[发明专利]一种数智节能柜故障诊断方法及系统

说明书

本发明涉及一种数智节能柜故障诊断方法及系统，本发明的方法可通过选取多元化的基础因素搭建数智节能柜故障诊断模型；同时本发明可基于深度学习算法及时地对待评估数智节能柜的基础因素实际数据进行深度地挖掘，通过挖掘出的具有广度和深度的数据，在数智节能柜故障诊断模型的基础上确定待评估数智节能柜的每项基础因素的风险指标值和风险因素对应的风险系数，将筛选出的风险因素及其风险系数输入训练后的数智节能柜故障诊断模型进行故障诊断分析，得到待评估数智节能柜的风险等级。可以对数智节能柜实现故障的自动诊断，降低检测人员的劳动强度，且使得故障诊断结果不受检测人员检测水平的局限，可以提高故障诊断结果的准确性和实效性。

技术领域

本发明涉及故障诊断领域，具体涉及一种数智节能柜故障诊断方法及系统。

背景技术

故障诊断技术能够帮助企业及时作出响应，极大程度上减少各类故障对企业造成的损失。随着科技技术信息的不断进步，故障诊断的数据日趋增多，设备故障也趋于复杂化。特别地，现有技术中的故障诊断方法很难做到通用化，针对数智综合节能柜(智能电压优化装置)的故障诊断技术并不完善，实际工作环境中也很难对数智综合节能柜(智能电压优化装置)进行故障分析，且现有的基于人工故障排查的方法无法满足智能化、准确性和实效性的要求。因此亟需一种满足各类高要求、高标准的针对数智综合节能柜的故障诊断方法。

发明内容

针对现有技术中的以上缺陷，本发明的目的在于提供一种数智节能柜故障诊断方法及系统，可以提高故障诊断结果的准确性。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本发明提供一种数智节能柜故障诊断方法，包括如下步骤：

获取数智节能柜故障的基础因素；

标准化设定每项基础因素的平衡系数和原始权重；

通过基础因素结合对应平衡系数和原始权重，搭建数智节能柜故障诊断模型；数智节能柜故障诊断模型包括多个子线程中，每个子线程分别根据所述基础因素和马尔科夫模型对所述数智节能柜故障诊断模型进行训练；

将训练结果输出给总线程，总线程对所述数智节能柜故障诊断模型的模型训练参数进行更新；

根据迭代训练后的所述数智节能柜故障诊断模型对数智节能柜的故障进行决策；

获取待评估数智节能柜的基础因素对应的当前实际数据；

根据所述当前实际数据结合所述平衡系数预测每项基础因素的风险指标值：

式中，T表示风险指标值，x_a表示当前实际数据，x_b表示所涉及基础因素对应的的平衡系数；

通过所述每项基础因素的风险指标值在待评估数智节能柜的基础因素中筛选出风险因素，具体地，将所述每项基础因素的风险指标值与设定阈值进行比较，以筛选出满足要求的风险因素；

结合风险因素的原始权重和所述每项基础因素的风险指标值，拟定对应的风险因素的风险系数；

将筛选出的风险因素及其风险系数输入训练后的所述数智节能柜故障诊断模型进行故障诊断分析，得到待评估数智节能柜的风险等级。

在可选的实施方式中，所述方法还包括：数智节能柜故障的基础因素具体包括：输入电压、输出电压、负载情况、工作电流、运行温度、工作频率和输出效率。

在可选的实施方式中，所述方法还包括：根据所述基础因素和马尔科夫模型对所述数智节能柜故障诊断模型进行训练前，还包括：