CN114091574A - 一种电器故障预警方法、装置及终端设备 - Google Patents

一种电器故障预警方法、装置及终端设备 Download PDF

Info

Publication number
CN114091574A
CN114091574A CN202111265898.1A CN202111265898A CN114091574A CN 114091574 A CN114091574 A CN 114091574A CN 202111265898 A CN202111265898 A CN 202111265898A CN 114091574 A CN114091574 A CN 114091574A
Authority
CN
China
Prior art keywords
fault
electric appliance
early warning
data center
appliance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111265898.1A
Other languages
English (en)
Inventor
王国伟
朱红坤
贺光华
李奇隆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Chuannan Environmental Protection Technology Co ltd
Original Assignee
Chongqing Chuannan Environmental Protection Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Chuannan Environmental Protection Technology Co ltd filed Critical Chongqing Chuannan Environmental Protection Technology Co ltd
Priority to CN202111265898.1A priority Critical patent/CN114091574A/zh
Publication of CN114091574A publication Critical patent/CN114091574A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本发明适用于故障检测技术领域，提供了一种电器故障预警方法、装置及终端设备，应用于包括与电器连接的电器传感器、与N个电器传感器连接的K个本地服务器、以及与K个本地服务器连接的数据中心的故障检测系统中，N和K为正整数；电器故障预警方法包括：本地服务器采集并处理N个电器传感器的运行数据；将处理后的运行数据输入深度混合模型，获取故障特征；通过异常检测模型将故障特征分类；根据故障特征分类结果向数据中心发送指令，以使数据中心输出电器故障预警或指示电器正常工作。通过本发明可以改进电器故障检测的滞后性，提高智能化家电维修服务的质量。

