[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

说明书

本发明提供一种现场电表故障识别方法及移动设备可读储存介质，能够通过现场作业终端PDA与智能电表进行通讯交互，获取故障特征后，通过多维空间向量法建立特征模型，并且计算特征模型与故障模型的距离获取高度怀疑故障模型，再通过两次的证伪测试从而排除多余故障确认并判定该电表具有此故障；通过本发明提供的现场电表故障识别方法及移动设备可读储存介质排除故障，速度快，准确率高，并且实现普通工人也能快速排障。

技术领域

本发明涉及电器检测技术领域，尤其涉及一种现场电表故障识别方法及移动设备可读储存介质。

背景技术

电能表是用来测量电能的仪表，又称电度表，火表，千瓦小时表，指测量各种电学量的仪表；电能表在日常使用中，常常容易因为各种故障导致电能表不能正常使用，电表一旦不能正常使用，将影响到用户的利益以及安全问题；随着智能电表的全面推广使用，电能表暴露出来的故障也越来越多，针对不同的故障有不同的处理方案。由于智能电表的复杂性，以及现场作业人员技术水平的参差不齐，导致现场作业人员难以快速、准确的判断电能表故障，采取相应的对策处理。

同时，PDA在电力现场作业中的推广，为通过PDA进行电能表故障智能诊断提供了前提条件；现有的现场作业智能电表的故障诊断方法主要是通过检测到的数据进行分类，分类完在进行故障类型判断，针对分析出来的不同种类的故障再进行不同的检测判断，从而确定具有此故障，该方法对故障类型的判断时间过于长，并且流程复杂，并且没有对故障的重复确认步骤，容易出现差错。

发明内容

针对上述技术中存在的不足之处，本发明提供一种现场电表故障识别方法，能够通过现场作业终端PDA与智能电表进行通讯交互，获取故障特征后，通过多维空间向量法建立特征模型，并且计算特征模型与故障模型的距离获取高度怀疑故障模型，再通过两次的证伪测试从而确认并判定该电表具有此故障模式；通过本方法法排除故障，速度快，准确率高，并且实现普通工人也能快速排障。

一种现场电表故障识别方法，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的模型库进行比对，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。

作为优选：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，例如充值失败、时钟异常、液晶显示屏有错误字等电表故障时的所有故障现象。

作为优选：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。

作为优选：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。

作为优选：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。