CN115422759A - 一种设备故障诊断模型构建及设备故障诊断方法、装置 - Google Patents

Abstract

本发明提供了一种设备故障诊断模型构建及设备故障诊断方法、装置，其中设备故障诊断模型构建方法包括：获取待诊断设备的故障数据集，故障数据集包括多种故障类型以及每一种故障类型对应的多个历史故障录波数据；利用待诊断设备的故障数据集对预设设备故障诊断模型进行训练直至满足预设训练条件，得到目标设备的故障诊断模型。本发明解决现有技术中人工分析和诊断耗时长、效果差、易产生误判漏判的技术问题。

Description

一种设备故障诊断模型构建及设备故障诊断方法、装置

技术领域

本发明实施例涉及电力系统领域，尤其涉及一种设备故障诊断模型构建及设备故障诊断方法、装置、计算机设备及存储介质。

背景技术

电力变压器是一种静止的电气设备，是用来将某一数值的交流电压(电流)变成频率相同的另一种或几种数值不同的电压(电流)的设备。变压器在工作中，一旦出现故障，传统的故障分析和诊断方法为人工分析和诊断，这种方法不仅耗费大量的人力和物力资源，而且耗时长，很容易导致事故扩大，同时，人工查找故障原因，还存在着识别效果差、易产生误判漏判的问题。

发明内容

本申请提供了一种设备故障诊断模型构建及设备故障诊断方法、装置、计算机设备及存储介质，以解决现有技术中人工分析和诊断耗时长、效果差、易产生误判漏判的技术问题。

本发明第一方面提供了一种设备故障诊断模型构建方法，包括：获取待诊断设备的故障数据集，故障数据集包括多种故障类型以及每一种故障类型对应的多个历史故障录波数据；利用待诊断设备的故障数据集对预设设备故障诊断模型进行训练直至满足预设训练条件，得到目标设备的故障诊断模型。

本发明实施例提供的设备故障诊断模型构建方法，通过构建备故障诊断模型，实现故障分析和诊断的智能化，提高诊断效率和诊断准确率，同时节约了人力资源。

可选地，获取待诊断设备的故障数据集之前，方法还包括：获取故障录波设备采集到的待诊断设备的多个历史故障录波数据；获取预先建立的待诊断设备的故障类型诊断函数；利用待诊断设备的故障类型诊断函数对历史故障录波数据进行故障类型识别，得到每一个历史故障录波数据对应的故障类型。

可选地，待诊断设备的故障数据集包括多个故障数据子集；获取待诊断设备的故障数据集之前，还包括：获取故障录波设备采集到的待诊断设备的多个历史故障录波数据；将同一故障类型的历史故障录波数据合并成一个故障数据子集；对每一个故障数据子集进行异常数据筛选处理；对异常筛选处理后每一个故障子集中的历史故障录波数据进行修正。

可选地，对异常筛选处理后每一个故障子集中的历史故障录波数据进行修正，包括：通过下式进行修正：

其中，λ表示修正系数；f表示电力故障的波形频率；f_s表示故障录波设备的采样频率；N则表示每一个周期的采样点数量。

可选地，对每一个故障数据子集进行异常数据筛选处理，包括：将每一个设备数据子集中的历史故障录波数据与预设同一故障类型对应的故障录波表进行比较，剔除异常数据。

本发明第二方面提供了一种设备故障诊断方法，包括：获取待诊断设备的故障录波数据；将待诊断设备的故障录波数据输入利用第一方面的设备故障诊断模型构建方法构建的设备故障诊断模型中；根据设备故障诊断模型的输出结果确定待诊断设备的故障类型。

可选地，将待诊断设备的故障录波数据输入利用设备故障诊断模型构建方法构建的设备故障诊断模型中，包括：对待诊断设备的故障录波数据进行修正；将修正后的待诊断设备的故障录波数据输入利用设备故障诊断模型构建方法构建的设备故障诊断模型中。

可选地，在利用故障录波数据对待诊断设备进行故障诊断之前，方法还包括：获取待诊断设备的使用年限；当待诊断设备的使用年限大于预设年限阈值，利用预设故障诊断系统对待诊断设备进行故障预诊断；当诊断结果为待诊断设备使用状态满足要求，基于待诊断设备的故障录波数据进行诊断；当诊断结果为待诊断设备使用状态不满足要求，将诊断结果发送至故障维修终端。

