[发明专利]一种电力采集系统异常的智能化诊断方法

摘要

本发明公开了一种电力采集系统异常的智能化诊断方法，其特征在于，所述智能化诊断方法包括以下步骤：步骤1，故障关键特征提取步骤，对故障特征的类型进行提取分类，提取关键故障特征；步骤2，故障智能诊断步骤，根据多维数据和步骤1提取的关键故障特征，对故障现象进行诊断；步骤3，故障处理预案推理步骤，采用专家系统的知识库产生规则，对步骤2的故障诊断结果进行匹配执行，直至找到故障解答或者没有规则与故障匹配时停止。本方法提取历史故障的关键特征，并结合当前的多维信息，对故障类型进行智能诊断，并对故障进行精确定位并提出处理预案，使得运维工作更有针对性，实现对计量装置及采集系统更科学、更高效的智能运维。

主权项

1.一种电力采集系统异常的智能化诊断方法，其特征在于，所述智能化诊断方法包括以下步骤：步骤1，故障关键特征提取步骤，对故障特征的类型进行提取分类，提取关键故障特征；步骤2，故障智能诊断步骤，根据多维数据和步骤1提取的关键故障特征，对故障现象进行诊断；步骤3，故障处理预案推理步骤，采用专家系统的知识库产生规则，对步骤2的故障诊断结果进行匹配执行，直至找到故障解答或者没有规则与故障匹配时停止，步骤1的所述故障关键特征提取步骤包括以下步骤：首先，人工对故障的特征进行挑选得到特征样本；然后，采用Relief算法来计算各个所述特征A的权重，每次从所述特征A的样本集中随机取出一个特征样本R，然后从和所述特征样本R同类的样本集中找出所述特征样本的k个近邻样本Hj(j＝1,2……k)，从每个R的不同类的样本集中均找出近邻样本(Near Misses)，然后更新每个所述特征A的平均权重，如下式所示：将步骤1、2重复m次，最后得到各所述特征A的平均权重；其中，W为初始权重，Mj(C)第C类目标中第j(j＝1,2……k)个样本，p(C)为C(C≠class(R))类样本出现的概率；class(R)表示所述样本R所拥有的类标签；最后，根据计算每个所述特征A的平均权重确定关键故障特征。