辅助故障数据确定、故障诊断方法、系统、设备和介质技术方案

本发明专利技术提供了一种辅助故障数据确定、故障诊断方法、系统、设备和介质，包括：采集待诊断工况下的用电设备故障数据，将所述用电设备故障数据与辅助故障数据进行比较，确定所述辅助故障数据中是否存在和所述待诊断工况下的用电设备故障数据一致的数据；若存在，根据所述辅助故障数据，确定故障类型；若不存在，利用辅助故障数据确定方法得到新的辅助故障数据，并根据所述新的辅助故障数据，确定故障数据对应的故障类型。本发明专利技术通过ICA迁移学习确定故障类型，针对不同的故障类型预测提高设备的寿命周期，保证设备的安全稳定运行，增加故障数据类型的确认率，提升待诊断数据故障判别的正确性。性。性。

【技术实现步骤摘要】
辅助故障数据确定、故障诊断方法、系统、设备和介质


[0001]本专利技术属于电热设备数据在线故障诊断
，具体涉及一种辅助故障数据确定、故障诊断方法、系统、设备和介质。

技术介绍

[0002]目前，随着大数据、人工智能和物联网技术的快速发展，设备状态数据与日俱增，故障样本数据类别各式各样，因此，数据驱动的故障诊断方法在设备的智能检测维修发挥着至关重要的作用，越来越多的设备实现了有效的监测和评估，为数据驱动的故障诊断提供了大量数据，通过对设备故障诊断的数据分析，量化当前设备的运行状态，全面评估设备的健康状态，提高设备的性能。
[0003]故障诊断对于全面评估供/耗电设备、供/耗热设备的健康状态，提高电热设备的可靠性至关重要。目前大多数故障诊断主要通过数据驱动的方法进行，与历史故障样本对比判别故障类型，但是与正常样本相比，故障样本的数量较少，数据类别不平衡的问题将导致许多数据敏感的分类模型过度拟合。在园区内，对电热设备的评估诊断直接影响着用户用能情况，通常故障诊断有两个步骤：故障信号处理和模式识别，故障信号处理为故障模式识别奠定了基础，以便获得故障特征识别匹配故障类型。但是由于故障样本数量少，导致在园区内电热设备故障判别的类型很难设定。目前主流的迁移学习对数据相似性要求较高，限制了迁移学习在故障诊断中的应用，而获取故障特征数据的方法之一是模拟故障场景，但是因为模拟实验成本以及场景复杂性使得这一方法未能步入实践中。

