[发明专利]计量自动化主站的故障预测方法、装置、设备及介质

说明书

本发明公开了一种计量自动化主站的故障预测方法、装置、设备及介质，通过对计量自动化主站的运行数据进行数据清洗，得到目标运行数据，利用目标故障预测模型中的卷积神经网络，对所述目标运行数据进行特征提取，得到所述目标运行数据的特征序列，利用所述目标故障预测模型中的长短期记忆网络，根据所述特征序列，对所述计量自动化主站进行故障预测，得到所述计量自动化主站在未来目标时刻的故障概率值，对所述故障概率值与预设故障阈值进行对比，以确定所述计量自动化主站在未来目标时刻的状态信息，所述状态信息为故障状态或未故障状态，从而利用CNN和LSTM的优点提高了预测准确度。

技术领域

本发明涉及计量自动化主站技术领域，尤其涉及一种计量自动化主站的故障预测方法、装置、设备及介质。

背景技术

计量自动化主站是接入各类计量自动化终端的计算机系统，它是整个计量自动化系统的信息采集于控制中心，通过远程通信通道或下级单位系统接口对计量自动化终端的信息进行采集和控制，并进行分析、综合处理和电能量数据发布。为保证计量自动化系统的正常运行，对计量自动化主站进行故障预警非常重要。

目前，计量自动化主站通常基于传统的数据挖掘技术进行故障预测，如基于最近邻算法、决策树分类器或聚类法等，建立主站系统的故障预测模型，通过故障预测模型进行主站的故障预测。但是，由于计量自动化主站的规模庞大和数据集众多，传统数据挖掘技术需存在预测效率和预测准确度不高的问题。例如，最近邻算法的计算量大，运算效率低；聚类法在大规模数据上收敛速度较慢，并且可能出现收敛到局部最小值的情况；决策树分类器难以提取数据之间的相关性，并且容易发生过拟合现象。

发明内容

本发明提供了一种计量自动化主站的故障预测方法、装置、设备及介质，以解决当前计量自动化主站的故障预测准确度低的技术问题。

为了解决上述技术问题，第一方面，本发明提供了一种计量自动化主站的故障预测方法，包括：

对计量自动化主站的运行数据进行数据清洗，得到目标运行数据；

利用目标故障预测模型中的卷积神经网络，对所述目标运行数据进行特征提取，得到所述目标运行数据的特征序列；

利用所述目标故障预测模型中的长短期记忆网络，根据所述特征序列，对所述计量自动化主站进行故障预测，得到所述计量自动化主站在未来目标时刻的故障概率值；

对所述故障概率值与预设故障阈值进行对比，以确定所述计量自动化主站在未来目标时刻的状态信息，所述状态信息为故障状态或未故障状态。

作为优选，所述利用目标故障预测模型中的卷积神经网络，对所述目标运行数据进行特征提取，得到所述目标运行数据的特征数据之前，还包括：

对计量自动化主站的历史运行数据进行数据清洗，得到运行数据样本；

对所述运行数据样本进行过采样，得到目标运行数据样本；

基于预设的两级时间窗口，对所述目标运行数据样本进行采样，得到包含两级时间窗口的目标样本集，其中所述目标样本集的第一级时间窗口用于记录所述目标运行数据样本，第二级时间窗口用于记录所述计量自动化主站在未来时刻的故障状态标签，所述第一级时间窗口与所述第二级时间窗口的时间长度相同；

利用所述目标样本集，对预设故障预测模型的卷积神经网络和长短期记忆网络进行训练，直至所述预设故障预测模型收敛，得到所述目标故障预测模型。

作为优选，所述对计量自动化主站的历史运行数据进行数据清洗，得到运行数据样本，包括：

获取计量自动化主站采集到的历史运行数据；

对所述历史运行数据进行离群点处理，以去除所述历史运行数据的冗余数据，得到所述运行数据样本。