一种用于获得智能仪表的健康预测信息的方法和装置与流程

本发明涉及智能仪表技术领域，尤其涉及一种用于获得智能仪表的健康预测信息的方法和装置。

背景技术：

智能仪表在人们生活中的使用范围极为广泛，而由于不同的智能仪表所对应的厂家、功能、安装情况等可能是不同的，因此，很难面向大量智能仪表，来预测其中每个智能仪表的健康状态，这会给智能仪表的用户或厂家带来极大的不便，如由于无法准确获知智能仪表的健康状态，智能仪表的厂家通常在预定的使用年限达到时才更换智能仪表，若智能仪表的实际寿命并未达到预定的使用年限，则将影响用户的正常使用，而若达到预定的使用年限时智能仪表仍处于良好的健康状态，则将造成资源浪费，且会需要厂家花费较大的生产成本。

现有技术中，为了监控智能仪表的状态，存在以下技术方案：1)定义状态评价规则和评定量表，并根据所述状态评价规则来标记智能仪表；2)通过设计在线状态监测设备，来获得智能仪表的实时运行状态。上述技术方案仅能监控智能仪表当前的状态，并不具备预测作用。

技术实现要素：

有鉴于此，本发明的一个实施例解决的问题之一是如何准确地预测智能仪表的健康状态，从而便于针对智能仪表作出准确的维护和/或轮换等决策。

根据本发明的一个实施例，提供了一种用于获得智能仪表的健康预测信息的方法，其中，该方法包括：

获得用于预测智能仪表的健康状态的因子相关性信息，其中，所述因子相关性信息用于指示健康影响因子与健康状态之间的相关性；

将所述因子相关性信息以及所述智能仪表的设备相关信息，作为基于所 述智能仪表的生命周期所建立的健康评价模型的输入，来获得所述智能仪表的健康预测信息。

根据本发明的一个实施例，提供了一种用于获得智能仪表的健康预测信息的装置，其中，该装置包括：

第一获得单元，用于获得用于预测智能仪表的健康状态的因子相关性信息，其中，所述因子相关性信息用于指示健康影响因子与健康状态之间的相关性；

预测单元，用于将所述因子相关性信息以及所述智能仪表的设备相关信息，作为基于所述智能仪表的生命周期所建立的健康评价模型的输入，来获得所述智能仪表的健康预测信息。

与现有技术相比，本发明具有以下优点：考虑到了生命周期以及每个生命阶段对智能仪表的健康状态的影响，通过基于生命周期理论的分析和管理，来实现智能仪表的健康状态的预测，从而可准确且清晰地获知智能仪表在整个生命周期中的健康状态的全局视图，便于智能电网的整体运作；可准确且方便地找到在智能仪表的整个生命周期以及每个生命阶段中的健康影响因子，且通过基于数据库的大数据分析来计算健康影响因子与健康状态之间的因子相关性信息，以准确地预测智能仪表的剩余寿命，以便于作出针对智能仪表的维护或轮换等建议，从而可延长智能仪表的使用寿命，且便于及时对智能仪表进行更换，进而避免由于不及时更换而给用户带来不便；此外，能够基于智能仪表的生命周期来建立健康评价模型，从而将智能仪表的健康状态与生命周期中的生命阶段联系起来，从而使得通过健康评价模型能够可靠且定量的预测智能仪表的健康状态，以便于及时获知智能仪表的健康状态，从而能够及时且准确地作出相应的维护或轮换等决策；可根据所述健康预测信息，优化所述健康评价模型，从而无论环境和条件如何变化，均可实现健康评价模型的动态更新和优化。

附图说明

本发明的其它特点、特征、优点和益处通过以下结合附图的详细描述将变得更加显而易见。

图1为根据本发明一个实施例的用于获得智能仪表的健康预测信息的方法的流程示意图；

图2为根据本发明另一个实施例的用于获得智能仪表的健康预测信息的方法的流程示意图；

图3为根据本发明一个实施例的用于获得智能仪表的健康预测信息的装置的结构示意图；

图4为根据本发明另一个实施例的用于获得智能仪表的健康预测信息的装置的结构示意图；

图5为根据本发明一个实施例的计算机设备的通用结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1为根据本发明一个实施例的用于获得智能仪表的健康预测信息的方法的流程示意图。

