故障诊断方法、存储介质、电力采集终端和故障诊断系统与流程

1.本技术涉及供电控制技术领域，特别涉及一种故障诊断方法、存储介质、电力采集终端和故障诊断系统。


背景技术：

2.随着智能电网推广普及，对电力采集终端的运行稳定性及故障诊断修复速率提出了更高要求。当前电力采集终端部署数量庞大、现场环境复杂、所属厂商众多、类型存在差异，为电力采集终端的故障诊断造成了阻碍。在电力采集终端发生故障时，需派遣维修人员前往现场进行故障诊断，维修人员依据对故障特定终端的认知以及维护经验分析故障信息判断故障原因，在累积了一些不同场景、不同终端和不同故障原因的案例之后，构建出终端故障库，搭建平台管理终端，通过将采集到的终端故障信息与故障库存有的故障信息进行比对，以分析故障原因。
3.目前的电力采集终端故障诊断技术，基本上采用以下两种方式进行诊断：
4.1、现场诊断，通过维修人员前往电力采集终端的部署现场，进行现场诊断终端故障。
5.2、平台统一诊断，平台收集电力采集终端的故障信息，进行终端的远程故障诊断。
6.在实现本技术的过程中，发明人发现上述故障诊断方式至少存在如下问题：
7.1、采用现场诊断的方式比较依赖于维修人员的工作经验、对于故障终端的了解，此方式的主观随机性较强，有时难以及时诊断故障原因；并且因为部署的终端数量众多，现场环境也会千差万别，部分终端所处位置交通不便、周遭环境恶劣不利于实施故障诊断和维修，因此诊断难度较大且诊断成本较高。
8.2、采用平台统一诊断的方式需要将包括故障信息在内的很多信息上传至平台进行诊断，因此对网络通道提出了很高的要求，当因自然灾害、人为操作造成大量终端产生故障时，平台无法及时对终端故障的诊断需求进行响应，大量诊断信息的上传也挤占了网络通道，妨碍了其他业务的正常运转。
9.需要说明的是，本背景技术部分中公开的信息仅用于理解本技术构思的背景技术，并且因此，它可以包含不构成现有技术的信息。


技术实现要素：

10.本技术旨在至少在一定程度上解决相关技术中的技术问题之一。
11.为此，本技术的第一个目的在于提出一种电力采集终端的故障诊断方法，采用云端和终端协同的方式进行故障诊断，通过将故障信息与故障特征进行自动匹配的方式进行电力采集终端故障诊断，从而消除主观随机性带来的影响；同时，将诊断流程分为本地诊断和远程诊断，在边端本地预部署有常见故障特征库，利用本地诊断来对常见故障进行本地识别和匹配，提升了诊断效率，并且只有当发生的故障无法通过本地的常见故障特征库诊断出来时，才利用云端部署的包含有不常见故障特征的特征库进行云端远程诊断，从而降
低数据吞吐量，避免造成网络瘫痪。
12.本技术的第二个目的在于提出一种计算机可读存储介质。
13.本技术的第三个目的在于提出一种电力采集终端。
14.本技术的第四个目的在于提出一种电力采集终端的故障诊断系统。
15.为达上述目的，本技术第一方面实施例提出了一种电力采集终端的故障诊断方法，包括：将采集到的终端故障信息与终端的本地故障特征库中的故障特征进行本地匹配；若本地匹配成功，则根据所述本地故障特征库中的故障特征对所述终端故障信息进行识别，确定所述电力采集终端的故障类型；若本地匹配失败，则将所述终端故障信息上传至云端，以便通过配置于云端的远程故障特征库中的故障特征对所述终端故障信息进行远程匹配，并在远程匹配成功时根据所述远程故障特征库中的故障特征对所述终端故障信息进行识别，确定所述电力采集终端的故障类型，其中，所述远程故障特征库包含有所述本地故障特征库未包含的故障特征。
16.根据本技术实施例提出的电力采集终端的故障诊断方法，采用云端和终端协同的方式进行故障诊断，通过将故障信息与故障特征进行自动匹配的方式进行电力采集终端故障诊断，从而消除主观随机性带来的影响；同时，将诊断流程分为本地诊断和远程诊断，在边端本地预部署有常见故障特征库，利用本地诊断来对常见故障进行本地识别和匹配，依托于现有硬件资源的条件下，提升了故障诊断效率，并且只有当发生的故障无法通过本地的常见故障特征库诊断出来时，才利用云端部署的包含有不常见故障特征的特征库进行云端远程故障识别和匹配，从而减少数据吞吐量，降低了对网络通道依赖，避免造成网络瘫痪，保证终端能够稳定运行。