本发明第三方面提供了一种设备故障诊断模型构建装置，包括：第一获取模块，用于获取待诊断设备的故障数据集，故障数据集包括多种故障类型以及每一种故障类型对应的多个历史故障录波数据；训练模块，用于利用待诊断设备的故障数据集对预设设备故障诊断模型进行训练直至满足预设训练条件，得到目标设备的故障诊断模型。

本发明提供的设备故障诊断模型构建装置中各部件所执行的功能均已在上述第一方面方法实施例中得以应用，因此这里不再赘述。

本发明第四方面提供了一种设备故障诊断装置，包括：第二获取模块，用于获取待诊断设备的故障录波数据；输入模块，用于将待诊断设备故障录波数据输入利用第一方面的设备故障诊断模型构建方法构建的设备故障诊断模型中；确认模块，用于根据设备故障诊断模型的输出结果确定待诊断设备的故障类型。

本发明提供的设备故障诊断装置中各部件所执行的功能均已在上述第二方面方法实施例中得以应用，因此这里不再赘述。

本发明第五方面提供了一种计算机设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述第一方面的设备故障诊断模型构建方法和/或第二方面的设备故障诊断方法的步骤。

本发明第六方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第一方面的设备故障诊断模型构建方法和/或第二方面的设备故障诊断方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种设备故障诊断模型构建方法流程示意图；

图2本发明一实施例提供的一种设备故障诊断方法流程示意图；

图3本发明实施例提供的一种设备故障诊断模型构建装置结构示意图；

图4本发明实施例提供的一种设备故障诊断装置结构示意图；

图5本发明实施例提供的一种计算机设备结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

针对背景技术中所提及的技术问题，本发明实施例提供了一种设备故障诊断模型构建方法，如图1所示，该方法步骤包括：

步骤S110，获取待诊断设备的故障数据集，故障数据集包括多种故障类型以及每一种故障类型对应的多个历史故障录波数据。

示例性地，本实施例中的待诊断设备指电器设备，如发电机，变压器等，以变压器为例，变压器的故障类型分为：内部故障、接地故障以及过励磁，其中内部故障包括各侧绕组的匝间短路、中性点直接接地侧绕组的单相短路、内部引线和套管故障、各侧绕组相间短路等。每一种变压器故障类型对应多个历史故障录波数据。

示例性地，历史故障录波数据可以为系统数据存储模块存储的故障录波设备采集的待诊断设备在一段时间内的数据，比如三天之内的数据，系统可以设定三天自动清理之前的数据，避免故障录波中的数据冗杂，降低整体运行效率，同时对待诊断设备的故障类型进行汇总。需要注意此处的时间范围不做限制，可以根据实际需要进行设定。

步骤S120，利用待诊断设备的故障数据集对预设设备故障诊断模型进行训练直至满足预设训练条件，得到目标设备的故障诊断模型。

示例性地，本实施例基于深度学习，将步骤S110获取的故障数据集输入到目标设备的故障诊断模型中。待诊断设备以变压器为例，利用深度学习算法分析变压器故障与故障录波数据之间存在的关系，从而将变压器的故障类型与故障录波数据进行关联，得到变压器的故障诊断模型。采用特征自学习的方式运用深度学习算法建立故障诊断模型，可以学习新的故障数据集的特点，对已知的和未知的故障数据集进行检测，生成的学习检测模型检测效果较好，并且诊断效率高。

本发明实施例提供的设备故障诊断模型构建方法，通过构建备故障诊断模型，实现故障分析和诊断的智能化，提高诊断效率和诊断准确率，同时节约了人力资源。

作为本发明的一可选实施方式，步骤S110之前，本发明实施例提供的设备故障诊断模型构建方法还包括：

步骤S107，获取故障录波设备采集到的待诊断设备的多个历史故障录波数据。

示例性地，故障录波设备是电力系统发生故障及振荡时能自动记录的一种装置,它可以记录因短路故障、系统振荡、频率崩溃、电压崩溃等大扰动引起的系统电流、电压及其导出量，如有功、无功及系统频率的全过程变化现象。待诊断设备在工作中，一旦出现故障，则录波装置启动并记录故障数据，形成故障录波数据。不同的故障对应不同的故障录波数据，因此可以据此进行故障分析和诊断。

步骤S108，获取预先建立的待诊断设备的故障类型诊断函数。

示例性地，本实施例中通过故障录波数据与待诊断设备的故障类型之间的关联性可以预先采用二分法建立单个待诊断设备的诊断函数。诊断函数用于根据故障录波数据来判定待诊断设备的故障类型。