其中，所述智能仪表包括任何结合有计算机技术和检测技术的智能仪器，如智能电表、智能水表等。

其中，本实施例的方法主要通过计算机设备来实现，所述计算机设备包括但不限于网络设备和用户设备等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(cloudcomputing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机；所述网络设备所处的网络包括但不限于互联网、广域网、城域网、局域网、vpn网络等；所述用户设备包括但不限于pc机、平板电脑等。

需要说明的是，所述计算机设备仅为举例，其他现有的或今后可能出现的计算机设备如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。

根据本实施例的方法包括步骤s110和步骤s120。

在步骤s110中，计算机设备获得用于预测智能仪表的健康状态的因子相关性信息。

其中，所述因子相关性信息包括任何用于指示健康影响因子与健康状态之间的相关性的信息，如健康影响因子与健康状态之间的相关系数，或相关函数等。其中，所述健康状态用于指示智能仪表的健康情况，如用于指示智能仪表的剩余寿命长度、有效寿命长度、当前寿命阶段等。其中，所述健康影响因子包括任何会影响智能仪表的健康状态的因子，如智能仪表所处环境的潮湿度、外界环境温度，智能仪表的自身温度等。例如，因子相关性信息指示智能仪表所处环境的潮湿度与智能仪表的剩余寿命长度之间的非线性关系。需要说明的是，优选地，所述因子相关信息指示健康影响因子与生命周期中的每个生命阶段的健康状态(如每个生命阶段的时间长度)的相关性。

需要说明的是，优选地，所述因子相关性信息可用于指示单个健康影响因子与健康状态之间的相关性，也可用于指示至少两个健康影响因子与健康状态之间的复合相关性。例如，因子相关性信息包括：潮湿度与智能仪表的剩余寿命长度之间的相关系数、温度与智能仪表的剩余寿命长度之间的相关系数，以及潮湿度和温度相结合与智能仪表的剩余寿命长度之间的复合相关系数。

具体地，计算机设备可采用多种方式获得用于预测智能仪表的健康状态的因子相关性信息。

例如，计算机设备接收其他设备所测量到的用于预测智能仪表的健康状态的因子相关性信息。

又例如，计算机设备获得操作人员基于经验输入的用于预测智能仪表的健康状态的因子相关性信息。

作为一种优选方案，所述步骤s110进一步包括步骤s1110和步骤s1120。

在步骤s1110中，计算机设备建立与基于智能仪表的生命周期所建立的健康评价模型相对应的数据库，所述数据库用于收集适用于所述生命周期的多个智能仪表的生命周期数据。

其中，建立所述健康评价模型的实现方式将在后续实施例中予以详述，在此不再赘述。

优选地，所述数据库为分布式数据库。

其中，智能仪表的生命周期表示智能仪表的全寿命周期，所述生命周期被划分为多个生命阶段；优选地，所述生命周期被划分为以下生命阶段：制造阶段，运输阶段，安装阶段，运行阶段，维护阶段，废弃阶段。

需要说明的是，生命周期的划分与智能仪表的功能、适用区域、健康影响因子(能够影响智能仪表的健康状态的影响因子)等多种因素相关，因此，应基于智能仪表的实际情况来将生命周期划分为若干个生命阶段；例如，一种类型的智能仪表在安装阶段不会对其健康状态产生影响，则在对该类型的智能仪表的生命周期进行划分时，可忽略安装阶段。

其中，所述生命周期数据包括智能仪表的生命周期内的所有数据；优选地，所述生命周期数据包括智能仪表的生命周期中的每个生命阶段相对应的在线数据和离线数据。优选地，所述在线数据包括但不限于：用于测量系统的数据、连续工作时间、气象数据、故障数据、电压数据、电磁干扰数据等；优选地，所述离线数据包括但不限于：智能电表的结构数据、模块信息、厂家(制造商、销售商等)数据、安装数据等。需要说明的是，优选地，数据库存储其收集到的每项生命周期数据，并记录每项生命周期数据所对应的生命阶段。

