[发明专利]现场电表故障识别方法及移动设备可读储存介质

权利要求书

1.一种现场电表故障识别方法，其特征在于：包括以下步骤：

步骤一：与电表进行通讯交互，进行一组电能表的基础测试，获得一个特征值组；

步骤二：将步骤一获得的特征值组拟合为一个特征模型，将特征模型与预设的已知故障模型库进行比对，选取最接近的多个故障模型所对应的故障作为高度怀疑故障；

步骤三：步骤二获得的多个高度怀疑故障具有与之对应的多个特征值组，将多个特征值组之间进行比对，提取出特征值组中表现形式不完全一致的特征值项，并且组合成新的多个高度怀疑故障特征值组作为证伪测试集；

步骤四：将步骤一中获得的特征值组与证伪测试集进行比对，若覆盖其中某一高度怀疑故障特征值组，则排除其他高度怀疑故障，视为通过第一次证伪测试，获得一组被怀疑故障模型；

步骤五：将步骤四中获得的一组被怀疑故障的特征值组与一组预设的特征值组证伪测试集进行比对，若被怀疑故障的特征值组覆盖预设的特征值组，则视为通过第二次证伪测试，判定该电能表具有该故障；

步骤六：输出测试结果，给出故障判定；

所述步骤二中将特征模型与预设的已知故障的模型库进行比对步骤中还包括：利用多维空间距离法的N维空间距离计算公式计算特征模型与已知故障的模型库内的各个已知故障的模型之间的空间距离。

2.根据权利要求1所述的现场电表故障识别方法，其特征在于：所述步骤一中进行一组电能表的基础测试，包括测试电能表故障时可能出现的所有故障现象，故障现象包括充值失败、时钟异常、液晶显示屏有错误字。

3.根据权利要求2所述的现场电表故障识别方法，其特征在于：所述步骤一还包括：将故障对应的故障现象的表现形式以数值排列的形式形成特征值组。

4.根据权利要求1所述的现场电表故障识别方法，其特征在于：所述步骤二中将步骤一获得的特征值组建立一个特征模型，具体的为将步骤一获得的特征值组依据多维空间向量法拟合为一个多维空间向量特征模型。

5.根据权利要求1所述的现场电表故障识别方法，其特征在于：所述步骤二中将步骤一获得的特征值组建立一个特征模型，将特征模型与预设的已知故障的特征模型库进行比对之前还包括一个步骤：将已知的故障所对应的特征值组依据多维空间向量法拟合为多个多维空间向量模型，并形成已知故障的多维空间向量模型库。

6.根据权利要求1所述的现场电表故障识别方法，其特征在于：所述步骤四还包括一个步骤：若证第一次伪测试失败，则重新返回步骤二，且排除已选取的多个故障模型后重新选出多个新的个高怀疑故障模型并继续后续步骤。

7.根据权利要求1所述的现场电表故障识别方法，其特征在于：在步骤五中将步骤四中获得的一组被怀疑故障的特征值组与一组预设的特征值组证伪测试集进行比对之前还包括一个步骤：根据以往的故障检测经验和以有监督的机器学习方式形成一个预设的特征值组证伪测试集。

8.若证第二次伪测试失败，则重新返回步骤二，且排除已选取的多个故障模型后重新选出多个新的个高怀疑故障模型并继续后续步骤。

9.一种移动设备可读储存介质，其特征在于：所述移动设备可读储存介质储存有故障识别程序，其中所述故障识别程序被处理器执行时，实现以上权利要求1-8中任意一项所述的现场电表故障识别方法的步骤。