[发明专利]设备状态评估方法、装置、系统及存储介质

权利要求书

1.一种设备状态评估方法，其特征在于，所述方法包括：

将添加有正常状态标签和异常状态标签的设备状态数据输入至预测模型，得到第一预测数据和第二预测数据；其中，所述正常状态标签为假设所述设备状态数据反映的设备状态为正常状态时为设备状态数据添加的，异常状态标签为假设所述设备状态数据反映的设备状态为异常状态时为设备添加的；

根据所述第一预测数据和设备状态数据的误差值，以及所述第二预测数据和设备状态数据的误差值，确定设备的状态预测值。

2.根据权利要求1所述的方法，其特征在于，根据所述第一预测数据和设备状态数据的误差值，以及所述第二预测数据和设备状态数据的误差值，确定设备的状态预测值，包括：

确定第一预测数据与设备状态数据的第一均方误差值，以及第二预测数据与设备状态数据的第二均方误差值；

将所述第一均方误差值与第二均方误差值的比值，作为状态预测值。

3.根据权利要求1所述的方法，其特征在于，根据所述第一预测数据和设备状态数据的误差值，以及所述第二预测数据和设备状态数据的误差值，确定设备的状态预测值之后，还包括：

从状态值区间中选出与所述设备的状态预测值差值绝对值小于预设阈值的状态值，作为状态目标值；

根据所述状态目标值在状态值区间中各状态值之中的排序信息，确定设备的健康度值。

4.根据权利要求1所述的方法，其特征在于，将添加有正常状态标签和异常状态标签的设备状态数据输入至预测模型，得到第一预测数据和第二预测数据之前，还包括：

将添加有正常状态标签和异常状态标签的设备历史数据作为训练数据，对基于条件变分自编码器构建的模型进行训练，得到预测模型，并将所述预测模型存储至模型中心。

5.根据权利要求4所述的方法，其特征在于，将添加有正常状态标签和异常状态标签的设备历史数据作为训练数据，对基于条件变分自编码器构建的模型进行训练，得到预测模型之后，还包括：

将添加有正常状态标签和异常状态标签的历史数据作为训练数据，输入至基于条件变分自编码器构建的模型，得到第一状态数据和第二状态数据；

计算第一状态数据与设备历史数据的第三均方误差值，以及第二状态数据与设备历史数据的第四均方误差值；

将所述第三均方误差值与第四均方误差值的比值作为状态值；

对各状态值进行升序排序，根据排序小于预设次序的状态值确定正常状态值区间，根据排序大于等于预设次序的状态值确定异常状态值区间。

6.根据权利要求4所述的方法，其特征在于，将所述预测模型存储至模型中心之后，还包括：

在预设时间间隔之后，以当前数据库中保存的设备历史数据，或者预设时间间隔内对应存储的新增设备历史数据作为训练数据，对基于条件变分自编码器构建的模型进行训练，得到新的预测模型，并将所述新的预测模型存储至模型中心。

7.根据权利要求1所述的方法，其特征在于，将添加有正常状态标签和异常状态标签的设备状态数据输入至预测模型，得到第一预测数据和第二预测数据之前，还包括：

获取设备状态数据，并将所述设备状态数据缓存至数据缓存器；

若缓存时间满足预设时间段，则读取预设时间段内缓存的设备状态数据，并对读取的设备状态数据进行归一化处理。

8.一种设备状态评估装置，其特征在于，所述装置包括：

预测模块，用于将添加有正常状态标签和异常状态标签的设备状态数据输入至预测模型，得到第一预测数据和第二预测数据；其中，所述正常状态标签为假设所述设备状态数据反映的设备状态为正常状态时为设备状态数据添加的，异常状态标签为假设所述设备状态数据反映的设备状态为异常状态时为设备添加的；

状态预测值确定模块，用于根据所述第一预测数据和设备状态数据的误差值，以及所述第二预测数据和设备状态数据的误差值，确定设备的状态预测值。