作为一个示例，具备相同型号的一批智能电表适用于相同的生命周期，在步骤s1110中，计算机设备建立与基于该生命周期所建立的健康评价模型相对应的数据库，该数据库用于收集该批智能电表整个生命周期内的所有在线数据和离线数据。

在步骤s1120中，计算机设备根据所述数据库中当前收集到的生命周期数据，计算得到用于预测所述智能仪表的健康状态的因子相关性信息。

具体地，计算机设备通过对数据库中当前收集到的生命周期数据进行因子相关性分析，来计算健康影响因子与健康状态之间的因子相关性信息。

其中，计算机设备可采用多种机器学习方式进行所述因子相关性分析，如聚类分析、多维矩阵分析、支持向量机、回归分析和深度学习等。

作为一个示例，预定义的健康影响因子包括潮湿度和温度，在步骤s1120中，计算机设备通过对数据库中当前收集到的寿命周期数据进行相关性分析，计算得到潮湿度与剩余寿命长度之间的相关系数c1，以及温度与剩余寿命长度之间的相关系数c2，之后，计算机设备进一步基于神经网络算法，计算得到潮湿度与温度相结合的复合健康影响因子与剩余寿命长度之间的相关函数c3，并将c1、c2和c3作为用于预测智能仪表的健康状态的因子相关性信息。

需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本 发明的限制，本领域技术人员应该理解，任何获得用于预测智能仪表的健康状态的因子相关性信息的实现方式，均应包含在本发明的范围内。

在步骤s120中，计算机设备将所述因子相关性信息以及所述智能仪表的设备相关信息，作为基于所述智能仪表的生命周期所建立的健康评价模型的输入，来获得所述智能仪表的健康预测信息。

其中，所述设备相关信息包括任何与所述智能仪表相关的可用于预测其健康状态的信息。优选地，所述设备相关信息包括所述智能仪表当前所处于的其生命周期中的生命阶段，如所述设备相关信息指示智能仪表当前处于运行阶段。更优选地，所述设备相关信息还包括智能仪表当前所对应的外界环境信息和/或所述智能仪表的当前属性信息；其中，所述外界环境信息包括任何用于指示智能仪表外界的物理环境的信息，如智能仪表所处环境中的潮湿度、当前的环境温度等；其中，所述当前属性信息包括任何与智能仪表的当前属性相关的信息，如智能仪表的连续工作时间、当前电压值等。

其中，计算机设备可采用多种方式获得所述设备相关信息。例如，计算机设备获得智能仪表所提供的其设备相关信息；又例如，计算机设备获得其他设备通过检测智能仪表所获得的该智能仪表的设备相关信息。

其中，所述健康预测信息包括任何与针对智能仪表的健康状态的预测结果相关的信息。优选地，所述健康预测信息包括但不限于：

1)用于指示智能仪表的当前健康状态的预测信息，如健康预测信息指示智能仪表的当前寿命阶段为末期，该寿命阶段表示智能仪表的剩余寿命不足1年。

2)用于指示智能仪表的未来健康状态的预测信息，如健康预测信息指示智能仪表未来寿命长度的衰减情况，或者，指示预测到的智能仪表未来的寿命长度值为2年。

3)针对所述智能仪表的维护建议信息，所述维护建议信息包括任何与针对智能仪表的维护建议相关的信息，如健康预测信息指示日常进行防雨、防晒、防尘等维护操作。

4)针对所述智能仪表的轮换建议信息。其中，所述轮换建议信息包括任何与针对智能仪表的轮换建议相关的信息，如建议立即执行轮换操作，或建议在1个月后执行轮换操作；优选地，可在预测到智能仪表的剩余寿命长度低于预定阈值(如3个月)时，提供针对智能仪表的轮换建议信息，负责 轮换操作的人员或厂家可基于所述轮换建议信息以及实际情况进一步确定是否执行智能仪表的轮换。

需要说明的是，上述健康预测信息仅为举例，而非对本发明的限制，本领域技术人员应能理解，任何与针对智能仪表的健康状态的预测结果相关的信息，均应包含在本发明的健康预测信息的范围内。

需要说明的是，基于智能仪表的生命周期所建立的健康评价模型，是表示健康评价模型所基于的生命周期(以及生命周期中所包含的生命阶段)与需要预测的智能仪表的生命周期(以及生命周期中所包含的生命阶段)是相同的。

