CN114236458A - 基于测试数据流的双芯智能电表故障定位方法和装置 - Google Patents
基于测试数据流的双芯智能电表故障定位方法和装置 Download PDFInfo
- Publication number
- CN114236458A CN114236458A CN202111368711.0A CN202111368711A CN114236458A CN 114236458 A CN114236458 A CN 114236458A CN 202111368711 A CN202111368711 A CN 202111368711A CN 114236458 A CN114236458 A CN 114236458A
- Authority
- CN
- China
- Prior art keywords
- fault
- ammeter
- target
- data stream
- sample
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本申请涉及一种基于测试数据流的双芯智能电表故障定位方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:将预设的故障测试程序烧录至待测试的目标电表中;向所述目标电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述目标电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述目标电表的系统服务响应特征;接收所述目标电表返回的所述系统服务响应特征;将所述系统服务响应特征输入至预训练的电表故障定位模型,得到针对所述目标电表的故障定位结果。采用本方法能够快速地确定出该智能电表的软件故障类型。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种基于测试数据流的双芯智能电表故障定位方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
智能电表是智能电网(特别是智能配电网)数据采集的基本设备之一,承担着原始电能数据采集、计量和传输的任务,是实现信息集成、分析优化和信息展现的基础。智能电表除了具备传统电能表基本用电量的计量功能以外,为了适应智能电网和新能源的使用它还具有双向多种费率计量功能、用户端控制功能、多种数据传输模式的双向数据通信功能、防窃电功能等智能化的功能。
传统技术中的智能电表在出现硬件故障时,往往能通过智能电表的外在表现初步判断故障原因。然而,智能电表在出现软件故障时,其外在表现往往只是死机这一单一表现,往往无法快速地确定出该智能电表的具体软件故障类型。
发明内容
基于此,有必要针对上述技术问题,提供一种能够快速地确定出该智能电表的软件故障类型的电表故障定位方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于测试数据流的双芯智能电表故障定位方法,所述方法包括:
将预设的故障测试程序烧录至待测试的目标电表中;
向所述目标电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述目标电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述目标电表的系统服务响应特征;
接收所述目标电表返回的所述系统服务响应特征;
将所述系统服务响应特征输入至预训练的电表故障定位模型,得到针对所述目标电表的故障定位结果。
在其中一个实施例中,所述将所述故障测试程序烧录至待测试的目标电表中,包括:
当检测到电表故障定位装置与所述目标电表的管理芯建立通信连接时,下发程序烧录指令至所述电表故障定位装置;所述程序烧录指令用于指示所述电表故障定位装置将所述故障测试程序烧录至所述管理芯,并生成程序烧录结果;
接收所述电表故障定位装置返回的所述程序烧录结果。
在其中一个实施例中,所述向所述目标电表发送故障测试数据流,包括:
响应于针对所述目标电表的测试操作,下发故障测试指令至所述电表故障定位装置;所述故障测试指令用于指示所述电表故障定位装置构造与所述故障测试指令对应的测试数据流,作为所述故障测试数据流,并将所述故障测试数据流下发至所述目标电表的管理芯。
在其中一个实施例中,所述响应于针对所述目标电表的测试操作,下发故障测试指令至所述电表故障定位装置,包括:
响应于针对所述目标电表的测试操作,确定针对所述目标电表的故障测试目标;
生成与所述故障测试目标对应的测试指令,作为所述故障测试指令;
发送所述故障测试指令至所述目标电表的管理芯。
在其中一个实施例中,所述方法还包括:
获取训练样本数据;所述训练样本数据包括样本电表的系统服务响应样本特征,以及对应的样本标签;所述样本标签用于表征样本电表的故障类型;
将所述系统服务响应样本特征输入至待训练的电表故障定位模型,得到所述样本电表的故障预测结果;
