基于模糊集合理论的路灯故障类型判断方法
【技术领域】
[0001] 本发明涉及路灯故障类型的判断，尤其涉及可不断自我学习完善模型和自动判断 故障类型的方法。
【背景技术】
[0002] 路灯故障是路灯实际运行中必然出现的现象。随着城市扩张和市政建设发展，路 灯数量越来越多，造成路灯故障数量和类型也与日俱增。如何快速和准确的找到故障路灯 是路灯管理部门的主要工作之一。最近单灯控制系统逐步在业内占有一席之地，这就为科 学系统的分析单灯故障提供了有力的支持。
[0003] 假定通过单灯监控系统我们得到了单灯运行的数据，例如电流I、电压U、有功功 率PA、功率因子PF等，则我们可以通过全面的数据分析（包括正常路灯运行数据、异常路灯 运行数据等），来给出每一盏路灯运行状态的自动分析和判别，从而可以更为快速、直接、以 及更为科学合理的判断出该路灯是否运行正常，或是隶属于哪一种故障。目前已知的典型 故障有灯杆无电（实际非路灯自身故障，但因为会造成灯不亮所以也属于路灯故障）、电容 损坏、跳灯（路灯时好时坏）、路灯严重老化以及路灯全损坏等。
[0004] 然而在路灯故障的判定上，仍存在以下的问题：
[0005] 1、各类路灯故障种类繁多，远程和现场判断都缺乏标准和精准的依据；
[0006] 2、路灯故障判断准确率不高，造成误报和漏报比例占比较大，使得路灯灯管理工 作效率不高同时也造成道路照明服务水平的下降。
【发明内容】
[0007] 以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是 所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非 试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一 些概念以为稍后给出的更加详细的描述之序。
[0008] 本发明的目的在于解决上述问题，提供了一种基于模糊集合理论的路灯故障类型 判断方法，能有效的改善路灯故障判断的依据并相当幅度的提高判断和报告准确率。
[0009] 本发明的技术方案为：本发明揭示了一种基于模糊集合理论的路灯故障类型判断 方法，包括：
[0010] 根据正常路灯和故障路灯的实际运行数据，分别给出不同故障类型的模型参数， 并根据实际运行数据和模型参数构造出各个分量数据的隶属度函数，得到最初的隶属度模 型；
[0011] 每次引入新的单灯数据，并基于最新的隶属度模型进行判断，并针对判定为故障 的路灯进行现场核实；
[0012] 若核查发现正确，则继续进行下一次单灯数据的判断，同时将当前判断正确的故 障例子中的电参数据加入到对应的故障类型数据库中，待累计到一定数量时重新修正该故 障类型的模型参数；
[0013] 若核查发现错误，则进行人工分析并归类，待累计到一定数量时重新修正该故障 类型的模型参数；
[0014] 在核查之后获得修正后的模型参数，再继续下一个单灯数据的判断。
[0015] 根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，在核查发 现错误的过程中，若对模型参数的修正仍不起作用，则进一步修正隶属度模型本身。
[0016] 根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，模型参数 包括典型期望值、标准偏差。
[0017] 根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，分量数据 包括电流数据、电压数据。
[0018] 根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，在核查发 现错误的步骤中，若新增的被核查是错误的数据若现场验证灯无故障，则重新测试电参数 据，并将其归入到非故障灯数据库中，若被核实为其他故障，则将电参数据加入到对应的故 障类型数据库中。
[0019] 根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，隶属度函 数是基于正常灯的单灯数据和故障灯的单灯数据一同构造的。
[0020] 根据本发明的基于模糊集合理论的路灯故障类型判断方法的一实施例，当出现新 增故障类型时，或者需要分立与合并故障类型时，重新归类新的故障类型数据库，以便重新 构造新的隶属度模型和参数。
[0021] 本发明对比现有技术有如下的有益效果：本发明的方案是基于模糊集合理论并 结合大量的单灯运行多个电参数据（包括正常灯和故障灯）特征的多类别故障自动判断， 同时算法注重自我修正和自主学习。相较于传统技术，本发明基于路灯运行（大）数据的 全新模糊集合理论，能有效的改善路等故障判断的依据并相当幅度的提高判断和报告准确 率。随着路灯系统逐步推广到单灯，系统运行数据在迅猛的增加，这就为今后进一步的提高 路灯故障判断带来新的依靠和保障。经实践检验，在超过100条马路上的300多个路灯箱 所管理的10000盏以上的路灯运行系统来看，本发明算法的故障判断准确率从以前（无该 算法时仅凭检验判断）的80%提升到目前的95%以上。同时，不断新增的单灯运行数据为 本算法的合理修正也带来新的可能。在实际修正过程中，我们发现，数据越多，本发明的模 型适应性和依据模型来做判断的准确性和可靠性也越有保证。
【附图说明】
[0022] 图1示出了本发明的基于模糊集合理论的路灯故障类型判断方法的较佳实施例 的流程图。
【具体实施方式】
