一种感知采集设备故障判断方法与流程

1.本发明涉及采集故障判断技术领域，特别是涉及一种感知采集设备故障判断方法。


背景技术：

2.随着国家“双碳”战略的提出，配电网的末端需要安装大量的分布式的感知采集控制设备，以满足配电网数字化、智能化的要求，同时感知采集控制的实时性、完整性和准确性要求也越来越高，对感知采集控制设备故障处理的及时快速性提出了更高要求，但感知采集控制设备的故障处理目前还需要到现场诊断处理，工作量大，处理的及时快速性很难满足需求，而且现有的感知采集控制设备运行中给定的预设取值范围与实际应用场景存在差异，通过设备传送的数据难以判断故障引起的原因从而导致误判现象。


技术实现要素：

3.本发明的目的在于提供一种感知采集设备故障判断方法，从而通过实时数据与历史特征数据比对以及分析，可实时掌控传感器设备运行状态，实现传感器设备优化控制，增强传感器设备安全运行可靠率，提高故障差别准确率。
4.一种感知采集设备故障判断方法，包括：步骤1，建立同一用户下的电网设备同源群组，同源群组为同一供电电源节点下的设备建立的群组；步骤2，设置通信时间差值的阈值，并实时获取设备运行数据、外部辅助数据和设备运行数据中的最后通信时间；步骤3，对比同源群组下感知采集设备的最后通信时间，通过阈值判断感知采集设备的状态；步骤4，根据感知采集设备所对应用电对象建立用电群组，依据建立的用电群计算出设备运行状态数据的相对应阈值，通过相对应阈值判断感知采集控制设备是否故障；步骤5，将判断为故障的结果发送故障处理工单进行现场诊断处理，并反馈判断准确性。
5.设置通信时间差值的阈值，实时获取设备运行数据和设备运行数据中的最后通信时间，通过实时数据与历史特征数据比对以及分析，可实时掌控传感器设备运行状态，对比同源群组下感知采集设备的最后通信时间，通过阈值判断感知采集设备的状态，实现传感器设备优化控制，根据感知采集设备所对应用电对象建立用电群组，依据建立的用电群计算出设备运行状态数据的相对应阈值，通过相对应阈值判断感知采集控制设备是否故障，增强传感器设备安全运行可靠率，提高故障差别准确率，同时还可以节能增效。
6.进一步，通信时间差值的阈值计算公式为：tth=thr+ttm，其中thr通信心跳间隔时间，ttm为可预留时间裕度，通信时间差值为tdv=tdce-ti，其中tdce为同源群组下对应感知采集控制设备最后一条记录通信时间，ti为同源群组下非电网设备第i个设备的最后一条记录通信时间。
7.进一步，对比同源群组下感知采集设备的最后通信时间，若通信时间差值在设置的通信时间差值的阈值范围内，判断感知采集设备为失电，否则为设备故障，若获取不到同源群组下最后通信时间，则继续获取同源群组下最后通信时间作对比，以此类推判断，若同
源群组下非电网设备运行数据中的最后通信时间都不能获取，判断为设备故障。
8.通过分析通信时间差值在设置的通信时间差值的阈值范围内，判断感知采集设备为失电，否则为设备故障，当实时采集的传感器设备运行状态数据信息越限时，再与数据库模型中的数据正常工作阈值范围进行比对，若数据是正常工作状态数据范围内，则可判断阈值设置不合理，需要更正，若为异常工作状态数据范围内，则需要再进行辅助信息包括时间信息、天气信息、地理位置信息以及供电信息等进行进一步判断故障原因和类型，如设备供电异常过压、过流、设备通信异常、电压、电流、功率、温度、工作时间、地理位置等异常，是采集引起还是感知故障。
9.进一步，判断感知采集控制设备故障的方法包含建立分析模型，再通过统计分析判断故障点，建立分析模型的步骤具体如下：首先根据历史正常数据建立原始数据样本xn×k，，其中 n 为样本数量， k 为特征维数；然后对原始数据进行标准化处理，得到新样本集合y，，其中μ为所有样本数据的均值，，为样本数据标准差，yn×k的协方差矩阵为vk×k，，其中为所有样本减去均值之后得到，而为的转置矩阵，，所有特征的均值为，所有样本减去均值之后得到。