Description

一种电器故障预警方法、装置及终端设备
技术领域
本发明涉及故障检测技术领域，尤其涉及一种电器故障预警方法、装置及终端设备。
背景技术
随着物联网的发展，智能化已经成为了家电维修行业发展的大趋势和目标，主要体现在故障检测以及线上家电维修服务方面。
通常来说，故障检测是家电维修服务的过程中所使用的辅助手段，是在故障发生后收到用户的指令进行检测，进而，这导致对于故障的发现和解决存在一定的滞后性。
发明内容
本发明的主要目的在于提出一种电器故障预警方法、装置及终端设备，以解决现有技术中家电维修服务对于故障的发现和解决存在滞后性的问题。
为实现上述目的，本发明实施例第一方面提供一种电器故障预警方法，应用于包括与电器连接的电器传感器、与N个所述电器传感器连接的K个本地服务器、以及与K个所述本地服务器连接的数据中心的故障检测系统中，N和K为正整数；
电器故障预警方法包括：
所述本地服务器采集并处理N个所述电器传感器的运行数据；
将处理后的运行数据输入深度混合模型，获取故障特征；
通过异常检测模型将所述故障特征分类；
根据故障特征分类结果向所述数据中心发送指令，以使所述数据中心输出电器故障预警或指示电器正常工作。
结合本发明第一方面，本发明第一实施方式中，所述本地服务器采集并处理N个所述电器传感器的运行数据，包括：
检测所述运行数据中的缺失值并补充；
对补充后的运行数据进行标准化处理，获得处理后的运行数据。
结合本发明第一方面第一实施方式，本发明第二实施方式中，所述对补充后的运行数据进行标准化处理，包括：
使用MIN-MAX标准化方法标准化所述补充后的运行数据；
将标准化后获得的结果值映射在[0,1]之间。
结合本发明第一方面，本发明第三实施方式中，将处理后的运行数据输入深度混合模型，获取故障特征，包括：
通过所述深度混合模型的GRU隐藏层提取所述处理后的运行数据的故障特征。
结合本发明第一方面第三实施方式，本发明第四实施方式中，所述通过异常检测模型将所述故障特征分类，包括：
将所述GRU隐藏层的状态作为所述故障特征，输入所述异常检测模型进行故障特征分类并获得故障特征分类结果。
结合本发明第一方面，本发明第五实施方式中，根据故障特征分类结果向所述数据中心发送指令，以使所述数据中心输出电器故障预警或指示电器正常工作，包括：
若获取到故障特征分类结果，则向所述数据中心发送指令，以使所述数据中心输出电器故障预警；
若未获取到故障特征分类结果，则不向所述数据中心发送指令，所述数据中心继续指示电器正常工作。
结合本发明第一方面，本发明第六实施方式中，与同一本地服务器连接的多个电器传感器属于同一边缘网络。
本发明实施例第二方面提供一种电器故障预警装置，应用于包括与电器连接的电器传感器、与N个所述电器传感器连接的K个本地服务器、以及与K个所述本地服务器连接的数据中心的故障检测系统中，N和K为正整数；
电器故障预警装置包括：
运行数据采集模块，用于采集并处理N个所述电器传感器的运行数据；
故障特征获取模块，用于将处理后的运行数据输入深度混合模型，获取故障特征；
故障特征分类模块，用于通过异常检测模型将所述故障特征分类；
故障预警模块，用于根据故障特征分类结果向所述数据中心发送指令，以使所述数据中心输出电器故障预警或指示电器正常工作。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上第一方面所提供的方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上第一方面所提供的方法的步骤。
本发明实施例提出一种电器故障预警方法，利用了深度混合模型，从而可以基于电器传感器所采集的运行数据获得故障特征，并结合异常检测模型获得故障特征分类结果，数据中心根据故障特征分类结果进行电器故障预警，改进了电器故障检测的滞后性，提高智能化家电维修服务的质量。
附图说明
图1为本发明实施例提供的电器故障预警方法的实现流程示意图；
图2为本发明实施例提供的故障预警系统的组成结构示意图；
图3为本发明实施例提供的电器故障预警装置的组成结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本文中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。
如图1所示，本发明实施例提供一种电器故障预警方法，应用于如图2所示的故障检测系统20中，其中，故障检测系统20包括电器传感器21，本地服务器22和数据中心23，电器传感器21与电器连接，电器传感器21为多种传感器集合，用于收集家电运行时的数据，可以在任意电器上进行部署；N个电器传感器21连接K个本地服务器22，并且，同一本地服务器22连接的多个电器传感器21属于同一边缘网络；K个所述本地服务器22则与数据中心23连接。图2示例性的示出了2个本地服务器22，其中一个本地服务器22连接3个电器传感器21，另一本地服务器22连接2个电器传感器21，示例性的，连接3个电器传感器21的本地服务器22所处的边缘网络为商场A的边缘网络，连接2个电器传感器21的本地服务器22所处的边缘网络为商场B的边缘网络。
基于此，图1中电器故障预警方法包括但不限于如下步骤：
S101、所述本地服务器采集并处理N个所述电器传感器的运行数据。
在上述步骤S101中，运行数据为时间序列数据，运行数据的处理包括数据完整性处理和数据标准化处理，因此，在一个实施例例中，上述步骤S101的一种实现方式，包括：
检测所述运行数据中的缺失值并补充；
对补充后的运行数据进行标准化处理，获得处理后的运行数据。
在具体应用中，对于运行数据中的缺失值，采用插值法进行补充，即对数值型缺失数据使用平均值进行填充。例如，假设某个设备的某个传感器收集到的数据依次为x1、x2、x3、…、xn，则缺失值xnull的填充为：
xnull＝aVg(x1、x2、x3、…、xn)；
在具体应用中，标准化处理的过程为：
使用MIN-MAX标准化方法标准化所述补充后的运行数据；
将标准化后获得的结果值映射在[0,1]之间。
其中，映射时，使用转换函数
Figure BDA0003326916950000051
S102、将处理后的运行数据输入深度混合模型，获取故障特征。
在本发明实施例中，上述步骤S102所使用的深度混合模型为训练后的GRU(GateRecurrent Units，门控循环单元)-RNN(Recurrent Neural Network，循环神经网络)模型，其实现时，通过所述深度混合模型的GRU隐藏层提取所述处理后的运行数据的故障特征。
深度混合模型的训练过程可以为：
使用历史的运行数据作为输入，使用与每组历史运行数据对应的故障特征作为输出，并将与每组历史运行数据对应的故障特征用标签标记。通过不断训练修改深度混合模型的参数，同时以拟合参数判断其训练程度。