基于所述故障预测结果和所述样本标签,对所述待训练的电表故障定位模型进行训练,得到所述预训练的电表故障定位模型。
在其中一个实施例中,所述获取训练样本数据,包括:
将所述故障测试程序烧录至所述样本电表中;
向所述样本电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述样本电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述样本电表的系统服务响应样本特征;
获取所述样本电表的故障类型,并建立所述故障类型对应的样本标签与所述系统服务响应样本特征之间的映射关系,获得所述训练样本数据。
第二方面,本申请还提供了一种基于测试数据流的双芯智能电表故障定位装置,所述装置包括:
烧录模块,用于将预设的故障测试程序烧录至待测试的目标电表中;
测试模块,用于向所述目标电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述目标电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述目标电表的系统服务响应特征;
接收模块,用于接收所述目标电表返回的所述系统服务响应特征;
定位模块,用于将所述系统服务响应特征输入至预训练的电表故障定位模型,得到针对所述目标电表的故障定位结果。
第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面,本申请还提供了一种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上述的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
上述基于测试数据流的双芯智能电表故障定位方法、装置、计算机设备、存储介质和计算机程序产品,通过将预设的故障测试程序烧录至待测试的目标电表中;向目标电表发送故障测试数据流,并启动故障测试程序;故障测试程序用于监测目标电表的操作系统中各项服务针对故障测试数据流的响应时间点,得到目标电表的系统服务响应特征;接收目标电表返回的系统服务响应特征;将系统服务响应特征输入至预训练的电表故障定位模型,得到针对目标电表的故障定位结果;如此,可以实现准确且快速对获取到目标电表的操作系统中各项服务针对故障测试数据流的响应时间点,提炼出该目标电表的系统服务响应特征,并利用预训练的电表故障定位模型,基于该系统服务响应特征快速地对目标电表进行故障定位,实现快速地确定出该智能电表的具体软件故障类型。
附图说明
图1为一个实施例中一种基于测试数据流的双芯智能电表故障定位方法的应用环境图;
图2为一个实施例中一种基于测试数据流的双芯智能电表故障定位方法的流程示意图;
图3为一个实施例中一种测试数据流响应时刻划分的示意图;
图4为一个实施例中一种新型的单隐层前馈神经网络算法的基本原理图;
图5为一个实施例中一种基于OS-ELM的数据处理过程的示意图;
图6为一个实施例中一种基于测试数据流的双芯智能电表故障定位方法的应用场景图;
图7为另一个实施例中一种基于测试数据流的双芯智能电表故障定位方法的流程示意图;
图8为一个实施例中一种基于测试数据流的双芯智能电表故障定位装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的一种基于测试数据流的双芯智能电表故障定位方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。终端110将预设的故障测试程序烧录至待测试的目标电表120中;终端110向目标电表120发送故障测试数据流,并启动故障测试程序;故障测试程序用于监测目标电表120的操作系统中各项服务针对故障测试数据流的响应时间点,得到目标电表120的系统服务响应特征;终端110接收目标电表120返回的系统服务响应特征;终端110将系统服务响应特征输入至预训练的电表故障定位模型,得到针对目标电表120的故障定位结果。其中,终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和物联网设备等。目标电表120可以是智能电表。
在一个实施例中,如图2所示,提供了一种基于测试数据流的双芯智能电表故障定位方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤S210,将预设的故障测试程序烧录至待测试的目标电表中。
其中,目标电表可以是需要进行软件故障检测的智能电表。其中,该目标电表可以运行有嵌入式操作系统。
其中,故障测试程序可以是指用于采集目标电表的测试响应数据的应用程序。
具体实现中,当需要确定目标电表的电表故障类型时,可以通过终端将预设的故障测试程序烧录至目标电表,进而对该目标电表运行的操作系统中的各个关键环节的响应时间进行监测。
步骤S220,向目标电表发送故障测试数据流,并启动故障测试程序;故障测试程序用于监测目标电表的操作系统中各项服务针对故障测试数据流的响应时间点,得到目标电表的系统服务响应特征。
实际应用中,覆盖基础应用程序的数据流可以是数据读写报文指令。
