[发明专利]一种基于深度学习理论的二次设备故障定位方法及系统

权利要求书

1.一种基于深度学习理论的二次故障定位方法，其特征在于，包括：

实时采集二次设备的状态信息；

从状态信息中提取特征信息；

根据特征信息进行二次设备故障判断；

将发生故障的二次设备的特征信息输入训练好的故障定位模型中获取故障定位结果，其中，故障定位模型通过二次设备的历史故障信息对前馈全连接神经网络进行训练获得。

2.如权利要求1所述的一种基于深度学习理论的二次故障定位方法，其特征在于，特征信息包括二次设备的报文接收状态信息、电压电流采样值、运行环境信息和在线运行信息。

3.如权利要求2所述的一种基于深度学习理论的二次故障定位方法，其特征在于，运行环境信息包括温度、发送功率、接收功率及光强。

4.如权利要求1所述的一种基于深度学习理论的二次故障定位方法，其特征在于，将各特征信息分别与设定阈值进行比较，当特征信息大于等于设定阈值时，判定二次设备发生故障。

5.如权利要求1所述的一种基于深度学习理论的二次故障定位方法，其特征在于，对发生故障的二次设备的特征信息进行归一化处理，将归一化处理后的特征信息输入训练好的故障定位模型中进行故障定位。

6.如权利要求1所述的一种基于深度学习理论的二次故障定位方法，其特征在于，前馈全连接神经网络的结构为单向多层，整个网络无反馈，信号单向的从输入传送至输出。

7.如权利要求1所述的一种基于深度学习理论的二次故障定位方法，其特征在于，采用随机梯度下降优化算法对前馈全连接神经网络进行训练。

8.一种基于深度学习理论的二次设备故障定位系统，其特征在于，包括：

信息采集模块，用于实时采集二次设备的状态信息；

特征信息提取模块，用于从状态信息中提取特征信息；

故障判定模块，用于根据特征信息进行二次设备故障判断；

故障定位模块，用于将发生故障的二次设备的特征信息输入训练好的故障定位模型中获取故障定位结果，其中，故障定位模型通过二次设备的历史故障信息对前馈全连接神经网络进行训练获得。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的基于深度学习理论的二次设备故障定位方法的步骤。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的基于深度学习理论的二次设备故障定位方法的步骤。