一种智能量测开关的状态诊断方法及装置与流程

1.本发明涉及状态诊断技术领域，尤其涉及一种智能量测开关的状态诊断方法及装置。


背景技术：

2.当前电力行业中的电力设备仍基本采用事后检修和预定规程定期检修的方法来对包括智能量测开关等电力设备进行诊断维护，无法对智能量测开关等电力设备进行精准的状态诊断。因此，提供一种智能量测开关的状态诊断方法及装置，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修显得尤为重要。


技术实现要素：

3.本发明所要解决的技术问题在于，提供一种智能量测开关的状态诊断方法及装置，能够通过利用特征提取模型对开关数据信息进行处理得到电联数据信息，再利用降维模型对电联数据信息进行处理得到降维数据信息，并利用状态诊断模型对降维数据信息进行处理，得到用于指示对所述智能量测开关进行检修的智能量测开关对应的目标状态类型，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
4.为了解决上述技术问题，本发明实施例第一方面公开了一种智能量测开关的状态诊断方法，所述方法包括：
5.获取开关数据信息；所述开关数据信息包括振动数据信息和电流数据信息；
6.根据所述开关数据信息和预设的特征提取模型，确定出电联数据信息；所述电联数据信息包括目标振动特征数据集合和目标电流特征数据集合；所述电联数据信息包括l个电联数据；所述l为大于零的正整数；
7.根据所述电联数据信息和预设的降维模型，确定出降维数据信息集合；所述降维数据信息集合包括k个降维数据信息；所述k为不大于所述l且大于零的正整数；
8.根据所述降维数据信息集合和预设的状态诊断模型，确定出所述智能量测开关对应的目标状态类型；所述目标状态类型用于指示对所述智能量测开关进行检修。
9.作为一种可选的实施方式，在本发明实施例第一方面中，所述获取开关数据信息，包括：
10.获取初始振动数据信息和初始电流数据信息；
11.利用预设的第一滤波模型对所述初始电流数据信息进行处理，得到所述电流数据信息；
12.利用预设的第二滤波模型对所述初始振动数据信息进行处理，得到所述振动数据信息。
13.作为一种可选的实施方式，在本发明实施例第一方面中，所述第二滤波模型包括第一降噪模型、第二降噪模型和第三降噪模型；
14.所述利用预设的第二滤波模型对所述初始振动数据信息进行处理，得到所述振动数据信息，包括：
15.利用所述第一降噪模型对所述初始振动数据信息进行分解处理，得到第一中间数据集合；所述第一中间数据集合包括m个第一中间数据；所述m为大于零的正整数；
16.根据所述第一中间数据集合、所述第二降噪模型和预设的降噪阈值，确定出第二中间数据集合；所述第二中间数据集合包括n个第二中间数据；所述n为不大于所述m且大于零的正整数；
17.利用所述第三降噪模型对所述第二中间数据集合进行降噪和重构处理，得到振动数据信息。
18.作为一种可选的实施方式，在本发明实施例第一方面中，所述特征提取模型包括第一特征处理模型、第二特征处理模型和第三特征处理模型；
19.所述根据所述开关数据信息和预设的特征提取模型，确定出电联数据信息，包括：
20.利用所述第一特征处理模型对所述振动数据信息进行处理，得到中间振动特征信息集合；所述振动特征信息集合包括h个中间振动特征信息；所述h为大于零的正整数；
21.利用所述第二特征处理模型对所述中间振动特征信息集合进行处理，得到所述目标振动特征数据集合；所述目标振动特征集合包括h个目标振动特征数据；
22.利用所述第三特征处理模型对所述电流数据信息进行处理，得到所述目标电流特征数据集合；所述目标电流特征数据集合包括i个目标电流特征数据；所述i为大于零的正整数；所述l等于所述h和所述i之和。
23.作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述电联数据信息和预设的降维模型，确定出降维数据信息集合，包括：
24.利用预设的降维模型对所述电联数据信息进行计算处理，得到贡献率集合；所述贡献率集合包括l个所述电联数据对应的贡献率；
25.根据所述贡献率集合，确定出降维数据信息集合。