17.根据本技术的一个实施例，在发生故障的电力采集终端未配置有本地故障特征库时，基于与所述发生故障的电力采集终端位于同一局域网的其他同类型的电力采集终端内配置的本地故障特征库进行所述本地匹配。
18.根据本技术的一个实施例，所述本地匹配和所述远程匹配的匹配方式相同，其中，所述匹配方式包括：分别计算所述终端故障信息与各故障特征之间的相似度；若存在至少一个不低于设定阈值的相似度，则确定匹配成功；若所有的相似度均低于设定阈值，则确定匹配失败。
19.根据本技术的一个实施例，所述方法还包括：若匹配成功的故障特征有多个，则将故障发生率最高的故障特征确定为与所述终端故障信息相匹配的故障特征。
20.根据本技术的一个实施例，在本地匹配成功时，所述方法还包括：将终端类型、故障发生时间和故障类型上传至云端，以对故障事件进行记录。
21.根据本技术的一个实施例，在远程匹配失败时，所述方法还包括：通过云端将所述终端故障信息作为新的故障录入所述远程故障特征库。
22.根据本技术的一个实施例，所述远程故障特征库包含的故障特征是通过对部署的所有型号电力采集终端的驱动故障数据、漏洞故障数据、系统故障数据和硬件故障数据进行特征提取得到。
23.根据本技术的一个实施例，在所述电力采集终端首次接入云端时，所述方法还包括：接收所述云端下发的本地故障特征库，并进行配置。
24.根据本技术的一个实施例，所述方法还包括：在所述电力采集终端无法连接云端
时，通过建立所述电力采集终端与故障诊断设备之间的连接，以使所述电力采集终端通过所述故障诊断设备与云端连接。
25.为达上述目的，本技术第二方面实施例提出了一种计算机可读存储介质，其上存储有电力采集终端的故障诊断程序，该电力采集终端的故障诊断程序被处理器执行时实现如上述实施例中的电力采集终端的故障诊断方法。
26.为达上述目的，本技术第三方面实施例提出了一种电力采集终端，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电力采集终端的故障诊断程序，所述处理器执行所述电力采集终端的故障诊断程序时，实现如上述实施例中的电力采集终端的故障诊断方法。
27.为达上述目的，本技术第四方面实施例提出了一种电力采集终端的故障诊断系统，包括：电力采集终端、故障诊断设备和云端；其中，所述电力采集终端，用于将采集到的终端故障信息与本地故障特征库中的故障特征进行本地匹配，若本地匹配成功，则根据所述本地故障特征库中的故障特征对所述终端故障信息进行识别，确定故障类型；若本地匹配失败，则将所述终端故障信息上传至所述云端；所述故障诊断设备，用于在所述电力采集终端无法连接所述云端时，建立自身与所述电力采集终端之间的连接，以使所述电力采集终端通过自身与云端连接；所述云端，用于通过配置的远程故障特征库中的故障特征对所述终端故障信息进行远程匹配，并在远程匹配成功时根据所述远程故障特征库中的故障特征对所述终端故障信息进行识别，确定所述电力采集终端的故障类型，其中，所述远程故障特征库包含有所述本地故障特征库未包含的故障特征。
28.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
29.图1是本技术一个实施例的电力采集终端的故障诊断方法的流程示意图。
30.图2是本技术另一个实施例的电力采集终端的故障诊断方法的流程示意图。
31.图3是本技术一个实施例的电力采集终端的结构框图。
32.图4是本技术一个实施例的电力采集终端的故障诊断系统的结构框图。
具体实施方式
33.下面详细描述本技术的实施例，下文描述的实施例的示例在附图中示出，其中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
34.下面参考附图描述本技术实施例的故障诊断方法、存储介质、电力采集终端和故障诊断系统。
35.如图1和图2所示，本技术实施例中的电力采集终端的故障诊断方法包括以下步骤100至步骤300。
36.s100，将采集到的终端故障信息与终端的本地故障特征库中的故障特征进行本地匹配。
37.电力采集终端10(简称终端)主要用于读取目标对象的电能数据，例如智能电表就
属于一种电力采集终端。通常可以通过局域网将多个电力采集终端10进行网络连接，实现区域性的电力数据上传。由于电力采集终端为被诊断的对象，因此电力采集终端10为边端。每个电力采集终端10具有自检功能，当电力采集终端10发生故障时，电力采集终端10通过自检功能判断出自身发生了故障，然后开始故障诊断过程。
