【技术实现步骤摘要】
本专利技术属于故障预测，具体涉及一种照明设施故障预测分析方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、道路建设规模的不断扩大，道路照明在城市、乡村建设中发挥的作用越来越大，已经成为城市现代化水平的重要标志之一。目前，道路照明智能化控制系统正在经历从时控到远程控制的转变。国内外大部分地区正在将照明控制手段从单纯的使用时控器进行开关灯控制，升级为利用远程控制终端(rtu)和单灯控制器设备对路灯进行远程开关灯控制及电流、电压、功率因数等运行指标的实时采集，实现了对路灯的远程管理，以及对箱式变电站、灯源、供电线路故障的实时发现与报警。但目前业内尚缺少成熟的可基于采集到的照明设施运行指标数据对照明设施即将发生的故障进行预测分析的方法。
3、据专利技术人了解，有研究人员曾提出过基于bp神经网络的路灯故障预测模型，但由于bp神经网络算法自身存在学习收敛速度慢，容易陷入局部极小值等问题，并没有被广泛应用。
技术实现思路
1、本专利技术为了解决上述问题，提出了一种照明设施故障预测分析方法及系统，本专利技术可以快速、准确的实现对照明设施故障预测。
2、根据一些实施例，本专利技术采用如下技术方案：
3、一种照明设施故障预测分析方法，包括以下步骤：
4、获取照明设施运行状态相关运行指标参数；
5、利用双向长短期记忆算法对照明设施的各项运行指标参数进行分析，并预测下一时段照
6、利用主成分分析方法分析指标数据，构建主成分分析与驱动因素的关系；
7、将主成分分析方法得到的结果作为逻辑回归分析模型的输入参数，得到故障预测结果。
8、作为可选择的实施方式，所述相关运行指标参数包括电压、电流、功率因数、有功功率、无功功率、瞬间功率和累积耗电量中若干。
9、作为可选择的实施方式，获取相关运行指标参数时，获取实时数据，也获取一定时间段内的历史数据。
10、作为可选择的实施方式，所述相关运行指标参数数据以时序数据存储。
11、作为可选择的实施方式，利用双向长短期记忆算法对时序数据进行分析、处理，双向长短期记忆算法包括正向长短期记忆网络和反向长短期记忆网络，正向长短期记忆网络用于捕获某一时刻之前的特征信息，反向长短期记忆网络用于捕获该时刻之后的特征信息，同时利用时间序列历史和未来信息，结合上下文信息综合判断。
12、作为可选择的实施方式，利用主成分分析方法分析指标数据的具体过程包括利用协方差矩阵计算相关运行指标参数与设备故障之间的相关性，对协方差矩阵进行特征值分解，得到特征值和特征向量，再将特征向量按照对应的特征值的大小进行排序，选择前k个最大的特征值对应的特征向量作为主成分，k为设定值。
13、作为可选择的实施方式，以主成分历史数据作为训练数据输入逻辑回归模型进行训练，确定逻辑回归模型参数，得到训练后的逻辑回归模型，利用训练后的逻辑回归模型对预测后的主成分数据进行处理，得到最终结果。
14、作为进一步的实施方式，训练过程中可采用梯度下降方法进行优化，且以获得最小化的预测错误值为目标函数进行优化。
15、一种照明设施故障预测分析系统，包括：
16、参数获取模块，被配置为获取照明设施运行状态相关运行指标参数；
17、预测模块，被配置为利用双向长短期记忆算法对照明设施的各项运行指标参数进行分析，并预测下一时段照明设施的各项运行指标数据；
18、主成分分析模块，被配置为利用主成分分析方法分析指标数据，构建主成分分析与驱动因素的关系；
19、故障预测模块，被配置为将主成分分析方法得到的结果作为逻辑回归分析模型的输入参数，得到故障预测结果。
20、一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法中的步骤。
21、一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法中的步骤。
22、与现有技术相比，本专利技术的有益效果为：
23、本专利技术利用lstm对照明设备各项运行数据进行分析，并预测下一时段的各项设备运行指标。将得到的设备运行指标，作为主成分分析的参数，通过主成分分析的逻辑回归实现对灯源故障的预测，具有学习速度快，计算精度高的特点，可以用于照明设施故障原因分析与故障趋势预测方向，可以使照明设备运维养护更具针对性，有利于延长设备使用寿命、降低运维成本。
24、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种照明设施故障预测分析方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，所述相关运行指标参数包括电压、电流、功率因数、有功功率、无功功率、瞬间功率和累积耗电量中若干。
3.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，获取相关运行指标参数时，获取实时数据，也获取一定时间段内的历史数据，所述相关运行指标参数数据以时序数据存储。
4.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，利用双向长短期记忆算法对时序数据进行分析、处理，双向长短期记忆算法包括正向长短期记忆网络和反向长短期记忆网络，正向长短期记忆网络用于捕获某一时刻之前的特征信息，反向长短期记忆网络用于捕获该时刻之后的特征信息，同时利用时间序列历史和未来信息，结合上下文信息综合判断。
5.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，利用主成分分析方法分析指标数据的具体过程包括利用协方差矩阵计算相关运行指标参数与设备故障之间的相关性，对协方差矩阵进行特征值分解，得到特征值和特征向量，再将特征向量按
6.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，以主成分历史数据作为训练数据输入逻辑回归模型进行训练，确定逻辑回归模型参数，得到训练后的逻辑回归模型，利用训练后的逻辑回归模型对预测后的主成分数据进行处理，得到最终结果。
7.如权利要求6所述的一种照明设施故障预测分析方法，其特征是，训练过程中采用梯度下降方法进行优化，且以获得最小化的预测错误值为目标函数进行优化。
8.一种照明设施故障预测分析系统，其特征是，包括：
9.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7中任一项所述的方法中的步骤。
10.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7中任一项所述的方法中的步骤。
...【技术特征摘要】
1.一种照明设施故障预测分析方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，所述相关运行指标参数包括电压、电流、功率因数、有功功率、无功功率、瞬间功率和累积耗电量中若干。
3.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，获取相关运行指标参数时，获取实时数据，也获取一定时间段内的历史数据，所述相关运行指标参数数据以时序数据存储。
4.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，利用双向长短期记忆算法对时序数据进行分析、处理，双向长短期记忆算法包括正向长短期记忆网络和反向长短期记忆网络，正向长短期记忆网络用于捕获某一时刻之前的特征信息，反向长短期记忆网络用于捕获该时刻之后的特征信息，同时利用时间序列历史和未来信息，结合上下文信息综合判断。
5.如权利要求1所述的一种照明设施故障预测分析方法，其特征是，利用主成分分析方法分析指标数据的具体过程包括利用协方差矩阵计算相关运行指标参数与设备故障之间的相关性，对协方差矩阵进...
【专利技术属性】
技术研发人员：刘大扬，辛国茂，郝敬全，王国松，齐鹏，毛新东，张勇，郭磊，尚宪斌，于克磊，王瑞，马述杰，
申请(专利权)人：泰华智慧产业集团股份有限公司，
类型：发明
国别省市：
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。