[发明专利]智能电能表故障库的自学习方法与装置

说明书

本发明涉及智能电能表故障库的自学习方法与装置，属于智能电能表的故障诊断领域，将故障数据导入原始故障表，根据故障数据，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，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，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，能够实现快速准确确定故障原因，并且及时排查解决。

技术领域

本发明属于智能电能表的故障诊断领域，具体涉及智能电能表故障库的自学习方法与装置。

背景技术

近十年来，智能电能表已进入关键运维期，电能表运行过程中的不稳定性和不确定性逐年攀升，从目前各网省营销系统及电能表用采系统汇集信息来看，故障数据信息正在逐年增加，各网省公司运维成本也随之逐年增加，运维压力越来越大。同时，数量巨大的故障电能表拆回分拣维修，对电能表厂家也造成了经济和人力消耗。在此背景下，如何利用目前各网省公司的汇集的大量故障数据信息，如何快速确定故障原因并进行及时排查解决，如何降低网省公司和生产厂家的运维成本成为各网省公司和生产厂家共同面对并急需解决的问题。

发明内容

本发明的目的是提供智能电能表故障库的自学习方法与装置，用于解决如何实现快速准确确定故障原因并且及时排查解决的问题。

为解决上述技术问题，本发明提出智能电能表故障库的自学习方法，包括以下步骤：

1)将故障数据导入原始故障表；

2)根据故障数据，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。

为解决上述技术问题，本发明还提出智能电能表故障库的自学习装置，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程序，处理器与存储器相耦合，处理器执行计算机程序时实现以上自学习方法中的步骤。

本发明的自学习方法与装置基于智能电能表故障库，利用目前各网省公司的汇集的大量故障数据信息，利用上述步骤进行故障库的自学习，建立起智能电能表故障快速诊断平台，能够实现快速准确确定故障原因，并且及时排查解决。

为提高确定故障原因的准确性，原始故障表包括生产厂家、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，分类条件包括故障电能表的电表厂家、电表型号、协议类型。

为进一步提高确定故障原因的准确性，以及实现故障原因的计数，还包括：

提取原始故障表中的应力条件，结合故障模型，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；

上述故障电能表的信息包括故障模块、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，应力条件包括故障电能表所在地区的温度、湿度。