具体实现中,终端可以将故障测试数据流作为指令下发给目标电表,并启动故障测试程序。具体来说,目标电表在接收到故障测试数据流后,以测试数据流发送给串口为计时起点,启动测试程序监测关键时刻的响应时间节点。为了便于本领域技术人员的理解,图3实例性地提供了一种测试数据流响应时刻划分的示意图。如图3所示,分别以串口、通信管理服务、虚拟总线服务、基础APP(或扩展APP、或平台管理服务、或计量管理服务,由构造的数据流确定)作为监测对象,由测试程序监测数据到达与离开的时刻,并反馈给上位机,得到响应时刻1至响应时刻6;以最终环节发出反馈报文为起始时刻2,重复上述步骤,得到响应时间7至响应时刻12。实际应用中,可以将上述的响应时刻1至响应时刻12作为目标电表的系统服务响应特征。目标电表将该系统服务响应特征发送回上述的终端。
步骤S230,接收目标电表返回的系统服务响应特征。
具体实现中,终端接收到目标电表返回的系统服务响应特征即故障测试程序的监测结果。
步骤S240,将系统服务响应特征输入至预训练的电表故障定位模型,得到针对目标电表的故障定位结果。
具体实现中,终端在接收到返回的系统服务响应特征后,终端则将该系统服务响应特征作为输入,输入已训练完成的电表故障定位模型,得到针对目标电表的故障定位结果。具体来说,终端可以将监测的响应时间作为输入,输入已训练完成的OS-ELM(一种神经网络模型)中,得到故障类型的预测结果。
上述基于测试数据流的双芯智能电表故障定位方法,通过将预设的故障测试程序烧录至待测试的目标电表中;向目标电表发送故障测试数据流,并启动故障测试程序;故障测试程序用于监测目标电表的操作系统中各项服务针对故障测试数据流的响应时间点,得到目标电表的系统服务响应特征;接收目标电表返回的系统服务响应特征;将系统服务响应特征输入至预训练的电表故障定位模型,得到针对目标电表的故障定位结果;如此,可以实现准确且快速对获取到目标电表的操作系统中各项服务针对故障测试数据流的响应时间点,提炼出该目标电表的系统服务响应特征,并利用预训练的电表故障定位模型,基于该系统服务响应特征快速地对目标电表进行故障定位,实现快速地确定出该智能电表的具体软件故障类型。
在另一个实施例中,将故障测试程序烧录至待测试的目标电表中,包括:当检测到电表故障定位装置与目标电表的管理芯建立通信连接时,下发程序烧录指令至电表故障定位装置;程序烧录指令用于指示电表故障定位装置将故障测试程序烧录至管理芯,并生成程序烧录结果;接收电表故障定位装置返回的程序烧录结果。
其中,目标电表的管理芯可以是指智能电表中的管理芯。
其中,电表故障定位装置可以是指用于与目标电表的管理芯建立通信连接的装置。其中,该电表故障定位装置与终端和目标电表的管理芯通讯连接。
具体实现中,终端在将故障测试程序烧录至待测试的目标电表中的过程中,终端检测到电表故障定位装置与目标电表的管理芯建立通信连接时,例如,智能电表中的管理芯被安装在电表故障定位装置上以实现电表故障定位装置与管理芯建立通信连接后,终端可以下发程序烧录指令至电表故障定位装置。电表故障定位装置在接收到该程序烧录指令后,电表故障定位装置则将故障测试程序烧录至管理芯,并生成程序烧录结果,电表故障定位装置将该程序烧录结果返回至终端;终端接收电表故障定位装置返回的程序烧录结果。
本实施例的技术方案,当检测到电表故障定位装置与目标电表的管理芯建立通信连接时,通过下发程序烧录指令至电表故障定位装置,以指示电表故障定位装置将故障测试程序烧录至管理芯,从而实现将程序烧录功能下放至电表故障定位装置,减少终端的处理负荷。
在另一个实施例中,向目标电表发送故障测试数据流,包括:响应于针对目标电表的测试操作,下发故障测试指令至电表故障定位装置;故障测试指令用于指示电表故障定位装置构造与故障测试指令对应的测试数据流,作为故障测试数据流,并将故障测试数据流下发至目标电表的管理芯。
其中,响应于针对目标电表的测试操作,下发故障测试指令至电表故障定位装置,包括:响应于针对目标电表的测试操作,确定针对目标电表的故障测试目标;生成与故障测试目标对应的测试指令,作为故障测试指令;发送故障测试指令至目标电表的管理芯。
具体实现中,终端向目标电表发送故障测试数据流的过程中,终端可以响应于针对目标电表的测试操作,下发故障测试指令至电表故障定位装置。电表故障定位装置在接收到该故障测试指令后,电表故障定位装置则将构造与故障测试指令对应的测试数据流,作为故障测试数据流,并将故障测试数据流下发至目标电表的管理芯中。
具体来说,终端可以响应于用户对目标电表的测试操作,确定针对目标电表的故障测试目标。然后,终端向该电表故障定位装置下发与该故障测试目标对应的故障测试指令。
本实施例的技术方案,通过响应于针对目标电表的测试操作,下发故障测试指令至电表故障定位装置,以指示电表故障定位装置构造与故障测试指令对应的测试数据流,作为故障测试数据流,并将故障测试数据流下发至目标电表的管理芯,进而实现控制电表故障定位装置向目标电表发送故障测试数据流,将测试数据流下发功能下放至电表故障定位装置,从而减少终端的处理负荷,提高终端进行故障定位的效率。