10.进一步，根据协方差矩阵求k个特征值以及他们的特征向量，将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵zk，得到主要元素对每一列求平方和，获得所有主成分对单一变量的贡献率，按照按贡献率大小列表，选取累计贡献前k个变量作为主成分向量。
11.进一步，统计分析判断故障点的具体步骤如下：首先得到主成分向量后，运用多变量统计控制图对原有数据空间进行分析，判断系统工作状态；其次建立主元分析模型得到主元模型内部各主元向量的空间分布，各个主元随时间不断变化，然后判断若系统正常运行，则各主元向量在一定范围内波动，若一段时间有若干点分布在其他区域，则判断系统发生故障。
12.故障判断根据收集的正常工况下的历史数据，利用统计方法找出能够表达正常工况下过程各变量之间的因果关系低维主成分，即主元模型，一旦过程的实时测量数据与建立的主元模型不符就可以判断过程中已有故障发生，再通过对测量数据中各变量变化对主元模型的破坏贡献率分析，进行故障诊断。
13.进一步，判断系统发生故障时，假定第j个得分主元分布发生异常，利用因子分析找出与第j个得分主元关系最密切的几个向量确定异常点，通过异常点判断故障源位置，其中得分主元计算公式为：，式中为得分向量，为特征矩阵向量。
14.进一步，建立同一用户下的电网设备同源群组并以此构建电网设备数据库，电网设备数据库包含用户名、地址、对应感知采集控制设备逻辑地址和非电网设备类型的信息。
15.基于现有物联网技术，搭建各类传感器设备工作模块型数据库，此数据库不仅包括传感器设备本身正常工作状态数据，异常工作状态数据 、还包括时间信息、天气信息、用
电信息等，此数据库可进行维护升级、定制开发与扩展，搭建同一供电电源节点下的感知采集控制设备、光猫、有线电视盒及其它物联网设备的数据库，包括这些装置基本信息和运行状态数据，比如：设备类型、功能、用户名、地址、心跳、失电时间，电压、电流、功率、电能、功率因数、通信地址、通信速率、通信状态及设备功能运行参数、实时运行数据等。
16.进一步，根据感知采集设备所对应用电对象的用电基因，建立相似用电基因群组，以此构建数据库，依据建立的相似用电基因群组的用电基因，计算出设备运行状态数据的相对应阈值并设置，并根据用户反馈故障判断正确率，动态调整阈值或调整相似用电基因群组。
17.当传感器设备与主站无通信时，与数据库同一供电电源内多个设备同一时间的运行状态数据来作对比，以判断所述设备是否有故障还是失电引起的与主站无通信，根据判断出的结果，确定是否发送故障处理工单进行现场诊断处理，主要功能监测传感器指的是我们需判别故障的传感器，如电量传感器、非电量传感器；辅助数据采集传感器指的是用于帮助需判别故障的传感器的其它传感器，如光猫、有线电视、其它常开物联网电器设备，根据设备运行特性，运行状态，环境情况以及时间等关键特征信息自动或者手动构建传感器设备工作模型数据库。
18.进一步，设置相似用电基因群组的阈值，用于判断准确率划分为两级的准确率分界值，计算用户反馈相似用电基因群组故障判断正确率，若大于等于准确率分界值的，阈值和相似用电基因群组不做调整，若小于准确率分界值的，重新计算阈值，新阈值与原阈值偏差在阈值偏差分界值以上的，重新划分相似用电基因群组后重新计算阈值并设置，新阈值与原阈值偏差在阈值偏差分界值以下的，设置新阈值，不调整相似用电基因群组。
