，从而确保系统安全可靠运行。传统的用电信息采集设备运行异常诊断工作，主要是依赖于人工实现，通常是在作业人员发现某个计量点存在异常时，由检测人员到现场开展接线、获取数据、检测分析、问题排查、恢复等工作。但是人工诊断的方式不仅效率低且诊断难度大，用电信息采集系统中各类故障均可能会导致线损数据产生异常，因而故障种类繁多，这会给线损排查工作带来很大的困难，且针对于故障问题处理运维人员通常都是采用简单的拆除、更换的方式，因而难以精准的定位故障问题点，容易造成问题定位慢、排查不及时等问题，进而造成设备损坏、电网波动等，影响整个系统的运行可靠性。
[0003]随着物联网、大数据、人工智能、智能硬件等技术的发展，当前对用电信息采集系统的运维要求也逐渐趋向于高可靠性、实时性、智能化，因此如何实现高效、智能的用电信息采集设备诊断评估是当前亟待解决的问题。现有技术中针对于设备的故障诊断评估方法，通常是通过提取设备发生故障时的某类特征，基于该故障特征来判别设备故障状态。但是用电信息采集系统中设备数量众多，且各设备所可能存在的故障状态多样，就难以提取出能够表征各类设备各不同故障状态的特征，且仅依赖于故障特征的方式进行故障诊断仍然无法精准定位出故障点，因而传统基于设备某类故障特征来实现故障诊断的方式就不适用于用电信息采集设备的故障诊断中。