技术实现思路

[0004]为克服上述现有技术的不足，本专利技术提出一种辅助故障数据确定方法，包括：
[0005]获取用电设备的历史故障数据作为初始的辅助故障数据；其中，所述历史故障数据至少包括故障类型和对应的故障特征；
[0006]采集待诊断工况下的用电设备故障数据，将所述待诊断工况下的用电设备故障数据和所述辅助故障数据进行比较，确定所述辅助故障数据中是否存在和所述待诊断工况下的用电设备故障数据一致的数据；
[0007]当不存在时，针对所述待诊断工况下的用电设备故障数据进行ICA迁移学习，得到新的辅助故障数据直到新的辅助故障数据达到预设要求。
[0008]优选的，所述针对所述待诊断工况下的用电设备故障数据进行ICA迁移学习，得到新的辅助故障数据，包括：
[0009]将所述待诊断工况下的用电设备故障数据进行空间变换，获取变换后的待诊断工况下的用电设备故障数据；
[0010]将所述变换后的待诊断工况下的用电设备故障数据和所述辅助故障数据组成新的辅助故障数据。
[0011]优选的，所述将所述待诊断工况下的用电设备故障数据进行空间变换，获取变换
后的待诊断工况下的用电设备故障数据，包括：
[0012]通过计算所述辅助故障数据和待诊断工况下的用电设备故障数据之间的最大平均偏差量，确定辅助故障数据和待诊断工况下的用电设备故障数据之间的差异度；
[0013]根据所述辅助故障数据和待诊断工况下的用电设备故障数据之间的差异度，确定待诊断工况下的用电设备故障数据对应的特征变换信息；其中，所述特征变换信息包括：高维特征变换信息和低维特征变换信息；
[0014]基于所述特征变换信息，针对所述待诊断工况下的用电设备故障数据进行特征变换，获取变换后的待诊断工况下的用电设备故障数据。
[0015]优选的，所述将所述变换后的待诊断工况下的用电设备故障数据和所述辅助故障数据组成新的辅助故障数据，包括：
[0016]根据所述辅助故障数据和待诊断工况下的用电设备故障数据之间的差异度，确定ICA优化目标；
[0017]根据所述ICA优化目标，生成新的用电设备故障数据；
[0018]将所述新的用电设备故障数据采用历史故障数据中的故障类型和对应的故障特征进行分类，确定新的用电设备故障数据对应的分类结果；
[0019]将所述新的用电设备故障数据和对应的分类结果更新至所述辅助故障数据，得到新的辅助故障数据。
[0020]优选的，所述采集待诊断工况下的用电设备故障数据，包括：
[0021]获取待诊断工况下的用电设备运行状态，根据所述运行状态，获取用电设备运行数据；其中，所述用电设备运行状态包括：离线状态和在线状态；
[0022]根据所述用电设备运行数据进行特征提取，得到用电设备故障特征作为待诊断工况下的用电设备故障数据。
[0023]优选的，所述根据所述运行状态，获取用电设备运行数据，包括：
[0024]当用电设备运行状态为离线状态时，获取电热设备数据、电/热能管理数据和故障补全数据作为设备运行数据；
[0025]当用电设备运行状态为在线状态时，获取设备信息、故障录波和谐波信息作为设备运行数据。
[0026]优选的，所述根据所述用电设备运行数据进行特征提取，获取用电设备故障特征包括：
[0027]根据所述用电设备运行数据，获取所述用电设备运行数据对应的时域、频域和时频域信息；
[0028]基于所述时域、频域和时频域信息，对所述用电设备运行数据进行特征提取，获取用电设备对应的故障特征；其中，所述时域对应的指标至少包括均值、标准偏差、方差、峰值、均方根、波形因子、峰值因子、脉冲因子、峰度和偏度；所述频域对应的指标至少包括：均方频率、均方根频率、频率方差和频率标准差。
[0029]优选的，所述最大平均偏差量的计算式为：
[0030][0031]其中，X
S
表示用电设备的历史故障数据，X
T
表示待诊断工况下的用电设备故障数
据，dist(X
S
,X
T
)表示X
S
和X
T
之间的最大平均偏差量；n
s
表示所有用电设备故障数据的样本数量，i＝1，2，
…
n
s
；n
T
表示未诊断的用电设备故障数据的样本数量，j＝1，2，
…
n
T
；表示映射转换。
[0032]基于同一专利技术构思，本专利技术还提供了一种辅助故障数据确定系统，包括：
[0033]辅助故障数据获取模块：用于获取用电设备的历史故障数据作为初始的辅助故障数据；其中，所述历史故障数据至少包括故障类型和对应的故障特征；