此处需要说明的是，故障类型诊断函数与故障诊断模型相比，故障类型诊断函数不具有学习能力，不能对未知的故障数据集进行检测识别。而基于深度学习训练的故障诊断模型可以学习新的故障数据集的特点，对已知的和未知的故障数据集进行检测。生成的学习检测模型检测效果较好，并且诊断效率高。

步骤S109，利用待诊断设备的故障类型诊断函数对历史故障录波数据进行故障类型识别，得到每一个历史故障录波数据对应的故障类型。

示例性地，基于诊断函数的功能，即可以用于根据故障录波数据来判定待诊断设备的故障类型。通过故障类型诊断函数明确获取到的待诊断设备的故障录波数据和故障类型之间的对应关系，为后续故障诊断模型的训练提供可靠数据。

本发明实施例提供的设备故障诊断模型构建方法，通过预先建立的诊断函数对历史故障录波数据进行故障类型识别，得到每一个历史故障录波数据对应的故障类型。明确了诊断设备的故障录波数据和故障类型之间的对应关系，为后续故障诊断模型的训练提供可靠数据，并且有助于提高故障诊断模型的训练效率和模型诊断的准确性。

作为本发明的一可选实施方式，步骤S110之前，本发明实施例提供的设备故障诊断模型构建方法还包括：

步骤S103，获取故障录波设备采集到的待诊断设备的多个历史故障录波数据。本实施例中，步骤S103与上述实施例中的步骤S107类似，此处不再赘述。

步骤S104，将同一故障类型的历史故障录波数据合并成一个故障数据子集。

示例性地，收集故障录波数据，然后将同一故障类型的数据合并成一个子集中，方便后续故障诊断模型的训练以及有助于提升模型的训练效果。

步骤S105，对每一个故障数据子集进行异常数据筛选处理。

示例性地，由于故障录波设备在采集数据过程中可能会受到来自系统内部或所处环境的噪声影响，所采集到的数据不一定能够客观反应待检测设备的故障，所以需要对收集的故障录波数据进行筛选处理。

具体地，作为本发明的一可选实施方式，发明实施例提供的设备故障诊断模型构建方法中步骤S105包括：

步骤S1051，将每一个设备数据子集中的历史故障录波数据与预设同一故障类型对应的故障录波表进行比较，剔除异常数据。

示例性地，收集故障录波数据，然后将同一故障类型的数据合并成一个子集中，然后再对数据进行处理，对处于同一个子集中的数据进行识别，将数据与标准的故障录波表进行对照，去除掉其中同一个子集中异常的数据，比如大幅偏离实际使用中能产生的数据等。

步骤S106，对异常筛选处理后每一个故障子集中的历史故障录波数据进行修正。

示例性地，经过异常筛选后的数据，可能还会存在一些由于受环境等噪声影响而产生的谐波信号数据，所以在将这些数据输入故障诊断模型进行训练之前，需要对这些数据进行修正，比如去掉高次谐波信号数据，或者对数据进行限幅处理等。

具体地，作为本发明的一可选实施方式，本发明实施例提供的设备故障诊断模型构建方法中步骤S106包括：通过下式进行修正：

其中，λ表示修正系数；f表示电力故障的波形频率；f_s表示故障录波设备的采样频率；N则表示每一个周期的采样点数量。

示例性地，引入修正系数，对故障录波数据中出现偏差的数据进行修正，比如对频率进行修正，避免高次谐波数据对后续故障诊断模型训练的影响，使得后续的故障诊断难以得出确切的结果，可能导致诊断得出的影响因素偏离实际因素。

本发明实施例提供的设备故障诊断模型构建方法，通过对历史故障录播数据中异常数据的去除，以及对受影响的其他数据进行修正处理，排除数据中的干扰因素，避免了冗杂数据对故障诊断模型训练的影响。为后续故障诊断模型的训练提供可靠数据，并且有助于提高故障诊断模型的训练效率和模型诊断的准确性。