38.故障诊断过程中，首先进行的是故障的本地匹配。电力采集终端10通过自检功能或其他配置的功能对故障信息进行采集和获取，例如采集核心电路的输入输出状态，各电路模块之间的通断状态，检测表壳是否破损的传感器的读数，软件程序中关键变量的当前数值，等等，由此得到终端故障信息。
39.电力采集终端10中通常会预先配置有本地故障特征库，例如将本地故障特征库部署在电力采集终端10的存储模块中。本地故障特征库中包含有多种常见故障的故障特征，也就是日常发生概率较高的一些故障的故障特征，因此本地故障特征库又称常见故障特征库。假设锂电池供电故障属于常见故障，该常见故障对应的故障特征f1为：供电电路的输入电压低于设定值，则本地故障特征库会存储有f1故障特征。其他常见故障及其对应的故障特征同理。
40.在电力采集终端10获取到自身的故障信息之后，将该故障信息与本地故障特征库中的各故障特征进行逐一比对。比对的过程发生在电力采集终端10内部，无需将故障信息上传至其他设备进行比对，因此该比对的过程称为本地匹配，而比对的方式具体可以是将故障信息中包含的各信息项的数值/状态和故障特征中的各信息项的数值/状态进行分别比较，依据各信息项的比较结果来判断当前参与比对的故障特征是否与故障信息相匹配。
41.可以理解的是，对于某个电力采集终端t1来说，终端t1内配置的本地故障特征库中录入的故障特征可以均与终端t1的型号相匹配。由于电力采集终端的型号可能有多种，因此不同型号终端内的特征库可以只存储自身型号的终端能够产生的故障特征，也就是录入的故障特征均为与自身型号终端的软硬件信息相一致的故障特征，而无需存储其他型号独有的故障特征，这样能够降低对存储空间的要求，减少进行本地匹配时匹配错误的几率，同时提高本地匹配过程的效率。
42.s200，若本地匹配成功，则根据本地故障特征库中的故障特征对终端故障信息进行识别，确定电力采集终端10的故障类型。
43.在故障信息与故障特征的比较过程中，若发现与故障信息相一致的故障特征，则说明本地故障特征库中存储有与当前故障情况相一致的故障特征，因此判定本地匹配成功。此时，识别出与当前故障情况相一致的故障特征，而本地故障特征库中的各故障特征均对应有相应的故障类型，该故障特征代表了电力采集终端10的故障类型，例如与终端故障信息匹配成功的是故障特征f1，则说明电力采集终端10的故障类型为：锂电池供电故障。
44.在本地匹配成功后，得到了本电力采集终端10本次故障的故障类型，因此可以直接依据该故障类型对终端进行修复和上报，无需再进行远程匹配，从而提高了诊断效率，减少了网络数据吞吐量，也降低了对云端资源的占用。
45.s300，如图2所示，若本地匹配失败，则将终端故障信息上传至云端20，以便通过配置于云端20的远程故障特征库中的故障特征对终端故障信息进行远程匹配，并在远程匹配成功时根据远程故障特征库中的故障特征对终端故障信息进行识别，确定电力采集终端10的故障类型，其中，远程故障特征库包含有本地故障特征库未包含的故障特征。
46.在故障信息与故障特征的比较过程中，若本地故障特征库中所有的故障特征均与电力采集终端10的终端故障信息完全不一致，则说明电力采集终端10当前的故障类型并非本地故障特征库中部署的常见故障类型，在终端本地无法识别出故障类型，此时就要利用云端20进行远程匹配和识别。
47.具体的，在本地匹配失败后，电力采集终端10将故障信息上传至云端20，也就是云平台。云平台预先配置有远程故障特征库，例如将远程故障特征库部署在云平台的服务器中。远程故障特征库中同样包含有多种故障的故障特征，并且远程故障特征库至少包含有多种本地故障特征库未包含的故障特征，例如远程故障特征库包含有属于非常见故障的故障特征，也就是日常发生概率较低的一些故障的故障特征或者一些复杂故障的故障特征，以此形成与本地故障特征库的故障诊断范围的互补，并且这样既能够保证故障能够在本地或云端20中的任一端被诊断识别出来，又能够减少远程匹配过程中的故障比对频次，提高匹配效率。假设终端计量故障属于非常见故障，该非常见故障对应于故障特征f2，则远程故障特征库会存储有f2故障特征。其他非常见故障特征及其对应的故障特征同理。