在另一个实施例中,方法还包括:获取训练样本数据;训练样本数据包括样本电表的系统服务响应样本特征,以及对应的样本标签;样本标签用于表征样本电表的故障类型;将系统服务响应样本特征输入至待训练的电表故障定位模型,得到样本电表的故障预测结果;基于故障预测结果和样本标签,对待训练的电表故障定位模型进行训练,得到预训练的电表故障定位模型。
其中,获取训练样本数据,包括:将故障测试程序烧录至样本电表中;向样本电表发送故障测试数据流,并启动故障测试程序;故障测试程序用于监测样本电表的操作系统中各项服务针对故障测试数据流的响应时间点,得到样本电表的系统服务响应样本特征;获取样本电表的故障类型,并建立故障类型对应的样本标签与系统服务响应样本特征之间的映射关系,获得训练样本数据。
具体实现中,终端可以对待训练的电表故障定位模型进行训练,得到预训练的电表故障定位模型。终端通过获取包括样本电表的系统服务响应样本特征,以及对应的样本标签的训练样本数据。具体来说,可以将已知故障类型的智能电表(即样本电表)与故障定位装置连接,烧录故障测试程序,并设置样本电表的操作系统中各项服务(即关键检测节点)。然后,终端控制故障定位装置发送故障测试数据流(实际应用中,该故障测试数据流需要涵盖操作系统的各项服务),并启动故障测试程序,监测样本电表的操作系统中各项服务针对故障测试数据流的响应时间点。然后,更换下一个样本电表,重复上述步骤,直至样本电表全部测试完。然后,终端收集样本电表的监测到的系统服务响应样本特征。终端获取样本电表的故障类型,并建立故障类型对应的样本标签与系统服务响应样本特征之间的映射关系,获得训练样本数据,用于对待训练的电表故障定位模型进行训练。
在采用训练样本数据对待训练的电表故障定位模型进行训练过程中,将系统服务响应样本特征输入至待训练的电表故障定位模型,得到样本电表的故障预测结果;基于故障预测结果和样本标签,对待训练的电表故障定位模型进行训练,得到预训练的电表故障定位模型。
需要说明的是,在获取到特征数据后,则需要基于特征数据开展网络训练。这一过程可选择的范围较广,传统的神经网络算法均具备训练和预测的能力。
本申请可以选择在线序贯极限学习机(OS-ELM,Online Sequential-ExtremeLearning Machine)作为核心方法。极限学习机属于一种新型的单隐层前馈神经网络算法,其基本原理图如图4所示。OS-ELM是在传统极限学习机基础上的改进算法,其无需重复扫描历史数据,算法的鲁棒性和泛化能力更强。其步骤和原理如下:
①根据上位机汇总的特征数据构造初始训练数据集:
D0={(xi,yi)|xi∈Rd,yi∈Rk}i=1,2,L,n0
其中,xi表示上位机所接收的响应时刻,yi表示该响应时刻信息所对应的实际软件故障类型编号。n0为首批样本数据的个数,可以根据实际情况灵活设置。
②随机设置连接权值矩阵W和偏置矩阵B。则此时,具有m个节点的ELM可以表示为:
上式可转化为:H0β(0)=Y0
β(0)=(β1 (0)T,β2 (0)T,L,βm (0)T)T
Y0=(y1 T,y2 T,L,yn T)
又因为:β(0)=H0 *Y0
式中H0 *=(H0 TH0)-1H0 T为矩阵H0的Moore-Penrose广义逆。
在上述推导结果中,若令K0=H0 TH0,则有:β(0)=K0 -1H0 TY0
④当有第二批样本数据集D1={(xi,yi)|xi∈Rd,yi∈Rk},i=p,p+1,L,q,输入时,其中p=n0+1,q=n0+n1,n1本批样本个数,则此时问题为求取:
其中:
Y1=(yp T,yp+1 T,L,yq T)
则此时的输出权值矩阵为:
其中:
联合化简可得:
β(1)=β(0)+K1 -1H1 T(Y1-H1β(0))
由此可见根据新输入的样本集中的n1个样本的训练结果即可完成输出权值矩阵的更新,无需重复扫描历史数据。
同理,当第k+1批数据输入时,则有:
β(k+1)=β(k)+Kk+1 -1Hk+1 T(Yk+1-Hk+1β(k))
因此本申请可以实时更新多批电表故障信息,具有很好的针对性。为了便于本领域技术人员的理解,图5提供了一种基于OS-ELM的数据处理过程的示意图。
根据上述步骤,当所有批次样本数据均训练完成并得到输出权值矩阵后,训练过程完成。此时,当有实际电表发现软件故障需要定位故障信息时,方便得到故障定位结果,为运维检修提供方向。
为了便于本领域技术人员的理解,图6提供了一种基于测试数据流的双芯智能电表故障定位方法的应用场景图。如图6所示,以图1中的终端为上位机,上位机将下发程序烧录指令至电表故障定位装置。电表故障定位装置在接收到该程序烧录指令后,电表故障定位装置则将故障测试程序烧录至管理芯,并生成程序烧录结果,电表故障定位装置将该程序烧录结果返回至终端;终端接收电表故障定位装置返回的程序烧录结果。上位机下发故障测试指令至电表故障定位装置。电表故障定位装置在接收到该故障测试指令后,电表故障定位装置则将构造与故障测试指令对应的测试数据流,作为故障测试数据流,并将故障测试数据流下发至目标电表的管理芯中。故障测试程序用于监测目标电表的操作系统中各项服务针对故障测试数据流的响应时间点,得到目标电表的系统服务响应特征。上位机接收目标电表返回的系统服务响应特征;将系统服务响应特征输入至预训练的电表故障定位模型,得到针对目标电表的故障定位结果。实际应用中,该预训练的电表故障定位模型为采用包括样本电表的系统服务响应样本特征,以及对应的样本标签的训练样本数据进行迭代训练得到的。
