【技术实现步骤摘要】
本专利技术涉及一种数据处理方法及系统，尤其涉及一种用于传感器故障诊断的方法及系统。
技术介绍
1、传感器作为物联网的基础，在智能电网在线监测过程中发挥着重要作用。但是由于输电线路传感器通常安装在野外环境，需要面临恶劣的外部环境。设备老化、外部振动、电磁干扰、湿度环境等各种因素，输电线路系统中的传感器性能容易受到很大影响，甚至发生故障。传感器常见故障通常可分为四类：冲击故障、偏移故障、漂移故障、噪声故障。一旦发生故障，错误的反馈信息可能会导致错误的决策与调度，所以对于输电线路传感器故障的快速诊断以及在传感器故障过程中如何保持传感器的继续运行有着重要意义。
2、目前传感器故障诊断与性能评估方法主要分为三种：
3、(1)基于系统模型的方法，其通常根据物理原理或者通过系统辨识得到系统模型，通过模型输出和传感器测量的比较产生残差，并对残差进行监测。大多数传感器故障诊断方法都是基于系统模型的，因为它快速、并且与负载无关，但是这种方法的准确性取决于模型的准确性，对于输电线路传感器，很难获取系统的精确数学模型。
4、(2)基于信号处理的方法，其是根据故障信号的特征的提取对传感器故障进行检测的手段。基于信号处理方法的与系统参数模型无关，但是易受干扰信号影响且诊断速度慢。
5、(3)随着人工智能技术的发展，基于数据驱动的方法成为传感器故障诊断和性能评估的有效手段。基于数据驱动的方法对于更复杂的系统具有更强的泛化能力和鲁棒性。
技术实现思路
1、本专利技术
2、基于上述目的，本专利技术提出了一种输电线路状态监测传感器的故障诊断方法，其包括步骤：
3、100：将待诊断的传感器的输出序列数据输入经过训练的lstm神经网络中，所述lstm神经网络输出下一时刻的传感器的数据预测值；
4、200：采集待诊断的传感器在下一时刻的数据实测值，并基于所述数据实测值与所述数据预测值计算残差；
5、300：如果残差大于设定的阈值，则将残差序列输入故障诊断模型中，所述故障诊断模型输出传感器的故障分类结果。
6、进一步地，在本专利技术所述的故障诊断方法中，所述经过训练的lstm神经网络基于下述步骤获得：
7、采集用于输电线路状态监测的传感器的历史输出序列数据；
8、构建lstm神经网络，并采用所述历史输出序列数据训练lstm神经网络，以使lstm神经网络基于当前时刻的传感器的数据，输出下一时刻的传感器的数据预测值。
9、进一步地，在本专利技术所述的故障诊断方法中，所述故障诊断模块基于极限学习机而构建。
10、进一步地，在本专利技术所述的故障诊断方法还包括步骤400：对判断为具有故障的传感器的输出序列数据进行重构。
11、进一步地，在本专利技术所述的故障诊断方法还包括步骤500：基于经过重构的输出序列数据返回步骤100。
12、本专利技术的另一目的在于提供一种输电线路状态监测传感器的故障诊断系统，其能够基于传感器的监测数据对传感器的故障进行快速准确的诊断。
13、基于上述目的，本专利技术提出了一种输电线路状态监测传感器的故障诊断系统，其包括：
14、lstm神经网络模块，将待诊断的传感器的输出序列数据输入lstm神经网络中，其输出下一时刻的传感器的数据预测值；
15、残差计算模块，其采集待诊断的传感器在下一时刻的数据实测值，并基于所述数据实测值与所述数据预测值计算残差；
16、故障诊断模块，如果残差大于设定的阈值，则将残差序列输入故障诊断模型中，所述故障诊断模型输出传感器的故障分类结果。
17、进一步地，在本专利技术所述的故障诊断系统中，所述lstm神经网络模块基于下述步骤获得：
18、采集用于输电线路状态监测的传感器的历史输出序列数据；
19、构建lstm神经网络模块，并采用所述历史输出序列数据训练lstm神经网络模块，以使lstm神经网络模块基于当前时刻的传感器的数据，输出下一时刻的传感器的数据预测值。
20、进一步地，在本专利技术所述的故障诊断系统中，所述故障诊断模型基于极限学习机而构建。
21、进一步地，在本专利技术所述的故障诊断系统还包括：数据重构模块，其对判断为具有故障的传感器的输出序列数据进行重构。
22、本专利技术所述的输电线路状态监测传感器的故障诊断方法及系统具有如下所述的优点以及有益效果：
23、本专利技术所述的输电线路状态监测传感器的故障诊断方法可以用于对输电线路的各种数据进行检测的传感器，例如用于对输电线路温度、电流以及振动状态进行实时监测的传感器。
24、采用本专利技术可以将架设于输电线路上的传感器的状态，实时传输到远端的用户端。
25、本专利技术所述的输电线路状态监测传感器的故障诊断方法及系统，其能够基于传感器的监测数据对传感器的故障进行快速准确的诊断。
26、在本专利技术的优选实施方式中，当传感器被判断为具有故障时，还可以对故障传感器的输出数据进行重构，提升传感器数据质量。
本文档来自技高网...【技术保护点】
1.一种输电线路状态监测传感器的故障诊断方法，其特征在于，其包括步骤：100：将待诊断的传感器的输出序列数据输入经过训练的LSTM神经网络中，所述LSTM神经网络输出下一时刻的传感器的数据预测值；
2.如权利要求1所述的故障诊断方法，其特征在于，所述经过训练的LSTM神经网络基于下述步骤获得：
3.如权利要求1所述的故障诊断方法，其特征在于，所述故障诊断模块基于极限学习机而构建。
4.如权利要求1所述的故障诊断方法，其特征在于，还包括步骤400：对判断为具有故障的传感器的输出序列数据进行重构。
5.如权利要求4所述的故障诊断方法，其特征在于，还包括步骤500：基于经过重构的输出序列数据返回步骤100。
6.一种输电线路状态监测传感器的故障诊断系统，其特征在于，其包括：
7.如权利要求6所述的故障诊断系统，其特征在于，所述LSTM神经网络模块基于下述步骤获得：
8.如权利要求6所述的故障诊断系统，其特征在于，所述故障诊断模型基于极限学习机而构建。
9.如权利要求6所述的故障诊断系统，其特
...【技术特征摘要】
1.一种输电线路状态监测传感器的故障诊断方法，其特征在于，其包括步骤：100：将待诊断的传感器的输出序列数据输入经过训练的lstm神经网络中，所述lstm神经网络输出下一时刻的传感器的数据预测值；
2.如权利要求1所述的故障诊断方法，其特征在于，所述经过训练的lstm神经网络基于下述步骤获得：
3.如权利要求1所述的故障诊断方法，其特征在于，所述故障诊断模块基于极限学习机而构建。
4.如权利要求1所述的故障诊断方法，其特征在于，还包括步骤400：对判断为具有故障的传感器的输出序列数据进行重构。
【专利技术属性】
技术研发人员：罗林根，龚培林，盛戈皞，郑全福，钱勇，宋辉，王辉，李喆，王丰华，
申请(专利权)人：上海交通大学，
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。