一种路灯智能故障诊断方法技术

本发明专利技术公开了一种路灯智能故障诊断方法，在每个路灯的光源处安装一个嵌有照度传感器的窄带物联网模块，并对每个窄带物联网模块进行编号，各个照度传感器分别测量相应窄带物联网模块处的照度，并将采集到的照度数据上传至服务器，构建照度数据库；从照度数据库中选取正常照度数据集作为训练数据集，利用机器学习方法对照度序列进行模式学习，构建路灯开启模型；在所构建的路灯开启模型的基础上，对实时照度采样数据序列进行处理，实现单一路灯、灯群故障诊断以及故障类型判定；并且，采用机器学习方法对路灯开启模型进行更新。本发明专利技术无需破线改造即可及时自动发现单灯及灯群故障，判断故障类别，并反馈给工作人员，实现了路灯故障智能诊断。

An intelligent fault diagnosis method for street lamps

The invention discloses a street lamp intelligent fault diagnosis method, in the light of each street light installation of a narrowband embedded networking module illumination sensor, and the number of objects of each narrow band network module, the illuminance sensor measured the corresponding narrowband networking modules at 36, and the collected data is uploaded to the illumination construction of database server, select the normal illumination; illuminance data set as the training data set from the illumination database, using machine learning methods for pattern learning to construct open street illumination sequence model; based model built in the open street, the real-time illumination sampling data sequences are processed to achieve a single lamp, fault type group fault diagnosis and light judgment; and, using machine learning methods to update model on the street. The invention can automatically detect single lamp and lamp group failures without breaking line transformation, determine fault categories, and feedback to staff, so as to realize intelligent diagnosis of street lamp faults.