在另一个实施例中,如图7所示,提供了一种基于测试数据流的双芯智能电表故障定位方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤S710,当检测到电表故障定位装置与所述目标电表的管理芯建立通信连接时,下发程序烧录指令至所述电表故障定位装置;所述程序烧录指令用于指示所述电表故障定位装置将预设的故障测试程序烧录至所述管理芯;
步骤S720,响应于针对所述目标电表的测试操作,确定针对所述目标电表的故障测试目标;
步骤S730,生成与所述故障测试目标对应的故障测试指令;
步骤S740,发送所述故障测试指令至所述目标电表的管理芯;所述故障测试指令用于指示所述电表故障定位装置构造与所述故障测试指令对应的测试数据流,作为所述故障测试数据流,并将所述故障测试数据流下发至所述目标电表的管理芯;
步骤S750,启动所述故障测试程序;所述故障测试程序用于监测所述目标电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述目标电表的系统服务响应特征;
步骤S760,接收所述目标电表返回的所述系统服务响应特征;
步骤S770,将所述系统服务响应特征输入至预训练的电表故障定位模型,得到针对所述目标电表的故障定位结果。
需要说明的是,上述步骤的具体限定可以参见上文对一种基于测试数据流的双芯智能电表故障定位方法的具体限定。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于测试数据流的双芯智能电表故障定位方法的基于测试数据流的双芯智能电表故障定位装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于测试数据流的双芯智能电表故障定位装置实施例中的具体限定可以参见上文中对于基于测试数据流的双芯智能电表故障定位方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种基于测试数据流的双芯智能电表故障定位装置,包括:
烧录模块810,用于将预设的故障测试程序烧录至待测试的目标电表中;
测试模块820,用于向所述目标电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述目标电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述目标电表的系统服务响应特征;
接收模块830,用于接收所述目标电表返回的所述系统服务响应特征;
定位模块840,用于将所述系统服务响应特征输入至预训练的电表故障定位模型,得到针对所述目标电表的故障定位结果。
在其中一个实施例中,所述烧录模块810,具体用于当检测到电表故障定位装置与所述目标电表的管理芯建立通信连接时,下发程序烧录指令至所述电表故障定位装置;所述程序烧录指令用于指示所述电表故障定位装置将所述故障测试程序烧录至所述管理芯,并生成程序烧录结果;接收所述电表故障定位装置返回的所述程序烧录结果。
在其中一个实施例中,所述测试模块820,具体用于响应于针对所述目标电表的测试操作,下发故障测试指令至所述电表故障定位装置;所述故障测试指令用于指示所述电表故障定位装置构造与所述故障测试指令对应的测试数据流,作为所述故障测试数据流,并将所述故障测试数据流下发至所述目标电表的管理芯。
在其中一个实施例中,所述测试模块820,具体用于响应于针对所述目标电表的测试操作,确定针对所述目标电表的故障测试目标;生成与所述故障测试目标对应的测试指令,作为所述故障测试指令;发送所述故障测试指令至所述目标电表的管理芯。
在其中一个实施例中,所述装置还包括:样本获取模块,用于获取训练样本数据;所述训练样本数据包括样本电表的系统服务响应样本特征,以及对应的样本标签;所述样本标签用于表征样本电表的故障类型;输入模块,用于将所述系统服务响应样本特征输入至待训练的电表故障定位模型,得到所述样本电表的故障预测结果;训练模块,用于基于所述故障预测结果和所述样本标签,对所述待训练的电表故障定位模型进行训练,得到所述预训练的电表故障定位模型。
在其中一个实施例中,所述样本获取模块,具体用于将所述故障测试程序烧录至所述样本电表中;向所述样本电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述样本电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述样本电表的系统服务响应样本特征;获取所述样本电表的故障类型,并建立所述故障类型对应的样本标签与所述系统服务响应样本特征之间的映射关系,获得所述训练样本数据。
