[发明专利]基于模糊集合理论的路灯故障类型判断方法

说明书

技术领域

本发明涉及路灯故障类型的判断，尤其涉及可不断自我学习完善模型和自动判断故障类型的方法。

背景技术

路灯故障是路灯实际运行中必然出现的现象。随着城市扩张和市政建设发展，路灯数量越来越多，造成路灯故障数量和类型也与日俱增。如何快速和准确的找到故障路灯是路灯管理部门的主要工作之一。最近单灯控制系统逐步在业内占有一席之地，这就为科学系统的分析单灯故障提供了有力的支持。

假定通过单灯监控系统我们得到了单灯运行的数据，例如电流I、电压U、有功功率PA、功率因子PF等，则我们可以通过全面的数据分析(包括正常路灯运行数据、异常路灯运行数据等)，来给出每一盏路灯运行状态的自动分析和判别，从而可以更为快速、直接、以及更为科学合理的判断出该路灯是否运行正常，或是隶属于哪一种故障。目前已知的典型故障有灯杆无电(实际非路灯自身故障，但因为会造成灯不亮所以也属于路灯故障)、电容损坏、跳灯(路灯时好时坏)、路灯严重老化以及路灯全损坏等。

然而在路灯故障的判定上，仍存在以下的问题：

1、各类路灯故障种类繁多，远程和现场判断都缺乏标准和精准的依据；

2、路灯故障判断准确率不高，造成误报和漏报比例占比较大，使得路灯灯管理工作效率不高同时也造成道路照明服务水平的下降。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明的目的在于解决上述问题，提供了一种基于模糊集合理论的路灯故障类型判断方法，能有效的改善路灯故障判断的依据并相当幅度的提高判断和报告准确率。

本发明的技术方案为：本发明揭示了一种基于模糊集合理论的路灯故障类型判断方法，包括：

根据正常路灯和故障路灯的实际运行数据，分别给出不同故障类型的模型参数，并根据实际运行数据和模型参数构造出各个分量数据的隶属度函数，得到最初的隶属度模型；

每次引入新的单灯数据，并基于最新的隶属度模型进行判断，并针对判定为故障的路灯进行现场核实；

若核查发现正确，则继续进行下一次单灯数据的判断，同时将当前判断正确的故障例子中的电参数据加入到对应的故障类型数据库中，待累计到一定数量时重新修正该故障类型的模型参数；

若核查发现错误，则进行人工分析并归类，待累计到一定数量时重新修正该故障类型的模型参数；

在核查之后获得修正后的模型参数，再继续下一个单灯数据的判断。

根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，在核查发现错误的过程中，若对模型参数的修正仍不起作用，则进一步修正隶属度模型本身。

根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，模型参数包括典型期望值、标准偏差。

根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，分量数据包括电流数据、电压数据。

根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，在核查发现错误的步骤中，若新增的被核查是错误的数据若现场验证灯无故障，则重新测试电参数据，并将其归入到非故障灯数据库中，若被核实为其他故障，则将电参数据加入到对应的故障类型数据库中。

根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，隶属度函数是基于正常灯的单灯数据和故障灯的单灯数据一同构造的。

根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，当出现新增故障类型时，或者需要分立与合并故障类型时，重新归类新的故障类型数据库，以便重新构造新的隶属度模型和参数。