48.在云端20接收到终端发来的故障信息之后，将该故障信息与远程故障特征库中的各故障特征进行逐一比对。比对的过程发生在云端20，因此该比对的过程称为远程匹配，而比对的方式同样可以是将故障信息中包含的各信息项的数值/状态和故障特征中的各信息项的数值/状态进行分别比较，依据各信息项的比较结果来判断当前参与比对的故障特征是否与故障信息相匹配。若发现与故障信息相一致的故障特征，则说明远程故障特征库中存储有与当前故障情况相一致的故障特征，因此判定远程匹配成功。
49.可以理解的是，对于云端20来说，云端20内配置的远程故障特征库中录入的故障特征可以包括所有型号终端的故障特征，由此在任一型号的电力采集终端10上传故障信息时，都能够对应确定出该型号终端的故障类型，增加故障诊断成功率。
50.作为一种可能的实现方式，远程故障特征库包含的故障特征是通过对部署的所有型号电力采集终端10的驱动故障数据、漏洞故障数据、系统故障数据和硬件故障数据进行特征提取得到的。具体的，如图2所示，故障诊断方法还包括步骤99。s99，通过对所有型号电力采集终端10的驱动故障数据、漏洞故障数据、系统故障数据和硬件故障数据进行特征提取得到故障特征，并基于得到的故障特征构建远程故障特征库，构建出远程故障特征库之后，将远程故障特征库存储至云端20。
51.电力采集终端10上传给云端20的故障信息中可以包括终端类型，因此在云端20进行远程匹配的过程中，可以先将与故障信息中的终端类型相同型号的故障特征筛选出来，然后基于筛选得到的故障特征进行远程匹配。
52.另外，远程故障特征库也可以同时包含常见故障的故障特征和非常见故障的故障特征，也就是包含所有型号终端的所有可产生故障的故障特征，此时的远程故障特征库可称为全故障特征库。采用全故障特征库能够在本地匹配过程未能正确匹配到本应匹配成功的故障特征时，通过远程故障特征库来弥补这一差错，保持终端稳定运行。而在远程匹配的过程中，会先基于非常见故障的故障特征进行远程匹配，若此时匹配到与上传的终端故障信息完全一致的故障特征，则无需再基于常见故障的故障特征进行远程匹配，提高匹配效率。
53.在远程匹配成功后，得到了上传故障信息的电力采集终端10本次故障的故障类
型，因此可以依据该故障类型对该上传故障信息的电力采集终端10进行修复和记录。
54.根据本技术实施例提出的电力采集终端10的故障诊断方法，采用云端和终端协同的方式进行故障诊断，通过将故障信息与故障特征进行自动匹配的方式进行电力采集终端10故障诊断，从而消除主观随机性带来的影响；同时，将诊断流程分为本地诊断和远程诊断，在边端本地预部署有常见故障特征库，利用本地诊断来对常见故障进行本地识别和匹配，依托于现有硬件资源的条件下，提升了故障诊断效率，并且只有当发生的故障无法通过本地的常见故障特征库诊断出来时，才利用云端部署的包含有不常见故障特征的特征库进行云端远程故障识别和匹配，从而减少数据吞吐量，降低了对网络通道依赖，避免造成网络瘫痪，保证终端能够稳定运行。
55.在一些实施例中，在发生故障的电力采集终端10未配置有本地故障特征库时，基于与发生故障的电力采集终端10位于同一局域网的其他同类型的电力采集终端10内配置的本地故障特征库进行本地匹配。
56.由于终端的维修、更换或其他原因，导致可能存在一些未部署有本地故障特征库的电力采集终端10。当这些未部署本地故障特征库的电力采集终端10发生故障时，无法通过自身进行本地匹配，此时可以利用其他电力采集终端10实现本地匹配。具体的，电力采集终端10之间可以通过局域网连接，一个局域网内会连接有多个电力采集终端10，局域网内的所有电力采集终端10均通过局域网与外界进行通讯和信息收发。当未部署有本地故障特征库的电力采集终端t2发生故障时，终端t2可以通过局域网与位于同一局域网内的终端t3进行通信，终端t3与终端t2为同一型号的电力采集终端，通过与终端t3的通信，利用终端t3内部署的本地故障特征库进行终端t2的本地匹配，例如将终端t2的终端故障信息发送至终端t3，在完成本地匹配后将匹配结果反馈给终端t2，若本地匹配成功则确定出了终端t2的故障类型，若本地匹配失败则终端t2继续进行远程匹配，由此实现在发生故障的终端未配置有本地故障特征库时也能够进行本地匹配，并且同样不会丢失匹配效率以及不会占用云端的资源。
