[发明专利]一种采集运维系统智能故障检测方法

权利要求书

1.一种采集运维系统智能故障检测方法，其特征在于，所述方法包括：

步骤(1)输入智能采集设备运行状态数据；

步骤(2)智能采集设备数据集特征提取；

步骤(3)特征集主成分分析降维；

步骤(4)智能采集设备运行状态数据可视化；

步骤(5)计算每个采集设备的高斯核密度局部离群因子；

步骤(6)输出采集设备故障疑似度排序。

2.根据权利要求1所述的一种采集运维系统智能故障检测方法，其特征在于，所述步骤(2)中，输入的智能采集设备运行状态数据集的基础上进一步提取智能采集设备运行状态的特征量，主要包括趋势指标、变动性指标、波动性指标以及其它指标。

所述趋势指标主要包括采集数据序列上升趋势指标和下降趋势指标；所述变动性指标主要包括数据集中前r日与后r日采集数据均值之差以及每个智能采集设备h日负荷序列线性拟合的斜率；所述波动性指标主要包括每个智能采集设备h日的采集数据序列标准差、前r日采集数据序列标准差、后r日采集数据序列标准差；所述其它指标主要包括后r日平均采集数据与所有日平均采集数据的比值、每个智能采集设备采集数据序列与所有智能采集设备采集数据中值序列的相关系数。

3.根据权利要求1所述的一种采集运维系统智能故障检测方法，其特征在于，所述步骤(3)中，由于步骤(2)中提取的特征数量较多，部分特征之间具有较高的相关程度。为了消除原始变量之间的信息重叠，提高异常检测的效率，为后续在二维空间计算所有点的GKLOF值提供支撑，需要对提取的特征集进行降维处理。采用主成分分析法对特征集进行降维处理，用D⁽¹⁾、D⁽²⁾表示特征集的前2个主成分。每一个智能采集设备的工作状态均用D⁽¹⁾、D⁽²⁾表示，形成主成分集D。

4.根据权利要求1所述的一种采集运维系统智能故障检测方法，其特征在于，所述步骤(4)中，将所有智能采集设备的工作状态映射到二维平面，以主成分1为横坐标，主成分2为纵坐标，则可以将所有智能采集设备的工作状态数据序列映射为二维平面上的散点，即对智能采集设备运行状态大数据进行可视化处理。

5.根据权利要求1所述的一种采集运维系统智能故障检测方法，其特征在于，所述步骤(5)中，利用高斯核函数对局部离群因子(local outlier factor，LOF)算法进行改进，利用改进后的高斯核密度局部离群因子(gaussian kernel density-based local outlierfactor,GKLOF)算法对智能采集设备进行故障挖掘分析。