【技术实现步骤摘要】
本专利技术涉及轨道交通智能供电运维，具体涉及一种供电智能运维的故障诊断方法、设备及存储介质。
技术介绍
1、随着轨道交通行业的迅速发展，地铁公司的运维工作日益繁重。随着运行线路的投运，供电设备已逐步开始步入老化阶段，设备的故障率已逐渐提高，如发生主变压器、gis、高压电缆故障等情况。供电设备的日常巡视、保养检修和应急处置等各项运维工作的高质量完成，是保障轨道供电系统安全稳定运行的基础。随着轨道供电系统运行安全、运维高效的要求日益增长，以及降本增效要求的提升，供电智能运维的应用愈加必要。目前以人工为主的供电运维模式，带来了设备管理薄弱、维护成本高、精细化运营转型难等问题。
2、主变电所包括35kv开关室、站用变压器室、主控室、主变压器室、gis室、svg室、电缆夹层等房间。现有数据采集装置及平台过于分散，没有将数据进行统一分析及治理，无法满足对设备安全全面管控的需求。亟需采用智能化运维手段，实现供电设备精细化管理，保障供电各类设备的安全运行；同时盘活数据资产，促进业务的高效流转与协同，实现运维管理工作的提质增效。
3、但是，由于实际缺陷样本较少，已提出的技术方案存在以下问题：1、只采用无监督机器学习算法进行学习正样样本的特征分布，对于分布于阈值之外的输入特征划分到缺陷类型。对于多缺陷类型而言，该方法不能诊断出具体的故障类型；2、只采用有监督机器学习算法，但是由于缺陷样本较少的原因，诊断性能较差；3、未利用诊断结果实现设备的健康度的量化评估。
技术实现思路
1、
2、为实现上述目的，本专利技术采用了以下技术方案：
3、一种供电智能运维的故障诊断方法，包括两个阶段，第一阶段为离线建模阶段，第二阶段为模型推理阶段，其特征在于，离线建模阶段实现离线模型训练和验证，将训练好的模型提供给供电智能运维系统，供电智能运维系统实时获取边缘端各监测数据，采用在线迭代在线推理系统得到诊断结果并在功能展示系统中展示；
4、离线建模阶段包括以下步骤，
5、s11、数据采集和清洗；采集现场各种电力设备的在线监测和开源数据，进行数据清洗操作；
6、s12、多清洗后的数据进行划分和标注；
7、s13、训练异常检测模型；即不同的数据采用对应的异常检测算法进行训练，得到异常检测模型集合；
8、s14、训练故障诊断模型；同的数据采用对应的有监督故障诊断算法进行训练，得到故障诊断模型集合；
9、s15、训练健康度评估模型；通过电力设备老化特性、故障的严重程度及国家/行业标准，构建数据集合采用回归算法进行学习得到健康评估模型集合；
10、s16、发布异常检测模型集合、故障诊断模型集合和健康评估模型集合，部署到供电智能运维系统中。
11、进一步地，所述模型推理包括，基于已经训练好的异常检测模型集合、故障诊断模型集合和健康度评估模型集合，步骤如下：
12、s21、采集前端电力设备的在线监测数据并预处理，输入到各个异常检测模型集合中进行推理；
13、s22、对于推理结果为正常的，作为最终诊断结果输出；对于推理结果异常的数据，输入到故障类型诊断模型集合中进行并行推理，得到具体的故障类型；
14、s23、对采集前端电力设备的在线监测数据，输入到健康评估模型集合，得到每个电力设备的健康度数值；
15、s24、综合s22和s23，得到设备的故障诊断结果及健康度得分，并利用专家库提供运维措施和建议。
16、进一步地，步骤s13中异常检测算法采用无监督算法、无监督算法结合有监督算法共同学习的策略：对于没有缺陷样本的数据，采用无监督算法学习正常样本的特征分布，得到异常检测模型；对于有缺陷样本的数据，由于样本较少，采取无监督算法结合有监督算法共同学习得到正常样本的特征分布共空间，得到异常检测模型。
17、又一方面，本专利技术还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
18、再一方面，本专利技术还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
19、由上述技术方案可知，本专利技术面向轨交行业供电智能运维，提出了一种异常检测+多模型融合故障诊断+健康度评估的方法及系统，能够在缺陷样本稀缺的情况下，大幅提高缺陷诊断的准确率、大幅降低误报率，并能在电力设备全生命周期内进行寿命评估和提供运维建议，实现运维的智能化和管理工作的提质增效。
本文档来自技高网...【技术保护点】
1.一种供电智能运维的故障诊断方法，包括两个阶段，第一阶段为离线建模阶段，第二阶段为模型推理阶段，其特征在于，离线建模阶段实现离线模型训练和验证，将训练好的模型提供给供电智能运维系统，供电智能运维系统实时获取边缘端各监测数据，采用在线迭代在线推理系统得到诊断结果并在功能展示系统中展示；
2.根据权利要求1所述的供电智能运维的故障诊断方法，其特征在于：所述模型推理包括，基于已经训练好的异常检测模型集合、故障诊断模型集合和健康度评估模型集合，步骤如下：
3.根据权利要求1所述的供电智能运维的故障诊断方法，其特征在于：
4.根据权利要求3所述的供电智能运维的故障诊断方法，其特征在于：
5.根据权利要求4所述的供电智能运维的故障诊断方法，其特征在于：步骤S14中每个Rpi由一种传感器获得并训练一个模型或者用不同的算法训练得到多个模型，一个电力设备由多个模型融合后进行诊断。
6.根据权利要求1所述的供电智能运维的故障诊断方法，其特征在于：数据采集包括采集GIS的在线监测数据；
7.根据权利要求6所述的供电智能运维的故障
8.根据权利要求7所述的供电智能运维的故障诊断方法，其特征在于：步骤S22中融合模型包括，
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种供电智能运维的故障诊断方法，包括两个阶段，第一阶段为离线建模阶段，第二阶段为模型推理阶段，其特征在于，离线建模阶段实现离线模型训练和验证，将训练好的模型提供给供电智能运维系统，供电智能运维系统实时获取边缘端各监测数据，采用在线迭代在线推理系统得到诊断结果并在功能展示系统中展示；
2.根据权利要求1所述的供电智能运维的故障诊断方法，其特征在于：所述模型推理包括，基于已经训练好的异常检测模型集合、故障诊断模型集合和健康度评估模型集合，步骤如下：
3.根据权利要求1所述的供电智能运维的故障诊断方法，其特征在于：
4.根据权利要求3所述的供电智能运维的故障诊断方法，其特征在于：
5.根据权利要求4所述的供电智能运维的故障诊断方法，其特征在于：步骤s14中每个rpi由一种传感器获得并训练一个模型或者用不同的算法训练得到多个模型，一个电力设备由多个模型融合后进...
【专利技术属性】
技术研发人员：章海兵，汪中原，李林，
申请(专利权)人：合肥科大智能机器人技术有限公司，
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。