【技术实现步骤摘要】
一种路灯智能故障诊断方法
本专利技术涉及一种故障诊断方法，具体涉及一种路灯智能故障诊断方法。属于智能照明

技术介绍
随着经济发展，公共基础设施不断完善，路灯作为一种重要的公共基础设施，在人们的生活中越来越起到不可或缺的作用。然而，由于自然或人为的因素，城市路灯经常出现灯具损坏、线路损坏等故障。如果这些故障不能够及时地被发现并进行维修，将给人们的生活带来了极大的不便，同时也将增加了交通事故发生的频率。现有的路灯故障诊断方法存在以下问题：(1)已有的非信息化路灯故障诊断方法主要基于电流或电压进行，需要对已有线路进行破线改造，且无法识别灯具光通量衰减但未完全损坏的情况。另外，主要针对单一路灯进行诊断，不能对局部路线所造成的灯群故障进行诊断。(2)已有的信息化路灯管理系统，比如“一种物联网智慧路灯系统(申请号：201610041523.X)”需要用到单灯控制箱，仍需在原有线路的基础上破线改造，且用到的器件较多，结构复杂，使得成本相对较高。另外，其仅能实现基于物联网的路灯信息采集，并未给出具体的方法来利用照度数据进行路灯故障的诊断。
技术实现思路
本专利技术的目的是为克服上述现有技术的不足，提供一种路灯智能故障诊断方法。为实现上述目的，本专利技术采用下述技术方案：一种路灯智能故障诊断方法，包括以下步骤：(1)在每个路灯的光源处安装一个嵌有照度传感器的窄带物联网(NB-IoT)模块，并对每个窄带物联网模块进行编号，各个照度传感器分别测量相应窄带物联网模块处的照度，并将采集到的照度数据上传至服务器，构建照度数据库，其中，照度数据包括每个路灯每天的照度序列；(2)从照度数据库中选取正常照度数据集作为训练数据集，利用机器学习方法对照度序列进行模式学习，构建路灯开启模型；(3)在所构建的路灯开启模型的基础上，对实时照度采样数据序列进行处理，实现单一路灯、灯群故障诊断以及故障类型判定，倘若无故障，将判断为正常的实时照度数据序列，加入训练数据集，进入步骤(4)，否则，发出有故障的警示；(4)更新训练数据集，采用步骤(2)中的机器学习方法更新路灯开启模型，对下一天的照度序列采用更新后的路灯开启模型进行故障诊断。步骤(1)中，照度序列的采集频率为每五分钟采集一次。步骤(1)中，对于任意路灯i，i＝1,2,…,N，第t天的照度序列为其中，N为大于2的整数，表示路灯的数量，288为每一天照度采样个数。步骤(2)中，从照度数据库中选取至少一年的正常照度数据集作为训练数据集，分析每个路灯的全年照度变化规律。步骤(2)中，路灯开启模型的构建方法如下：对于任意路灯i，倘若则在第t天Tt时刻该灯开启，其中δ为初始照度变化阈值，其根据具体环境设定；并计算进而更新δ为其中为第i个路灯第t天在Tt时刻照度变化值，δt为第t天照度变化阈值；所有路灯的全年开启模型记为向量序列步骤(3)的具体方法是：(31)考虑某一天所有N个路灯的照度序列，设为第K天，路灯i的照度序列为利用路灯开启模型对每个路灯进行测试，考虑第K天开启时刻TK前后一小时内的照度变化，其中N为大于2的整数，表示路灯的数量，K为大于1的整数。(32)若存在i∈{1,2,…,N},j∈{-12,-11,…,0,…,11,12}(j为超前/滞后序号值)，使得则有路灯开启，其中δK为开启模型中第K天照度变化阈值；若存在i*∈{1,2,…,N},其中i*表示某一路灯，对任意的j∈{-12,-11,…,0,…,11,12}，有则路灯i*照度序列未发生突变，判断为该路灯存在故障，且为单灯故障。步骤(32)的单灯故障类型的具体判断方法为：(32-1)对于故障路灯i*，若对任意的j∈{-12,-11,…,0,…,11,12}，有则判定该路灯完全损坏；(32-2)对于故障路灯i*而言，若存在j∈{-12,-11,…,0,…,11,12}，有则判定该路灯光通量有衰减但未完全损坏，但仍需维修。(33)若对任意的i∈{1,2,…,N},j∈{-12,-11,…,0,…,11,12}，均有则所有路灯照度序列均未发生突变，所有路灯在正常开启时刻1小时后仍未开启，则判断为可能灯群故障，提示局部线路可能存在问题。(34)若对任意的i∈{1,2,…,N},存在j∈{-12,-11,…,0,…,11,12}，使得则所有路灯开启，判定为无故障。将该天所有路灯的照度序列加入训练数据集。(35)若判断为出现单灯故障或可能灯群故障，则发出警示，工作人员根据窄带物联网模块的编号确定路灯位置，进行检测维修。本专利技术的有益效果：本专利技术结合了照度检测、窄带物联网(NB-IoT)技术和机器学习方法等，无需破线改造即可及时自动发现单灯及灯群故障，判断故障类别，并将故障信息反馈给工作人员，实现了路灯故障智能诊断。具体如下：1、该方法能够自动、实时地对路灯故障进行检测，路灯故障能得到及时的处理，大大提高了工作人员的工作效率。2、本专利技术所给出的方法在每个路灯处仅需安装一个自带电源、低功耗、寿命长的NB-IoT模块，所用器件少，无需重新布线，也无需对原有线路进行破线改造，结构简单，安装方便，费用低。另外，本专利技术给出了具体的基于机器学习的方法来利用照度数据进行路灯故障的诊断方法，可及时自动发现单灯及灯群故障，判断故障类别，并反馈给工作人员，实现了路灯故障智能诊断。3、所给出的基于机器学习的路灯故障诊断方法对采集到的数据可以不断学习、优化，实现模型更新，增强了系统的鲁棒性和智能性。附图说明图1是本专利技术的流程框图；图2是单个路灯照度变化规律及故障示意图。具体实施方式下面结合附图和实施例对本专利技术进行进一步的阐述，应该说明的是，下述说明仅是为了解释本专利技术，并不对其内容进行限定。实施例1：如图1所示，一种路灯智能故障诊断方法，包括以下步骤：(1)在每个路灯的光源处安装一个嵌有照度传感器的窄带物联网(NB-IoT)模块，并对每个窄带物联网模块进行编号，各个照度传感器分别测量相应窄带物联网模块处的照度，并将采集到的照度数据上传至服务器，构建照度数据库，其中，照度数据包括每个路灯每天的照度序列；照度序列的采集频率为每五分钟采集一次。对于任意路灯i，i＝1,2,…,N，第t天的照度序列为其中，N为大于2的整数，表示路灯的数量，288为每一天照度采样个数。(2)从照度数据库中选取正常照度数据集作为训练数据集，利用机器学习方法对照度序列进行模式学习，构建路灯开启模型；从照度数据库中选取至少一年的正常照度数据集作为训练数据集，分析每个路灯的全年照度变化规律。路灯开启模型的构建方法如下：对于任意路灯i，倘若则在第t天Tt时刻该灯开启，其中δ为初始照度变化阈值，其根据具体环境设定；并计算进而更新δ为其中为第i个路灯第t天在Tt时刻照度变化值，δt为第t天照度变化阈值；所有路灯的全年开启模型记为向量序列(3)在所构建的路灯开启模型的基础上，对实时照度采样数据序列进行处理，实现单一路灯、灯群故障诊断以及故障类型判定，倘若无故障，将判断为正常的实时照度序列数据加入训练数据集，进入步骤(4)，否则，发出有故障的警示；具体方法是：(31)考虑某一天所有N个路灯的照度序列，设为第K天，路灯i的照度序列为利用路灯开启模型对每个路灯进行测试，考虑第K天开启时刻TK前后一小时内的照度变化，其中本文档来自技高网...