[0034]故障数据比较模块：用于采集待诊断工况下的用电设备故障数据，将所述待诊断工况下的用电设备故障数据和所述辅助故障数据进行比较，确定所述辅助故障数据中是否存在和所述待诊断工况下的用电设备故障数据一致的数据；
[0035]迁移学习模块：用于当所述辅助故障数据中不存在和所述待诊断工况下的用电设备故障数据一致的数据时，针对所述待诊断工况下的用电设备故障数据进行ICA迁移学习，得到新的辅助故障数据直到新的辅助故障数据达到预设要求。
[0036]优选的，所述迁移学习模块，具体用于：
[0037]将所述待诊断工况下的用电设备故障数据进行空间变换，获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种辅助故障数据确定方法，其特征在于，包括：获取用电设备的历史故障数据作为初始的辅助故障数据；其中，所述历史故障数据包括故障类型和对应的故障特征；采集待诊断工况下的用电设备故障数据，将所述待诊断工况下的用电设备故障数据和所述辅助故障数据进行比较，确定所述辅助故障数据中是否存在和所述待诊断工况下的用电设备故障数据一致的数据；当不存在时，针对所述待诊断工况下的用电设备故障数据进行ICA迁移学习，得到新的辅助故障数据直到新的辅助故障数据达到预设要求。2.如权利要求1所述的方法，其特征在于，所述针对所述待诊断工况下的用电设备故障数据进行ICA迁移学习，得到新的辅助故障数据，包括：将所述待诊断工况下的用电设备故障数据进行空间变换，获取变换后的待诊断工况下的用电设备故障数据；将所述变换后的待诊断工况下的用电设备故障数据和所述辅助故障数据组成新的辅助故障数据。3.如权利要求2所述的方法，其特征在于，所述将所述待诊断工况下的用电设备故障数据进行空间变换，获取变换后的待诊断工况下的用电设备故障数据，包括：通过计算所述辅助故障数据和待诊断工况下的用电设备故障数据之间的最大平均偏差量，确定辅助故障数据和待诊断工况下的用电设备故障数据之间的差异度；根据所述辅助故障数据和待诊断工况下的用电设备故障数据之间的差异度，确定待诊断工况下的用电设备故障数据对应的特征变换信息；其中，所述特征变换信息包括：高维特征变换信息和低维特征变换信息；基于所述特征变换信息，针对所述待诊断工况下的用电设备故障数据进行特征变换，获取变换后的待诊断工况下的用电设备故障数据。4.如权利要求3所述的方法，其特征在于，所述将所述变换后的待诊断工况下的用电设备故障数据和所述辅助故障数据组成新的辅助故障数据，包括：根据所述辅助故障数据和待诊断工况下的用电设备故障数据之间的差异度，确定ICA优化目标；根据所述ICA优化目标，生成新的用电设备故障数据；将所述新的用电设备故障数据采用历史故障数据中的故障类型和对应的故障特征进行分类，确定新的用电设备故障数据对应的分类结果；将所述新的用电设备故障数据和对应的分类结果更新至所述辅助故障数据，得到新的辅助故障数据。5.如权利要求1所述的方法，其特征在于，所述采集待诊断工况下的用电设备故障数据，包括：获取待诊断工况下的用电设备运行状态，根据所述运行状态，获取用电设备运行数据；其中，所述用电设备运行状态包括：离线状态和在线状态；根据所述用电设备运行数据进行特征提取，得到用电设备故障特征作为待诊断工况下的用电设备故障数据。6.如权利要求5所述的方法，其特征在于，所述根据所述运行状态，获取用电设备运行
数据，包括：当用电设备运行状态为离线状态时，获取电热设备数据、电/热能管理数据和故障补全数据作为设备运行数据；当用电设备运行状态为在线状态时，获取设备信息、故障录波和谐波信息作为设备运行数据。7.如权利要求5所述的方法，其特征在于，所述根据所述用电设备运行数据进行特征提取，获取用电设备故障特征包括：根据所述用电设备运行数据，获取所述用电设备运行数据对应的时域、频域和时频域信息；基于所述时域、频域和时频域信息，对所述用电设备运行数据进行特征提取，获取用电设备对应的故障特征；其中，所述时域对应的指标至少包括均值、标准偏差、方差、峰值、均方根、波形因子、峰值因子、脉冲因子、峰度和偏度；所述频域对应的指标至少包括：均方频率、...

【专利技术属性】
技术研发人员：宫飞翔，陈宋宋，田世明，邢其敬，李香龙，丁屹峰，曾爽，龚桃荣，潘明明，周颖，袁金斗，谢尊辰，孙腾，
申请(专利权)人：国网北京市电力公司国家电网有限公司，
类型：发明
国别省市：