[发明专利]用电信息采集设备的诊断评估方法、装置及系统

权利要求书

1.一种用电信息采集设备的诊断评估方法，其特征在于，步骤包括：

S01.获取用电信息采集设备的历史数据，构建用电信息采集设备的性能状态数据库；

S02.根据所述性能状态数据库中的历史数据构建形成训练样本集以及故障因果关系模型，所述训练样本集中包括从历史数据中提取的故障评估指标，所述故障因果关系模型为根据不同故障事件与故障传播路径、故障征兆要素之间的对应关系构建形成；

S03.根据所述训练样本集、故障因果关系模型构建用电信息采集设备的诊断评估模型；

S04.实时获取用电信息采集设备的设备数据并进行检测，当检测到存在异常数据时，使用构建的所述诊断评估模型对异常数据进行诊断评估。

2.根据权利要求1所述的用电信息采集设备的诊断评估方法，其特征在于，所述步骤S02中构建形成训练样本集时，采用正交量子粒子群的最近邻原型的分类算法从历史数据中提取所述故障评估指标，其中采用多次塌陷-正交交叉量子的粒子群算法进行迭代优化，以选出最好的粒子和其中有效的原型，计算测试数据到选出原型的距离对测试数据进行分类，继续对训练数据进行学习，得到每个粒子的适应度值直到满足终止条件，统计种群的分类正确率，得到最终结果并作为提取出的所述故障评估指标。

3.根据权利要求2所述的用电信息采集设备的诊断评估方法，其特征在于，所述正交量子粒子群的最近邻原型的分类算法按照下式进行计算：

其中,i＝1，2，3...N，N为粒子的总数，d＝1,2,3,…,D,D为粒子所在空间的维度，k为迭代次数,v_id是第i个粒子的速度，r₁和r₂均为介于(0，1)之间的随机数，z_id是第i个粒子当前的位置，c₁和c₂是学习因子，v_id的最大值为v_max，若v_i大于v_max，则v_i＝v_max，p_id为第i个粒子的迄今搜索到的极值，P_gd为全局迄今搜索到的极值,j表示迭代次数。

4.根据权利要求2所述的用电信息采集设备的诊断评估方法，其特征在于，所述用电信息采集设备诊断评估模型构建时，还包括使用设备健康状态信息，所述健康状态信息包括故障率、修复率、设备健康度和置信度中任意一种或多种。

5.根据权利要求1～4中任意一项所述的用电信息采集设备的诊断评估方法，其特征在于，所述步骤S04中，采用Grubbs检验算法对实时获取的设备数据进行异常检测，具体计算表达式为：

G_i＝max_{i＝1，2，...n}|Y_i-Y|/s；

其中，Y和s分别为样本的均值和标准差，n为测量次数，Y_i为第i个样本的值；

将计算得到的G_i与格拉布斯表中的对应的临界值Gp(n)做比较，如果G_iGp(n)则判定测量数据中没有异常值，如果G_iGp(n)则测量数据中的Y_i为异常值。

6.根据权利要求1～4中任意一项所述的用电信息采集设备的诊断评估方法，其特征在于，所述步骤S04的步骤包括：

S401.使用构建的所述诊断评估模型对异常数据进行诊断评估,得到初步评估诊断结果；

S402.综合所述初步评估诊断结果、外部输入的诊断评估数据进行再次评估，得到最终的诊断评估结果。