针对背景技术中所提及的技术问题，本发明实施例提供了一种设备故障诊断方法，如图2所示，该方法步骤包括：

步骤S210，获取待诊断设备的故障录波数据。

步骤S220，将待诊断设备的故障录波数据输入利用设备故障诊断模型构建方法构建的设备故障诊断模型中。

步骤S230，根据设备故障诊断模型的输出结果确定待诊断设备的故障类型。

本实施例具体实现过程详见步骤S103至步骤S130实施例，此处不在赘述。

作为本发明的一可选实施方式，本发明实施例提供的设备故障诊断方法中步骤S220包括：

步骤S218，对待诊断设备的故障录波数据进行修正。

步骤S219，将修正后的待诊断设备的故障录波数据输入到设备故障诊断模型。

本实施例具体实现过程详见步骤S103至步骤S130实施例，此处不在赘述。

作为本发明的一可选实施方式，步骤S220之前，本发明实施例提供的设备故障诊断方法还包括：

步骤S214，获取待诊断设备的使用年限。

示例性地，待诊断设备以变压器为例，变压器在长时间工作中内部线圈老化，外部的散热装置也出现异常，这些变压器物理状态的改变在一定程度上会影响故障录波设备采集到的数据的准确性，而变压器的使用年限可以相对客观的反映出变压器当前的物理状态。所以将变压器使用年限，即变压器老化因素，纳入变压器故障诊断之前的一个考量因素，可以提高故障诊断模型的诊断准确度。

步骤S215，当待诊断设备的使用年限大于预设年限阈值，利用预设故障诊断系统对待诊断设备进行故障预诊断。

示例性地，以变压器为例，在进行变压器故障诊断时引入变压器老化因素，比如假定当变压器工作时间处于T<2年时，该变压器各配件处于优秀状态，当变压器工作时间处于2≤T<5年时，该变压器各配件处于部分老化状态，在进故障诊断时需要先判断变压器内部与外部结构因素，指变压器的本体机械与电路的状况。当变压器工作时间处于T>5年时，该变压器各配件处于老化状态，在进故障诊断时优先利用预设故障诊断系统对变压器的内外部结构进行判断，根据诊断结果判断是否利用变压器故障诊断模型对变压器的具体故障进行诊断。本申请实施例中该预设故障诊断系统可以是集成了多种类型的传感器的系统，通过传感器采集到的变压器相关物理运行状态数据对使用时限较长的变压器优先进行故障诊断。

步骤S216，当诊断结果为待诊断设备使用状态满足要求，基于待诊断设备的故障录波数据进行诊断。

示例性地，待诊断设备以变压器为例，给变压器的老化因素设定阈值，经预设故障诊断系统诊断，如果变压器的老化因素小于预设阈值，则可以判定设备使用状态满足要求，然后再基于待诊断设备的故障录波数据进行诊断，从而降低检测所消耗的时间和诊断的准确性。

步骤S217，当诊断结果为待诊断设备使用状态不满足要求，将诊断结果发送至故障维修终端。

示例性地，待诊断设备以变压器为例，给变压器的老化因素设定阈值，经预设故障诊断系统诊断，如果变压器的老化因素大于或等于预设阈值，则可以判定设备使用状态不满足要求，说明变压器物理状态已经不满足使用要求，不适合设备故障诊断模型进行诊断或者诊断效果不准确，需要先排除故障。

本发明实施例提供的设备故障诊断方法，引入待诊断设备老化因素，在对待诊断设备进行诊断时，先通过对待诊断设备年限以及内部外部结构的判断，根据判断结果，看是否适用故障诊断模型。如果不适用故障诊断模型进行诊断，则直接进行故障维修，一方面节约故障诊断模型诊断的时间；另一方面也避免可能由于故障诊断模型诊断不准确引起的不良后果；如果适用故障诊断模型进行诊断，然后再通过对录播数据的判断，进而能够实现对变压器问题的精确判断。

图3为本发明一实施例提供的一种设备故障诊断模型构建装置，包括：

第一获取模块310，用于获取待诊断设备的故障数据集，故障数据集包括多种故障类型以及每一种故障类型对应的多个历史故障录波数据。详细内容参见上述实施例中步骤S110的描述，在此不再赘述。

训练模块320，用于利用待诊断设备的故障数据集对预设设备故障诊断模型进行训练直至满足预设训练条件，得到目标设备的故障诊断模型。

详细内容参见上述实施例中步骤S120的描述，在此不再赘述。

作为本发明一个可选实施方式，设备故障诊断模型构建装置还包括：

第三获取模块，用于获取故障录波设备采集到的待诊断设备的多个历史故障录波数据。详细内容参见上述实施例中步骤S107的描述，在此不再赘述。

第四获取模块，用于获取预先建立的待诊断设备的故障类型诊断函数。详细内容参见上述实施例中步骤S108的描述，在此不再赘述。

诊断模块，利用待诊断设备的故障类型诊断函数对历史故障录波数据进行故障类型识别，得到每一个历史故障录波数据对应的故障类型。详细内容参见上述实施例中步骤S109的描述，在此不再赘述。

