[发明专利]一种基于频域特征的电力通信网设备故障预测方法

权利要求书

1.一种基于频域特征的电力通信网设备故障预测方法，其特征在于，包括以下的步骤：

步骤一：获取设备的工作温度的一个历史时间段的时间序列数据；在所述步骤一中，时间序列数据为若干条设备的时序状态特征数据，每条为设备一天的数据量，一天的数据量共进行N次采集，一天的时间段为t～t+N，t时刻所对应的特征为v_t，一天的数据量的特征元组为E_t，N＝v_t，v_t+1，...，v_t+N；

步骤二：对该历史时间段的设备状态进行等级设定，共分为四个等级1～4，其中设定等级1～2为正常运行状态，等级3为存在潜在故障状态，等级4为设备故障状态；

步骤三：通过傅立叶变换将时间序列数据转化为频域数据；在所述步骤三中，傅里叶变换的计算公式为：

其中,X(k)表示频率为k的信号所对应的振幅；x(i)表示i时刻的设备状态；j代表虚数部分；傅里叶变换提取一段时域信号中不同频率信号的振幅，从而将时域信号转化为频域信号；

步骤四：将频域数据输入人工神经网络，对人工神经网络进行训练；

步骤五：将频域数据输入训练好的神经网络，输出设备状态的等级。

2.根据权利要求1所述的一种基于频域特征的电力通信网设备故障预测方法，其特征在于，在所述步骤二中，对t～t+N时刻设备设定状态进行等级设定。

3.根据权利要求2所述的一种基于频域特征的电力通信网设备故障预测方法，其特征在于，得到频域信号后，进行归一化处理，得到频域数据，公式为

其中，式中a_i＝X(i),即频率为i的信号对应的振幅，F为时间段t～t+N的频域数据。

4.根据权利要求3所述的一种基于频域特征的电力通信网设备故障预测方法，其特征在于，所述神经网络为包括有输入层、隐含层和输出层的BP神经网络。

5.根据权利要求4所述的一种基于频域特征的电力通信网设备故障预测方法，其特征在于，所述隐含层的神经元输入为：

其中，I_i为隐含层的神经元输入，w_ij为隐含层神经元i与输入层神经元j的连接权值，θ_i为隐含层神经元阈值；X_j为隐含层神经元j的输出；

隐含层的神经元输出为：

其中，I_i为隐含层的神经元输入，O_i为隐含层的神经元输出；

输出层单个神经元的输出为：

其中，V_i为输出层神经元与隐含层神经元的连接权值，O_i为隐含层的神经元输出；

神经网络的均方差为：

其中，E(w)为神经网络的均方差，t_k是期望输出值，y_k是网络实际输出值，p为样本数目。