[发明专利]智能电能表故障库的自学习方法与装置有效

专利信息
申请号: 201811385794.2 申请日: 2018-11-20
公开(公告)号: CN111274056B 公开(公告)日: 2023-10-03
发明(设计)人: 李志鹏;王军;闫鹏;秦涛;卢利军;胡东方;胡冰;李鹏;王丽 申请(专利权)人: 河南许继仪表有限公司;许继集团有限公司
主分类号: G06F11/07 分类号: G06F11/07;G06Q10/20;G06Q50/06;G01R35/04
代理公司: 郑州睿信知识产权代理有限公司 41119 代理人: 陈浩
地址: 461000 河南省许昌市城乡一体化*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 智能 电能表 故障 自学习 方法 装置
【权利要求书】:

1.一种智能电能表故障库的自学习方法,其特征在于,包括以下步骤:

1)将故障数据导入原始故障表;

2)根据所述故障数据,筛查故障词典,输出对应的故障表象,以及故障表象所对应的故障模块和故障类型;

3)根据步骤2)中输出对应的故障表象,以及故障表象所对应的故障模块和故障类型,结合所述故障数据中的分类条件,筛查故障模型表,输出对应的一套故障模型;将输出对应的一套故障模型与原始故障表中的故障原因、排查方案进行匹配,如果匹配失败,将所述故障模型添加到故障模型表,如果匹配成功,故障模型表保持不变;

其中,原始故障表用于存储故障电能表的信息,故障词典用于存储故障电能表的故障模块、故障类型和故障表象,故障模型表包括分类条件、故障模块、故障类型、故障表象、故障原因、排查方案的对应关系。

2.根据权利要求1所述的智能电能表故障库的自学习方法,其特征在于,提取原始故障表中的应力条件,结合所述故障模型,输出对应的一套故障应力模型,依据故障表象、分类条件、应力条件和故障原因,将输出对应的一套故障应力模型与原始故障表进行匹配,若匹配失败,将所述故障应力模型添加到故障应力表,如果匹配成功,则叠加该故障应力模型的应力条件下故障原因计数器的值;

所述故障应力表包括故障模块、故障类型、故障表象、故障原因、故障原因计数器、排查手段、排查手段计数器、温度、湿度、生产厂家、电表型号和协议类型,所述应力条件包括故障电能表所在地区的温度、湿度。

3.根据权利要求1所述的智能电能表故障库的自学习方法,其特征在于,提取原始故障表中的应力条件,结合所述故障模型,输出对应的一套故障应力模型,依据故障表象、分类条件、应力条件、故障原因和排查方案,将输出对应的一套故障应力模型与原始故障表进行匹配,若匹配失败,将所述故障应力模型添加到故障应力表,如果匹配成功,则叠加该故障应力模型的应力条件下故障原因计数器的值、排查方案计数器的值;

所述故障应力表包括故障模块、故障类型、故障表象、故障原因、故障原因计数器、排查手段、排查手段计数器、温度、湿度、生产厂家、电表型号和协议类型,所述应力条件包括故障电能表所在地区的温度、湿度。

4.根据权利要求2或3所述的智能电能表故障库的自学习方法,其特征在于,所述故障模型表为包括故障模型临时表,所述故障词典为故障词典临时表,所述故障应力表为故障应力临时表。

5.根据权利要求1所述的智能电能表故障库的自学习方法,其特征在于,所述故障电能表的信息包括生产厂家、电表型号、批次信息、安装时间、安装地址、故障时间和故障描述以及故障发生时间段内的温度、湿度信息,所述分类条件包括故障电能表的电表厂家、电表型号、协议类型。

6.一种智能电能表故障库的自学习装置,其特征在于,包括存储器和处理器,以及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器与所述存储器相耦合,所述处理器执行所述计算机程序时实现如权利要求1-5任一项所述的智能电能表故障库的自学习方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南许继仪表有限公司;许继集团有限公司,未经河南许继仪表有限公司;许继集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811385794.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top