[发明专利]基于神经网络的设备管理方法及装置

说明书

本申请实施例提供了一种基于神经网络的设备管理方法及装置。方法包括：获取电力设备在当前时刻之前的预设时长内运行产生的种类不同的第一运行参数和第二运行参数；利用预设的第一神经网络分类模型处理第一运行参数，获得用于表示电力设备是否异常的第一结果；利用预设的第二神经网络分类模型处理第二运行参数，获得用于表示电力设备是否异常的第二结果；利用预设的第三神经网络分类模型处理第一结果和第二结果，获得用于预估电力设备是否会出现故障的故障预估结果。其较于现有的利用单种运行参数预测故障，由于其通过模型将两种运行参数拟合进行故障预测，故准确性更好，能够更准确的预测电力设备是否会发生故障。

技术领域

本申请涉及设备管理技术领域，具体而言，涉及一种基于神经网络的设备管理方法及装置。

背景技术

为保证电力设备的稳定运行，可以实时的采集电力设备在运行过程中产生的某一种运行参数例如电压参数或电流参数，以通过分析该运行参数是否异常来预测电力设备是否会发生故障。然而该运行参数的异常与否与电力设备是否会发生故障虽然有一定关联，但并没有必然的关联，故采用这种方式虽然在一定程度上能够预测电力设备是否会发生故障，但并不够准确。

发明内容

本申请在于提供一种基于神经网络的设备管理方法及装置，以更为准确的预测电力设备是否会发生故障。

第一方面，本申请实施例提供了一种基于神经网络的设备管理方法，所述方法包括：

获取电力设备在当前时刻之前的预设时长内运行产生的种类不同的第一运行参数和第二运行参数；

利用预设的第一神经网络分类模型处理所述第一运行参数，获得用于表示所述电力设备是否异常的第一结果；以及，利用预设的第二神经网络分类模型处理所述第二运行参数，获得用于表示所述电力设备是否异常的第二结果；

利用预设的第三神经网络分类模型处理所述第一结果和所述第二结果，获得用于预估所述电力设备是否会出现故障的故障预估结果。

在本申请实施例中，在利用第一神经网络分类模型处理第一运行参数而获得第一结果，以及利用第二神经网络分类模型处理第二运行参数而获得第二结果后，再利用第三神经网络分类模型处理第一结果和第二结果而预测电力设备是否会出现故障，其较于现有的利用单种运行参数预测故障，由于其通过模型将两种运行参数拟合进行故障预测，故准确性更好，能够更准确的预测电力设备是否会发生故障。

结合第一方面，在第一种可能的实现方式中，所述第一结果为第一数组，所述第二结果为第二数组，利用预设的第三神经网络分类模型处理所述第一结果和所述第二结果，获得用于预估所述电力设备是否会出现故障的故障预估结果，包括：

生成所述第一数组的正则表达式，并根据所述第一数组的正则表达式，确定出与所述第一结果相似的多个第一相似结果；以及，生成所述第二数组的正则表达式，并根据所述第二数组的正则表达式，确定出与所述第二结果相似的多个第二相似结果；

将所述第一结果、所述多个第一相似结果、所述第二结果和所述多个第二相似结果输入所述第三神经网络分类模型，获得所述第三神经网络分类模型输出的所述故障预估结果。

在本申请实施例中，采用正则表达式能够生成与第一结果相似的多个第一相似结果，以及生成与第二结果相似的多个第二相似结果，以通过更多的样本来预测故障，从而实现更准确的故障预测。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述第一数组为小于1且大于0的三位小数，生成所述第一数组的正则表达式，并根据所述第一数组的正则表达式，确定出与所述第一结果相似的多个第一相似结果，包括：

将所述第一数组中的第二位数替换为所述第二位数对应的预设表达式，获得所述第一数组的正则表达式；