【技术实现步骤摘要】
本专利技术涉及故障诊断，尤其涉及一种基于ai的电气故障诊断方法及系统。
技术介绍
1、电气设备系统的正常运行是保证发电机组正常发电的重要前提，因此，对电气设备系统的故障诊断，并及时消除故障一直是发电机组的管理人员重点关注的领域。
2、实际场景中，面向重点行业领域国产化的电气设备系统人工智能故障诊断方法由于电气设备系统所产生的的信号种类较多，常见的故障诊断模型难以适用于电气设备系统这样的复杂场景，设置过多种类的故障诊断模型又会导致电气设备系统的故障诊断的使用成本过高，不符合用户需求，同时，在重点行业内电气设备系统是需要长时间运行，不允许出现间断情况的出现，现有技术中也无法对电气设备系统进行实时在线的故障诊断，故障诊断效率低。
技术实现思路
1、本专利技术提供一种基于ai的电气故障诊断方法及系统，用以解决现有技术中电气设备系统的故障诊断效率与准确度低的缺陷。
2、本专利技术提供一种基于ai的电气故障诊断方法，所述故障诊断方法包括：
3、采集所述电气设备系统在运行状态下的不同类型的运行数据及故障参数信息；
4、根据所述运行数据的类型确定其对应的特征信息，并建立所述特征信息与对应的故障参数信息之间的关联关系；
5、基于所述关联关系及所述特征信息建立故障诊断模型，并通过所述故障诊断模型对所述电气设备系统进行故障诊断，得到故障诊断结果；
6、基于所述故障诊断结果对电气设备系统的故障点位进行处理，并根据实际故障情况对所述故障
7、其中，所述不同类型的运行数据包括以下至少一项：
8、所述电气设备系统的声音信号，所述电气设备系统运行过程中产生的振动信号、所述电气设备系统运行过程中产生的红外信号。
9、根据本专利技术提供的一种基于ai的电气故障诊断方法，基于所述故障诊断结果对电气设备系统的故障点位进行处理，并根据实际故障情况对所述故障诊断结果进行评估，具体为：
10、获取所述故障点位的重要性信息，所述重要性信息包括第一等级、第二等级及第三等级；
11、当所述重要性信息为第一等级时，及时切断所述故障点位并更换为所述故障点位的备用点位；
12、当所述重要性信息为第二等级时，将所述故障点位进行隔离，并对故障点位进行故障检修，若在预设时间内仍未排出所述故障点位的故障，则发送报警信息；
13、当所述重要性信息为第三等级时，直接对所述故障点位进行检修；
14、在完成对故障点位的检修后，输入对所述故障点位的实际故障情况，并将所述实际故障情况与所述故障诊断结果进行比对；
15、若比对结果低于预设阈值，则对所述故障诊断模型进行修正。
16、根据本专利技术提供的一种基于ai的电气故障诊断方法，所述根据所述运行数据的类型确定其对应的特征信息，并建立所述特征信息与对应的故障参数信息之间的关联关系，包括：
17、确定所述运行数据的数据类型，根据所述数据类型获取其对应的三维特征信息；
18、建立同一类型的运行数据的三维特征信息与其对应的故障参数信息之间的关联关系，并生成故障树或故障表。
19、根据本专利技术提供的一种基于ai的电气故障诊断方法，确定所述运行数据的数据类型，根据所述数据类型获取其对应的三维特征信息，包括：
20、当所述数据类型为所述声音信号，则提取所述声音信号的时间特征、故障频率特征和故障位置特征信息；
21、当所述数据类型为所述振动信号，则提取所述振动信号的时间特征、故障振幅特征和故障位置特征信息；
22、当所述数据类型为所述红外信号，则提取所述红外信号的时间特征、故障波长特征和故障位置特征信息。
23、根据本专利技术提供的一种基于ai的电气故障诊断方法，基于所述关联关系及所述特征信息建立故障诊断模型，包括：
24、通过深度学习分类器对各类型的运行数据的三维特征信息进行训练，得到故障分类信息；
25、将所述故障分类信息与所述故障参数信息建立关联关系，并将所述故障分类信息、所述故障参数信息及所述关联关系作为训练集对预设模型进行训练，得到所述故障诊断模型。
26、根据本专利技术提供的一种基于ai的电气故障诊断方法，还包括：
27、接收所述电气设备系统输入的实时运行数据，并通过所述故障诊断模型对所述实时运行数据进行分析；
28、当所述实时运行数据存在异常时，输出所述电气设备系统的故障类型及故障位置。
29、根据本专利技术提供的一种基于ai的电气故障诊断方法，还包括：
30、对所述故障诊断模型输出的故障诊断结果进行存储，并形成故障诊断历史数据；
