本發(fā)明涉及及電能計(jì)量裝置中故障診斷，尤其涉及一種基于關(guān)口電能表健康評(píng)價(jià)與智能運(yùn)維的方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、目前，對(duì)關(guān)口電能表的運(yùn)維管理，主要是由專業(yè)人員攜帶校驗(yàn)儀器設(shè)備，定期到現(xiàn)場(chǎng)進(jìn)行檢驗(yàn)。但實(shí)踐表明，以這種運(yùn)維管理模式，往往對(duì)正常運(yùn)行的關(guān)口電能表也“無病大檢”，造成電能計(jì)量管理人力、物力的浪費(fèi)；同時(shí)，有些關(guān)口電能表雖然還未到檢定時(shí)間，但由于缺乏準(zhǔn)確、有效的監(jiān)管手段，其在運(yùn)行中已產(chǎn)生的故障隱患未能被及時(shí)發(fā)現(xiàn)、未能及時(shí)檢定維護(hù)，結(jié)果造成電能計(jì)量差錯(cuò)，甚至導(dǎo)致電能計(jì)量結(jié)果的丟失。

技術(shù)實(shí)現(xiàn)思路

1、為改善上述問題，本發(fā)明提出一種基于關(guān)口電能表健康評(píng)價(jià)與智能運(yùn)維的方法，該方法包括以下步驟：

2、步驟1：利用數(shù)據(jù)采集設(shè)備，定期收集多個(gè)關(guān)口電能表在過去一段時(shí)間內(nèi)的歷史電能計(jì)量數(shù)據(jù)，示例性的歷史電能計(jì)量數(shù)據(jù)包括現(xiàn)場(chǎng)的電壓、電流、現(xiàn)場(chǎng)溫度及濕度數(shù)據(jù)，以及被檢關(guān)口電能表測(cè)得的有功電能脈沖數(shù)、當(dāng)前有功功率、無功功率、功率因數(shù)等歷史電能計(jì)量數(shù)據(jù)信息；

3、步驟2：對(duì)采集的歷史數(shù)據(jù)進(jìn)行異常值和噪聲數(shù)據(jù)去除，然后進(jìn)行預(yù)處理，并通過多源數(shù)據(jù)特征融合和概率判定建立關(guān)口電能表的校驗(yàn)評(píng)估模型；

4、在建立關(guān)口電能表的校驗(yàn)評(píng)估模型的過程中，通過對(duì)多源歷史數(shù)據(jù)中的電壓、電流、現(xiàn)場(chǎng)溫度及濕度數(shù)據(jù)，以及被檢關(guān)口電能表測(cè)得的有功電能脈沖數(shù)、當(dāng)前有功功率、無功功率、功率因數(shù)進(jìn)行預(yù)處理，生成對(duì)應(yīng)的標(biāo)準(zhǔn)特征矩陣；

5、在預(yù)處理過程中，對(duì)各個(gè)關(guān)口電能表采集的歷史數(shù)據(jù)進(jìn)行線性變換后得到對(duì)應(yīng)的初始樣本矩陣xmn，即通過下述公式得到所述初始樣本矩陣xmn；

6、xmn＝(xij)mn

7、其中，xij表示初始樣本矩陣xmn中各個(gè)關(guān)口電能表的各個(gè)歷史數(shù)據(jù)，1≤i≤m，1≤j≤n，m、n表示初始樣本矩陣xmn的維度；

8、將所述各個(gè)關(guān)口電能表的各個(gè)歷史數(shù)據(jù)xij進(jìn)行標(biāo)準(zhǔn)變換得到標(biāo)準(zhǔn)變換后的各個(gè)關(guān)口電能表的各個(gè)歷史數(shù)據(jù)并根據(jù)建立標(biāo)準(zhǔn)變換矩陣其中，通過下述公式對(duì)xij進(jìn)行標(biāo)準(zhǔn)變換得到

9、

10、其中，sj表示表示所述初始樣本矩陣xmn中xij的第j列的標(biāo)準(zhǔn)值，表示所述初始樣本矩陣xmn中xij的第j列的平均值；

11、通過下述公式由建立標(biāo)準(zhǔn)變換矩陣即

12、

13、其中，1≤i≤m，1≤j≤n，m、n表示標(biāo)準(zhǔn)變換矩陣的維度；

14、通過下述公式計(jì)算標(biāo)準(zhǔn)變換矩陣中標(biāo)準(zhǔn)變換后的各個(gè)關(guān)口電能表的各個(gè)歷史數(shù)據(jù)之間的相關(guān)因子cij，建立相關(guān)因子矩陣cmn；即

