[发明专利]一种路灯智能故障诊断方法

摘要

本发明公开了一种路灯智能故障诊断方法，在每个路灯的光源处安装一个嵌有照度传感器的窄带物联网模块，并对每个窄带物联网模块进行编号，各个照度传感器分别测量相应窄带物联网模块处的照度，并将采集到的照度数据上传至服务器，构建照度数据库；从照度数据库中选取正常照度数据集作为训练数据集，利用机器学习方法对照度序列进行模式学习，构建路灯开启模型；在所构建的路灯开启模型的基础上，对实时照度采样数据序列进行处理，实现单一路灯、灯群故障诊断以及故障类型判定；并且，采用机器学习方法对路灯开启模型进行更新。本发明无需破线改造即可及时自动发现单灯及灯群故障，判断故障类别，并反馈给工作人员，实现了路灯故障智能诊断。

主权项

1.一种路灯智能故障诊断方法，其特征在于，包括以下步骤：(1)在每个路灯的光源处安装一个嵌有照度传感器的窄带物联网模块，并对每个窄带物联网模块进行编号，各个照度传感器分别测量相应窄带物联网模块处的照度，并将采集到的照度数据上传至服务器，构建照度数据库，其中，照度数据包括每个路灯每天的照度序列；(2)从照度数据库中选取正常照度数据集作为训练数据集，利用机器学习方法对照度序列进行模式学习，构建路灯开启模型；(3)在所构建的路灯开启模型的基础上，对实时照度采样数据序列进行处理，实现单一路灯、灯群故障诊断以及故障类型判定，倘若无故障，将判断为正常的实时照度序列数据加入训练数据集，进入步骤(4)，否则，发出有故障的警示；(4)更新训练数据集，采用步骤(2)中的机器学习方法更新路灯开启模型，对下一天的照度序列采用更新后的路灯开启模型进行故障诊断；步骤(1)中，对于任意路灯i，i＝1,2,…,N，第t天的照度序列为其中，N为大于2的整数，表示路灯的数量，288为每一天照度采样个数；步骤(2)中，路灯开启模型的构建方法如下：对于任意路灯i，倘若则在第t天T^t时刻该灯开启，其中δ为初始照度变化阈值，其根据具体环境设定；并计算进而更新δ为其中为第i个路灯第t天在T^t时刻照度变化值，δ^t为第t天照度变化阈值；所有路灯的全年开启模型记为向量序列步骤(3)的具体方法是：(31)考虑某一天所有N个路灯的照度序列，设为第K天，路灯i的照度序列为利用路灯开启模型对每个路灯进行测试，考虑第K天开启时刻T^K前后一小时内的照度变化，其中N为大于2的整数，表示路灯的数量，K为大于1的整数；(32)若存在i∈{1,2,…,N},j∈{‑12,‑11,…,0,…,11,12}，j为超前/滞后序号值，使得则有路灯开启，其中δ^K为开启模型中第K天照度变化阈值；若存在i^*∈{1,2,…,N},其中i^*表示某一路灯，对任意的j∈{‑12,‑11,…,0,…,11,12}，有则路灯i^*照度序列未发生突变，判断为该路灯存在故障，且为单灯故障；步骤(32)的单灯故障类型的具体判断方法为：(32‑1)对于故障路灯i^*，若对任意的j∈{‑12,‑11,…,0,…,11,12}，有则判定该路灯完全损坏；(32‑2)对于故障路灯i^*而言，若存在j∈{‑12,‑11,…,0,…,11,12}，有则判定该路灯光通量有衰减但未完全损坏，但仍需维修；(33)若对任意的i∈{1,2,…,N},j∈{‑12,‑11,…,0,…,11,12}，均有则所有路灯照度序列均未发生突变，所有路灯在正常开启时刻1小时后仍未开启，则判断为可能灯群故障，提示局部线路可能存在问题；(34)若对任意的i∈{1,2,…,N},存在j∈{‑12,‑11,…,0,…,11,12}，使得则所有路灯开启，判定为无故障。将该天所有路灯的照度序列加入训练数据集；(35)若判断为出现单灯故障或可能灯群故障，则发出警示，工作人员根据窄带物联网模块的编号确定路灯位置，进行检测维修。