57.在一些实施例中，本地匹配和远程匹配的匹配方式相同，其中，匹配方式包括：分别计算终端故障信息与各故障特征之间的相似度，若存在至少一个不低于设定阈值的相似度，则确定匹配成功，若所有的相似度均低于设定阈值，则确定匹配失败。
58.本地匹配和远程匹配均可以采用基于故障特征相似度的匹配算法进行特征匹配，或者可以只有本地匹配采用基于故障特征相似度的匹配算法进行特征匹配，或者可以只有远程匹配采用基于故障特征相似度的匹配算法进行特征匹配。
59.终端故障信息与故障特征之间的相似度可以通过数据分析算法进行计算得到。在完成相似度计算并得到与特征库故障特征数量相同的相似度之后，将所有的相似度数据依次与设定阈值进行大小比较。设定阈值s是判断故障特征是否与终端故障信息匹配的标准，设定阈值s的数值可以进行预先设定，例如设定为0.8，相似度则位于[0,1]的区间内。若某个故障特征f0对应的相似度不低于设定阈值s，则认为匹配成功，并判定故障特征f0对应的故障类型为发生故障的电力采集终端10的故障类型。但所有故障特征对应的相似度全部低于设定阈值s，说明该特征库中并未包含有与电力采集终端10发生的故障的同类型的故障内容，因此认为匹配失败。该匹配方式即可以只应用于本地匹配，也可以只应用于远程匹配，还可以在本地匹配和远程匹配时均进行应用。
[0060]
作为一种可能的实现方式，故障诊断方法还可以包括：若不低于设定阈值s的故障特征有多个，则将故障发生率最高的故障特征确定为与终端故障信息相匹配的故障特征。
[0061]
由于故障类型有多个，而且不同故障类型的故障特征之间可能较为相似，尤其是同一型号电力采集终端10对应的各个故障特征之间。因此，在本地匹配或者在远程匹配的过程中，可能会发生不低于设定阈值s的相似度数值多于一个的情况。若该情况发生于本地匹配过程，则利用预先存储在电力采集终端10中的关于各故障特征的发生率统计数据来从满足设定阈值s的多个相似度数值中选出最终的一个相似度数值，选出的标准就是比较各满足设定阈值s的多个相似度数值中，哪个相似度数值对应的故障特征的发生率最高。
[0062]
例如本地匹配过程中，故障特征f6、f19和f42的相似度数值均高于设定阈值s，则电力采集终端10从故障发生率统计表中获取到故障特征f6、f19和f42的发生率，并发现故障特征f42的故障发生率最高，因此将故障特征f42作为与终端故障信息匹配成功的故障特征。若故障特征f42对应的故障类型为显示屏背光故障，则确定电力采集终端10的故障类型即为显示屏背光故障。
[0063]
在一些实施例中，在本地匹配成功时，故障诊断方法还可以包括：将终端类型、故障发生时间和故障类型上传至云端20，以对故障事件进行记录。在每次发生故障并对故障进行本地诊断成功之后，将与故障相关的信息进行记录，以便于对常见故障的故障发生率等数据进行统计和分析，利于电力采集终端10的维护。可以理解的是，在远程诊断成功时，也可以将与故障相关的信息进行记录，以便于对非常见故障和复杂故障的故障发生率等数据进行统计和分析，同样能够利于电力采集终端10的维护。
[0064]
在一些实施例中，在远程匹配失败时，故障诊断方法还可以包括：通过云端20将终端故障信息作为新的故障录入远程故障特征库。
[0065]
当远程匹配失败时，说明本地故障特征库和远程故障特征库中均未包含有电力采集终端10当前故障的故障类型，也就是说电力采集终端10当前发生的故障是以往未发生过的新故障或发生过但未录入到故障特征库中的新故障，因此可以将终端故障信息录入到远程故障特征库，以对故障特征库进行完善，保证同类故障复现时的成功诊断。若此后该新故障频发，则可以将终端故障信息作为常见故障录入到本地故障特征库中。
[0066]
在一些实施例中，在电力采集终端10首次接入云端20时，故障诊断方法还可以包括：接收云端20下发的本地故障特征库，并进行配置。
[0067]
电力采集终端10在首次接入电力采集网络时，云端20获取该电力采集终端10的硬件信息并记录备案，同时检测该电力采集终端10或同局域网的其他终端是否配置有与终端型号对应的本地故障特征库，若电力采集终端10内还未配置有本地故障特征库，则云端20会将相应的本地故障特征库下发到该首次接入电力采集网络的电力采集终端10以及同局域网内其他未配置本地故障特征库的终端，电力采集终端10在接收到本地故障特征库后对其进行存储，提高电力采集终端10的本地故障特征库配置率，便于本地匹配的实施。