【技术保护点】
一种路灯智能故障诊断方法，其特征在于，包括以下步骤：(1)在每个路灯的光源处安装一个嵌有照度传感器的窄带物联网模块，并对每个窄带物联网模块进行编号，各个照度传感器分别测量相应窄带物联网模块处的照度，并将采集到的照度数据上传至服务器，构建照度数据库，其中，照度数据包括每个路灯每天的照度序列；(2)从照度数据库中选取正常照度数据集作为训练数据集，利用机器学习方法对照度序列进行模式学习，构建路灯开启模型；(3)在所构建的路灯开启模型的基础上，对实时照度采样数据序列进行处理，实现单一路灯、灯群故障诊断以及故障类型判定，倘若无故障，将判断为正常的实时照度序列数据加入训练数据集，进入步骤(4)，否则，发出有故障的警示；(4)更新训练数据集，采用步骤(2)中的机器学习方法更新路灯开启模型，对下一天的照度序列采用更新后的路灯开启模型进行故障诊断。

【技术特征摘要】
1.一种路灯智能故障诊断方法，其特征在于，包括以下步骤：(1)在每个路灯的光源处安装一个嵌有照度传感器的窄带物联网模块，并对每个窄带物联网模块进行编号，各个照度传感器分别测量相应窄带物联网模块处的照度，并将采集到的照度数据上传至服务器，构建照度数据库，其中，照度数据包括每个路灯每天的照度序列；(2)从照度数据库中选取正常照度数据集作为训练数据集，利用机器学习方法对照度序列进行模式学习，构建路灯开启模型；(3)在所构建的路灯开启模型的基础上，对实时照度采样数据序列进行处理，实现单一路灯、灯群故障诊断以及故障类型判定，倘若无故障，将判断为正常的实时照度序列数据加入训练数据集，进入步骤(4)，否则，发出有故障的警示；(4)更新训练数据集，采用步骤(2)中的机器学习方法更新路灯开启模型，对下一天的照度序列采用更新后的路灯开启模型进行故障诊断。2.根据权利要求1所述的一种路灯智能故障诊断方法，其特征在于，步骤(1)中，照度序列的采集频率为每五分钟采集一次。3.根据权利要求1所述的一种路灯智能故障诊断方法，其特征在于，步骤(1)中，对于任意路灯i，i＝1,2,…,N，第t天的照度序列为其中，N为大于2的整数，表示路灯的数量，288为每一天照度采样个数。4.根据权利要求1所述的一种路灯智能故障诊断方法，其特征在于，步骤(2)中，从照度数据库中选取至少一年的正常照度数据集作为训练数据集，分析每个路灯的全年照度变化规律。5.根据权利要求1所述的一种路灯智能故障诊断方法，其特征在于，步骤(2)中，路灯开启模型的构建方法如下：对于任意路灯i，倘若则在第t天Tt时刻该灯开启，其中δ为初始照度变化阈值，其根据具体环境设定；并计算进而更新δ为其中为第i个路灯第t天在Tt时刻照度变化值，δt为...

【专利技术属性】
技术研发人员：李成栋，许沥文，谢秀颖，颜秉洋，张桂青，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东,37