具体地，计算机设备将所述因子相关性信息以及所述智能仪表的设备相关信息，作为基于所述智能仪表的生命周期所建立的健康评价模型的输入，并将健康评价模型的输出作为针对所述智能仪表的健康预测信息。

作为本实施例的一种优选方案，本实施例的方法还包括：计算机设备根据所述健康预测信息，优化所述健康评价模型。

根据本实施例的方案，考虑到了生命周期以及每个生命阶段对智能仪表的健康状态的影响，通过基于生命周期理论的分析和管理，来实现智能仪表的健康状态的预测，从而可准确且清晰地获知智能仪表在整个生命周期中的健康状态的全局视图，便于智能电网的整体运作；可准确且方便地找到在智能仪表的整个生命周期以及每个生命阶段中的健康影响因子，且通过基于数据库的大数据分析来计算健康影响因子与健康状态之间的因子相关性信息，可准确地预测智能仪表的剩余寿命，以便于作出针对智能仪表的维护或轮换等建议，从而可延长智能仪表的使用寿命，且便于及时对智能仪表进行更换，进而避免由于不及时更换而给用户带来不便；此外，可根据所述健康预测信息，优化所述健康评价模型，从而无论环境和条件如何变化，均可实现健康评价模型的动态更新和优化。

图2为本发明另一个实施例的用于获得智能仪表的健康预测信息的方法的流程示意图。根据本实施例的方法包括步骤s110、步骤s120、步骤s130和步骤s140，其中，所述步骤s110和所述步骤s120已在参照图1所示实施例中予以详述，在此不再赘述。

其中，所述步骤s130和所述步骤s140在所述步骤s110之前被执行。

在步骤s130中，计算机设备获得所述生命周期中的每个生命阶段所对 应的生命特征信息。

其中，对于每个生命阶段，该生命阶段所对应的生命特征信息包括任何与该生命阶段的特征相关的信息。例如，生命阶段为制造阶段，智能仪表在该生命阶段所对应的生命特征信息包括：智能仪表的生产厂家、系统结构设计、模块连接方式等；又例如，生命阶段为运输阶段，智能仪表在该生命阶段所对应的生命特征信息包括：运输方式(如飞机、汽车等)、起始地点和目标地点、天气情况、密封情况、时间信息等。

具体地，计算机设备可采用多种方式获得所述生命周期中的每个生命阶段所对应的生命特征信息。例如，针对一批智能仪表，计算机设备获得操作人员基于经验输入的该批智能仪表的生命周期中的每个生命阶段所对应的生命特征信息。又例如，计算机设备收集具有相同型号的多个智能仪表在整个生命周期中的数据，并基于大数据分析定义该多个智能仪表的生命周期所包含的生命阶段，以及每个生命阶段所对应的生命特征信息。

需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何获得所述生命周期中的每个生命阶段所对应的生命特征信息的实现方式，均应包含在本发明的范围内。

在步骤s140中，计算机设备根据所述生命特征信息，预定义的多个健康影响因子，以及所述多个健康影响因子中的每个健康影响因子与健康状态之间的预设相关性信息，建立与所述智能仪表相对应的健康评价模型。

优选地，所述预定义的多个健康影响因子为可物理表示的能够影响智能仪表的健康状态的影响因子，如潮湿度、温度等。

具体地，计算机设备根据生命周期中的每个生命阶段所对应的生命特征信息、预定义的多个健康影响因子、以及所述多个健康影响因子中的每个健康影响因子与健康状态之间的预设相关性信息，建立健康评价模型。该健康评价模型用于预测适用于所述生命周期的智能仪表的健康状态。

需要说明的是，优选地，所述健康评价模型中还包括基于生命周期的预定预测规则。

根据本实施例的方案，能够基于智能仪表的生命周期来建立健康评价模型，从而将智能仪表的健康状态与生命周期中的生命阶段联系起来，从而使得通过健康评价模型能够可靠且定量的预测智能仪表的健康状态，以便于及时获知智能仪表的健康状态，从而能够及时且准确地作出相应的维护或轮换 等决策。

