故障识别方法和装置与流程

本发明涉及电采暖领域，具体而言，涉及一种故障识别方法和装置。

背景技术：

采暖设备主要包括空气源热泵、地源热泵、蓄热式机组、电锅炉，各种类型设备由多家生产厂家生产，实际应用中，用户选择安装的采暖设备不统一，安装使用后设备运行效果和故障水平差次不齐。

为了保证采暖季用户取暖效果，对出现故障或取暖效果不好的采暖设备，需要在短时间内快速修复及时排除故障，保证用户正常取暖。

在对采暖设备进行维修的过程中，需要工作人员根据工作经验，对采暖设备进行实地检测，确定故障类型，然后在进行维修。由于工作人员无法提前预知采暖设备的故障类型，从而无法准确适用的备品和工具，从而影响维修速度。

针对上述无法自动识别采暖设备的故障类型的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种故障识别方法和装置，以至少解决无法自动识别采暖设备的故障类型的技术问题。

根据本发明实施例的一个方面，提供了一种故障识别方法，包括：获取采暖设备的运行信息；根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：运行参数和运行参数对应的故障类型。

进一步地，所述运行信息包括：当前运行信息和历史运行信息，其中，当前运行信息表示所述采暖设备在当前时刻的运行情况；所述历史运行信息表示所述采暖设备在历史运行过程中的运行情况。

进一步地，在根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型之前，所述方法还包括：确定所述当前运行信息和所述历史运行信息之间的差异；判断所述差异是否高于预定阈值；在所述差异高于预定阈值的情况下，确定所述采暖设备出现故障。

进一步地，所述运行信息包括：所述采暖设备的电力信息和所述采暖设备所在环境的温度信息，根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型包括：根据第一预定模型对所述电力信息和所述温度信息进行分析，确定所述采暖设备的故障类型，所述预定模型包括：所述第一预定模型，所述第一预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：电力信息、温度信息和对应的故障类型。

进一步地，所述运行信息包括：用于表示所述采暖设备的运行状态的状态信息，和所述采暖设备所在环境的温度信息；根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型包括：根据第二预定模型对所述状态信息和所述温度信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型包括：所述第二预定模型，所述第二预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：状态信息、温度信息和对应的故障类型。

根据本发明实施例的另一方面，还提供了一种故障识别装置，包括：获取采暖设备的运行信息；根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：运行参数和运行参数对应的故障类型。

进一步地，所述运行信息包括：当前运行信息和历史运行信息，其中，当前运行信息表示所述采暖设备在当前时刻的运行情况；所述历史运行信息表示所述采暖设备在历史运行过程中的运行情况。

进一步地，所述装置还包括：第一确定模块，用于在根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型之前，确定所述当前运行信息和所述历史运行信息之间的差异；判断模块，用于判断所述差异是否高于预定阈值；第二确定模块，用于在所述差异高于预定阈值的情况下，确定所述采暖设备出现故障。

进一步地，所述运行信息包括：所述采暖设备的电力信息和所述采暖设备所在环境的温度信息；所述确定单元包括：第三确定模块，用于根据第一预定模型对所述电力信息和所述温度信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型包括：所述第一预定模型，所述第一预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：电力信息、温度信息和对应的故障类型。

进一步地，所述运行信息包括：用于表示所述采暖设备的运行状态的状态信息，和所述采暖设备所在环境的温度信息；所述确定单元包括：第四确定单元，根据第二预定模型对所述状态信息和所述温度信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型包括：所述第二预定模型，所述第二预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：状态信息、温度信息和对应的故障类型。

在本发明实施例中，训练数据包括：多组运行参数和运行参数对应的故障类型，通过机器学习预先对至少一组训练数据进行训练得到预定模型，根据预定模型对采暖设备的运行信息进行分析，可以确定采暖设备的故障类型，通过对采暖设备进行远程监控，远程获取采暖设备的运行参数，可以远程确定采暖设备的故障类型，从而实现了自动识别采暖设备的故障类型的技术效果，进而解决了无法自动识别采暖设备的故障类型的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种故障识别方法的流程图；

图2是根据本发明实施例的一种故障识别装置的示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，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”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种故障识别方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种故障识别方法的流程图，如图1所示，该方法包括如下步骤：

步骤s102，获取采暖设备的运行信息；

步骤s104，根据预定模型对运行信息进行分析，确定采暖设备的故障类型，其中，预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组训练数据包括：运行参数和运行参数对应的故障类型。

在本发明实施例中，训练数据包括：多组运行参数和运行参数对应的故障类型，通过机器学习预先对至少一组训练数据进行训练得到预定模型，根据预定模型对采暖设备的运行信息进行分析，可以确定采暖设备的故障类型，通过对采暖设备进行远程监控，远程获取采暖设备的运行参数，可以远程确定采暖设备的故障类型，从而实现了自动识别采暖设备的故障类型的技术效果，进而解决了无法自动识别采暖设备的故障类型的技术问题。

