基于模糊集合理論的路燈故障類型判斷方法
【技術領域】
[0001] 本發(fā)明涉及路燈故障類型的判斷，尤其涉及可不斷自我學習完善模型和自動判斷 故障類型的方法。
【背景技術】
[0002] 路燈故障是路燈實際運行中必然出現(xiàn)的現(xiàn)象。隨著城市擴張和市政建設發(fā)展，路 燈數(shù)量越來越多，造成路燈故障數(shù)量和類型也與日俱增。如何快速和準確的找到故障路燈 是路燈管理部門的主要工作之一。最近單燈控制系統(tǒng)逐步在業(yè)內(nèi)占有一席之地，這就為科 學系統(tǒng)的分析單燈故障提供了有力的支持。
[0003] 假定通過單燈監(jiān)控系統(tǒng)我們得到了單燈運行的數(shù)據(jù)，例如電流I、電壓U、有功功 率PA、功率因子PF等，則我們可以通過全面的數(shù)據(jù)分析（包括正常路燈運行數(shù)據(jù)、異常路燈 運行數(shù)據(jù)等），來給出每一盞路燈運行狀態(tài)的自動分析和判別，從而可以更為快速、直接、以 及更為科學合理的判斷出該路燈是否運行正常，或是隸屬于哪一種故障。目前已知的典型 故障有燈桿無電（實際非路燈自身故障，但因為會造成燈不亮所以也屬于路燈故障）、電容 損壞、跳燈（路燈時好時壞）、路燈嚴重老化以及路燈全損壞等。
[0004] 然而在路燈故障的判定上，仍存在以下的問題：
[0005] 1、各類路燈故障種類繁多，遠程和現(xiàn)場判斷都缺乏標準和精準的依據(jù)；
[0006] 2、路燈故障判斷準確率不高，造成誤報和漏報比例占比較大，使得路燈燈管理工 作效率不高同時也造成道路照明服務水平的下降。

【發(fā)明內(nèi)容】

[0007] 以下給出一個或多個方面的簡要概述以提供對這些方面的基本理解。此概述不是 所有構(gòu)想到的方面的詳盡綜覽，并且既非旨在指認出所有方面的關鍵性或決定性要素亦非 試圖界定任何或所有方面的范圍。其唯一的目的是要以簡化形式給出一個或多個方面的一 些概念以為稍后給出的更加詳細的描述之序。
[0008] 本發(fā)明的目的在于解決上述問題，提供了一種基于模糊集合理論的路燈故障類型 判斷方法，能有效的改善路燈故障判斷的依據(jù)并相當幅度的提高判斷和報告準確率。
[0009] 本發(fā)明的技術方案為：本發(fā)明揭示了一種基于模糊集合理論的路燈故障類型判斷 方法，包括：
[0010] 根據(jù)正常路燈和故障路燈的實際運行數(shù)據(jù)，分別給出不同故障類型的模型參數(shù)， 并根據(jù)實際運行數(shù)據(jù)和模型參數(shù)構(gòu)造出各個分量數(shù)據(jù)的隸屬度函數(shù)，得到最初的隸屬度模 型；
[0011] 每次引入新的單燈數(shù)據(jù)，并基于最新的隸屬度模型進行判斷，并針對判定為故障 的路燈進行現(xiàn)場核實；
[0012] 若核查發(fā)現(xiàn)正確，則繼續(xù)進行下一次單燈數(shù)據(jù)的判斷，同時將當前判斷正確的故 障例子中的電參數(shù)據(jù)加入到對應的故障類型數(shù)據(jù)庫中，待累計到一定數(shù)量時重新修正該故 障類型的模型參數(shù)；
[0013] 若核查發(fā)現(xiàn)錯誤，則進行人工分析并歸類，待累計到一定數(shù)量時重新修正該故障 類型的模型參數(shù)；
[0014] 在核查之后獲得修正后的模型參數(shù)，再繼續(xù)下一個單燈數(shù)據(jù)的判斷。
[0015] 根據(jù)本發(fā)明的基于模糊集合理論的路燈故障類型判斷方法的一實施例，在核查發(fā) 現(xiàn)錯誤的過程中，若對模型參數(shù)的修正仍不起作用，則進一步修正隸屬度模型本身。
[0016] 根據(jù)本發(fā)明的基于模糊集合理論的路燈故障類型判斷方法的一實施例，模型參數(shù) 包括典型期望值、標準偏差。
[0017] 根據(jù)本發(fā)明的基于模糊集合理論的路燈故障類型判斷方法的一實施例，分量數(shù)據(jù) 包括電流數(shù)據(jù)、電壓數(shù)據(jù)。
[0018] 根據(jù)本發(fā)明的基于模糊集合理論的路燈故障類型判斷方法的一實施例，在核查發(fā) 現(xiàn)錯誤的步驟中，若新增的被核查是錯誤的數(shù)據(jù)若現(xiàn)場驗證燈無故障，則重新測試電參數(shù) 據(jù)，并將其歸入到非故障燈數(shù)據(jù)庫中，若被核實為其他故障，則將電參數(shù)據(jù)加入到對應的故 障類型數(shù)據(jù)庫中。