本发明实施例使用的深度混合模型，结合了深度学习模型和传统检测算法的优点，通过大量带标签的数据进行训练，准确率比半监督方法、非监督方法以及传统算法高，而且可以挖掘出一些潜在的、未知的故障。
S103、通过异常检测模型将所述故障特征分类。
在上述步骤S103中，异常检测模型为传统异常检测模型，优选地，其可以为SVM(SupportVectorMachine，多分类的支持向量机)模型。
本发明实施例中，将GRU-RNN模型和SVM模型结合，因此，上述步骤S103的详细实现过程中，将所述GRU隐藏层的状态作为所述故障特征，输入所述异常检测模型进行故障特征分类并获得故障特征分类结果。
其中，SVM模型所输出的故障特征分类结果表示设备是否会发生故障，以及故障种类。
S104、根据故障特征分类结果向所述数据中心发送指令，以使所述数据中心输出电器故障预警或指示电器正常工作。
上述步骤S104中，基于本发明实施例提供的故障检测系统，边缘计算的应用可以直接在靠近数据一侧进行数据的存储和计算分析，而故障传感器采集到的数据也不需要传至云端，直接在本地服务器中进行存储和计算，只有在监测到可能发生故障的时候才会传输数据到数据中心，即数据中心只能在故障特征分类结果表示设备会发生故障时，获取到故障特征分类结果，而在故障特征分类结果表示设备不会发生故障时，无法获取到故障特征分类结果，减少了对网络带宽的需求，增加了数据检测的时效性。
其中，若获取到故障特征分类结果，则向所述数据中心发送指令，以使所述数据中心输出电器故障预警；
若未获取到故障特征分类结果，则不向所述数据中心发送指令，所述数据中心继续指示电器正常工作。
在本发明实施例中，当能够获取到故障特征分类结果时，还同时获得故障特征信息，故障特征信息包括基于电器传感器采集的运行数据所获得的故障现象、故障部位、故障类型等，数据中心可以根据接收到的故障特征信息确定设备故障的故障源，然后根据故障源和数据库中的故障解决方案进行匹配，并返回到本地服务器，实现上述步骤S104的输出电器故障预警。
其中，输出电器故障预警的形式包括通过声音、屏幕提示信息等方式告知用户家电可能发生故障，预警内容包括家电设备的编号、类型、故障情况以及如何解决等。
如图3所示，本发明实施例还提供一种电器故障预警装置30，应用于如图2所示的故障检测系统中，电器故障预警装置30包括：
运行数据采集模块31，用于采集并处理N个所述电器传感器的运行数据；
故障特征获取模块32，用于将处理后的运行数据输入深度混合模型，获取故障特征；
故障特征分类模块33，用于通过异常检测模型将所述故障特征分类；
故障预警模块34，用于根据故障特征分类结果向所述数据中心发送指令，以使所述数据中心输出电器故障预警或指示电器正常工作。
本发明实施例还提供一种终端设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例中所述的电器故障预警方法中的各个步骤。
本发明实施例还提供一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述实施例中所述的电器故障预警方法中的各个步骤。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电器故障预警方法，其特征在于，应用于包括与电器连接的电器传感器、与N个所述电器传感器连接的K个本地服务器、以及与K个所述本地服务器连接的数据中心的故障检测系统中，N和K为正整数；
电器故障预警方法包括：
所述本地服务器采集并处理N个所述电器传感器的运行数据；
将处理后的运行数据输入深度混合模型，获取故障特征；
通过异常检测模型将所述故障特征分类；
根据故障特征分类结果向所述数据中心发送指令，以使所述数据中心输出电器故障预警或指示电器正常工作。
2.如权利要求1所述电器故障预警方法，其特征在于，所述本地服务器采集并处理N个所述电器传感器的运行数据，包括：
检测所述运行数据中的缺失值并补充；
对补充后的运行数据进行标准化处理，获得处理后的运行数据。
3.如权利要求2所述的电器故障预警方法，其特征在于， 所述对补充后的运行数据进行标准化处理，包括：
使用MIN- MAX标准化方法标准化所述补充后的运行数据；
将标准化后获得的结果值映射在[0,1]之间。
4.如权利要求1所述的电器故障预警方法，其特征在于，将处理后的运行数据输入深度混合模型，获取故障特征，包括：
通过所述深度混合模型的GRU隐藏层提取所述处理后的运行数据的故障特征。
5.如权利要求4所述的电器故障预警方法，其特征在于，所述通过异常检测模型将所述故障特征分类，包括：
将所述GRU隐藏层的状态作为所述故障特征，输入所述异常检测模型进行故障特征分类并获得故障特征分类结果。
6.如权利要求1所述的电器故障预警方法，其特征在于，根据故障特征分类结果向所述数据中心发送指令，以使所述数据中心输出电器故障预警或指示电器正常工作，包括：
若获取到故障特征分类结果，则向所述数据中心发送指令，以使所述数据中心输出电器故障预警；
若未获取到故障特征分类结果，则不向所述数据中心发送指令，所述数据中心继续指示电器正常工作。
7.如权利要求1所述的电器故障预警方法，其特征在于，与同一本地服务器连接的多个电器传感器属于同一边缘网络。
8.一种电器故障预警装置，其特征在于，应用于包括与电器连接的电器传感器、与N个所述电器传感器连接的K个本地服务器、以及与K个所述本地服务器连接的数据中心的故障检测系统中，N和K为正整数；
电器故障预警装置包括：
运行数据采集模块，用于采集并处理N个所述电器传感器的运行数据；
故障特征获取模块，用于将处理后的运行数据输入深度混合模型，获取故障特征；
故障特征分类模块，用于通过异常检测模型将所述故障特征分类；
故障预警模块，用于根据故障特征分类结果向所述数据中心发送指令，以使所述数据中心输出电器故障预警或指示电器正常工作。
9.一种终端设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1至7任一项所述的电器故障预警方法中的各个步骤。
10.一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至7任一项所述的电器故障预警方法中的各个步骤。
CN202111265898.1A 2021-10-28 2021-10-28 一种电器故障预警方法、装置及终端设备 Pending CN114091574A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111265898.1A CN114091574A (zh) 2021-10-28 2021-10-28 一种电器故障预警方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111265898.1A CN114091574A (zh) 2021-10-28 2021-10-28 一种电器故障预警方法、装置及终端设备