19.根据装置基本信息和运行数据设定正常工作阈值，阈值可灵活配置，实时获取设备运行数据，对比设备实时运行数据与相似用电基因设备群组所设阈值，判断感知采集控制设备是否故障及故障时的故障类别，获取感知采集设备运行数据，获取相似用电基因设备群组所设阈值，对比设备实时运行数据与相似用电基因设备群组所设阈值，相似用电基因设备群组中若设备电流、功率因数、电量正常，电压超出阈值，则为设备采集故障；若电压、功率因数正常，电流、电量超出阈值，则为用电对象故障；若电压、电流正常，功率因数、电量超出阈值，则为设备计量回路故障；若设备电流、功率因数、电量、电压都正常，则无故障。
20.本发明的优点在于：设置通信时间差值的阈值，实时获取设备运行数据和设备运行数据中的最后通信时间，通过实时数据与历史特征数据比对以及分析，可实时掌控传感器设备运行状态，对比同源群组下感知采集设备的最后通信时间，通过阈值判断感知采集设备的状态，实现传感器设备优化控制，根据感知采集设备所对应用电对象建立用电群组，依据建立的用电群计算出设备运行状态数据的相对应阈值，通过相对应阈值判断感知采集控制设备是否故障，增强传感器设备安全运行可靠率，提高故障差别准确率，同时还可以节能增效。
附图说明
21.图1是一种感知采集设备的故障判断流程示意图。
22.图2是一种感知采集设备故障判断的示意图。
23.图3是一种感知采集设备数据采集模式的示意图。
具体实施方式
24.针对现有技术存在的不足，本发明提供了一种感知采集设备故障判断方法，从而通过实时数据与历史特征数据比对以及分析，可实时掌控传感器设备运行状态，实现传感器设备优化控制，增强传感器设备安全运行可靠率，提高故障差别准确率。
25.为解决上述技术问题，本发明采用如下技术方案：感知采集设备故障判断方法包括：步骤1，建立同一用户下的电网设备同源群组，同源群组为同一供电电源节点下的设备建立的群组；步骤2，设置通信时间差值的阈值，并实时获取设备运行数据、外部辅助数据和设备运行数据中的最后通信时间；步骤3，对比同源群组下感知采集设备的最后通信时间，通过阈值判断感知采集设备的状态；步骤4，根据感知采集设备所对应用电对象建立用电群组，依据建立的用电群计算出设备运行状态数据的相对应阈值，通过相对应阈值判断感知采集控制设备是否故障；步骤5，将判断为故障的结果发送故障处理工单进行现场诊断处理，并反馈判断准确性。
26.优选的，设置通信时间差值的阈值，实时获取设备运行数据和设备运行数据中的最后通信时间，通过实时数据与历史特征数据比对以及分析，可实时掌控传感器设备运行状态，对比同源群组下感知采集设备的最后通信时间，通过阈值判断感知采集设备的状态，实现传感器设备优化控制，根据感知采集设备所对应用电对象建立用电群组，依据建立的用电群计算出设备运行状态数据的相对应阈值，通过相对应阈值判断感知采集控制设备是否故障，增强传感器设备安全运行可靠率，提高故障差别准确率，同时还可以节能增效。
27.优选的，通信时间差值的阈值计算公式为：tth=thr+ttm，其中thr通信心跳间隔时间，ttm为可预留时间裕度，通信时间差值为tdv=tdce-ti，其中tdce为同源群组下对应感知采集控制设备最后一条记录通信时间，ti为同源群组下非电网设备第i个设备的最后一条记录通信时间。
28.优选的，当传感器采集设备的实时数据异常超出设定阈值，与数据库中常见故障类型相比对，若符合常见故障类型数据特征，则可生成故障信息存储并远传，若不符合则比对数据库其它此传感器设备历史运行信息，若符合历史运行数据特征则为正常数据，属于阈值设置不当引起，形成新的事件记录存储并远传，提示修改运行阈值，若不符合，则需要重新比对历史运行信息和其它此传感器设备辅助特征信息判断传感器设备故障类型，如控制命令未执行、运行时间超时、传感器设备参数设置错误、传感器设备死机等等，生成故障告警信息，存储并远传，同时更新故障信息数据库。
