买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽大学;安徽国信类脑智能科技有限公司申请的专利一种基于边缘计算的台区采集故障诊断与分析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115792457B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211556118.3，技术领域涉及：G01R31/00；该发明授权一种基于边缘计算的台区采集故障诊断与分析方法及系统是由李腾;董强;年福东;周庆奥设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本一种基于边缘计算的台区采集故障诊断与分析方法及系统在说明书摘要公布了：本发明公开一种基于边缘计算的台区采集故障诊断与分析方法及系统，方法包括：故障诊断设备实时获取工况信息，所述工况信息包括用电设备的实时用电工况信息、智能电表的实时电表工况信息和集中器的实时集中器工况信息，所述故障诊断设备对所述工况信息进行主动诊断；云计算平台通过所述工况信息建立LSTM模型预测故障；用户终端接收所述故障诊断设备的诊断结果和所述LSTM模型预测故障的预测结果。通过本发明公开的基于边缘计算的台区采集故障诊断与分析方法及系统，能够提高解决故障的效率。

本发明授权一种基于边缘计算的台区采集故障诊断与分析方法及系统在权利要求书中公布了：1.一种基于边缘计算的台区采集故障诊断与分析方法，其特征在于，包括： 故障诊断设备实时获取工况信息，所述工况信息包括用电设备的实时用电工况信息、智能电表的实时电表工况信息和集中器的实时集中器工况信息，所述故障诊断设备对所述工况信息进行主动诊断； 云计算平台通过所述工况信息建立LSTM模型预测故障； 用户终端接收所述故障诊断设备的诊断结果和所述LSTM模型预测故障的预测结果； 其中，所述LSTM模型预测故障通过以下步骤： 从所述电表工况信息中提取电流数据、电压数据和对应智能电表的温度数据和压力数据，组成任意时间节点的四维度特征向量； 根据所述电表工况信息历史数据，任意截取连续n个时间点的四维度特征向量，构成训练集，每n个连续的四维度特征向量记为一条训练数据； 每一条训练数据的前n-1个四维度特征向量为所述LSTM模型的输入，第n个四维度特征向量为所述LSTM模型的输出，训练所述LSTM模型； 对每个所述智能电表的电表工况信息任意采样时间点t，获取采样时间点t的前n-1个连续的四维度特征向量，所述LSTM模型预测输出第n个四维度特征向量； 预设预测阈值，获取采样时间点t真实的四维度特征向量，若真实的四维度特征向量中的电流数据、电压数据、温度数据和压力数据与对应的所述LSTM模型预测输出的第n个四维度特征向量中的电流数据、电压数据、温度数据和压力数据的差值的绝对值之和大于所述预测阈值，则判定所述智能电表发生采集故障； 其中，智能电表故障包括电表时钟超差故障，所述故障诊断设备通过以下方式，诊断电表时钟超差故障： 根据每个智能电表的报文解析，获取时钟数据序列； 将所述时钟数据序列中每一个时钟数据值与所述故障诊断设备接收时刻对应的系统时钟值作差，获取时钟差序列； 将所述时钟差序列进行多次曲线拟合，获取得多个曲线参数； 根据多个所述曲线参数，获取多个曲线参数特征； 根据多个曲线参数特征，获取中心点特征； 获取所述时钟差序列与所述中心点特征的欧式距离，将所述欧式距离与预设距离阈值对比； 若所述欧式距离大于预设距离阈值，则判定该智能电表出现电表时钟超差故障，否则，则反； 其中，所述中心点特征通过以下公式获取： ； ； ； ； ； 式中，表示为中心点特征，、、和表示为多个曲线参数特征，、、和表示为多个曲线参数，N表示为智能电表的总个数，。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学;安徽国信类脑智能科技有限公司，其通讯地址为：230039 安徽省合肥市蜀山区肥西路3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。