作为本发明一个可选实施方式，设备故障诊断模型构建装置还包括：

第五获取模块，用于获取故障录波设备采集到的待诊断设备的多个历史故障录波数据。详细内容参见上述实施例中步骤S103的描述，在此不再赘述。

合并模块，用于将同一故障类型的历史故障录波数据合并成一个故障数据子集。详细内容参见上述实施例中步骤S104的描述，在此不再赘述。

筛选模块，用于对每一个故障数据子集进行异常数据筛选处理。详细内容参见上述实施例中步骤S105的描述，在此不再赘述。

修正模块，用于对异常筛选处理后每一个故障子集中的历史故障录波数据进行修正。详细内容参见上述实施例中步骤S106的描述，在此不再赘述。

作为本发明一个可选实施方式，设备故障诊断模型构建装置还包括：

通过下式进行修正：

其中，λ表示修正系数；f表示电力故障的波形频率；f_s表示故障录波设备的采样频率；N则表示每一个周期的采样点数量。

作为本发明一个可选实施方式，设备故障诊断模型构建装置筛选模块包括：

剔除子模块，用于将每一个设备数据子集中的历史故障录波数据与预设同一故障类型对应的故障录波表进行比较，剔除异常数据。详细内容参见上述实施例中步骤S1051的描述，在此不再赘述。

图4为本发明一实施例提供的一种设备故障诊断装置，包括：

第二获取模块410，用于获取待诊断设备的故障录波数据。详细内容参见上述实施例中步骤S210的描述，在此不再赘述。

输入模块420，用于将待诊断设备故障录波数据输入利用设备故障诊断模型构建方法构建的设备故障诊断模型中。详细内容参见上述实施例中步骤S220的描述，在此不再赘述。

确认模块430，用于根据设备故障诊断模型的输出结果确定待诊断设备的故障类型。详细内容参见上述实施例中步骤S230的描述，在此不再赘述。

作为本发明一个可选实施方式，设备故障诊断装置还包括：

修正单元，对所述待诊断设备的故障录波数据进行修正。详细内容参见上述实施例中步骤S218的描述，在此不再赘述。

输入单元，用于待诊断设备的故障录波数据输入利用设备故障诊断模型构建方法构建的设备故障诊断模型中。详细内容参见上述实施例中步骤S219的描述，在此不再赘述。

作为本发明一个可选实施方式，设备故障诊断装置还包括：

第六获取模块，用于获取待诊断设备的使用年限。详细内容参见上述实施例中步骤S214的描述，在此不再赘述。

第一诊断单元，用于当待诊断设备的使用年限大于预设年限阈值，利用预设故障诊断系统对待诊断设备进行故障预诊断。详细内容参见上述实施例中步骤S215的描述，在此不再赘述。

第二诊断单元，用于当诊断结果为待诊断设备使用状态满足要求，基于待诊断设备的故障录波数据进行诊断。详细内容参见上述实施例中步骤S216的描述，在此不再赘述。

发送单元，用于当诊断结果为待诊断设备使用状态不满足要求，将诊断结果发送至故障维修终端。详细内容参见上述实施例中步骤S217的描述，在此不再赘述。

本发明实施例提供了一种计算机设备，如图5所示，该设备包括一个或多个处理器510以及存储器520，存储器520包括持久内存、易失内存和硬盘，图5中以一个处理器510为例。该设备还可以包括：输入装置530和输出装置540。

处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接，图5中以通过总线连接为例。

处理器510可以为中央处理器(CentralProcessingUnit，CPU)。处理器510还可以为其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器520可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据设备故障诊断模型构建装置和/或设备故障诊断装置的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器520可选包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至设备故障诊断模型构建装置和/或设备故障诊断装置。输入装置530可接收用户输入的计算请求(或其他数字或字符信息)，以及产生与设备故障诊断模型构建装置和/或设备故障诊断装置有关的键信号输入。输出装置540可包括显示屏等显示设备，用以输出计算结果。

本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的设备故障诊断模型构建方法和/或设备故障诊断方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读存储介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RandomAccess Memory，RAM)，只读存储器(Read-Only Memory，ROM)，可擦除可编辑只读存储器(Erasable Programmable Read-Only Memory，EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(Compact Disc Read-Only Memory，CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(Programmable Gate Array，PGA)，现场可编程门阵列(Field Programmable Gate Array，FPGA)等。

在本说明书的描述中，参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本公开描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

以上仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开实质内容上所作的任何修改、等同替换和简单改进等，均应包含在本公开的保护范围之内。