可选地，在确定采暖设备的故障类型后，还可以将故障类型发送至工作人员的移动终端，使工作人员可以根据故障类型提前准备备品和工具。

可选地，运行信息包括：设备类型、设备型号、电流、电压、电量、运行状态、开机时间、位置、室外温湿度、室内温湿度等。

可选地，根据采暖设备的运行信息的各项参数，确定采暖设备的运行情况。

例如，可以根据电流、电压和状态，确定采暖设备是否正常运行；根据室内温湿度、室外温湿度、电流、电压、状态，确定采暖设备是否合理室温：根据电流、电压、电量和状态，确定采暖设备的供暖温度是否过低；根据开关状态、户电表状态、设备输入电流和设备输入电流电压，确定是否存在采暖设备的运行信号。

可选地，故障类型还可以包括：通讯状态、设备状态、外部因素。

本发明提供的技术方案，通过对采暖设备日常运行信息，按设备类型、型号进行关设备状态数据分析，采用机器学习、人工智能方法，根据历史数据，能及时发现问题并进行预警，同时对出现的故障进行分析，确定故障类型，方便维修人员准备备品备件，及时上门维修。

作为一种可选的实施例，运行信息包括：当前运行信息和历史运行信息，其中，当前运行信息表示采暖设备在当前时刻的运行情况；历史运行信息表示采暖设备在历史运行过程中的运行情况。

作为一种可选的实施例，在根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型之前，所述方法还包括：确定所述当前运行信息和所述历史运行信息之间的差异；判断所述差异是否高于预定阈值；在所述差异高于预定阈值的情况下，确定所述采暖设备出现故障。

作为一种可选的实施例，所述运行信息包括：所述采暖设备的电力信息和所述采暖设备所在环境的温度信息，根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型包括：根据第一预定模型对所述电力信息和所述温度信息进行分析，确定所述采暖设备的故障类型，所述预定模型包括：所述第一预定模型，所述第一预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：电力信息、温度信息和对应的故障类型。

作为一种可选的实施例，所述运行信息包括：用于表示所述采暖设备的运行状态的状态信息，和所述采暖设备所在环境的温度信息；根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型包括：根据第二预定模型对所述状态信息和所述温度信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型包括：所述第二预定模型，所述第二预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：状态信息、温度信息和对应的故障类型。

根据本发明实施例，还提供了一种故障识别装置实施例，需要说明的是，该故障识别装置可以用于执行本发明实施例中的故障识别方法，本发明实施例中的故障识别方法可以在该故障识别装置中执行。

图2是根据本发明实施例的一种故障识别装置的示意图，如图2所示，该装置可以包括：获取单元21，用于获取采暖设备的运行信息；确定单元23，用于根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：运行参数和运行参数对应的故障类型。

需要说明的是，该实施例中的获取单元21可以用于执行本申请实施例中的步骤s102，该实施例中的确定单元23可以用于执行本申请实施例中的步骤s104。上述单元与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。

在本发明实施例中，训练数据包括：多组运行参数和运行参数对应的故障类型，通过机器学习预先对至少一组训练数据进行训练得到预定模型，根据预定模型对采暖设备的运行信息进行分析，可以确定采暖设备的故障类型，通过对采暖设备进行远程监控，远程获取采暖设备的运行参数，可以远程确定采暖设备的故障类型，从而实现了自动识别采暖设备的故障类型的技术效果，进而解决了无法自动识别采暖设备的故障类型的技术问题。

作为一种可选的实施例，所述运行信息包括：当前运行信息和历史运行信息，其中，当前运行信息表示所述采暖设备在当前时刻的运行情况；所述历史运行信息表示所述采暖设备在历史运行过程中的运行情况。

作为一种可选的实施例，所述装置还包括：第一确定模块，用于在根据预定模型对所述运行信息进行分析，确定所述采暖设备的故障类型之前，确定所述当前运行信息和所述历史运行信息之间的差异；判断模块，用于判断所述差异是否高于预定阈值；第二确定模块，用于在所述差异高于预定阈值的情况下，确定所述采暖设备出现故障。

作为一种可选的实施例，所述运行信息包括：所述采暖设备的电力信息和所述采暖设备所在环境的温度信息；所述确定单元包括：第三确定模块，用于根据第一预定模型对所述电力信息和所述温度信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型包括：所述第一预定模型，所述第一预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：电力信息、温度信息和对应的故障类型。

作为一种可选的实施例，所述运行信息包括：用于表示所述采暖设备的运行状态的状态信息，和所述采暖设备所在环境的温度信息；所述确定单元包括：第四确定单元，根据第二预定模型对所述状态信息和所述温度信息进行分析，确定所述采暖设备的故障类型，其中，所述预定模型包括：所述第二预定模型，所述第二预定模型为通过机器学习对至少一组训练数据进行训练得到的，每组所述训练数据包括：状态信息、温度信息和对应的故障类型。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。