26.作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述贡献率集合，确定出降维数据信息集合，包括：
27.根据贡献率从小到大进行排序，得到贡献率序列；
28.根据所述贡献率序列和预设的贡献率阈值，确定出降维数据信息集合；所述贡献率阈值是大于零且小于1的正数。
29.作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述降维数据信息集合和预设的状态诊断模型，确定出所述智能量测开关对应的目标状态类型，包括：
30.利用预设的状态诊断模型对k个所述降维数据信息进行处理，得到数据距离集合；所述数据距离集合包括若干个数据距离；
31.对所述数据距离集合中所有的数据距离从小到大进行排序，得到数据距离序列；
32.根据所述数据距离序列，确定出所述智能量测开关对应的目标状态类型。
33.本发明实施例第二方面公开了一种智能量测开关的状态诊断装置，装置包括：
34.获取模块，用于获取开关数据信息；所述开关数据信息包括振动数据信息和电流数据信息；
35.第一确定模块，用于根据所述开关数据信息和预设的特征提取模型，确定出电联
数据信息；所述电联数据信息包括目标振动特征数据集合和目标电流特征数据集合；所述电联数据信息包括l个电联数据；所述l为大于零的正整数；
36.第二确定模块，用于根据所述电联数据信息和预设的降维模型，确定出降维数据信息集合；所述降维数据信息集合包括k个降维数据信息；所述k为不大于所述l且大于零的正整数；
37.第三确定模块，用于根据所述降维数据信息集合和预设的状态诊断模型，确定出所述智能量测开关对应的目标状态类型；所述目标状态类型用于指示对所述智能量测开关进行检修。
38.作为一种该可选的实施方式，在本发明实施例第二方面中，所述获取模块获取开关数据信息的具体方式为：
39.获取初始振动数据信息和初始电流数据信息；
40.利用预设的第一滤波模型对所述初始电流数据信息进行处理，得到所述电流数据信息；
41.利用预设的第二滤波模型对所述初始振动数据信息进行处理，得到所述振动数据信息。
42.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第二滤波模型包括第一降噪模型、第二降噪模型和第三降噪模型；
43.所述获取模块利用预设的第二滤波模型对所述初始振动数据信息进行处理，得到所述振动数据信息，包括：
44.利用所述第一降噪模型对所述初始振动数据信息进行分解处理，得到第一中间数据集合；所述第一中间数据集合包括m个第一中间数据；所述m为大于零的正整数；
45.根据所述第一中间数据集合、所述第二降噪模型和预设的降噪阈值，确定出第二中间数据集合；所述第二中间数据集合包括n个第二中间数据；所述n为不大于所述m且大于零的正整数；
46.利用所述第三降噪模型对所述第二中间数据集合进行降噪和重构处理，得到振动数据信息。
47.作为一种该可选的实施方式，在本发明实施例第二方面中，所述特征提取模型包括第一特征处理模型、第二特征处理模型和第三特征处理模型；
48.所述第一确定模块包括第一处理子模块、第二处理子模块和第三处理子模块，其中：
49.所述第一处理子模块，用于利用所述第一特征处理模型对所述振动数据信息进行处理，得到中间振动特征信息集合；所述振动特征信息集合包括h个中间振动特征信息；所述h为大于零的正整数；
50.所述第二处理子模块，用于利用所述第二特征处理模型对所述中间振动特征信息集合进行处理，得到所述目标振动特征数据集合；所述目标振动特征集合包括h个目标振动特征数据；
51.所述第三处理子模块，用于利用所述第三特征处理模型对所述电流数据信息进行处理，得到所述目标电流特征数据集合；所述目标电流特征数据集合包括i个目标电流特征数据；所述i为大于零的正整数；所述l等于所述h和所述i之和。
52.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第二确定模块包括计算子模块和确定子模块，其中：
53.所述计算子模块，用于利用预设的降维模型对所述电联数据信息进行计算处理，得到贡献率集合；所述贡献率集合包括l个所述电联数据对应的贡献率；
54.所述确定子模块，用于根据所述贡献率集合，确定出降维数据信息集合。