Claims (12)

1.一种设备故障诊断模型构建方法，其特征在于，包括：

获取待诊断设备的故障数据集，所述故障数据集包括多种故障类型以及每一种故障类型对应的多个历史故障录波数据；

利用所述待诊断设备的故障数据集对预设设备故障诊断模型进行训练直至满足预设训练条件，得到目标设备的故障诊断模型。

2.根据权利要求1所述的设备故障诊断模型构建方法，其特征在于，所述获取待诊断设备的故障数据集之前，所述方法还包括：

获取故障录波设备采集到的待诊断设备的多个历史故障录波数据；

获取预先建立的待诊断设备的故障类型诊断函数；

利用所述待诊断设备的故障类型诊断函数对所述历史故障录波数据进行故障类型识别，得到每一个历史故障录波数据对应的故障类型。

3.根据权利要求1或2所述的设备故障诊断模型构建方法，其特征在于，所述待诊断设备的故障数据集包括多个故障数据子集；所述获取待诊断设备的故障数据集之前，包括：

获取故障录波设备采集到的待诊断设备的多个历史故障录波数据；

将同一故障类型的历史故障录波数据合并成一个故障数据子集；

对每一个故障数据子集进行异常数据筛选处理；

对异常筛选处理后每一个故障子集中的历史故障录波数据进行修正。

4.根据权利要求3所述的设备故障诊断模型构建方法，其特征在于，对异常筛选处理后每一个故障子集中的历史故障录波数据进行修正，包括：通过下式进行修正：

其中，λ表示修正系数；f表示电力故障的波形频率；f_s表示故障录波设备的采样频率；N则表示每一个周期的采样点数量。

5.根据权利要求3所述的设备故障诊断模型构建方法，其特征在于，对每一个故障数据子集进行异常数据筛选处理，包括：

将每一个所述设备数据子集中的历史故障录波数据与预设同一故障类型对应的故障录波表进行比较，剔除异常数据。

6.一种设备故障诊断方法，其特征在于，所述包括：

获取待诊断设备的故障录波数据；

将所述待诊断设备的故障录波数据输入利用如权利要求1-5中任一项所述设备故障诊断模型构建方法构建的设备故障诊断模型中；

根据所述设备故障诊断模型的输出结果确定所述待诊断设备的故障类型。

7.根据权利要求6所述的设备故障诊断方法，其特征在于，将所述待诊断设备的故障录波数据输入利用如权利要求1-5中任一项所述设备故障诊断模型构建方法构建的设备故障诊断模型中，所述方法包括：

对所述待诊断设备的故障录波数据进行修正；

将修正后的所述待诊断设备的故障录波数据输入利用如权利要求1-5中任一项所述设备故障诊断模型构建方法构建的设备故障诊断模型中。

8.根据权利要求6或7所述的设备故障诊断方法，其特征在于，在利用故障录波数据对待诊断设备进行故障诊断之前，所述方法还包括：

获取待诊断设备的使用年限；

当所述待诊断设备的使用年限大于预设年限阈值，利用预设故障诊断系统对所述待诊断设备进行故障预诊断；

当诊断结果为所述待诊断设备使用状态满足要求，基于所述待诊断设备的故障录波数据进行诊断；

当诊断结果为所述待诊断设备使用状态不满足要求，将所述诊断结果发送至故障维修终端。

9.一种设备故障诊断模型构建装置，其特征在于，包括：

第一获取模块，用于获取待诊断设备的故障数据集，所述故障数据集包括多种故障类型以及每一种故障类型对应的多个历史故障录波数据；

训练模块，用于利用所述待诊断设备的故障数据集对预设设备故障诊断模型进行训练直至满足预设训练条件，得到目标设备的故障诊断模型。

10.一种设备故障诊断装置，其特征在于，包括：

第二获取模块，用于获取待诊断设备的故障录波数据；

输入模块，用于将所述待诊断设备故障录波数据输入利用如权利要求1-5中任一项所述设备故障诊断模型构建方法构建的设备故障诊断模型中；

确认模块，用于根据所述设备故障诊断模型的输出结果确定所述待诊断设备的故障类型。

11.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现如权利要求1-5中任一项所述的设备故障诊断模型构建方法的步骤，或者实现如权利要求6-8任一项所述的设备故障诊断方法的步骤。

12.一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如权利要求1-5中任一项所述的设备故障诊断模型构建方法的步骤，或者实现如权利要求6-8任一项所述的设备故障诊断方法的步骤。

Images