[0019] 根據(jù)本發(fā)明的基于模糊集合理論的路燈故障類型判斷方法的一實施例，隸屬度函 數(shù)是基于正常燈的單燈數(shù)據(jù)和故障燈的單燈數(shù)據(jù)一同構(gòu)造的。
[0020] 根據(jù)本發(fā)明的基于模糊集合理論的路燈故障類型判斷方法的一實施例，當出現(xiàn)新 增故障類型時，或者需要分立與合并故障類型時，重新歸類新的故障類型數(shù)據(jù)庫，以便重新 構(gòu)造新的隸屬度模型和參數(shù)。
[0021] 本發(fā)明對比現(xiàn)有技術有如下的有益效果：本發(fā)明的方案是基于模糊集合理論并 結(jié)合大量的單燈運行多個電參數(shù)據(jù)（包括正常燈和故障燈）特征的多類別故障自動判斷， 同時算法注重自我修正和自主學習。相較于傳統(tǒng)技術，本發(fā)明基于路燈運行（大）數(shù)據(jù)的 全新模糊集合理論，能有效的改善路等故障判斷的依據(jù)并相當幅度的提高判斷和報告準確 率。隨著路燈系統(tǒng)逐步推廣到單燈，系統(tǒng)運行數(shù)據(jù)在迅猛的增加，這就為今后進一步的提高 路燈故障判斷帶來新的依靠和保障。經(jīng)實踐檢驗，在超過100條馬路上的300多個路燈箱 所管理的10000盞以上的路燈運行系統(tǒng)來看，本發(fā)明算法的故障判斷準確率從以前（無該 算法時僅憑檢驗判斷）的80%提升到目前的95%以上。同時，不斷新增的單燈運行數(shù)據(jù)為 本算法的合理修正也帶來新的可能。在實際修正過程中，我們發(fā)現(xiàn)，數(shù)據(jù)越多，本發(fā)明的模 型適應性和依據(jù)模型來做判斷的準確性和可靠性也越有保證。
【附圖說明】
[0022] 圖1示出了本發(fā)明的基于模糊集合理論的路燈故障類型判斷方法的較佳實施例 的流程圖。
【具體實施方式】
[0023] 在結(jié)合以下附圖閱讀本公開的實施例的詳細描述之后，能夠更好地理解本發(fā)明的 上述特征和優(yōu)點。在附圖中，各組件不一定是按比例繪制，并且具有類似的相關特性或特征 的組件可能具有相同或相近的附圖標記。
[0024] 圖1示出了本發(fā)明的基于模糊集合理論的路燈故障類型判斷方法的較佳實施例 的流程。請參見圖1，本實施例的方法的詳細步驟如下。
[0025] 步驟Sl :根據(jù)正常路燈和故障路燈的實際運行數(shù)據(jù)，分別給出不同故障類型的模 型參數(shù)，并根據(jù)實際運行數(shù)據(jù)和模型參數(shù)構(gòu)造出各個分量數(shù)據(jù)的隸屬度函數(shù)，得到最初的 隸屬度模型。
[0026] 這里所說的模型參數(shù)包括某一類別故障的路燈電參數(shù)據(jù)的典型期望值（大數(shù)據(jù) 平均值）和標準偏差（類正態(tài)分布下11個 〇的標準偏差）。而分量數(shù)據(jù)所指的是路燈的電 流、電壓等數(shù)據(jù)。
[0027] 隸屬度函數(shù)的構(gòu)造主要是基于經(jīng)驗和大量的單燈數(shù)據(jù)，其中最基本和最多的數(shù)據(jù) 是正常燈。現(xiàn)實中正常燈和故障燈邏輯上是相互獨立排斥的，那么在隸屬度函數(shù)的構(gòu)造中 必須考慮正常燈的單燈數(shù)據(jù)庫，如此故障燈的模型與參數(shù)才能設計合理并在實踐中保持穩(wěn) 定同時又能方便判斷。本方法中的隸屬度函數(shù)形式可以是多樣的，這里只是給出了基于模 糊集合理論的最簡單的形態(tài)。具體的各種燈的形態(tài)或有所不同，也會根據(jù)更多的單燈數(shù)據(jù) 而不斷的修正和變化。而當出現(xiàn)新增故障類型，或者根據(jù)用戶需求分立與合并故障類型時。 需要重新歸類新的數(shù)據(jù)庫，以便重新構(gòu)造新隸屬度模型和參數(shù)。
[0028] 在這一步驟中，本實施例將實際大量路燈長時間運行時的各種狀況加入了分析算 法。而在傳統(tǒng)的路燈故障判斷系統(tǒng)或軟件中，即便是自動判斷，但是都憑借所謂的固定單一 的經(jīng)驗值，而不是實際的路燈運行數(shù)據(jù)，更不用說是大數(shù)據(jù)和變化的數(shù)據(jù)。
[0029] 以下舉一示例來說明步驟S1。
[0030] 1)先根據(jù)以往豐富路燈數(shù)據(jù)和業(yè)內(nèi)經(jīng)驗建立最簡單的隸屬度函數(shù)