29.作为一种实施方式，如图1所示，是一种感知采集设备的故障判断流程示意图，首先对数据库建立分析模型，传感器进行数据采集，比对数据库是否异常，判断数据库异常发出告警信息，处理并判断是否为数据库中故障类型，不是数据库中的故障类型加入到数据库中。
30.优选的，判断感知采集控制设备故障的方法包含建立分析模型，再通过统计分析判断故障点，建立分析模型的步骤具体如下：首先根据历史正常数据建立原始数据样本xn×k，，其中 n 为样本数量， k 为特征维数；然后对原始数据进行标准化处
理，得到新样本集合y，，其中μ为所有样本数据的均值，，为样本数据标准差，yn×k的协方差矩阵为vk×k，，其中为所有样本减去均值之后得到，而为的转置矩阵，，所有特征的均值为，所有样本减去均值之后得到。
31.优选的，根据协方差矩阵求k个特征值以及他们的特征向量，将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵zk，得到主要元素对每一列求平方和，获得所有主成分对单一变量的贡献率，按照按贡献率大小列表，选取累计贡献前k个变量作为主成分向量。
32.作为一种实施方式，如图2所示，首先建立同一配电网下的感知采集控制设备及其它物联网设备的单元，其中物联网设备可通过无线连接到网络将数据传输至与感知采集控制设备通信的远程操控端，远程操控端可调取多条线路数据，然后实时获取设备运行状态数据并上传，对比多个设备同一时间数据状态，判断数据缺失原因为感知设备故障或失电，其中多个设备同一时间数据状态包括传感器采集的数据的参考值、与传感器相关联的智能家居设备的运行状态参数和与传感器相关联的不同类型传感器采集的数据中的至少一种，根据感知采集控制设备所对应对象的用电基因建立相似基因数据库，用电基因包括传感器采集的数据的时间和/或地点确定所述传感器采集的数据的时间特性和/或地域特性，由基因库数据统计得设备正常工作时数据范围与变化幅度、用户对数据应用反馈值，将设备实时运行数据与数据库统计数据作对比，判断感知采集控制设备是否故障及故障类别，先从传感器历史数据库中选取与所述时间特性和/或所述地域特性相对应的历史数据取值范围，进而根据当下运行数据是否越限判断是否存在故障：若是，则所述传感器被判定为疑似故障；若否，则所述传感器被判定为无故障；同时根据数据越限具体内容判断故障类型，综合判断结果确定是否发送故障处理工单进行现场诊断处理，若故障存在，则依据故障类别进行针对性傻瓜式处理。
33.优选的，对比同源群组下感知采集设备的最后通信时间，若通信时间差值在设置的通信时间差值的阈值范围内，判断感知采集设备为失电，否则为设备故障，若获取不到同源群组下最后通信时间，则继续获取同源群组下最后通信时间作对比，以此类推判断，若同源群组下非电网设备运行数据中的最后通信时间都不能获取，判断为设备故障。
34.优选的，故障判断过程进行数据库建立，模型数据库根据采集传感器设备的基本信息与状态数据，建立正常运行数据库，随着传感器采集设备的运行时间增加和性能变化，标尺感器采集设备的基本信息与状态数据会发生改变，对于改变的特征数据进行数据库更新，并且传感器采集设备的数据进行定时存储以便查询，故障模型数据库建立根据传感器设备功能及参数，建立常见故障类型关键参数异常数据范围，传感器采集设备失电故障，电流突降80%以上，电压突降90%以上，突变时间小于10ms，电压电流突变后延时3分钟及以上不恢复的，传感器采集设备停电故障，多个传感器采集设备电压、电流降至零，延时3分钟及以上不恢复的，传感器设备通信异常，电压、电流基本信息与状态数据信息正常，通信状态
异常，只发送、只接收或者无数据，传感器采集设备工作异常，根据传感器采集设备的功率偏离正常阈值20%、功率因数超出正常值1%。