图3为根据本发明一个实施例的用于获得智能仪表的健康预测信息的装置的结构示意图。

该用于获得智能仪表的健康预测信息的装置(以下简称为“健康预测装置100”)包括第一获得单元110和预测单元120。

第一获得单元110获得用于预测智能仪表的健康状态的因子相关性信息。

其中，所述因子相关性信息包括任何用于指示健康影响因子与健康状态之间的相关性的信息，如健康影响因子与健康状态之间的相关系数，或相关函数等。其中，所述健康状态用于指示智能仪表的健康情况，如用于指示智能仪表的剩余寿命长度、有效寿命长度、当前寿命阶段等。其中，所述健康影响因子包括任何会影响智能仪表的健康状态的因子，如智能仪表所处环境的潮湿度、外界环境温度，智能仪表的自身温度等。例如，因子相关性信息指示智能仪表所处环境的潮湿度与智能仪表的剩余寿命长度之间的非线性关系。需要说明的是，优选地，所述因子相关信息指示健康影响因子与生命周期中的每个生命阶段的健康状态(如每个生命阶段的时间长度)的相关性。

需要说明的是，优选地，所述因子相关性信息可用于指示单个健康影响因子与健康状态之间的相关性，也可用于指示至少两个健康影响因子与健康状态之间的复合相关性。例如，因子相关性信息包括：潮湿度与智能仪表的剩余寿命长度之间的相关系数、温度与智能仪表的剩余寿命长度之间的相关系数，以及潮湿度和温度相结合与智能仪表的剩余寿命长度之间的复合相关系数。

具体地，第一获得单元110可采用多种方式获得用于预测智能仪表的健康状态的因子相关性信息。

例如，第一获得单元110接收其他设备所测量到的用于预测智能仪表的健康状态的因子相关性信息。

又例如，第一获得单元110获得操作人员基于经验输入的用于预测智能仪表的健康状态的因子相关性信息。

作为一种优选方案，第一获得单元110进一步包括数据库建立单元(图未示)和计算单元(图未示)。

数据库建立单元建立与基于智能仪表的生命周期所建立的健康评价模 型相对应的数据库，所述数据库用于收集适用于所述生命周期的多个智能仪表的生命周期数据。

其中，建立所述健康评价模型的实现方式将在后续实施例中予以详述，在此不再赘述。

优选地，所述数据库为分布式数据库。

其中，智能仪表的生命周期表示智能仪表的全寿命周期，所述生命周期被划分为多个生命阶段；优选地，所述生命周期被划分为以下生命阶段：制造阶段，运输阶段，安装阶段，运行阶段，维护阶段，废弃阶段。

需要说明的是，生命周期的划分与智能仪表的功能、适用区域、健康影响因子等多种因素相关，因此，应基于智能仪表的实际情况来将生命周期划分为若干个生命阶段；例如，一种类型的智能仪表在安装阶段不会对其健康状态产生影响，则在对该类型的智能仪表的生命周期进行划分时，可忽略安装阶段。

其中，所述生命周期数据包括智能仪表的生命周期内的所有数据；优选地，所述生命周期数据包括智能仪表的生命周期中的每个生命阶段相对应的在线数据和离线数据。优选地，所述在线数据包括但不限于：用于测量系统的数据、连续工作时间、气象数据、故障数据、电压数据、电磁干扰数据等；优选地，所述离线数据包括但不限于：智能电表的结构数据、模块信息、厂家(制造商、销售商等)数据、安装数据等。需要说明的是，优选地，数据库存储其收集到的每项生命周期数据，并记录每项生命周期数据所对应的生命阶段。

作为一个示例，具备相同型号的一批智能电表适用于相同的生命周期，数据库建立单元建立与基于该生命周期所建立的健康评价模型相对应的数据库，该数据库用于收集该批智能电表整个生命周期内的所有在线数据和离线数据。