55.作为一种该可选的实施方式，在本发明实施例第二方面中，所述确定子模块根据所述贡献率集合，确定出降维数据信息集合的具体形式为：
56.根据贡献率从小到大进行排序，得到贡献率序列；
57.根据所述贡献率序列和预设的贡献率阈值，确定出降维数据信息集合；所述贡献率阈值是大于零且小于1的正数。
58.作为一种该可选的实施方式，在本发明实施例第二方面中，所述第三确定模块根据所述降维数据信息集合和预设的状态诊断模型，确定出所述智能量测开关对应的目标状态类型的具体形式为：
59.利用预设的状态诊断模型对k个所述降维数据信息进行处理，得到数据距离集合；所述数据距离集合包括若干个数据距离；
60.对所述数据距离集合中所有的数据距离从小到大进行排序，得到数据距离序列；
61.根据所述数据距离序列，确定出所述智能量测开关对应的目标状态类型。
62.本发明第三方面公开了另一种智能量测开关的状态诊断装置，所述装置包括：
63.存储有可执行程序代码的存储器；
64.与所述存储器耦合的处理器；
65.所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的智能量测开关的状态诊断方法中的部分或全部步骤。
66.本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的智能量测开关的状态诊断方法中的部分或全部步骤。
67.与现有技术相比，本发明实施例具有以下有益效果：
68.本发明实施例中，获取开关数据信息；开关数据信息包括振动数据信息和电流数据信息；根据开关数据信息和预设的特征提取模型，确定出电联数据信息；电联数据信息包括目标振动特征数据集合和目标电流特征数据集合；电联数据信息包括l个电联数据；l为大于零的正整数；根据电联数据信息和预设的降维模型，确定出降维数据信息集合；降维数据信息集合包括k个降维数据信息；k为不大于l且大于零的正整数；根据降维数据信息集合和预设的状态诊断模型，确定出智能量测开关对应的目标状态类型；目标状态类型用于指示对智能量测开关进行检修。可见，本发明能够利用特征提取模型对开关数据信息进行处理得到电联数据信息，再利用降维模型对电联数据信息进行处理得到降维数据信息，并利用状态诊断模型对降维数据信息进行处理，得到用于指示对智能量测开关进行检修的智能量测开关对应的目标状态类型，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
附图说明
69.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
70.图1是本发明实施例公开的一种智能量测开关的状态诊断方法的流程示意图；
71.图2是本发明实施例公开的另一种智能量测开关的状态诊断方法的流程示意图；
72.图3是本发明实施例公开的一种智能量测开关的状态诊断装置的结构示意图；
73.图4是本发明实施例公开的另一种智能量测开关的状态诊断装置的结构示意图；
74.图5本发明实施例公开的又一种智能量测开关的状态诊断装置的结构示意图。
具体实施方式
75.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
76.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
77.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
78.本发明公开了一种智能量测开关的状态诊断方法及装置，能够通过利用特征提取模型对开关数据信息进行处理得到电联数据信息，再利用降维模型对电联数据信息进行处理得到降维数据信息，并利用状态诊断模型对降维数据信息进行处理，得到用于指示对智能量测开关进行检修的智能量测开关对应的目标状态类型，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。以下分别进行详细说明。
79.实施例一
80.请参阅图1，图1是本发明实施例公开的一种智能量测开关的状态诊断方法的流程示意图。其中，图1所描述的智能量测开关的状态诊断方法应用于状态诊断系统中，如用于智能量测开关的状态诊断管理的本地服务器或云端服务器等，本发明实施例不做限定。如图1所示，该智能量测开关的状态诊断方法可以包括以下操作：