35.优选的，通过分析通信时间差值在设置的通信时间差值的阈值范围内，判断感知采集设备为失电，否则为设备故障，当实时采集的传感器设备运行状态数据信息越限时，再与数据库模型中的数据正常工作阈值范围进行比对，若数据是正常工作状态数据范围内，则可判断阈值设置不合理，需要更正，若为异常工作状态数据范围内，则需要再进行辅助信息包括时间信息、天气信息、地理位置信息以及供电信息等进行进一步判断故障原因和类型，如设备供电异常过压、过流、设备通信异常、电压、电流、功率、温度、工作时间、地理位置等异常，是采集引起还是感知故障。
36.优选的，统计分析判断故障点的具体步骤如下：首先得到主成分向量后，运用多变量统计控制图对原有数据空间进行分析，判断系统工作状态；其次建立主元分析模型得到主元模型内部各主元向量的空间分布，各个主元随时间不断变化，然后判断若系统正常运行，则各主元向量在一定范围内波动，若一段时间有若干点分布在其他区域，则判断系统发生故障。
37.优选的，故障判断根据收集的正常工况下的历史数据，利用统计方法找出能够表达正常工况下过程各变量之间的因果关系低维主成分，即主元模型，一旦过程的实时测量数据与建立的主元模型不符就可以判断过程中已有故障发生，再通过对测量数据中各变量变化对主元模型的破坏贡献率分析，进行故障诊断。
38.优选的，判断系统发生故障时，假定第j个得分主元分布发生异常，利用因子分析找出与第j个得分主元关系最密切的几个向量确定异常点，通过异常点判断故障源位置，其中得分主元计算公式为：，式中为得分向量，为特征矩阵向量。
39.优选的，建立同一用户下的电网设备同源群组并以此构建电网设备数据库，电网设备数据库包含用户名、地址、对应感知采集控制设备逻辑地址和非电网设备类型的信息。
40.优选的，基于现有物联网技术，搭建各类传感器设备工作模块型数据库，此数据库不仅包括传感器设备本身正常工作状态数据，异常工作状态数据 、还包括时间信息、天气信息、用电信息等，此数据库可进行维护升级、定制开发与扩展，搭建同一供电电源节点下的感知采集控制设备、光猫、有线电视盒及其它物联网设备的数据库，包括这些装置基本信息和运行状态数据，比如：设备类型、功能、用户名、地址、心跳、失电时间，电压、电流、功率、电能、功率因数、通信地址、通信速率、通信状态及设备功能运行参数、实时运行数据等。
41.作为一种实施方式，如图3所示，采集传感器将采集的数据给故障判别与处理，采集传感器包含辅助数据采集传感器和功能监测传感器，辅助数据采集传感器包含ni个，功能监测传感器包含n个。
42.优选的，根据感知采集设备所对应用电对象的用电基因，建立相似用电基因群组，以此构建数据库，依据建立的相似用电基因群组的用电基因，计算出设备运行状态数据的相对应阈值并设置，并根据用户反馈故障判断正确率，动态调整阈值或调整相似用电基因群组。
43.优选的，主要功能监测传感器指的是需判别故障的传感器，辅助数据采集传感器指的是用于帮助需判别故障的传感器的其它传感器，传感器设备工作模式数据库建模，根据传感器设备工作特性，正常/异常运行特征数据，辅以环境因素、自然气象因素、以及用电
信息特征等因素，对传感器类别进行数据信息分类存储，对于传感器设备常见故障类型、原因、及判据进行分类存储，达到快速定位故障点，排查故障原因，提高排查故障效率，数据库数据支持自查询、外部查询，同时支持自动/手动更新与扩展，设备故障判断，传感器采集设备故障分为外部故障与内部故障，所谓外部故障单指与主站通信异常，内部故障则为阈值设置不当、传感器本体故障引起的数据异常。
44.优选的，当传感器设备与主站无通信时，与数据库同一供电电源内多个设备同一时间的运行状态数据来作对比，以判断所述设备是否有故障还是失电引起的与主站无通信，根据判断出的结果，确定是否发送故障处理工单进行现场诊断处理，主要功能监测传感器指的是我们需判别故障的传感器，如电量传感器、非电量传感器；辅助数据采集传感器指的是用于帮助需判别故障的传感器的其它传感器，如光猫、有线电视、其它常开物联网电器设备，根据设备运行特性，运行状态，环境情况以及时间等关键特征信息自动或者手动构建传感器设备工作模型数据库。
