[发明专利]一种基于RFID监测的电气设备故障预警方法及系统

说明书

本发明涉及一种基于RFID监测的电气设备故障预警方法及系统，该方法具体为：通过RFID温度采集系统采集电气设备的时序温度数据集并进行预处理，并输入训练好的去噪自编码网络和长短时记忆神经网络，分别获得第一故障预警信息和第一预测故障预警信息，并输入训练好的Xgboost模型，获得故障预警等级；获取电气设备的历史时序温度数据和对应的历史故障预警信息，对历史时序温度数据进行预处理，去噪自编码网络和长短时记忆神经网络以预处理后的历史时序温度数据和对应的历史故障预警信息作为训练集，Xgboost模型以历史故障预警信息及对应的故障预警等级作为训练集。与现有技术相比，本发明具有避免过拟合和精度高等优点。

技术领域

本发明涉及一种电气设备监测技术，尤其是涉及一种基于RFID监测的电气设备故障预警方法及系统。

背景技术

电力系统中，电力设备的安全稳定运行是电力系统稳定的基础。但实际的电力系统中，电气设备连接松动、接触不良、漏磁、过电流等诸多因素都可引起设备过热引发设备故障。因此温度检测是判定电气设备是否异常的主要途径之一。针对基于超高频射频识别技术的电力设备温度检测系统，利用系统检测得到的电力设备温度时序数据，融合深入学习技术实现时序温度数据的异常趋势辨识，进而实现电力设备故障的预测与预警。

基于RFID技术的电力设备温度采集系统的温度采集数据具有如下问题：因多标签及多阅读器之间的碰撞，数据集中存在数据点缺失、数据异位等异常数据；RFID基于反向电磁波实现数据通信与传递，实际场景中电力设备工作环境复杂，外界环境中电磁场对数据传输造成干扰，产生数据噪声；RFID设备故障时会导致温度数据长时间尺度内缺少，变化趋势异常。温度数据具有明显的时序特征，时间序列数据的预测中目前主流的为采用递归神经网络RNN、卷积神经网络CNN或长短时记忆神经网络LSTM实现时序数据序列的预测，基于以上几个特征，传统的应用RNN、CNN、LSTM技术的方法容易导致过拟合、预测精度低等问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于RFID监测的电气设备故障预警方法及系统，避免过拟合，精度高。

本发明的目的可以通过以下技术方案来实现：

一种基于RFID监测的电气设备故障预警方法，具体为：

通过RFID温度采集系统实时采集电气设备的时序温度数据集并进行预处理，将预处理后的时序温度数据集输入训练好的去噪自编码网络和长短时记忆神经网络，分别获得第一故障预警信息和第一预测故障预警信息，将第一故障预警信息和第二故障预警信息输入训练好的Xgboost模型，获得故障预警等级，实现对电气设备的故障预测和预警，避免电力设备因突发故障造成更大的经济损失，预测精度高。

其中，获取电气设备的历史时序温度数据和对应的历史故障预警信息，对历史时序温度数据进行预处理，所述的去噪自编码网络和长短时记忆神经网络以预处理后的历史时序温度数据和对应的历史故障预警信息作为训练集，进行训练；

将历史时序温度数据对应的故障预警信息按严重程度分为若干个故障预警等级，所述的Xgboost模型以历史故障预警信息及对应的故障预警等级作为训练集，对训练集进行归纳后得到元学习器，根据第一故障预警信息和第二故障预警信息综合判断故障预警等级，精度高。

进一步地，所述的预处理通过邻传播聚类算法修正时序温度数据集，过程具体为：

301)将时序温度数据集中每个温度序列T_N＝{L₁,L₂,…,L_N}等分为X个周期序列L为温度值，r∈[1，X]，每个均为a维度序列，计算各个的温度趋势序列其中，