[发明专利]智能电表的故障诊断方法、系统及电子装置

说明书

本发明提供了一种智能电表的故障诊断方法、系统及电子装置，其中，该方法包括：获取智能电表的测试数据；对测试数据进行预处理，得到测试数据的预处理结果；对预处理结果进行联机分析处理，得到测试数据对应的联机分析处理结果；将联机分析处理结果输入至预先完成训练的故障诊断模型中，输出智能电表的故障诊断结果；故障诊断模型通过机器学习模型训练得到。该方法通过机器学习算法实现电表故障案例数据的综合分析，形成完整性和鲁棒性高的相关识别模型，提升了智能电表故障诊断中的准确率。

技术领域

本发明涉及智能电表故障诊断领域，尤其是涉及一种智能电表的故障诊断方法、系统及电子装置。

背景技术

智能电表是智能电网的智能终端，除了具有传统电表的功能，还具有多种费率计量功能、终端控制、数据传输、防窃电等智能化功能。智能电表作为智能电网中最基础的计量设备，既要保证在轮换周期内计量准确，又要采集完整的数据信息，为用户提供及时有效的服务。由于智能电表具有数量大、区域广的特点，其质量将直接影响精度、通信功能的可靠性和准确性。

智能电表功能复杂、故障数据庞杂繁多，保证其可靠运行是智能电网运行的基础，现阶段主要采用故障树、专家系统、聚类定性等对智能电表进行可靠性分析和故障诊断，但是传统的专家系统只是对领域专家的知识、经验的静态归集和总结，难以做到自适应的学习，面对纷繁复杂的应用环境和愈来愈多的精密功能，需要对智能电表做出更加精准、实时的评估和故障定位。

传统专家系统采用的方法是将人类知识转化为计算机语言，将人类专家的知识、经验进行归集、分析和总结，将人类的知识变成机器可以识别的符号，形成推理机，从而让机器自动根据现有数据进行推理、故障诊断和异常识别等。但是传统专家系统只能将现有的人类专家的知识静态的进行汇集，既无法做到实时更新，也无法保证涵盖所有数据。这是因为人类专家的知识是有限的，而新的功能、失效模式、故障数据等是不断增加的，所以就造成专家系统只可以静态的处理历史数据。

智能电表领域经常采用聚类方法定性判断，采用数据挖掘的方法对电表的数据进行归类，挖掘电表潜在故障。但是这种基于无监督学习的聚类的方法通常无法准确判断种类名称，还需要人工对其数据进行标注，针对不同的数据源和环境还需要进行分别学习，难以实现实时、在线的判断。

综上所述，当前智能电表故障诊断中的准确率较低，还有提升空间。

发明内容

有鉴于此，本发明的目的在于提供一种配电网可靠性的评估方法及系统，电表的故障诊断结果。其中，故障诊断模型通过机器学习模型训练得到。通过机器学习中的算法，实现电表故障案例数据的综合分析，形成完整性和鲁棒性高的相关识别模型，提升了智能电表故障诊断中的准确率。

第一方面，本发明实施例提供了一种智能电表的故障诊断方法，其中，方法包括：获取智能电表的测试数据；对测试数据进行预处理，得到测试数据的预处理结果；对预处理结果进行联机分析处理，得到测试数据对应的联机分析处理结果；将联机分析处理结果输入至预先完成训练的故障诊断模型中，输出智能电表的故障诊断结果；故障诊断模型通过机器学习模型训练得到。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，输出智能的故障诊断结果的步骤之后，方法还包括：根据智能电表的故障诊断结果和智能电表的实际故障数据，调整故障诊断模型的模型参数。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据智能电表的故障诊断结果和智能电表的实际故障，调整故障诊断模型的模型参数的步骤，包括：将智能电表的故障诊断结果与智能电表的实际故障数据进行比较，得到比较结果；将比较结果输入至故障诊断模型中，以对故障诊断模型进行训练，得到训练后的故障诊断模型。