45.优选的，利用传感器设备采集的实时数据、时间和/或地点确定所述传感器设备采集数据的时间特性和/或地域特性，自动与传感器设备历史数据库中选取与所述时间特性和/或所述地域特性相对应的历史数据取值范围进行比对，辅以传感器设备用电信息以及其它特征信息，判断传感器设备采集的数据是否在所述历史数据取值范围内，若是则所述传感器设备被判定为无故障，若否则所述传感器设备被判定为疑似故障，根据与疑似故障传感器设备相关联的辅助验证数据，确定所述疑似故障传感器设备是否出现故障，以提高故障差别准确率。
46.优选的，设置相似用电基因群组的阈值，用于判断准确率划分为两级的准确率分界值，计算用户反馈相似用电基因群组故障判断正确率，若大于等于准确率分界值的，阈值和相似用电基因群组不做调整，若小于准确率分界值的，重新计算阈值，新阈值与原阈值偏差在阈值偏差分界值以上的，重新划分相似用电基因群组后重新计算阈值并设置，新阈值与原阈值偏差在阈值偏差分界值以下的，设置新阈值，不调整相似用电基因群组。
47.优选的，根据装置基本信息和运行数据设定正常工作阈值，阈值可灵活配置，实时获取设备运行数据，对比设备实时运行数据与相似用电基因设备群组所设阈值，判断感知采集控制设备是否故障及故障时的故障类别，获取感知采集设备运行数据，获取相似用电基因设备群组所设阈值，对比设备实时运行数据与相似用电基因设备群组所设阈值，相似用电基因设备群组中若设备电流、功率因数、电量正常，电压超出阈值，则为设备采集故障；若电压、功率因数正常，电流、电量超出阈值，则为用电对象故障；若电压、电流正常，功率因数、电量超出阈值，则为设备计量回路故障；若设备电流、功率因数、电量、电压都正常，则无故障。
48.本发明的有益效果：故障判断根据收集的正常工况下的历史数据，利用统计方法找出能够表达正常工况下过程各变量之间的因果关系低维主成分，即主元模型，一旦过程的实时测量数据与建立的主元模型不符就可以判断过程中已有故障发生，再通过对测量数据中各变量变化对主元模型的破坏贡献率分析，进行故障诊断；设置通信时间差值的阈值，实时获取设备运行数据和设备运行数据中的最后通信时间，通过实时数据与历史特征数据比对以及分析，可实时掌控传感器设备运行状态，对比同源群组下感知采集设备的最后通信时间，通过阈值判断感知采集设备的状态，实现传感器设备优化控制，根据感知采集设备
所对应用电对象建立用电群组，依据建立的用电群计算出设备运行状态数据的相对应阈值，通过相对应阈值判断感知采集控制设备是否故障，增强传感器设备安全运行可靠率，提高故障差别准确率，同时还可以节能增效。
49.本发明说明书中提到的所有专利和出版物都表示这些是本领域的公开技术，本发明可以使用。这里所引用的所有专利和出版物都被同样列在参考文献中，跟每一个出版物具体的单独被参考引用一样。这里所述的本发明可以在缺乏任何一种元素或多种元素，一种限制或多种限制的情况下实现，这里这种限制没有特别说明。例如这里每一个实例中术语“包含”，“实质由......组成”和“由......组成”可以用两者之一的其余2个术语代替。这里采用的术语和表达方式所为描述方式，而不受其限制，这里也没有任何意图来指明此书描述的这些术语和解释排除了任何等同的特征，但是可以知道，可以在本发明和权利要求的范围内做任何合适的改变或修改。可以理解，本发明所描述的实施例子都是一些优选的实施例子和特点，任何本领域的一般技术人员都可以根据本发明描述的精髓下做一些更改和变化，这些更改和变化也被认为属于本发明的范围和独立权利要求以及附属权利要求所限制的范围内。