[发明专利]基于神经网络的终端故障诊断方法、装置和系统

说明书

本申请实施例公开了一种基于神经网络的终端故障智能化诊断方法、装置和系统，方法包括：判断特殊规则库中的每一个检修经验的可信度，若每一个检修经验的可信度小于预置信度阈值，将每一个检修经验存入所述一般规则库；根据特殊规则库与一般规则库输入神经网络，训练神经网络形成神经网络模型，并将神经网络模型存入一般规则库；获取配电终端的运行状态参数，输入神经网络，根据神经网络输出的故障诊断数据获得对应的故障诊断结果。本申请能够通过训练神经网络使得神经网络建立起配电网终端的状态参数与故障类型变量的对应关系，进行终端故障诊断时，将故障状态参数输入神经网络就能获得相应的故障类型变量，实现对配电网网终端故障的智能化诊断。

技术领域

本发明涉及配电自动化故障判别及处理技术领域，尤其涉及一种基于神经网络的终端故障诊断方法、装置和系统。

背景技术

如今在配电网中，配电终端的内部故障无法尽快上报给自动化系统的运维人员，往往要等配电终端完全掉线或者设备拒动才能被发现设备故障。这无疑降低了配电自动化的可靠性。

而当前供电局配电运维班组人员有限，技术水平参差不齐，实际配电终端的运维检修操作存在一定技术难度，往往也会专业技术水平缺乏造成人为导致配电终端的二次故障。同时配电终端型号种类众多，各厂家的设计标准不统一，在配网中的运行环境和投运时间也不尽相同，这更给实际运维检修操作带来了挑战。而正是各个厂家之间生产配电终端的差异性，配电终端故障所具有的“家族缺陷”这一特征信息却没能在实际的终端运维中得以挖掘和利用。

配电网中配电终端数量繁多，而其运检却只能依靠定期排查巡检的手段，需要投入大量的时间和人力，效果一般，制约了配电自动化、智能化的发展进程。

发明内容

本发明实施例提供了一种基于神经网络的终端故障诊断方法、装置和系统，能够解决现有技术存在的对配电网配电终端的诊断只能通过人工运检，，效率低下且效果一般的技术问题。

有鉴于此，本发明第一方面提供了一种基于神经网络的终端故障智能化诊断方法，包括建立神经网络模型和故障诊断；

所述建立神经网络模型具体包括：

判断特殊规则库中的每一个检修经验的可信度，若所述每一个检修经验的可信度小于预置信度阈值，将所述每一个检修经验存入所述一般规则库；

根据所述特殊规则库与所述一般规则库输入神经网络，训练所述神经网络形成神经网络模型，并将所述神经网络模型存入所述一般规则库；

所述故障诊断包括：

获取配电终端的运行状态参数，输入所述神经网络，根据所述神经网络输出的故障诊断数据获得对应的故障诊断结果。

优选的，所述运行状态参数包括内部状态变量和外部状态变量，其中，所述内部状态变量包括配电终端的运行状态、参数显示、通信状态、操作控制回路状态、蓄电池接入状态、电源模块交流部分状态、遥测数据质量、上下行通信状态。

优选的，所述建立神经网络模型之前包括：

获取专家在预置时间段内实际累积的检修经验数据，根据所述检修经验数据提取出运行状态参数和故障类型量，以所述运行状态参数为第一自变量和以所述故障类型量为第一因变量，训练形成所述特殊规则库。

优选的，所述建立神经网络模型还包括：

获取配电终端故障检修的一般故障样本数据，根据所述一般故障样本数据提取出所述运行状态参数和所述故障类型量，以所述运行状态参数为第二自变量和所述故障类型量为第二因变量，输入神经网络进行训练形成所述一般规则库。

优选的，还包括：

若所述一般故障样本的所述第二自变量和所述检修经验数据的所述第一自变量相同，判断所述一般故障样本的频度是否大于或等于所述预置频度阈值；