上述基于测试数据流的双芯智能电表故障定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于测试数据流的双芯智能电表故障定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述一种基于测试数据流的双芯智能电表故障定位方法的步骤。此处一种基于测试数据流的双芯智能电表故障定位方法的步骤可以是上述各个实施例的一种基于测试数据流的双芯智能电表故障定位方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述一种基于测试数据流的双芯智能电表故障定位方法的步骤。此处一种基于测试数据流的双芯智能电表故障定位方法的步骤可以是上述各个实施例的一种基于测试数据流的双芯智能电表故障定位方法中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于测试数据流的双芯智能电表故障定位方法,其特征在于,所述方法包括:
将预设的故障测试程序烧录至待测试的目标电表中;
向所述目标电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述目标电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述目标电表的系统服务响应特征;
接收所述目标电表返回的所述系统服务响应特征;
将所述系统服务响应特征输入至预训练的电表故障定位模型,得到针对所述目标电表的故障定位结果。
2.根据权利要求1所述的方法,其特征在于,所述将所述故障测试程序烧录至待测试的目标电表中,包括:
当检测到电表故障定位装置与所述目标电表的管理芯建立通信连接时,下发程序烧录指令至所述电表故障定位装置;所述程序烧录指令用于指示所述电表故障定位装置将所述故障测试程序烧录至所述管理芯,并生成程序烧录结果;
接收所述电表故障定位装置返回的所述程序烧录结果。
3.根据权利要求2所述的方法,其特征在于,所述向所述目标电表发送故障测试数据流,包括:
响应于针对所述目标电表的测试操作,下发故障测试指令至所述电表故障定位装置;所述故障测试指令用于指示所述电表故障定位装置构造与所述故障测试指令对应的测试数据流,作为所述故障测试数据流,并将所述故障测试数据流下发至所述目标电表的管理芯。
4.根据权利要求3所述的方法,其特征在于,所述响应于针对所述目标电表的测试操作,下发故障测试指令至所述电表故障定位装置,包括:
响应于针对所述目标电表的测试操作,确定针对所述目标电表的故障测试目标;
生成与所述故障测试目标对应的测试指令,作为所述故障测试指令;
发送所述故障测试指令至所述目标电表的管理芯。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取训练样本数据;所述训练样本数据包括样本电表的系统服务响应样本特征,以及对应的样本标签;所述样本标签用于表征样本电表的故障类型;
将所述系统服务响应样本特征输入至待训练的电表故障定位模型,得到所述样本电表的故障预测结果;
基于所述故障预测结果和所述样本标签,对所述待训练的电表故障定位模型进行训练,得到所述预训练的电表故障定位模型。
6.根据权利要求5所述的方法,其特征在于,所述获取训练样本数据,包括:
将所述故障测试程序烧录至所述样本电表中;
向所述样本电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述样本电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述样本电表的系统服务响应样本特征;
获取所述样本电表的故障类型,并建立所述故障类型对应的样本标签与所述系统服务响应样本特征之间的映射关系,获得所述训练样本数据。
7.一种基于测试数据流的双芯智能电表故障定位装置,其特征在于,所述装置包括:
烧录模块,用于将预设的故障测试程序烧录至待测试的目标电表中;
测试模块,用于向所述目标电表发送故障测试数据流,并启动所述故障测试程序;所述故障测试程序用于监测所述目标电表的操作系统中各项服务针对所述故障测试数据流的响应时间点,得到所述目标电表的系统服务响应特征;
接收模块,用于接收所述目标电表返回的所述系统服务响应特征;
定位模块,用于将所述系统服务响应特征输入至预训练的电表故障定位模型,得到针对所述目标电表的故障定位结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111368711.0A CN114236458A (zh) | 2021-11-18 | 2021-11-18 | 基于测试数据流的双芯智能电表故障定位方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111368711.0A CN114236458A (zh) | 2021-11-18 | 2021-11-18 | 基于测试数据流的双芯智能电表故障定位方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114236458A true CN114236458A (zh) | 2022-03-25 |