15、

16、其中，表示標(biāo)準(zhǔn)變換矩陣中任意兩個(gè)數(shù)據(jù)，表示標(biāo)準(zhǔn)變換矩陣第i行的平均值，表示標(biāo)準(zhǔn)變換矩陣第j列的平均值；

17、通過特征方程對(duì)相關(guān)因子矩陣cmn進(jìn)行特征分解并得到cij的特征λij以及對(duì)應(yīng)的特征值pij，根據(jù)所述特征值p計(jì)算相關(guān)因子矩陣cmn中cij的貢獻(xiàn)度gij；通過下述公式計(jì)算所述貢獻(xiàn)度gij，即

18、

19、所述特征值pij越大則表示相關(guān)因子矩陣中cij在其對(duì)應(yīng)的特征方向上的覆蓋長度越大，因此得到相應(yīng)的貢獻(xiàn)度gij越大，進(jìn)一步地選擇貢獻(xiàn)度大于預(yù)設(shè)閾值的數(shù)據(jù)cij構(gòu)建故障特征集y；即y＝[y1,y2,y3..,yz]，其中1≤z≤n；

20、進(jìn)一步地，將故障特征集y進(jìn)行關(guān)系匹配，并通過下述公式進(jìn)行關(guān)系匹配，即

21、

22、其中，wα表示故障模式對(duì)應(yīng)的特征向量，1≤α≤n，表示平滑因子；

23、通過下述公式計(jì)算關(guān)系匹配后故障特征集對(duì)應(yīng)不同類型的故障模式的概率，即

24、

25、其中，fa表示故障模式的概率，ρ表示故障模式樣本的維度，表示平滑因子；

26、通過概率密度函數(shù)判定最終的故障類型t，即t＝argmax(fa)；以此通過故障概率得到最終的故障類型。再通過對(duì)數(shù)據(jù)不斷地迭代訓(xùn)練，以此完成關(guān)口電能表的校驗(yàn)評(píng)估模型的訓(xùn)練；

27、步驟3：實(shí)時(shí)獲取關(guān)口電能表的運(yùn)行數(shù)據(jù)并將這些數(shù)據(jù)傳輸?shù)綌?shù)據(jù)處理中心；

28、步驟4：將所述關(guān)口電能表的運(yùn)行數(shù)據(jù)輸入到已訓(xùn)練完成的關(guān)口電能表的校驗(yàn)評(píng)估模型中；

29、步驟5：對(duì)所述故障類型進(jìn)行反饋和預(yù)警，并通過云服務(wù)器向客戶端發(fā)出預(yù)警提示；

30、所述云服務(wù)器根據(jù)所述故障類型從專家?guī)熘型扑途S修建議，并將所述維修建議發(fā)送至維修人員的手持設(shè)備中。

31、進(jìn)一步地，所述數(shù)據(jù)采集設(shè)備中的關(guān)口電能表包括不同類型電能表計(jì)量使用的互感器中的計(jì)量用電壓、電流互感器、以及其二次回路電能計(jì)量柜，其中電能表按接入形式分為直接接入和經(jīng)互感器接入式。

32、進(jìn)一步地，在采集歷史電能計(jì)量數(shù)據(jù)時(shí)，預(yù)先設(shè)置定時(shí)自動(dòng)采集的方式觸發(fā)采集電能量數(shù)據(jù)以及非電的相關(guān)數(shù)據(jù)，其中，在高頻度地采集當(dāng)前時(shí)間段內(nèi)根據(jù)負(fù)荷的大小調(diào)整采樣間隔時(shí)間，采集現(xiàn)場(chǎng)的電壓和電流。

33、進(jìn)一步地，關(guān)口電能表的故障運(yùn)行狀態(tài)包括二次回路錯(cuò)接線、失壓故障、采集錯(cuò)誤、外觀損壞、表計(jì)停走、誤差超差、時(shí)鐘異常、電量異常、顯示故障、接口損壞、參數(shù)錯(cuò)誤。

34、此外，本發(fā)明還提出一種基于關(guān)口電能表健康評(píng)價(jià)與智能運(yùn)維的裝置，該裝置包括以下模塊：

35、歷史數(shù)據(jù)采集模塊，用于利用數(shù)據(jù)采集設(shè)備，定期收集多個(gè)關(guān)口電能表在過去一段時(shí)間內(nèi)的歷史電能計(jì)量數(shù)據(jù)，示例性的歷史電能計(jì)量數(shù)據(jù)包括現(xiàn)場(chǎng)的電壓、電流、現(xiàn)場(chǎng)溫度及濕度數(shù)據(jù)，以及被檢關(guān)口電能表測(cè)得的有功電能脈沖數(shù)、當(dāng)前有功功率、無功功率、功率因數(shù)等歷史電能計(jì)量數(shù)據(jù)信息；

36、關(guān)口電能表的校驗(yàn)評(píng)估模型訓(xùn)練模塊，用于對(duì)采集的歷史數(shù)據(jù)進(jìn)行異常值和噪聲數(shù)據(jù)去除，然后進(jìn)行預(yù)處理，并通過多源數(shù)據(jù)特征融合和概率判定建立關(guān)口電能表的校驗(yàn)評(píng)估模型；

37、在建立關(guān)口電能表的校驗(yàn)評(píng)估模型的過程中，通過對(duì)多源歷史數(shù)據(jù)中的電壓、電流、現(xiàn)場(chǎng)溫度及濕度數(shù)據(jù)，以及被檢關(guān)口電能表測(cè)得的有功電能脈沖數(shù)、當(dāng)前有功功率、無功功率、功率因數(shù)進(jìn)行預(yù)處理，生成對(duì)應(yīng)的標(biāo)準(zhǔn)特征矩陣；

38、在預(yù)處理過程中，對(duì)各個(gè)關(guān)口電能表采集的歷史數(shù)據(jù)進(jìn)行線性變換后得到對(duì)應(yīng)的初始樣本矩陣xmn，即通過下述公式得到所述初始樣本矩陣xmn；

39、xmn＝(xij)mn

40、其中，xij表示初始樣本矩陣xmn中各個(gè)關(guān)口電能表的各個(gè)歷史數(shù)據(jù)，1≤i≤m，1≤j≤n，m、n表示初始樣本矩陣xmn的維度；

41、將所述各個(gè)關(guān)口電能表的各個(gè)歷史數(shù)據(jù)xij進(jìn)行標(biāo)準(zhǔn)變換得到標(biāo)準(zhǔn)變換后的各個(gè)關(guān)口電能表的各個(gè)歷史數(shù)據(jù)并根據(jù)建立標(biāo)準(zhǔn)變換矩陣其中，通過下述公式對(duì)xij進(jìn)行標(biāo)準(zhǔn)變換得到

42、

43、其中，sj表示表示所述初始樣本矩陣xmn中xij的第j列的標(biāo)準(zhǔn)值，表示所述初始樣本矩陣xmn中xij的第j列的平均值；

44、通過下述公式由建立標(biāo)準(zhǔn)變換矩陣即

45、

46、其中，1≤i≤m，1≤j≤n，m、n表示標(biāo)準(zhǔn)變換矩陣的維度；

47、通過下述公式計(jì)算標(biāo)準(zhǔn)變換矩陣中標(biāo)準(zhǔn)變換后的各個(gè)關(guān)口電能表的各個(gè)歷史數(shù)據(jù)之間的相關(guān)因子cij，建立相關(guān)因子矩陣cmn；即

48、

49、其中，表示標(biāo)準(zhǔn)變換矩陣中任意兩個(gè)數(shù)據(jù)，表示標(biāo)準(zhǔn)變換矩陣第i行的平均值，表示標(biāo)準(zhǔn)變換矩陣第j列的平均值；

50、通過特征方程對(duì)相關(guān)因子矩陣cmn進(jìn)行特征分解并得到cij的特征λij以及對(duì)應(yīng)的特征值pij，根據(jù)所述特征值o計(jì)算相關(guān)因子矩陣cmn中cij的貢獻(xiàn)度gij；通過下述公式計(jì)算所述貢獻(xiàn)度gij，即

51、

52、所述特征值pij越大則表示相關(guān)因子矩陣中cij在其對(duì)應(yīng)的特征方向上的覆蓋長度越大，因此得到相應(yīng)的貢獻(xiàn)度gij越大，進(jìn)一步地選擇貢獻(xiàn)度大于預(yù)設(shè)閾值的數(shù)據(jù)cij構(gòu)建故障特征集y；即y＝[y1,y2,y3..,yz]，其中1≤z≤n；

53、進(jìn)一步地，將故障特征集y進(jìn)行關(guān)系匹配，并通過下述公式進(jìn)行關(guān)系匹配，即

54、

55、其中，wα表示故障模式對(duì)應(yīng)的特征向量，1≤α≤n，表示平滑因子；

56、通過下述公式計(jì)算關(guān)系匹配后故障特征集對(duì)應(yīng)不同類型的故障模式的概率，即

57、

58、其中，fa表示故障模式的概率，ρ表示故障模式樣本的維度，表示平滑因子；

59、通過概率密度函數(shù)判定最終的故障類型t，即t＝argmax(fa)；以此通過故障概率得到最終的故障類型。再通過對(duì)數(shù)據(jù)不斷地迭代訓(xùn)練，以此完成關(guān)口電能表的校驗(yàn)評(píng)估模型的訓(xùn)練；

60、實(shí)時(shí)數(shù)據(jù)采集模塊，用于實(shí)時(shí)獲取關(guān)口電能表的運(yùn)行數(shù)據(jù)并將這些數(shù)據(jù)傳輸?shù)綌?shù)據(jù)處理中心；

61、數(shù)據(jù)分析模塊，用于將所述關(guān)口電能表的運(yùn)行數(shù)據(jù)輸入到已訓(xùn)練完成的關(guān)口電能表的校驗(yàn)評(píng)估模型中；

62、預(yù)警及運(yùn)維模塊，對(duì)所述故障類型進(jìn)行反饋和預(yù)警，并通過云服務(wù)器向客戶端發(fā)出預(yù)警提示；

63、所述云服務(wù)器根據(jù)所述故障類型從專家?guī)熘型扑途S修建議，并將所述維修建議發(fā)送至維修人員的手持設(shè)備中。

64、進(jìn)一步地，所述數(shù)據(jù)采集設(shè)備中的關(guān)口電能表包括不同類型電能表計(jì)量使用的互感器中的計(jì)量用電壓、電流互感器、以及其二次回路電能計(jì)量柜，其中電能表按接入形式分為直接接入和經(jīng)互感器接入式。

65、進(jìn)一步地，在采集歷史電能計(jì)量數(shù)據(jù)時(shí)，預(yù)先設(shè)置定時(shí)自動(dòng)采集的方式觸發(fā)采集電能量數(shù)據(jù)以及非電的相關(guān)數(shù)據(jù)，其中，在高頻度地采集當(dāng)前時(shí)間段內(nèi)根據(jù)負(fù)荷的大小調(diào)整采樣間隔時(shí)間，采集現(xiàn)場(chǎng)的電壓和電流。

66、進(jìn)一步地，關(guān)口電能表的故障運(yùn)行狀態(tài)包括二次回路錯(cuò)接線、失壓故障、采集錯(cuò)誤、外觀損壞、表計(jì)停走、誤差超差、時(shí)鐘異常、電量異常、顯示故障、接口損壞、參數(shù)錯(cuò)誤。

67、本發(fā)明還提出一種電子設(shè)備，所述電子設(shè)備包括處理器以及存儲(chǔ)器：所述存儲(chǔ)器用于存儲(chǔ)程序代碼，并將所述程序代碼傳輸給所述處理器，所述處理器用于根據(jù)所述程序代碼中的指令執(zhí)行上述一種基于關(guān)口電能表健康評(píng)價(jià)與智能運(yùn)維的方法。

68、本發(fā)明還提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)程序代碼，并將所述程序代碼傳輸給處理器，所述處理器用于根據(jù)所述程序代碼中的指令執(zhí)行上述一種基于關(guān)口電能表健康評(píng)價(jià)與智能運(yùn)維的方法。

69、因此，通過本發(fā)明可以對(duì)關(guān)口電能表的運(yùn)行數(shù)據(jù)進(jìn)行異常值和噪聲數(shù)據(jù)去除，然后將去噪后的數(shù)據(jù)進(jìn)行預(yù)處理生成對(duì)應(yīng)的標(biāo)準(zhǔn)變換矩陣；計(jì)算所述標(biāo)準(zhǔn)變換矩陣中各個(gè)關(guān)口電能表的各個(gè)數(shù)據(jù)之間的相關(guān)因子，并構(gòu)建相關(guān)因子矩陣；通過特征方程對(duì)所述相關(guān)因子矩陣進(jìn)行特征分解，并得到所述相關(guān)因子的特征以及對(duì)應(yīng)的特征值，根據(jù)所述特征值計(jì)算所述相關(guān)因子矩陣中所述相關(guān)因子的貢獻(xiàn)度，并通過所述貢獻(xiàn)度確定所述故障特征集；對(duì)所述故障特征集進(jìn)行關(guān)系匹配，并計(jì)算關(guān)系匹配后故障特征集對(duì)應(yīng)不同類型的故障模式的概率，再通過概率密度函數(shù)判定最終的故障類型。