[发明专利]一种智能机柜故障预测方法、系统及智能机柜

权利要求书

1.一种智能机柜故障预测方法，其特征在于，包括：

获取智能机柜各类设备的运行状态；

基于LSTM网络构建故障类型预测模型，并基于小波神经网络构建故障时间预测模型；将预训练的故障类型预测模型和时间预测模型相结合，基于所述运行状态数据，对智能机柜进行故障类型和故障发生时间的预测；

其中，所述故障类型预测模型和时间预测模型的训练，通过对所述智能机柜历史故障数据进行数据预处理，获得关键影响因子和故障发生时间数据集，利用关键影响因子数据集对所述故障类型预测模型进行训练，利用故障发生时间数据集对所述时间预测模型进行训练。

2.如权利要求1所述的一种智能机柜故障预测方法，其特征在于，所述数据预处理包括如下步骤：

将状态监测数据标记为正常状态和异常状态并保存为历史故障数据；

利用K-means聚类算法对所述历史故障数据进行聚类分析；

筛选出影响智能机柜故障的关键影响因子，构成用于故障类型预测模型训练的关键影响因子数据集。

3.如权利要求2所述的一种智能机柜故障预测方法，其特征在于，所述筛选出影响智能机柜故障的关键影响因子，其具体包括：通过聚类分析对机柜故障类型进行分类；针对各种故障类型进行检测，基于专家经验判断关键影响因子。

4.如权利要求1所述的一种智能机柜故障预测方法，其特征在于，根据智能机柜故障类型预测的具体情况对应故障类型获取不同的故障发生时间数据集，并将故障发生时间送入小波神经网络分别建立故障时间预测模型。

5.如权利要求1所述的一种智能机柜故障预测方法，其特征在于，所述将预训练的故障类型预测模型和时间预测模型相结合，对智能机柜进行故障类型和故障发生时间的预测，具体包括：

将智能机柜的实时状态监测数据中的关键影响因子作为预训练故障类型预测模型的输入，获得故障类型预测；

将智能机柜设备的运行时长作为预训练的时间预测模型的输入，获得该类故障发生时间预测结果。

6.一种智能机柜故障预测系统，其特征在于，包括：

数据获取单元，其用于获取智能机柜各类设备的运行状态；

模型构建单元，其用于基于LSTM网络构建故障类型预测模型，并基于小波神经网络构建故障时间预测模型；

结果预测单元，其用于将预训练的故障类型预测模型和时间预测模型相结合，基于所述运行状态数据，对智能机柜进行故障类型和故障发生时间的预测；

其中，所述故障类型预测模型和时间预测模型的训练，通过对所述智能机柜历史故障数据进行数据预处理，获得关键影响因子和故障发生时间数据集，利用关键影响因子数据集对所述故障类型预测模型进行训练，利用故障发生时间数据集对所述时间预测模型进行训练。

7.如权利要求6所述的一种智能机柜故障预测系统，其特征在于，所述数据预处理包括如下步骤：

将状态监测数据标记为正常状态和异常状态并保存为历史故障数据；

利用K-means聚类算法对所述历史故障数据进行聚类分析；

筛选出影响智能机柜故障的关键影响因子，构成用于故障类型预测模型训练的关键影响因子数据集。

8.如权利要求6所述的一种智能机柜故障预测系统，其特征在于，所述结果预测单元，将预训练的故障类型预测模型和时间预测模型相结合，对智能机柜进行故障类型和故障发生时间的预测，具体包括：

将智能机柜的实时状态监测数据中的关键影响因子作为预训练故障类型预测模型的输入，获得故障类型预测；

将智能机柜设备的运行时长作为预训练的时间预测模型的输入，获得该类故障发生时间预测结果。

9.一种智能机柜，包括机柜本体、存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种智能机柜故障预测方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-7任一项所述的一种智能机柜故障预测方法。