31、通过对所述故障诊断历史数据进行分析，确定超过预设频次的常见故障；
32、提取所述常见故障的故障类型与故障位置，并提高对常见故障的故障类型与故障位置的运行数据的诊断频次。
33、本专利技术还提供一种基于ai的电气故障诊断系统，包括：
34、采集模块，用于采集所述电气设备系统在运行状态下的不同类型的运行数据及故障参数信息；
35、关联模块，用于根据所述运行数据的类型确定其对应的特征信息，并建立所述特征信息与对应的故障参数信息之间的关联关系；
36、建立模块，用于基于所述关联关系及所述特征信息建立故障诊断模型，并通过所述故障诊断模型对所述电气设备系统进行故障诊断，得到故障诊断结果；
37、处理模块，用于基于所述故障诊断结果对电气设备系统的故障点位进行处理，并根据实际故障情况对所述故障诊断结果进行评估；
38、其中，所述不同类型的运行数据包括以下至少一项：
39、所述电气设备系统的声音信号，所述电气设备系统运行过程中产生的振动信号、所述电气设备系统运行过程中产生的红外信号。
40、本专利技术还提供一种计算设备，包括：
41、存储器和处理器；
42、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现如上任意一项所述基于ai的电气故障诊断方法的步骤。
43、本专利技术还提供一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现如上任意一项所述基于ai的电气故障诊断方法的步骤。
44、本专利技术提供的一种基于ai的电气故障诊断方法及系统，所述故障诊断方法包括：采集所述电气设备系统在运行状态下的不同类型的运行数据及故障参数信息；根据所述运行数据的类型确定其对应的特征信息，并建立所述特征信息与对应的故障参数信息之间的关联关系；基于所述关联关系及所述特征信息建立故障诊断模型，并通过所述故障诊断模型对所述电气设备系统进行故障诊断，通过不同类型的运行数据对应的特征信息与故障参数之间建立关联关系，实现故障诊断模型对故障类型的自动识别，并提供准确的故障本文档来自技高网...
【技术保护点】
1.一种基于AI的电气故障诊断方法，其特征在于，所述故障诊断方法包括：
2.根据权利要求1所述的基于AI的电气故障诊断方法，基于所述故障诊断结果对电气设备系统的故障点位进行处理，并根据实际故障情况对所述故障诊断结果进行评估，具体为：
3.根据权利要求2所述的基于AI的电气故障诊断方法，其特征在于，所述根据所述运行数据的类型确定其对应的特征信息，并建立所述特征信息与对应的故障参数信息之间的关联关系，包括：
4.根据权利要求3所述的基于AI的电气故障诊断方法，其特征在于，确定所述运行数据的数据类型，根据所述数据类型获取其对应的三维特征信息，包括：
5.根据权利要求4所述的基于AI的电气故障诊断方法，其特征在于，基于所述关联关系及所述特征信息建立故障诊断模型，包括：
6.根据权利要求5所述的基于AI的电气故障诊断方法，其特征在于，还包括：
7.根据权利要求6所述的基于AI的电气故障诊断方法，其特征在于，还包括：
8.一种基于AI的电气故障诊断系统，其特征在于，包括：
9.一种计算设备，其特征
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于AI的电气故障诊断方法的步骤。
...【技术特征摘要】
1.一种基于ai的电气故障诊断方法，其特征在于，所述故障诊断方法包括：
2.根据权利要求1所述的基于ai的电气故障诊断方法，基于所述故障诊断结果对电气设备系统的故障点位进行处理，并根据实际故障情况对所述故障诊断结果进行评估，具体为：
3.根据权利要求2所述的基于ai的电气故障诊断方法，其特征在于，所述根据所述运行数据的类型确定其对应的特征信息，并建立所述特征信息与对应的故障参数信息之间的关联关系，包括：
4.根据权利要求3所述的基于ai的电气故障诊断方法，其特征在于，确定所述运行数据的数据类型，根据所述数据类型获取其对应的三维特征信息，包括：<...
【专利技术属性】
技术研发人员：王语博，祁纲，李芳，韩国权，
申请(专利权)人：太极计算机股份有限公司，
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。