Family
ID=80749945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111368711.0A Pending CN114236458A (zh) | 2021-11-18 | 2021-11-18 | 基于测试数据流的双芯智能电表故障定位方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114236458A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117828450A (zh) * | 2024-03-06 | 2024-04-05 | 深圳市铨天科技有限公司 | 一种基于大数据的封装测试方法、系统和介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314729A (zh) * | 2011-07-27 | 2012-01-11 | 邢台供电公司 | 电卡表售电故障快速定位方法 |
CN104793171A (zh) * | 2015-04-23 | 2015-07-22 | 广西电网有限责任公司电力科学研究院 | 一种基于故障仿真的智能电表故障检测方法 |
CN105510866A (zh) * | 2015-11-27 | 2016-04-20 | 江苏省电力公司电力科学研究院 | 一种电能表自动化检定线的故障监测方法 |
CN105824001A (zh) * | 2015-01-06 | 2016-08-03 | 国家电网公司 | 一种数字电能表iec61850符合性测试方法及其系统 |
CN107340493A (zh) * | 2017-06-22 | 2017-11-10 | 南方电网科学研究院有限责任公司 | 费控电能表的模式切换功能测试方法及系统 |
CN109379152A (zh) * | 2018-11-16 | 2019-02-22 | 国网江苏省电力有限公司电力科学研究院 | 一种用电信息采集及设备诊断评估仿真装置及实现方法 |
CN111211928A (zh) * | 2019-12-31 | 2020-05-29 | 安徽中知众创知识产权运营有限公司 | 一种基于大数据处理的网络数据采集系统 |
CN112567647A (zh) * | 2018-11-30 | 2021-03-26 | 华为技术有限公司 | Pon故障定位的方法和装置 |
CN112651519A (zh) * | 2021-01-08 | 2021-04-13 | 中国南方电网有限责任公司 | 一种基于深度学习理论的二次设备故障定位方法及系统 |
CN112803597A (zh) * | 2021-02-25 | 2021-05-14 | 威胜信息技术股份有限公司 | 一种断路器、低压配电网系统和故障监控方法 |
CN112816933A (zh) * | 2020-12-30 | 2021-05-18 | 杭州海兴电力科技股份有限公司 | 一种电能表终端的维护诊断方法和系统 |
CN112882877A (zh) * | 2021-02-03 | 2021-06-01 | 南方电网数字电网研究院有限公司 | 电能表操作系统的可靠性测试方法、装置和计算机设备 |
-
2021
- 2021-11-18 CN CN202111368711.0A patent/CN114236458A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314729A (zh) * | 2011-07-27 | 2012-01-11 | 邢台供电公司 | 电卡表售电故障快速定位方法 |
CN105824001A (zh) * | 2015-01-06 | 2016-08-03 | 国家电网公司 | 一种数字电能表iec61850符合性测试方法及其系统 |
CN104793171A (zh) * | 2015-04-23 | 2015-07-22 | 广西电网有限责任公司电力科学研究院 | 一种基于故障仿真的智能电表故障检测方法 |
CN105510866A (zh) * | 2015-11-27 | 2016-04-20 | 江苏省电力公司电力科学研究院 | 一种电能表自动化检定线的故障监测方法 |
CN107340493A (zh) * | 2017-06-22 | 2017-11-10 | 南方电网科学研究院有限责任公司 | 费控电能表的模式切换功能测试方法及系统 |
CN109379152A (zh) * | 2018-11-16 | 2019-02-22 | 国网江苏省电力有限公司电力科学研究院 | 一种用电信息采集及设备诊断评估仿真装置及实现方法 |
CN112567647A (zh) * | 2018-11-30 | 2021-03-26 | 华为技术有限公司 | Pon故障定位的方法和装置 |