计算单元根据所述数据库中当前收集到的生命周期数据，计算得到用于预测所述智能仪表的健康状态的因子相关性信息。

具体地，计算单元通过对数据库中当前收集到的生命周期数据进行因子相关性分析，来计算健康影响因子与健康状态之间的因子相关性信息。

其中，计算机设备可采用多种机器学习方式进行所述因子相关性分析，如聚类分析、多维矩阵分析、支持向量机、回归分析和深度学习等。

作为一个示例，预定义的健康影响因子包括潮湿度和温度，计算单元通过对数据库中当前收集到的寿命周期数据进行相关性分析，计算得到潮湿度与剩余寿命长度之间的相关系数c1，以及温度与剩余寿命长度之间的相关系数c2，之后，计算单元进一步基于神经网络算法，计算得到潮湿度与温度相结合的复合健康影响因子与剩余寿命长度之间的相关函数c3，并将c1、c2和c3作为用于预测智能仪表的健康状态的因子相关性信息。

需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何获得用于预测智能仪表的健康状态的因子相关性信息的实现方式，均应包含在本发明的范围内。

预测单元120将所述因子相关性信息以及所述智能仪表的设备相关信息，作为基于所述智能仪表的生命周期所建立的健康评价模型的输入，来获得所述智能仪表的健康预测信息。

其中，所述设备相关信息包括任何与所述智能仪表相关的可用于预测其健康状态的信息。优选地，所述设备相关信息包括所述智能仪表当前所处于的其生命周期中的生命阶段，如所述设备相关信息指示智能仪表当前处于运行阶段。更优选地，所述设备相关信息还包括智能仪表当前所对应的外界环境信息和/或所述智能仪表的当前属性信息；其中，所述外界环境信息包括任何用于指示智能仪表外界的物理环境的信息，如智能仪表所处环境中的潮湿度、当前的环境温度等；其中，所述当前属性信息包括任何与智能仪表的当前属性相关的信息，如智能仪表的连续工作时间、当前电压值等。

其中，预测单元120可采用多种方式获得所述设备相关信息。例如，预测单元120获得智能仪表所提供的其设备相关信息；又例如，预测单元120获得其他设备通过检测智能仪表所获得的该智能仪表的设备相关信息。

其中，所述健康预测信息包括任何与针对智能仪表的健康状态的预测结果相关的信息。优选地，所述健康预测信息包括但不限于：

1)用于指示智能仪表的当前健康状态的预测信息，如健康预测信息指示智能仪表的当前寿命阶段为末期，该寿命阶段表示智能仪表的剩余寿命不足1年。

2)用于指示智能仪表的未来健康状态的预测信息，如健康预测信息指示智能仪表未来寿命长度的衰减情况，或者，指示预测到的智能仪表未来的寿命长度值为2年。

3)针对所述智能仪表的维护建议信息，所述维护建议信息包括任何与针对智能仪表的维护建议相关的信息，如健康预测信息指示日常进行防雨、防晒、防尘等维护操作。

4)针对所述智能仪表的轮换建议信息。其中，所述轮换建议信息包括任何与针对智能仪表的轮换建议相关的信息，如建议立即执行轮换操作，或建议在1个月后执行轮换操作；优选地，可在预测到智能仪表的剩余寿命长度低于预定阈值(如3个月)时，提供针对智能仪表的轮换建议信息，负责轮换操作的人员或厂家可基于所述轮换建议信息以及实际情况进一步确定是否执行智能仪表的轮换。

需要说明的是，上述健康预测信息仅为举例，而非对本发明的限制，本领域技术人员应能理解，任何与针对智能仪表的健康状态的预测结果相关的信息，均应包含在本发明的健康预测信息的范围内。

需要说明的是，基于智能仪表的生命周期所建立的健康评价模型，是表示健康评价模型所基于的生命周期(以及生命周期中所包含的生命阶段)与需要预测的智能仪表的生命周期(以及生命周期中所包含的生命阶段)是相同的。

具体地，预测单元120将所述因子相关性信息以及所述智能仪表的设备相关信息，作为基于所述智能仪表的生命周期所建立的健康评价模型的输入，并将健康评价模型的输出作为针对所述智能仪表的健康预测信息。

