[发明专利]一种基于物联网的电力通信智能故障分析方法及系统

权利要求书

1.一种基于物联网的电力通信智能故障分析方法，其特征在于：包括以下步骤：

对于某一类型设备，获取其历史故障周期内的多组故障数据以及对应的设备参数值；所述故障数据包括故障类型；获取所述故障类型下的故障分析结果，并将所述分析结果与故障类型关联起来；

对所述故障数据及设备参数值进行数值化处理；

构建并训练一双向循环神经网络，以所述历史故障周期内的故障数据、设备参数值作为训练样本数据，对所述双向循环神经网络进行学习训练；直至所述双向循环神经网络满足预测精度要求；

输入设备的实时的设备参数，双向循环神经网络输出是否会产生故障的预测结果，以及输出预测的故障类型，基于输出的故障类型输出关联的故障分析结果。

2.根据权利要求1所述的基于物联网的电力通信智能故障分析方法，其特征在于：所述对双向循环神经网络进行训练的具体过程如下：

读取训练样本数据，进行前向传播；

检验双向循环神经网络的预测精度是否达到预设精度要求；

若未达到，则进行反向传播，然后返回上述进行前向传播的步骤；

若达到，结束学习训练的过程。

3.根据权利要求2所述的基于物联网的电力通信智能故障分析方法，其特征在于：当检验双向循环神经网络的预测精度未达到预设精度要求之后，进行反向传播之前，还包括有调整学习速率的步骤：

当相邻两次迭代的梯度方向相同时，学习速率η调整为

其中，η_z为学习速率η做此次调整之前的值；

当相邻两次迭代的梯度方向相反时，学习速率η调整为

4.根据权利要求2所述的基于物联网的电力通信智能故障分析方法，其特征在于：所述双向循环神经网络包括输入层、隐含层和输出层，所述隐含层以对数-S型函数作为传递函数，所述输出层以硬极限函数作为传递函数。

5.一种基于物联网的电力通信智能故障分析系统，其特征在于：包括关联模块、数值化处理模块、训练模块和故障分析模块；

关联模块用于获取设备历史故障周期内的多组故障数据以及对应的设备参数值；获取所述故障类型下的故障分析结果，并将所述分析结果与故障类型关联起来；

数值化处理模块用于对所述故障数据及设备参数值进行数值化处理；

训练模块用于构建并训练一双向循环神经网络，以所述历史故障周期内的故障数据、设备参数值作为训练样本数据，对所述双向循环神经网络进行学习训练；直至所述双向循环神经网络满足预测精度要求；

故障分析模块用于输入设备的实时的设备参数，双向循环神经网络输出是否会产生故障的预测结果，以及输出预测的故障类型，基于输出的故障类型输出关联的故障分析结果。

6.根据权利要求5所述的基于物联网的电力通信智能故障分析系统，其特征在于：

所述对双向循环神经网络进行训练的具体过程如下：

读取训练样本数据，进行前向传播；

检验双向循环神经网络的预测精度是否达到预设精度要求；

若未达到，则进行反向传播，然后返回上述进行前向传播的步骤；

若达到，结束学习训练的过程。

7.根据权利要求6所述的基于物联网的电力通信智能故障分析系统，其特征在于：当检验双向循环神经网络的预测精度未达到预设精度要求之后，进行反向传播之前，还包括有调整学习速率的步骤：

当相邻两次迭代的梯度方向相同时，学习速率η调整为

其中，η_z为学习速率η做此次调整之前的值；

当相邻两次迭代的梯度方向相反时，学习速率η调整为

8.根据权利要求6所述的基于物联网的电力通信智能故障分析系统，其特征在于：所述双向循环神经网络包括输入层、隐含层和输出层，所述隐含层以对数-S型函数作为传递函数，所述输出层以硬极限函数作为传递函数。