[0068]
在一些实施例中，如图2所示，故障诊断方法还可以包括以下步骤301。
[0069]
s301，在电力采集终端10无法连接云端20时，通过建立电力采集终端10与故障诊断设备30之间的连接，以使电力采集终端10通过故障诊断设备30与云端20连接。
[0070]
若电力采集终端10发生的故障导致其无法与云端20进行通讯，则终端处于离线状态，此时可以通过故障诊断设备30作为两者的信号中转设备，实现两者的通讯连接。具体
的，故障诊断设备30可以是手持式的，当电力采集终端10与云端20连接中断时，可以发出报警信号，维修人员手持故障诊断设备30到达电力采集终端10的现场位置处，通过串口、网络或蓝牙等方式建立与电力采集终端10的连接，并通过故障诊断设备30转发电力采集终端10需要上传给云端20的故障信息，通过故障诊断设备30分析电力采集终端10与云端20之间无法连接的故障原因，以及通过故障诊断设备30转发云端20下发给电力采集终端10的数据。
[0071]
另外，本技术的实施例还提供一种计算机可读存储介质，其上存储有电力采集终端的故障诊断程序，该电力采集终端的故障诊断程序被处理器执行时实现如上述实施例中的电力采集终端的故障诊断方法。
[0072]
根据本技术实施例提出的计算机可读存储介质，通过处理器执行存储在该存储介质上的电力采集终端的故障诊断程序，采用云端和终端协同的方式进行故障诊断，通过将故障信息与故障特征进行自动匹配的方式进行电力采集终端故障诊断，从而消除主观随机性带来的影响；同时，将诊断流程分为本地诊断和远程诊断，在边端本地预部署有常见故障特征库，利用本地诊断来对常见故障进行本地识别和匹配，依托于现有硬件资源的条件下，提升了故障诊断效率，并且只有当发生的故障无法通过本地的常见故障特征库诊断出来时，才利用云端部署的包含有不常见故障特征的特征库进行云端远程故障识别和匹配，从而减少数据吞吐量，降低了对网络通道依赖，避免造成网络瘫痪，保证终端能够稳定运行。
[0073]
另外，如图3所示，本技术实施例还提出了一种电力采集终端10，包括存储器11、处理器12及存储在存储器11上并可在处理器12上运行的电力采集终端的故障诊断程序，处理器12执行电力采集终端的故障诊断程序时，实现如上述实施例中的电力采集终端的故障诊断方法。
[0074]
根据本技术实施例提出的电力采集终端10，通过处理器12执行存储在存储器11上的故障诊断程序，采用云端和终端协同的方式进行故障诊断，通过将故障信息与故障特征进行自动匹配的方式进行电力采集终端故障诊断，从而消除主观随机性带来的影响；同时，将诊断流程分为本地诊断和远程诊断，在边端本地预部署有常见故障特征库，利用本地诊断来对常见故障进行本地识别和匹配，依托于现有硬件资源的条件下，提升了故障诊断效率，并且只有当发生的故障无法通过本地的常见故障特征库诊断出来时，才利用云端部署的包含有不常见故障特征的特征库进行云端远程故障识别和匹配，从而减少数据吞吐量，降低了对网络通道依赖，避免造成网络瘫痪，保证终端能够稳定运行。
[0075]
另外，如图4所示，本技术实施例还提出了一种电力采集终端10的故障诊断系统1，故障诊断系统1包括电力采集终端10、云端20和故障诊断设备30。
[0076]
电力采集终端10用于将采集到的终端故障信息与本地故障特征库中的故障特征进行本地匹配，若本地匹配成功，则根据本地故障特征库中的故障特征对终端故障信息进行识别，确定故障类型；若本地匹配失败，则将终端故障信息上传至云端。
[0077]
云端20用于通过配置的远程故障特征库中的故障特征对终端故障信息进行远程匹配，并在远程匹配成功时根据远程故障特征库中的故障特征对终端故障信息进行识别，确定电力采集终端的故障类型，其中，远程故障特征库包含有本地故障特征库未包含的故障特征。
[0078]
故障诊断设备30用于在电力采集终端10无法连接云端20时，建立自身与电力采集终端10之间的连接，以使电力采集终端10通过自身与云端20连接。具体的，可以通过串口、