技术实现思路

[0004]本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种实现方法简单、诊断效率与精度高的用电信息采集设备的诊断评估方法、装置及系统，能够高效实现用电信息采集设备的故障自动、智能诊断。
[0005]为解决上述技术问题，本专利技术提出的技术方案为：
[0006]一种用电信息采集设备的诊断评估方法，步骤包括：
[0007]S01.获取用电信息采集设备的历史数据，构建用电信息采集设备的性能状态数据库；
[0008]S02.根据所述性能状态数据库中的历史数据构建形成训练样本集以及故障因果关系模型，所述训练样本集中包括从历史数据中提取的故障评估指标，所述故障因果关系模型为根据不同故障事件与故障传播路径、故障征兆要素之间的对应关系构建形成；
[0009]S03.根据所述训练样本集、故障因果关系模型构建用电信息采集设备的诊断评估
模型，所述诊断评估模型包括所述故障；
[0010]S04.实时获取用电信息采集设备的设备数据并进行检测，当检测到存在异常数据时，使用构建的所述诊断评估模型对异常数据进行诊断评估。
[0011]进一步的，所述步骤S02中构建形成训练样本集时，采用正交量子粒子群的最近邻原型的分类算法从历史数据中提取所述故障评估指标，其中采用多次塌陷
‑
正交交叉量子的粒子群算法进行迭代优化，以选出最好的粒子和其中有效的原型，计算测试数据到选出原型的距离对测试数据进行分类，继续对训练数据进行学习，得到每个粒子的适应度值直到满足终止条件，统计种群的分类正确率，得到最终结果并作为提取出的所述故障评估指标。
[0012]进一步的，所述正交量子粒子群的最近邻原型的分类算法按照下式进行计算：
[0013][0014][0015]其中,i＝1，2，3...N，N为粒子的总数，d＝1,2,3,
…
,D,D为粒子所在空间的维度，k为迭代次数,v
id
是第i个粒子的速度，r1和r2均为介于(0，1)之间的随机数，z
id
是第i个粒子当前的位置，c1和c2是学习因子，v
id
的最大值为v
max
，若v
i
大于v
max
，则v
i
＝v
max
，p
id
为第i个粒子的迄今搜索到的极值，P
gd
为全局迄今搜索到的极值,j表示迭代次数。
[0016]进一步的，所述用电信息采集设备诊断评估模型构建时，还包括使用设备健康状态信息，所述健康状态信息包括故障率、修复率、设备健康度和置信度中任意一种或多种。
[0017]进一步的，所述步骤S04中，采用Grubbs检验算法对实时获取的设备数据进行异常检测，具体计算表达式为：
[0018]G
i
＝max
i＝1，2，...n
|Y
i
‑
Y|/s；
[0019]其中，Y和s分别为样本的均值和标准差，n为测量次数，Y
i
为第i个样本的值；
[0020]将计算得到的G
i
与格拉布斯表中的对应的临界值Gp(n)做比较，如果G
i
<Gp(n)则判定测量数据中没有异常值，如果G
i
<Gp(n)则测量数据中的Y
i
为异常值。
[0021]进一步的，所述步骤S04的步骤包括：
[0022]S401.使用构建的所述诊断评估模型对异常数据进行诊断评估,得到初步评估诊断结果；
[0023]S402.综合所述初步评估诊断结果、外部输入的诊断评估数据进行再次评估，得到最终的诊断评估结果。
[0024]进一步的，所述性能状态数据库、训练样本集、故障因果关系模型以及所述诊断评估模型分别存储在服务器以及用电信息采集设备中，还包括配置用电信息采集设备为双模工作模式，所述双模工作模式包括在线模式和离线模式，所述在线模式时所述用电信息采集设备与服务器进行在线通信以实现诊断评估，所述离线模式时使用所述用电信息采集设备存储的数据实现诊断评估。
[0025]一种用电信息采集设备的诊断评估装置，包括：
[0026]数据获取模块，用于获取用电信息采集设备的历史数据，构建用电信息采集设备性能状态数据库；
[0027]第一模型构建模块，用于根据所述用电信息采集设备性能状态数据库中的历史数
据构建形成训练样本集以及故障因果关系模型，所述训练样本集中包括从历史数据中提取的故障评估指标，所述故障因果关系模型为根据不同故障事件与故障传播路径、故障征兆要素之间的对应关系构建形成；
[0028]第二模型构建模块，用于根据所述训练样本集、故障因果关系模型构建用电信息采集设备诊断评估模型；
[0029]评估诊断模块，用于实时获取用电信息采集设备的设备数据并进行检测，当检测到存在异常数据时，使用构建的所述用电信息采集设备诊断评估模型对异常数据进行诊断评估。
[0030]一种用电信息采集设备的诊断评估装置，包括相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用电信息采集设备的诊断评估方法，其特征在于，步骤包括：S01.获取用电信息采集设备的历史数据，构建用电信息采集设备的性能状态数据库；S02.根据所述性能状态数据库中的历史数据构建形成训练样本集以及故障因果关系模型，所述训练样本集中包括从历史数据中提取的故障评估指标，所述故障因果关系模型为根据不同故障事件与故障传播路径、故障征兆要素之间的对应关系构建形成；S03.根据所述训练样本集、故障因果关系模型构建用电信息采集设备的诊断评估模型；S04.实时获取用电信息采集设备的设备数据并进行检测，当检测到存在异常数据时，使用构建的所述诊断评估模型对异常数据进行诊断评估。2.根据权利要求1所述的用电信息采集设备的诊断评估方法，其特征在于，所述步骤S02中构建形成训练样本集时，采用正交量子粒子群的最近邻原型的分类算法从历史数据中提取所述故障评估指标，其中采用多次塌陷
‑
正交交叉量子的粒子群算法进行迭代优化，以选出最好的粒子和其中有效的原型，计算测试数据到选出原型的距离对测试数据进行分类，继续对训练数据进行学习，得到每个粒子的适应度值直到满足终止条件，统计种群的分类正确率，得到最终结果并作为提取出的所述故障评估指标。3.根据权利要求2所述的用电信息采集设备的诊断评估方法，其特征在于，所述正交量子粒子群的最近邻原型的分类算法按照下式进行计算：子粒子群的最近邻原型的分类算法按照下式进行计算：其中,i＝1，2，3...N，N为粒子的总数，d＝1,2,3,
…
,D,D为粒子所在空间的维度，k为迭代次数,v
id
是第i个粒子的速度，r1和r2均为介于(0，1)之间的随机数，z
id
是第i个粒子当前的位置，c1和c2是学习因子，v
id
的最大值为v
max
，若v
i
大于v
max
，则v
i
＝v
max
，p
id
为第i个粒子的迄今搜索到的极值，P
gd
为全局迄今搜索到的极值,j表示迭代次数。4.根据权利要求2所述的用电信息采集设备的诊断评估方法，其特征在于，所述用电信息采集设备诊断评估模型构建时，还包括使用设备健康状态信息，所述健康状态信息包括故障率、修复率、设备健康度和置信度中任意一种或多种。5.根据权利要求1～4中任意一项所述的用电信息采集设备的诊断评估方法，其特征在于，所述步骤S04中，采用Grubbs检验算法对实时获取的设备数据进行异常检测，具体计算表达式为：G
i<...

【专利技术属性】
技术研发人员：邓汉钧，黄瑞，叶志，刘谋海，刘小平，杨静，肖建红，曾文伟，谭海波，
申请(专利权)人：国网湖南省电力有限公司供电服务中心计量中心国家电网有限公司，
类型：发明
国别省市：