81.101、获取开关数据信息。
82.本发明实施例中，上述开关数据信息包括振动数据信息和电流数据信息。
83.102、根据开关数据信息和预设的特征提取模型，确定出电联数据信息。
84.本发明实施例中，上述电联数据信息包括目标振动特征数据集合和目标电流特征
数据集合。
85.本发明实施例中，上述电联数据信息包括l个电联数据。
86.本发明实施例中，上述l为大于零的正整数。
87.103、根据电联数据信息和预设的降维模型，确定出降维数据信息集合。
88.本发明实施例中，降维数据信息集合包括k个降维数据信息。
89.本发明实施例中，k为不大于l且大于零的正整数。
90.104、根据降维数据信息集合和预设的状态诊断模型，确定出智能量测开关对应的目标状态类型。
91.本发明实施例中，上述目标状态类型用于指示对智能量测开关进行检修。
92.本发明实施例中，上述智能量测开关为安装于多表位表箱入口处的外壳式断路器。
93.可选的，上述智能量测开关的型号为cyml01e。
94.可选的，上述智能量测开关具有的功能包括测量功能，和/或，计时功能，和/或，时钟功能，和/或，电能冻结功能，和/或，事件记录功能，和/或，通信功能，和/或，拓扑功能，本发明实施示例不做限定。
95.可见，实施本发明实施例所描述的智能量测开关的状态诊断方法能够通过利用特征提取模型对开关数据信息进行处理得到电联数据信息，再利用降维模型对电联数据信息进行处理得到降维数据信息，并利用状态诊断模型对降维数据信息进行处理，得到用于指示对智能量测开关进行检修的智能量测开关对应的目标状态类型，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
96.在一个可选的实施例中，上述步骤101中获取开关数据信息，包括：
97.获取初始振动数据信息和初始电流数据信息；
98.利用预设的第一滤波模型对初始电流数据信息进行处理，得到电流数据信息；
99.利用预设的第二滤波模型对初始振动数据信息进行处理，得到振动数据信息。
100.可选的，上述初始振动数据信息是通过振动信号检测平台对智能量测开关的振动信号进行监测时获取的。
101.可选的，上述初始振动数据信息的获取是利用振动传感器采集智能量测开关作业时的振动信号，再利用数据处理软件对振动信号进行处理得到。
102.可选的，上述振动传感器为压电式加速度传感器。
103.可选的，上述初始电流数据信息包括进行分合闸操作时的分合闸线圈电流数据信息。
104.可选的，上述第一滤波模型为基于小波软阈值去噪的滤波模型。
105.可选的，上述利用第一滤波模型对初始电流数据信息进行处理具体为采用db6小波对初始电流数据信息进行p层分解，并去除噪声。
106.可选的，上述p为大于零的正整数。
107.优选的，上述p为4。
108.可见，实施本发明实施例所描述的智能量测开关的状态诊断方法能够利用第一滤波模型对初始电流数据信息进行处理得到电流数据信息，并利用第二滤波模型对初始振动数据信息进行处理得到振动数据信息，有利于提高对智能量测开关的状态诊断精度，进而
提高故障识别率和便于维修人员的精准检修。
109.在另一个可选的实施例中，上述第二滤波模型包括第一降噪模型、第二降噪模型和第三降噪模型；
110.利用预设的第二滤波模型对初始振动数据信息进行处理，得到振动数据信息，包括：
111.利用第一降噪模型对初始振动数据信息进行分解处理，得到第一中间数据集合；第一中间数据集合包括m个第一中间数据；m为大于零的正整数；
112.根据第一中间数据集合、第二降噪模型和预设的降噪阈值，确定出第二中间数据集合；第二中间数据集合包括n个第二中间数据；n为不大于m且大于零的正整数；
113.利用第三降噪模型对第二中间数据集合进行降噪和重构处理，得到振动数据信息。
114.可选的，上述第一降噪模型为基于变分模态分解算法的分解模型。
115.优选的，上述m为5。
116.可选的，上述第二降噪模型为相关系数函数。具体的，上述相关系数函数的具体形式为：
[0117][0118]
其中，r为第二中间数据对应的系数；e为数学期望；d为方差；x(t)为初始振动数据；ui(t)为第一中间数据；i为第一中间数据对应的序号；t为时间。