[0031] μ Ai j (X) = 0,當 x〈Xi j-Ai j 或者 x>Xi j+Ai j (公式一）；
[0032] μ Aij (X) = I - (x-Xij)*(x_Xij)/(Aij*Aij)，當 Xij-Aij 彡 x 彡 Xij+Aij (公式 二），
[0033] 其中某個燈X的實測或待測電參數(shù)（可以為I、U、PA以及PF等的任一個），i表 示路燈狀態(tài)（有正常、嚴重老化、桿下無電、電容損壞、燈損壞等），j表示特征電參（例如 I、U、PA以及PF等），Xij和Aij分別為是指某一路燈狀態(tài)i下某一類電參j的典型期望值 (大數(shù)平均）和標準偏差（這里為簡單起見，在最初的隸屬度函數(shù)構(gòu)造時，選取最標準的正 態(tài)分布模型，并且以單倍的標準偏差為基本篩選范圍）
[0034] 2)根據(jù)大量路燈數(shù)據(jù)歸納統(tǒng)計而得到的Xij與Aij表，現(xiàn)以Philips某型號的 250w的高壓鈉燈在220V單相交流供電運行時，舉例如下
[0035]
【主權(quán)項】
1. 一種基于模糊集合理論的路燈故障類型判斷方法，包括： 根據(jù)正常路燈和故障路燈的實際運行數(shù)據(jù)，分別給出不同故障類型的模型參數(shù)，并根 據(jù)實際運行數(shù)據(jù)和模型參數(shù)構(gòu)造出各個分量數(shù)據(jù)的隸屬度函數(shù)，得到最初的隸屬度模型； 每次引入新的單燈數(shù)據(jù)，并基于最新的隸屬度模型進行判斷，并針對判定為故障的路 燈進行現(xiàn)場核實； 若核查發(fā)現(xiàn)正確，則繼續(xù)進行下一次單燈數(shù)據(jù)的判斷，同時將當前判斷正確的故障例 子中的電參數(shù)據(jù)加入到對應的故障類型數(shù)據(jù)庫中，待累計到一定數(shù)量時重新修正該故障類 型的模型參數(shù)； 若核查發(fā)現(xiàn)錯誤，則進行人工分析并歸類，待累計到一定數(shù)量時重新修正該故障類型 的模型參數(shù)； 在核查之后獲得修正后的模型參數(shù)，再繼續(xù)下一個單燈數(shù)據(jù)的判斷。
2. 根據(jù)權(quán)利要求1所述的基于模糊集合理論的路燈故障類型判斷方法，其特征在于， 在核查發(fā)現(xiàn)錯誤的過程中，若對模型參數(shù)的修正仍不起作用，則進一步修正隸屬度模型本 身。
3. 根據(jù)權(quán)利要求1所述的基于模糊集合理論的路燈故障類型判斷方法，其特征在于， 模型參數(shù)包括典型期望值、標準偏差。
4. 根據(jù)權(quán)利要求1所述的基于模糊集合理論的路燈故障類型判斷方法，其特征在于， 分量數(shù)據(jù)包括電流數(shù)據(jù)、電壓數(shù)據(jù)。
5. 根據(jù)權(quán)利要求1所述的基于模糊集合理論的路燈故障類型判斷方法，其特征在于， 在核查發(fā)現(xiàn)錯誤的步驟中，若新增的被核查是錯誤的數(shù)據(jù)若現(xiàn)場驗證燈無故障，則重新測 試電參數(shù)據(jù)，并將其歸入到非故障燈數(shù)據(jù)庫中，若被核實為其他故障，則將電參數(shù)據(jù)加入到 對應的故障類型數(shù)據(jù)庫中。
6. 根據(jù)權(quán)利要求1所述的基于模糊集合理論的路燈故障類型判斷方法，其特征在于， 隸屬度函數(shù)是基于正常燈的單燈數(shù)據(jù)和故障燈的單燈數(shù)據(jù)一同構(gòu)造的。
7. 根據(jù)權(quán)利要求1所述的基于模糊集合理論的路燈故障類型判斷方法，其特征在于， 當出現(xiàn)新增故障類型時，或者需要分立與合并故障類型時，重新歸類新的故障類型數(shù)據(jù)庫， 以便重新構(gòu)造新的隸屬度模型和參數(shù)。
【專利摘要】本發(fā)明公開了一種基于模糊集合理論的路燈故障類型判斷方法，能有效的改善路燈故障判斷的依據(jù)并相當幅度的提高判斷和報告準確率。其技術方案為：基于模糊集合理論并結(jié)合大量的單燈運行多個電參數(shù)據(jù)(包括正常燈和故障燈)特征的多類別故障自動判斷，同時算法注重自我修正和自主學習。
【IPC分類】G06F19-00, G01R31-44
【公開號】CN104808154
【申請?zhí)枴緾N201410422165
【發(fā)明人】林輝, 張益軍, 顧國昌
【申請人】上海路輝電子科技有限公司
【公開日】2015年7月29日
【申請日】2014年8月25日