[0023] 在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的 上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征 的组件可能具有相同或相近的附图标记。
[0024] 图1示出了本发明的基于模糊集合理论的路灯故障类型判断方法的较佳实施例 的流程。请参见图1，本实施例的方法的详细步骤如下。
[0025] 步骤Sl :根据正常路灯和故障路灯的实际运行数据，分别给出不同故障类型的模 型参数，并根据实际运行数据和模型参数构造出各个分量数据的隶属度函数，得到最初的 隶属度模型。
[0026] 这里所说的模型参数包括某一类别故障的路灯电参数据的典型期望值（大数据 平均值）和标准偏差（类正态分布下11个 〇的标准偏差）。而分量数据所指的是路灯的电 流、电压等数据。
[0027] 隶属度函数的构造主要是基于经验和大量的单灯数据，其中最基本和最多的数据 是正常灯。现实中正常灯和故障灯逻辑上是相互独立排斥的，那么在隶属度函数的构造中 必须考虑正常灯的单灯数据库，如此故障灯的模型与参数才能设计合理并在实践中保持稳 定同时又能方便判断。本方法中的隶属度函数形式可以是多样的，这里只是给出了基于模 糊集合理论的最简单的形态。具体的各种灯的形态或有所不同，也会根据更多的单灯数据 而不断的修正和变化。而当出现新增故障类型，或者根据用户需求分立与合并故障类型时。 需要重新归类新的数据库，以便重新构造新隶属度模型和参数。
[0028] 在这一步骤中，本实施例将实际大量路灯长时间运行时的各种状况加入了分析算 法。而在传统的路灯故障判断系统或软件中，即便是自动判断，但是都凭借所谓的固定单一 的经验值，而不是实际的路灯运行数据，更不用说是大数据和变化的数据。
[0029] 以下举一示例来说明步骤S1。
[0030] 1)先根据以往丰富路灯数据和业内经验建立最简单的隶属度函数
[0031] μ Ai j (X) = 0,当 x〈Xi j-Ai j 或者 x>Xi j+Ai j (公式一）；
[0032] μ Aij (X) = I - (x-Xij)*(x_Xij)/(Aij*Aij)，当 Xij-Aij 彡 x 彡 Xij+Aij (公式 二），
[0033] 其中某个灯X的实测或待测电参数（可以为I、U、PA以及PF等的任一个），i表 示路灯状态（有正常、严重老化、杆下无电、电容损坏、灯损坏等），j表示特征电参（例如 I、U、PA以及PF等），Xij和Aij分别为是指某一路灯状态i下某一类电参j的典型期望值 (大数平均）和标准偏差（这里为简单起见，在最初的隶属度函数构造时，选取最标准的正 态分布模型，并且以单倍的标准偏差为基本筛选范围）
[0034] 2)根据大量路灯数据归纳统计而得到的Xij与Aij表，现以Philips某型号的 250w的高压钠灯在220V单相交流供电运行时，举例如下
[0035]
【主权项】
1. 一种基于模糊集合理论的路灯故障类型判断方法，包括： 根据正常路灯和故障路灯的实际运行数据，分别给出不同故障类型的模型参数，并根 据实际运行数据和模型参数构造出各个分量数据的隶属度函数，得到最初的隶属度模型； 每次引入新的单灯数据，并基于最新的隶属度模型进行判断，并针对判定为故障的路 灯进行现场核实； 若核查发现正确，则继续进行下一次单灯数据的判断，同时将当前判断正确的故障例 子中的电参数据加入到对应的故障类型数据库中，待累计到一定数量时重新修正该故障类 型的模型参数； 若核查发现错误，则进行人工分析并归类，待累计到一定数量时重新修正该故障类型 的模型参数； 在核查之后获得修正后的模型参数，再继续下一个单灯数据的判断。
2. 根据权利要求1所述的基于模糊集合理论的路灯故障类型判断方法，其特征在于， 在核查发现错误的过程中，若对模型参数的修正仍不起作用，则进一步修正隶属度模型本 身。
3. 根据权利要求1所述的基于模糊集合理论的路灯故障类型判断方法，其特征在于， 模型参数包括典型期望值、标准偏差。
4. 根据权利要求1所述的基于模糊集合理论的路灯故障类型判断方法，其特征在于， 分量数据包括电流数据、电压数据。
5. 根据权利要求1所述的基于模糊集合理论的路灯故障类型判断方法，其特征在于， 在核查发现错误的步骤中，若新增的被核查是错误的数据若现场验证灯无故障，则重新测 试电参数据，并将其归入到非故障灯数据库中，若被核实为其他故障，则将电参数据加入到 对应的故障类型数据库中。
6. 根据权利要求1所述的基于模糊集合理论的路灯故障类型判断方法，其特征在于， 隶属度函数是基于正常灯的单灯数据和故障灯的单灯数据一同构造的。
7. 根据权利要求1所述的基于模糊集合理论的路灯故障类型判断方法，其特征在于， 当出现新增故障类型时，或者需要分立与合并故障类型时，重新归类新的故障类型数据库， 以便重新构造新的隶属度模型和参数。
【专利摘要】本发明公开了一种基于模糊集合理论的路灯故障类型判断方法，能有效的改善路灯故障判断的依据并相当幅度的提高判断和报告准确率。其技术方案为：基于模糊集合理论并结合大量的单灯运行多个电参数据(包括正常灯和故障灯)特征的多类别故障自动判断，同时算法注重自我修正和自主学习。
【IPC分类】G06F19-00, G01R31-44
【公开号】CN104808154
【申请号】CN201410422165
【发明人】林辉, 张益军, 顾国昌
【申请人】上海路辉电子科技有限公司
【公开日】2015年7月29日
【申请日】2014年8月25日