作为本实施例的一种优选方案，本实施例的健康预测装置100还包括模型优化单元(图未示)。模型优化单元根据所述健康预测信息，优化所述健康评价模型。

根据本实施例的方案，考虑到了生命周期以及每个生命阶段对智能仪表的健康状态的影响，通过基于生命周期理论的分析和管理，来实现智能仪表的健康状态的预测，从而可准确且清晰地获知智能仪表在整个生命周期中的健康状态的全局视图，便于智能电网的整体运作；可准确且方便地找到在智能仪表的整个生命周期以及每个生命阶段中的健康影响因子，且通过基于数据库的大数据分析来计算健康影响因子与健康状态之间的因子相关性信息，可准确地预测智能仪表的剩余寿命，以便于作出针对智能仪表的维护或轮换等建议，从而可延长智能仪表的使用寿命，且便于及时对智能仪表进行更换，进而避免由于不及时更换而给用户带来不便；此外，可根据所述健康预测信 息，优化所述健康评价模型，从而无论环境和条件如何变化，均可实现健康评价模型的动态更新和优化。

图4为本发明另一个实施例的用于获得智能仪表的健康预测信息的装置的结构示意图。该用于获得智能仪表的健康预测信息的装置(也即“健康预测装置100”)包括第一获得单元110、预测单元120、第二获得单元130和模型建立单元140。其中，所述第一获得单元110、预测单元120已在参照图3所示实施例中予以详述，在此不再赘述。

其中，第二获得单元130和模型建立单元140在第一获得单元110之前执行操作。

第二获得单元130获得所述生命周期中的每个生命阶段所对应的生命特征信息。

其中，对于每个生命阶段，该生命阶段所对应的生命特征信息包括任何与该生命阶段的特征相关的信息。例如，生命阶段为制造阶段，智能仪表在该生命阶段所对应的生命特征信息包括：智能仪表的生产厂家、系统结构设计、模块连接方式等；又例如，生命阶段为运输阶段，智能仪表在该生命阶段所对应的生命特征信息包括：运输方式(如飞机、汽车等)、起始地点和目标地点、天气情况、密封情况、时间信息等。

具体地，第二获得单元130可采用多种方式获得所述生命周期中的每个生命阶段所对应的生命特征信息。例如，针对一批智能仪表，第二获得单元130获得操作人员基于经验输入的该批智能仪表的生命周期中的每个生命阶段所对应的生命特征信息。又例如，第二获得单元130收集具有相同型号的多个智能仪表在整个生命周期中的数据，并基于大数据分析定义该多个智能仪表的生命周期所包含的生命阶段，以及每个生命阶段所对应的生命特征信息。

需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何获得所述生命周期中的每个生命阶段所对应的生命特征信息的实现方式，均应包含在本发明的范围内。

模型建立单元140根据所述生命特征信息，预定义的多个健康影响因子，以及所述多个健康影响因子中的每个健康影响因子与健康状态之间的预设相关性信息，建立与所述智能仪表相对应的健康评价模型。

优选地，所述预定义的多个健康影响因子为可物理表示的能够影响智能 仪表的健康状态的影响因子，如潮湿度、温度等。

具体地，模型建立单元140根据生命周期中的每个生命阶段所对应的生命特征信息、预定义的多个健康影响因子、以及所述多个健康影响因子中的每个健康影响因子与健康状态之间的预设相关性信息，建立健康评价模型。该健康评价模型用于预测适用于所述生命周期的智能仪表的健康状态。

需要说明的是，优选地，所述健康评价模型中还包括基于生命周期的预定预测规则。

根据本实施例的方案，能够基于智能仪表的生命周期来建立健康评价模型，从而将智能仪表的健康状态与生命周期中的生命阶段联系起来，从而使得通过健康评价模型能够可靠且定量的预测智能仪表的健康状态，以便于及时获知智能仪表的健康状态，从而能够及时且准确地作出相应的维护或轮换等决策。

图5示出了按照本发明一个实施例的计算机设备200的通用结构框图。计算机设备200可以包括存储器210和处理器220。存储器210可以存储可执行指令。处理器220可以根据存储器210所存储的可执行指令，实现上述用于获得智能仪表的健康预测信息的操作。

此外，本发明的实施例还提供了一种机器可读介质，其上存储有可执行指令，当所述可执行指令被执行时，使得机器执行处理器220所实现的操作。

上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，本领域技术人员从中推导出来的其他方案也在本发明的保护范围之内。