[0119]
可选的，上述降噪阈值为0.55。
[0120]
可选的，上述根据第一中间数据集合、第二降噪模型和预设的降噪阈值，确定出第二中间数据集合的具体方式为：
[0121]
对于任一第一中间数据，判断该第一中间数据是否大于降噪阈值，得到降噪判断结果；
[0122]
当上述降噪判断结果表示该第一中间数据大于降噪阈值时，确定该第一中间数据为第二中间数据。
[0123]
可选的，上述第三降噪模型为基于小波软阈值去噪的滤波模型。
[0124]
可选的，上述第三降噪模型采用db4小波对第二中间数据进行3层分解降噪。
[0125]
可见，实施本发明实施例所描述的智能量测开关的状态诊断方法能够利用第一降噪模型对初始振动数据信息进行分解处理得到第一中间数据，并利用第二降噪模型和降噪阈值对第一中间数据进行处理，得到第二中间数据，再利用第三降噪模型对第二中间数据进行降噪和重构处理，得到振动数据信息，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0126]
在又一个可选的实施例中，上述特征提取模型包括第一特征处理模型、第二特征处理模型和第三特征处理模型；
[0127]
上述步骤102中根据开关数据信息和预设的特征提取模型，确定出电联数据信息，包括：
[0128]
利用第一特征处理模型对振动数据信息进行处理，得到中间振动特征信息集合；
振动特征信息集合包括h个中间振动特征信息；h为大于零的正整数；
[0129]
利用第二特征处理模型对中间振动特征信息集合进行处理，得到目标振动特征数据集合；目标振动特征集合包括h个目标振动特征数据；
[0130]
利用第三特征处理模型对电流数据信息进行处理，得到目标电流特征数据集合；目标电流特征数据集合包括i个目标电流特征数据；i为大于零的正整数；l等于h和i之和。
[0131]
可选的，上述l为11。
[0132]
可选的，上述电联数据包括目标振动特征数据，和/或，目标电流特征数据。
[0133]
可选的，上述第一特征处理模型为基于局部均值分解算法的数据处理模型。
[0134]
可选的，上述振动特征信息集合包括3个中间振动特征信息和1个残量特征信息。
[0135]
优选的，上述h为3。
[0136]
可选的，上述第二特征处理模型为基于分形盒维数的数据处理模型。
[0137]
可选的，上述第三特征处理模型为基于分合闸线圈电流轮廓法的数据处理模型。
[0138]
可选的，上述i为8。
[0139]
可见，实施本发明实施例所描述的智能量测开关的状态诊断方法能够利用第一特征处理模型对振动数据信息进行处理得到中间振动特征信息，并利用第二特征处理模型对中间振动特征信息集合进行处理得到目标振动特征信息，再利用第三特征处理模型对电流数据信息进行处理得到目标电流特征信息，更有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0140]
实施例二
[0141]
请参阅图2，图2是本发明实施例公开的另一种智能量测开关的状态诊断方法的流程示意图。其中，图2所描述的智能量测开关的状态诊断方法应用于状态诊断系统中，如用于智能量测开关的状态诊断管理的本地服务器或云端服务器等，本发明实施例不做限定。如图2所示，该智能量测开关的状态诊断方法可以包括以下操作：
[0142]
201、获取开关数据信息。
[0143]
202、根据开关数据信息和预设的特征提取模型，确定出电联数据信息。
[0144]
203、利用预设的降维模型对电联数据信息进行计算处理，得到贡献率集合。
[0145]
本发明实施例中，上述贡献率集合包括l个电联数据对应的贡献率。
[0146]
204、根据贡献率集合，确定出降维数据信息集合。
[0147]
205、根据降维数据信息集合和预设的状态诊断模型，确定出智能量测开关对应的目标状态类型。
[0148]
本发明实施例中，针对步骤201-步骤202的具体技术细节和技术名词解释，可以参照实施例一中针对步骤101-步骤102的详细描述，本发明实施例不再赘述。
[0149]
可选的，上述降维模型为基于主元分析法的数据处理模型。
[0150]
可选的，每一个电联数据对应唯一一个贡献率。
[0151]
可选的，上述利用降维模型对电联数据信息进行计算处理时，得到主成分特征值信息集合。