网络或蓝牙等方式建立故障诊断设备30与电力采集终端10的连接，并通过故障诊断设备30转发电力采集终端10需要上传给云端20的故障信息，通过故障诊断设备30分析电力采集终端10与云端20之间无法连接的故障原因，以及通过故障诊断设备30转发云端20下发给电力采集终端10的数据。
[0079]
根据本技术实施例提出的电力采集终端的故障诊断系统，采用云端和终端协同的方式进行故障诊断，通过将故障信息与故障特征进行自动匹配的方式进行电力采集终端故障诊断，从而消除主观随机性带来的影响；同时，将诊断流程分为本地诊断和远程诊断，在边端本地预部署有常见故障特征库，利用本地诊断来对常见故障进行本地识别和匹配，依托于现有硬件资源的条件下，提升了故障诊断效率，并且只有当发生的故障无法通过本地的常见故障特征库诊断出来时，才利用云端部署的包含有不常见故障特征的特征库进行云端远程故障识别和匹配，从而减少数据吞吐量，降低了对网络通道依赖，避免造成网络瘫痪，保证终端能够稳定运行。
[0080]
在一些实施例中，在发生故障的电力采集终端未配置有本地故障特征库时，基于与发生故障的电力采集终端位于同一局域网的其他同类型的电力采集终端内配置的本地故障特征库进行本地匹配。
[0081]
在一些实施例中，本地匹配和远程匹配的匹配方式相同，其中，匹配方式包括：分别计算终端故障信息与各故障特征之间的相似度；若存在至少一个不低于设定阈值的相似度，则确定匹配成功；若所有的相似度均低于设定阈值，则确定匹配失败。
[0082]
在一些实施例中，若匹配成功的故障特征有多个，则将故障发生率最高的故障特征确定为与终端故障信息相匹配的故障特征。
[0083]
在一些实施例中，在本地匹配成功时，电力采集终端10将终端类型、故障发生时间和故障类型上传至云端20，以对故障事件进行记录。
[0084]
在一些实施例中，在远程匹配失败时，通过云端20将终端故障信息作为新的故障录入远程故障特征库。
[0085]
在一些实施例中，远程故障特征库包含的故障特征是通过对部署的所有型号电力采集终端10的驱动故障数据、漏洞故障数据、系统故障数据和硬件故障数据进行特征提取得到。
[0086]
在一些实施例中，在电力采集终端10首次接入云端20时，电力采集终端10接收云端20下发的本地故障特征库，并进行配置。
[0087]
需要说明的是，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(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其
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所述程序，然后将其存储在计算机存储器中。
[0088]
应当理解，本技术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(pga)，现场可编程门阵列(fpga)等。
[0089]
在本说明书的描述中，参考术语“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技术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一定指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何的一个或多个实施例或示例中以合适的方式结合。
[0090]
在本技术的描述中，“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。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0091]
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备以及计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0092]
以上所述仅为本技术的较佳实施例而已，并非用于限定本技术的保护范围。凡在本技术的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本技术的保护范围内。