[发明专利]一种基于RFID监测的电气设备故障预警方法及系统

权利要求书

1.一种基于RFID监测的电气设备故障预警方法，其特征在于，具体为：

通过RFID温度采集系统采集电气设备的时序温度数据集并进行预处理，将预处理后的时序温度数据集输入训练好的去噪自编码网络和长短时记忆神经网络，分别获得第一故障预警信息和第一预测故障预警信息，将第一故障预警信息和第二故障预警信息输入训练好的Xgboost模型，获得故障预警等级；

其中，获取电气设备的历史时序温度数据和对应的历史故障预警信息，对历史时序温度数据进行预处理，所述的去噪自编码网络和长短时记忆神经网络以预处理后的历史时序温度数据和对应的历史故障预警信息作为训练集，进行训练；

将历史时序温度数据对应的故障预警信息按严重程度分为若干个故障预警等级，所述的Xgboost模型以历史故障预警信息及对应的故障预警等级作为训练集，进行训练。

2.根据权利要求1所述的一种基于RFID监测的电气设备故障预警方法，其特征在于，所述的预处理过程具体为：通过聚类算法修正时序温度数据集。

3.根据权利要求2所述的一种基于RFID监测的电气设备故障预警方法，其特征在于，所述的聚类算法为近邻传播聚类算法，所述的预处理过程具体为：

301)将时序温度数据集中每个温度序列T_N＝{L₁,L₂,…,L_N}等分为X个周期序列L为温度值，r∈[1，X]，每个均为a维度序列，计算各个的温度趋势序列其中，

302)将各个采用AP聚类形成K_r个群体，记第i个群体的聚类中心为V_i，i∈[1，k_r],i＝N⁺；

303)计算每个的与各个V_i的相似度sim_n,i，sim_n,i∈[0,1]；

304)确定对每个群体的隶属度，将隶属度最大的群体作为该隶属的群体；

305)设定隶属度阈值，当群体中的的隶属对该群体的隶属度小于隶属度阈值时将该视为离群点，并修正该离群点。

4.根据权利要求1所述的一种基于RFID监测的电气设备故障预警方法，其特征在于，将新获得的时序温度数据集、第一故障预警信息和第二故障预警信息并入去噪自编码网络和长短时记忆神经网络的训练集，利用新的训练集训练去噪自编码网络和长短时记忆神经网络；

将新获得的第一故障预警信息、第二故障预警信息和故障预警等级并入Xgboost模型的训练集，利用新的训练集训练Xgboost模型。

5.根据权利要求1所述的一种基于RFID监测的电气设备故障预警方法，其特征在于，所述的自编码网络、长短时记忆神经网络和Xgboost模型采用对称嵌入度量学习法进行训练，训练的损失函数J的公式为：

其中l_mn∈{0,1}，(x_m,x_n)为样本对，h(x)＝max(0,x)为交叉损失函数，α₁为惩罚项，α₁为常数，d(x_m,x_n)为(x_m,x_n)的欧几里德距离，f(x)为样本x所提取的特征。