[0152]
可选的，上述主成分特征值信息集合包括l个主成分特征值信息。
[0153]
可选的，每一个主成分特征值信息对应于唯一一个电联数据。
[0154]
可选的，每一个主成分特征值信息包括z个特征值。
[0155]
可选的，上述z为大于0的正整数。
[0156]
优选的，上述z为4。
[0157]
可见，实施本发明实施例所描述的智能量测开关的状态诊断方法能够通过利用特征提取模型对开关数据信息进行处理得到电联数据信息，再利用降维模型对电联数据信息进行计算处理得到贡献率集合，然后根据贡献率集合确定得到降维数据信息，并利用状态诊断模型对降维数据信息进行处理，得到用于指示对智能量测开关进行检修的智能量测开关对应的目标状态类型，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0158]
在一个可选的实施例中，上述步骤204中根据贡献率集合，确定出降维数据信息集合，包括：
[0159]
根据贡献率从小到大进行排序，得到贡献率序列；
[0160]
根据贡献率序列和预设的贡献率阈值，确定出降维数据信息集合；贡献率阈值是大于零且小于1的正数。
[0161]
优选的，上述贡献率阈值为0.9。
[0162]
可选的，上述根据贡献率序列和预设的贡献率阈值，确定出降维数据信息集合的具体方式为：
[0163]
选取累计贡献率大于贡献率阈值的贡献率对应的主成分特征值信息作为降维数据信息。
[0164]
可见，实施本发明实施例所描述的智能量测开关的状态诊断方法能够根据贡献率的大小确定得到贡献率序列，再利用贡献率阈值确定得到降维数据信息，更有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0165]
在另一个可选的实施例中，上述根据降维数据信息集合和预设的状态诊断模型，确定出智能量测开关对应的目标状态类型，包括：
[0166]
利用预设的状态诊断模型对k个降维数据信息进行处理，得到数据距离集合；数据距离集合包括若干个数据距离；
[0167]
对数据距离集合中所有的数据距离从小到大进行排序，得到数据距离序列；
[0168]
根据数据距离序列，确定出智能量测开关对应的目标状态类型。
[0169]
可选的呢，上述状态诊断模型为基于最近邻算法的数据处理模型。
[0170]
可选的，上述状态诊断模型包括欧式距离模型。
[0171]
可选的，上述数据距离为基于欧式距离模型对降维数据信息进行处理得到的。
[0172]
可选的，上述根据数据距离序列，确定出智能量测开关对应的目标状态类型的具体方式为：
[0173]
选取数据距离序列中前y个数据距离作为目标数据距离；
[0174]
确定上述目标数据距离对应的状态类型；
[0175]
按状态类型对应的数量进行排序，得到状态类型序列；
[0176]
选取状态类型序列中排序第一的状态类型为目标状态类型。
[0177]
可选的，上述y为大于零的正整数。
[0178]
可选的，每一种状态类型对应于一个数据距离区间。
[0179]
可见，实施本发明实施例所描述的智能量测开关的状态诊断方法能够利用状态诊
断模型对降维数据进行处理，得到数据距离，再对数据距离从小到大进行排序得到数据距离序列，并根据数据距离序列，确定出智能量测开关对应的目标状态类型，更有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0180]
实施例三
[0181]
请参阅图3，图3是本发明实施例公开的一种智能量测开关的状态诊断装置的结构示意图。其中，图3所描述的装置能够应用于状态诊断系统中，如用于智能量测开关的状态诊断管理的本地服务器或云端服务器等，本发明实施例不做限定。如图3所示，该装置可以包括：
[0182]
获取模块301，用于获取开关数据信息；开关数据信息包括振动数据信息和电流数据信息；
[0183]
第一确定模块302，用于根据开关数据信息和预设的特征提取模型，确定出电联数据信息；电联数据信息包括目标振动特征数据集合和目标电流特征数据集合；电联数据信息包括l个电联数据；l为大于零的正整数；
[0184]
第二确定模块303，用于根据电联数据信息和预设的降维模型，确定出降维数据信息集合；降维数据信息集合包括k个降维数据信息；k为不大于l且大于零的正整数；
[0185]
第三确定模块304，用于根据降维数据信息集合和预设的状态诊断模型，确定出智能量测开关对应的目标状态类型；目标状态类型用于指示对智能量测开关进行检修。
[0186]
可见，实施图3所描述的智能量测开关的状态诊断装置，能够通过利用特征提取模型对开关数据信息进行处理得到电联数据信息，再利用降维模型对电联数据信息进行处理得到降维数据信息，并利用状态诊断模型对降维数据信息进行处理，得到用于指示对智能量测开关进行检修的智能量测开关对应的目标状态类型，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0187]
在另一个可选的实施例中，如图4所示，获取模块301获取开关数据信息的具体方式为：
[0188]
获取初始振动数据信息和初始电流数据信息；
[0189]
利用预设的第一滤波模型对初始电流数据信息进行处理，得到电流数据信息；
[0190]
利用预设的第二滤波模型对初始振动数据信息进行处理，得到振动数据信息。
[0191]
可见，实施图4所描述的智能量测开关的状态诊断装置，能够利用第一滤波模型对初始电流数据信息进行处理得到电流数据信息，并利用第二滤波模型对初始振动数据信息进行处理得到振动数据信息，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0192]
在又一个可选的实施例中，如图4所示，第二滤波模型包括第一降噪模型、第二降噪模型和第三降噪模型；
[0193]
获取模块301利用预设的第二滤波模型对初始振动数据信息进行处理，得到振动数据信息，包括：
[0194]
利用第一降噪模型对初始振动数据信息进行分解处理，得到第一中间数据集合；第一中间数据集合包括m个第一中间数据；m为大于零的正整数；
[0195]
根据第一中间数据集合、第二降噪模型和预设的降噪阈值，确定出第二中间数据集合；第二中间数据集合包括n个第二中间数据；n为不大于m且大于零的正整数；
[0196]
利用第三降噪模型对第二中间数据集合进行降噪和重构处理，得到振动数据信息。
[0197]
可见，实施图4所描述的智能量测开关的状态诊断装置，能够利用第一降噪模型对初始振动数据信息进行分解处理得到第一中间数据，并利用第二降噪模型和降噪阈值对第一中间数据进行处理，得到第二中间数据，再利用第三降噪模型对第二中间数据进行降噪和重构处理，得到振动数据信息，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0198]
在又一个可选的实施例中，如图4所示，特征提取模型包括第一特征处理模型、第二特征处理模型和第三特征处理模型；
[0199]
第一确定模块302包括第一处理子模块3021、第二处理子模块3022和第三处理子模块3023，其中：
[0200]
第一处理子模块3021，用于利用第一特征处理模型对振动数据信息进行处理，得到中间振动特征信息集合；振动特征信息集合包括h个中间振动特征信息；h为大于零的正整数；
[0201]
第二处理子模块3022，用于利用第二特征处理模型对中间振动特征信息集合进行处理，得到目标振动特征数据集合；目标振动特征集合包括h个目标振动特征数据；
[0202]
第三处理子模块3023，用于利用第三特征处理模型对电流数据信息进行处理，得到目标电流特征数据集合；目标电流特征数据集合包括i个目标电流特征数据；i为大于零的正整数；l等于h和i之和。
[0203]
可见，实施图4所描述的智能量测开关的状态诊断装置，能够利用第一特征处理模型对振动数据信息进行处理得到中间振动特征信息，并利用第二特征处理模型对中间振动特征信息集合进行处理得到目标振动特征信息，再利用第三特征处理模型对电流数据信息进行处理得到目标电流特征信息，更有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0204]
在又一个可选的实施例中，如图4所示，第二确定模块303包括计算子模块3031和确定子模块3032，其中：
[0205]
计算子模块3031，用于利用预设的降维模型对电联数据信息进行计算处理，得到贡献率集合；贡献率集合包括l个电联数据对应的贡献率；
[0206]
确定子模块3032，用于根据贡献率集合，确定出降维数据信息集合。
[0207]
可见，实施图4所描述的智能量测开关的状态诊断装置，能够通过利用特征提取模型对开关数据信息进行处理得到电联数据信息，再利用降维模型对电联数据信息进行计算处理得到贡献率集合，然后根据贡献率集合确定得到降维数据信息，并利用状态诊断模型对降维数据信息进行处理，得到用于指示对智能量测开关进行检修的智能量测开关对应的目标状态类型，有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0208]
在又一个可选的实施例中，如图4所示，确定子模块3032根据贡献率集合，确定出降维数据信息集合的具体形式为：
[0209]
根据贡献率从小到大进行排序，得到贡献率序列；
[0210]
根据贡献率序列和预设的贡献率阈值，确定出降维数据信息集合；贡献率阈值是
大于零且小于1的正数。
[0211]
可见，实施图4所描述的智能量测开关的状态诊断装置，能够根据贡献率的大小确定得到贡献率序列，再利用贡献率阈值确定得到降维数据信息，更有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0212]
在又一个可选的实施例中，如图4所示，第三确定模块304根据降维数据信息集合和预设的状态诊断模型，确定出智能量测开关对应的目标状态类型的具体形式为：
[0213]
利用预设的状态诊断模型对k个降维数据信息进行处理，得到数据距离集合；数据距离集合包括若干个数据距离；
[0214]
对数据距离集合中所有的数据距离从小到大进行排序，得到数据距离序列；
[0215]
根据数据距离序列，确定出智能量测开关对应的目标状态类型。
[0216]
可见，实施图4所描述的智能量测开关的状态诊断装置，能够利用状态诊断模型对降维数据进行处理，得到数据距离，再对数据距离从小到大进行排序得到数据距离序列，并根据数据距离序列，确定出智能量测开关对应的目标状态类型，更有利于提高对智能量测开关的状态诊断精度，进而提高故障识别率和便于维修人员的精准检修。
[0217]
实施例四
[0218]
请参阅图5，图5是本发明实施例公开的又一种智能量测开关的状态诊断装置的结构示意图。其中，图5所描述的装置能够应用于状态诊断系统中，如用于智能量测开关的状态诊断管理的本地服务器或云端服务器等，本发明实施例不做限定。如图5所示，该装置可以包括：
[0219]
存储有可执行程序代码的存储器401；
[0220]
与存储器401耦合的处理器402；
[0221]
处理器402调用存储器401中存储的可执行程序代码，用于执行实施例一或实施例二所描述的智能量测开关的状态诊断方法中的步骤。
[0222]
实施例五
[0223]
本发明实施例公开了一种计算机读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一或实施例二所描述的智能量测开关的状态诊断方法中的步骤。
[0224]
实施例六
[0225]
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的智能量测开关的状态诊断方法中的步骤。
[0226]
以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0227]
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，
该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(read-only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0228]
最后应说明的是：本发明实施例公开的一种智能量测开关的状态诊断方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照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项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。