CN111211928A (zh) * | 2019-12-31 | 2020-05-29 | 安徽中知众创知识产权运营有限公司 | 一种基于大数据处理的网络数据采集系统 |
CN112816933A (zh) * | 2020-12-30 | 2021-05-18 | 杭州海兴电力科技股份有限公司 | 一种电能表终端的维护诊断方法和系统 |
CN112651519A (zh) * | 2021-01-08 | 2021-04-13 | 中国南方电网有限责任公司 | 一种基于深度学习理论的二次设备故障定位方法及系统 |
CN112882877A (zh) * | 2021-02-03 | 2021-06-01 | 南方电网数字电网研究院有限公司 | 电能表操作系统的可靠性测试方法、装置和计算机设备 |
CN112803597A (zh) * | 2021-02-25 | 2021-05-14 | 威胜信息技术股份有限公司 | 一种断路器、低压配电网系统和故障监控方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117828450A (zh) * | 2024-03-06 | 2024-04-05 | 深圳市铨天科技有限公司 | 一种基于大数据的封装测试方法、系统和介质 |
CN117828450B (zh) * | 2024-03-06 | 2024-05-17 | 深圳市铨天科技有限公司 | 一种基于大数据的封装测试方法、系统和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113487084A (zh) | 一种设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 | |
CN117078480A (zh) | 碳排放量监测方法、装置、设备、存储介质和计算机产品 | |
CN115689018A (zh) | 物资需求预测方法、装置、设备、存储介质和程序产品 | |
CN114236458A (zh) | 基于测试数据流的双芯智能电表故障定位方法和装置 | |
CN114238085A (zh) | 接口测试方法、装置、计算机设备、存储介质 | |
CN115907307B (zh) | 面向电网实时数据交互的电力系统碳排放流在线分析方法 | |
Yang et al. | On construction of the air pollution monitoring service with a hybrid database converter | |
CN116430826A (zh) | 基于海上大气环境实验室的电子控制器工况耦合试验方法 | |
CN115269176A (zh) | 任务分配方法、装置、计算机设备、存储介质和产品 | |
CN115471098A (zh) | 碳排放量获取方法、装置、计算机设备和存储介质 | |
CN114462859A (zh) | 工作流处理方法、装置、计算机设备和存储介质 | |
CN113837467A (zh) | 点对点能源项目评估方法、装置、计算机设备和存储介质 | |
Goyal et al. | An approach to investigating reliability indices for tree topology network | |
CN116541454B (zh) | 事件配置方法、装置、计算机设备和存储介质 | |
CN116112200B (zh) | 配电网纵向访问检测方法、装置、计算机设备和存储介质 | |
CN117933677B (zh) | 基于区域调频的水力发电厂关联数据预测方法和装置 | |
Shchiptsova et al. | Assessing historical reliability of the agent-based model of the global energy system | |
CN117112597A (zh) | 电能质量展示方法、装置、设备及存储介质 | |
CN117877171A (zh) | 自助机管理方法、装置、计算机设备和存储介质 | |
CN117172107A (zh) | 电缆区间定位模型的确定方法、装置和计算机设备 | |
CN117590149A (zh) | 基于大数据技术的故障解决方案生成方法、装置和设备 | |
CN115579949A (zh) | 低压分布式新能源数据监测方法、装置和计算机设备 | |
CN117130633A (zh) | 应用更新方法、装置、计算机设备和存储介质 | |
CN116090629A (zh) | 用电数据处理方法、装置、计算机设备和存储介质 | |
CN117893006A (zh) | 电网风险评估方法、装置、设备、介质和程序产品 |
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 |