[发明专利]一种用于智能电表的故障诊断方法及系统

说明书

本发明实施例提供一种用于智能电表的故障诊断方法及系统，该方法包括：获取目标智能电表的设备物理信息；基于训练好的智能电表故障诊断模型，对所述目标智能电表的设备物理信息进行分析诊断，获取到所述目标智能电表的故障诊断结果；所述训练好的智能电表故障诊断模型是由样本设备物理信息，通过对贝叶斯网络进行训练得到的。本发明实施例基于贝叶斯网络构建用于智能电表的故障诊断模型，根据设备物理信息和故障检修数据之间的关联性，得到智能电表的故障类型，从而提高了智能电表故障诊断的准确率，为现场运维提供维修依据。

技术领域

本发明涉及智能电表技术领域，尤其涉及一种用于智能电表的故障诊断方法及系统。

背景技术

智能电表作为现代电力系统中的一种关键计量器件，其较高的可靠性是电网系统正常维护运行的重要保证。随着配电网中海量的智能电表的接入，多源智能表大数据已经形成，其中包含着丰富的用户用能和设备运维信息。智能表计的各种量测数据也反映出设备本身的运行状态和缺陷信息。

目前在智能电表发生故障时，大部分检修人员不具有维修全部类型故障的能力，所以会有运维力量投入不均和故障表维修不及时等问题，对电网的正常运行和用户的用电体验都造成负面的影响。现有的表计故障概率模型，缺少与现实计量统计数据的结合，无法反映智能电表复杂的物理特性和运行环境，导致模型预测正确率较低。

因此，现在亟需一种用于智能电表的故障诊断方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种用于智能电表的故障诊断方法及系统。

第一方面，本发明实施例提供了一种用于智能电表的故障诊断方法，包括：

获取目标智能电表的设备物理信息；

基于训练好的智能电表故障诊断模型，对所述目标智能电表的设备物理信息进行分析诊断，获取到所述目标智能电表的故障诊断结果；所述训练好的智能电表故障诊断模型是由样本设备物理信息，通过对贝叶斯网络进行训练得到的。

进一步地，所述训练好的智能电表故障诊断模型通过以下步骤得到：

根据样本设备物理信息和样本故障检修数据的关联关系，构建有向概率图；

将所述有向概率图作为样本训练集，对贝叶斯网络的参数进行训练，得到训练好的智能电表故障诊断模型。

进一步地，所述根据样本设备物理信息和样本故障检修数据的关联关系，构建有向概率图，包括：

根据先验知识和后验知识，获取样本设备物理信息和样本故障检修数据的关联关系，以用于构建关联关系对应的有向概率图。

进一步地，所述样本设备物理信息包括：自然条件信息、表计信息和时间信息。

进一步地，所述样本故障检修数据包括：ESAM故障、烧毁故障、密钥错误故障、通讯故障、跳闸故障、外观损坏故障和时钟故障。

进一步地，在所述基于训练好的智能电表故障诊断模型，对所述目标智能电表的设备物理信息进行分析诊断，获取到所述目标智能电表的故障诊断结果之后，所述方法还包括：

对所述目标智能电表的故障诊断结果进行判断，若判断获知故障诊断结果和实际故障诊断结果不符，则将故障诊断结果作为更新证据，对贝叶斯网络进行更新，得到更新后的智能电表故障诊断模型。

第二方面，本发明实施例提供了一种用于智能电表的故障诊断系统，包括：

信息获取模块，用于获取目标智能电表的设备物理信息；