Publications (1)

Publication Number Publication Date
CN114091574A true CN114091574A (zh) 2022-02-25

Family

ID=80298046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111265898.1A Pending CN114091574A (zh) 2021-10-28 2021-10-28 一种电器故障预警方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN114091574A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030943A (zh) * 2022-12-26 2023-04-28 江苏巨楷科技发展有限公司 一种大数据智慧运维控制系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030943A (zh) * 2022-12-26 2023-04-28 江苏巨楷科技发展有限公司 一种大数据智慧运维控制系统及方法
CN116030943B (zh) * 2022-12-26 2023-12-15 江苏巨楷科技发展有限公司 一种大数据智慧运维控制系统及方法

Similar Documents

Publication Publication Date Title
Abid et al. Distinct bearing faults detection in induction motor by a hybrid optimized SWPT and aiNet-DAG SVM
US8868985B2 (en) Supervised fault learning using rule-generated samples for machine condition monitoring
CN109397703B (zh) 一种故障检测方法及装置
CN103838229B (zh) 电动汽车诊断方法和诊断装置
CN105424395A (zh) 设备故障的确定方法和装置
CN106021771A (zh) 一种故障诊断方法及装置
CN107403480A (zh) 一种车辆故障预警方法、系统及车辆
CN110901446A (zh) 一种基于智能电表的电动车充电识别方法及装置
EP3712728A1 (en) Apparatus for predicting equipment damage
CN113391207A (zh) 一种电机故障的检测方法、介质及系统
CN111582406A (zh) 一种电力设备状态监测数据聚类方法和系统
CN112949714A (zh) 一种基于随机森林的故障可能性预估方法
CN114091574A (zh) 一种电器故障预警方法、装置及终端设备
CN111783696A (zh) 一种基于pv关系的低压分支拓扑实时分析的边缘计算方法
Harish et al. Fault detection and classification for wide area backup protection of power transmission lines using weighted extreme learning machine
CN116956215A (zh) 一种传动系统故障诊断方法及系统
CN108680860A (zh) 一种eps电机故障检测方法
CN115793590A (zh) 适用于系统安全运维的数据处理方法及平台
CN114151293B (zh) 风机变桨系统的故障预警方法、系统、设备及存储介质
CN117110794A (zh) 一种电缆故障智能诊断系统及方法
CN116338454A (zh) 一种新能源汽车的电性能检测方法及装置
CN118427681A (zh) 一种基于自监督对比学习增强的跨工况开集故障诊断方法及设备
CN117192416A (zh) 基于bms系统的蓄电池监测系统及方法
CN110749443B (zh) 一种基于高阶原点矩的滚动轴承故障诊断方法及系统
CN117825864A (zh) 一种配电网线路短路容量监控诊断方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination