本申請(qǐng)涉及集中器故障智能檢測(cè)，具體而言，涉及一種基于人工智能的集中器故障分析方法及相關(guān)設(shè)備。

背景技術(shù)：

1、集中器是電力系統(tǒng)、通信基站等關(guān)鍵電力基礎(chǔ)設(shè)施的核心設(shè)備，其正常運(yùn)行對(duì)于電力系統(tǒng)的采集穩(wěn)定性至關(guān)重要。集中器通常配有信號(hào)燈來(lái)指示其工作狀態(tài)，例如電源、通信、故障等。通過(guò)監(jiān)控這些信號(hào)燈的狀態(tài)，可以快速識(shí)別和定位集中器的運(yùn)行問(wèn)題。

2、傳統(tǒng)的故障檢測(cè)方法主要依賴于人工巡檢或是具有一定分析能力的自動(dòng)化識(shí)別系統(tǒng)，這些方法存在消耗人力、效率低下、誤判率高、響應(yīng)時(shí)間較長(zhǎng)，且無(wú)法實(shí)現(xiàn)預(yù)測(cè)性維護(hù)等問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的實(shí)施例提供了一種基于人工智能的集中器故障分析方法及相關(guān)設(shè)備，以解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題。

2、本申請(qǐng)的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得顯然，或部分地通過(guò)本申請(qǐng)的實(shí)踐而習(xí)得。

3、根據(jù)本申請(qǐng)實(shí)施例的第一方面，提供了一種基于人工智能的集中器故障分析方法，包括：

4、獲取集中器設(shè)備的信號(hào)燈圖像數(shù)據(jù)；

5、對(duì)所述信號(hào)燈圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集；

6、采用目標(biāo)檢測(cè)算法從訓(xùn)練數(shù)據(jù)集中提取故障特征；

7、基于所述故障特征以及所述訓(xùn)練數(shù)據(jù)集進(jìn)行模型訓(xùn)練，并基于所述驗(yàn)證數(shù)據(jù)集進(jìn)行模型驗(yàn)證；

8、將實(shí)時(shí)采集到的圖像數(shù)據(jù)輸入至通過(guò)驗(yàn)證的模型進(jìn)行檢測(cè)，并結(jié)合故障預(yù)設(shè)規(guī)則進(jìn)行故障判斷和檢測(cè)。

9、在本申請(qǐng)的一些實(shí)施例中，基于前述方案，所述對(duì)所述信號(hào)燈圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，包括：

10、將所述信號(hào)燈圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、缺失值填補(bǔ)、噪聲過(guò)濾和數(shù)據(jù)標(biāo)準(zhǔn)化處理。

11、在本申請(qǐng)的一些實(shí)施例中，基于前述方案，所述采用目標(biāo)檢測(cè)算法從訓(xùn)練數(shù)據(jù)集中提取故障特征，包括：

12、采用目標(biāo)檢測(cè)算法從訓(xùn)練數(shù)據(jù)集中提取信號(hào)燈的狀態(tài)特征；

13、訓(xùn)練分類器對(duì)信號(hào)燈的狀態(tài)特征進(jìn)行識(shí)別，提取與故障相關(guān)的故障特征。

14、在本申請(qǐng)的一些實(shí)施例中，基于前述方案，在基于所述故障特征進(jìn)行模型訓(xùn)練的過(guò)程中，還包括：

15、采用交叉驗(yàn)證和數(shù)據(jù)增強(qiáng)技術(shù)對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行處理。

16、在本申請(qǐng)的一些實(shí)施例中，基于前述方案，還包括：根據(jù)故障判斷和檢測(cè)的結(jié)果，結(jié)合故障處理知識(shí)庫(kù)，生成具體的故障排查建議和處理措施。

17、在本申請(qǐng)的一些實(shí)施例中，基于前述方案，還包括：根據(jù)歷史故障分析結(jié)果數(shù)據(jù)進(jìn)行預(yù)測(cè)。

18、根據(jù)本申請(qǐng)實(shí)施例的第二方面，提供了一種基于人工智能的集中器故障分析裝置，包括：

19、獲取單元，用于獲取集中器設(shè)備的信號(hào)燈圖像數(shù)據(jù)；

20、數(shù)據(jù)預(yù)處理單元，用于對(duì)所述信號(hào)燈圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集；

21、提取單元，用于采用目標(biāo)檢測(cè)算法從訓(xùn)練數(shù)據(jù)集中提取故障特征；

22、訓(xùn)練單元，用于基于所述故障特征以及所述訓(xùn)練數(shù)據(jù)集進(jìn)行模型訓(xùn)練；

23、驗(yàn)證單元，用于基于所述驗(yàn)證數(shù)據(jù)集進(jìn)行模型驗(yàn)證；

24、故障判斷檢測(cè)單元，用于將實(shí)時(shí)采集到的圖像數(shù)據(jù)輸入至通過(guò)驗(yàn)證的模型進(jìn)行檢測(cè)，并結(jié)合故障預(yù)設(shè)規(guī)則進(jìn)行故障判斷和檢測(cè)。

25、根據(jù)本申請(qǐng)實(shí)施例的第三方面，提供了一種電子設(shè)備，包括：存儲(chǔ)器和處理器；

26、所述存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)指令；

27、所述處理器，用于調(diào)用所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)指令，使得所述電子設(shè)備執(zhí)行如第一方面所述的方法。

28、根據(jù)本申請(qǐng)實(shí)施例的第四方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得所述計(jì)算機(jī)執(zhí)行如第一方面所述的方法。

29、本申請(qǐng)的技術(shù)方案，利用圖像識(shí)別技術(shù)對(duì)集中器設(shè)備上的信號(hào)燈進(jìn)行實(shí)時(shí)監(jiān)控，并通過(guò)深度學(xué)習(xí)和機(jī)器學(xué)習(xí)算法，依據(jù)分析結(jié)果和歷史數(shù)據(jù)，進(jìn)行故障分析和預(yù)測(cè)，提高了故障檢測(cè)的準(zhǔn)確性和效率，減少了人工干預(yù)，降低了運(yùn)營(yíng)成本，并實(shí)現(xiàn)了預(yù)測(cè)性維護(hù)。

30、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本申請(qǐng)。

技術(shù)特征：

1.一種基于人工智能的集中器故障分析方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述信號(hào)燈圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用目標(biāo)檢測(cè)算法從訓(xùn)練數(shù)據(jù)集中提取故障特征，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在基于所述故障特征進(jìn)行模型訓(xùn)練的過(guò)程中，還包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：根據(jù)故障判斷和檢測(cè)的結(jié)果，結(jié)合故障處理知識(shí)庫(kù)，生成具體的故障排查建議和處理措施。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：根據(jù)歷史故障分析結(jié)果數(shù)據(jù)進(jìn)行預(yù)測(cè)。

7.一種基于人工智能的集中器故障分析裝置，其特征在于，包括：

8.一種電子設(shè)備，其特征在于，包括：存儲(chǔ)器和處理器；

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得所述計(jì)算機(jī)執(zhí)行如權(quán)利要求1-6中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)的實(shí)施例提供了一種基于人工智能的集中器故障分析方法及相關(guān)設(shè)備，涉及集中器故障智能檢測(cè)技術(shù)領(lǐng)域，所述方法包括：獲取集中器設(shè)備的信號(hào)燈圖像數(shù)據(jù)；對(duì)所述信號(hào)燈圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集；采用目標(biāo)檢測(cè)算法從訓(xùn)練數(shù)據(jù)集中提取故障特征；基于所述故障特征進(jìn)行模型訓(xùn)練，并基于所述驗(yàn)證數(shù)據(jù)集進(jìn)行模型驗(yàn)證；將實(shí)時(shí)采集到的圖像數(shù)據(jù)輸入至通過(guò)驗(yàn)證的模型進(jìn)行檢測(cè)，并結(jié)合故障預(yù)設(shè)規(guī)則進(jìn)行故障判斷和檢測(cè)。本申請(qǐng)的技術(shù)方案，提高了故障檢測(cè)的準(zhǔn)確性和效率，減少了人工干預(yù)，降低了運(yùn)營(yíng)成本，并實(shí)現(xiàn)了預(yù)測(cè)性維護(hù)。

技術(shù)研發(fā)人員：楊川,王惜珍,陳黎
受保護(hù)的技術(shù)使用者：成都長(zhǎng)城開發(fā)科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6