一种计量生产设施故障在线诊断方法
【技术领域】
[0001] 本发明涉及电力系统用电技术领域，尤其涉及一种计量生产设施故障在线诊断方 法。
【背景技术】
[0002] 计量生产设施"四线一库"（单相智能电能表自动化检定流水线、三相智能电能表 自动化检定流水线、低压电流互感器自动化检测流水线、用电采集终端自动化检测流水线、 智能化仓储库房）各个分控系统的监测数据上送至前置采集服务器，汇总得到计量中心集 中监测数据。在此基础上，开展基于人工神经网络的故障在线诊断在计量中心的应用工作。
[0003] 首先梳理大量的集中监测数据，对正常的和故障的计量生产设施监测数据进行分 析，选取合适的故障影响因素作为自变量，故障类别作为因变量，构建诊断专家库（训练样 本）；然后将训练样本进行主成分分析，对高维空间变量进行降维，提取的主成分作为BP神 经网络的输入，通过不断地调整网络（修正权值和阈值），使网络的输出误差达到最小，满 足实际应用的要求，得到可供实际生产使用的计量生产设施故障预测模型，用于计量生产 设施故障在线诊断，辅助工作人员发现生产异常、设备故障，提高生产设施可靠性和计量中 心整体运维水平。
[0004] 随着"大营销"计量体系建设的推进，国家电网公司正逐渐加快各省计量中心生产 场所、生产设施的建设。在大规模集中检定的运作模式下，自动化生产系统如自动化检定 线、智能仓储系统、AGV控制系统等正在迅速替代传统的人工检定方式，"四线一库"检定生 产设施的整体自动化水平显著提升。然而，如何有效保证计量自动化生产设施的可靠性，以 及如何及时发现问题，被认为是影响计量中心生产的一大难题。
[0005] 1、计量生产设施各个硬件生产单元有告警设备，但是等到故障实际发生时，往往 已经影响到生产，并且对于生产异常和某些设备故障，生产单元告警设备不会报警，这样， 计量生产设施的可靠性根本无法保证。
[0006] 2、对于定位生产异常和设备故障，计量中心主要依靠传统人工分析的方式，凭借 工作经验，分析监测数据，定位故障，定位准确率不高，耗时很多，工作效率低下，这就直接 影响到整条生产线的产能。某一生产单元故障，若不及时解决，会造成一条生产线上多个生 产单元报警，更加大了人工定位故障的难度。
【发明内容】
[0007] 本发明提出一种计量生产设施故障在线诊断方法，可以实现对计量生产设施的故 障进行预测，保证自动化生产设施的可靠性，提高工作人员的工作效率，提升计量中心整体 运维水平。
[0008] 本发明技术方案如下：
[0009] 一种计量生产设施故障在线诊断方法，包括以下步骤：
[0010] S01，采集集中监测数据；集中监测数据包括故障时间、运行时长、位置信息、故障 告警类型。
[0011] S02,构建训练样本（诊断专家库）；
[0012] S03,建立基于人工神经网络的故障预测模型；
[0013] S04,计量生产设施故障在线诊断。
[0014] 步骤SOl具体包括以下步骤：
[0015] 采用统一的通讯规约将监测数据统一编码后上送到前置采集服务器，前置采集服 务器将接收到的所述监测数据汇总后存储到数据库服务器中，为计量生产设施故障在线诊 断提供数据源。
[0016] 步骤S02具体包括以下步骤：
[0017] (201)选取计量生产设施的故障影响因素：
[0018] 故障影响因素是指故障发生之前或者发生时异常的数据。基于面向计量生产设 施故障预测技术，针对自动化生产设施，即"四线一库"（单相智能电能表自动化检定流水 线、三相智能电能表自动化检定流水线、低压电流互感器自动化检测流水线、用电采集终端 自动化检测流水线、智能化仓储库房）5大组成部分，以计量中心生产设施监测数据项为 基础，采用合并、剔除、归类方法进行提取与筛选，构建计量生产设施故障影响因素指标体 系；
[0019] (202)梳理出计量生产设施的故障类别
[0020] 以计量中心生产设施监测数据为基础，采用专家头脑风暴法（即结合各网省公司 专家意见），梳理出通用的计量生产设施故障类别集，故障类别的内容一般包含两个方向， 一是不属于设备故障的生产异常，二是不会进行告警的设备故障；
[0021] (203)构建训练样本（诊断专家库）
[0022] 采用合并、剔除、归类方法，从一组包含状态、节拍、故障信息的集中监测数据中抽 取出一组故障影响因素值对应着某一运行状态。硬件生产单元能监测出大部分的设备故 障，但是对于某些故障不告警（例如设备PLC死机等），并且生产异常无法监测，因此，为了 保证初始诊断专家库的正确性，需要基于经验核对和校准自变量、因变量之间的对应关系， 校准不正确的故障分类，归类需要依据工作经验来判断的生产异常。
[0023] 设监测数据样本TnXm，m表示监测个数，η表示样本数量，选取p个故障影响因素以 及对应的故障类别，通过合并、剔除、归类方法，得到影响因素样本X nxp、运行状态Yn;从一 组包含状态、节拍、故障信息的集中监测数据中抽取出一组故障影响因素值对应的运行状 态（针对不同故障类别和正常状态抽取若干条数据），构建初始诊断专家库，即用于建模的 训练样本。
[0024] 合并方法为由故障时间、运行时长合并计算得到故障占比（故障影响因素），故障 占比=故障时间/运行时长；
[0025] 易Ij除方法剔除位置信息，此数据对故障判断没有太大意义，所以剔除；
[0026] 归类方法将故障告警类型归类到故障粒度中（故障在线诊断系统的故障粒度）。
[0027] 步骤S03具体包括以下步骤：
[0028] (301)对训练样本进行降维处理
[0029] 训练样本包含多个故障影响因素，故障影响因素众多并且各因素之间存在高度的 相关关系，因此对高维变量空间进行降维处理，并消除各因素之间的相对共线性。
[0030] 读入集中监控数据T (T1, T2, . . .，Tm)，即集中监控数据集T包括T1, T2, . . .，^元 素，构建训练样本，保存至诊断专家库，对于P个故障影响因素，η个样本的训练样本矩阵 X (X1, X2, ...，Xp)，主成分分析将训练样本从P维降到k维，得到主成分F (F1, F2, ...，Fk):其 中，T、X、F均为矩阵，括号内容为矩阵中的参数；
[0031]
【主权项】
1. 一种计量生产设施故障在线诊断方法，其特征在于，包括以下步骤： SO1，采集集中监测数据； 502, 构建训练样本； 503, 建立基于人工神经网络的故障预测模型； 504, 计量生产设施故障在线诊断。
2. 根据权利要求1所述的计量生产设施故障在线诊断方法，其特征在于，所述步骤SOl 具体包括以下步骤： 采用统一的通讯规约将监测数据统一编码后上送到前置采集服