一种电能计量箱故障检测方法及系统与流程

本申请属于故障检测领域，尤其涉及一种电能计量箱故障检测方法及系统。

背景技术：

1、在实际运行过程中，电能计量箱长期处于内部电气负荷变化和外部自然环境影响之下，容易因元器件老化、负荷波动、环境温湿度变化等因素引发线路接触不良、绝缘破损甚至火灾等故障。为实现运行状态监测，通常会在设备内部部署多种传感器，持续采集电压、电流、温度等多模态时序运行数据，并采用数据驱动的智能故障检测方法进行分析。然而，多模态时序数据同时包含缓慢变化的低频周期性信息和突发出现的高频瞬态异常信息，若难以充分提取不同时间尺度下的特征，并有效挖掘不同模态数据之间的关联关系，则会影响设备运行状态表达的完整性和故障检测结果的准确性。

2、此外，不同地区、安装环境或设备批次的电能计量箱在工况条件上存在差异，导致采集到的多模态运行数据在分布上存在域偏移现象。传统深度学习故障检测模型通常依赖大量带有专家人工标注的数据，而为每一个新的目标运行场景重新收集并标注故障样本，不仅成本较高，而且周期较长。若直接将在某一特定场景下训练得到的模型应用于无标签的新场景，容易因跨场景数据分布差异导致检测性能下降。同时，跨域数据中既包含表达设备故障本质的通用特征，也包含特定场景独有的私有特征，传统迁移学习方法难以对二者进行有效分离与对齐。因此，如何在目标场景无标签的情况下，建立多模态特征解耦和跨域分布自适应对齐机制，以提升电能计量箱故障检测模型在不同运行场景下的适应能力，成为亟需解决的问题。

技术实现思路

1、为了解决现有技术中电能计量箱多模态时序特征提取不充分、跨域数据分布差异难以适应以及目标场景缺少标签导致故障检测准确性和泛化能力不足的问题，本发明提供了一种电能计量箱故障检测方法及系统。

2、第一方面，本发明提供了一种电能计量箱故障检测方法，所述方法包括：

3、获取源域有标签的电能计量箱运行数据和目标域无标签的电能计量箱运行数据，所述源域有标签的电能计量箱运行数据和所述目标域无标签的电能计量箱运行数据均包含电压时序数据、电流时序数据和温度时序数据；通过多尺度特征提取通道，分别提取各模态数据的高频瞬态特征和低频周期特征；

4、计算不同模态特征之间的关联权重，利用所述关联权重对所述高频瞬态特征和所述低频周期特征进行跨模态交互与特征融合，生成融合特征；将所述融合特征输入正交分解模块，将所述融合特征解耦为域不变特征和域私有特征；计算所述域私有特征的范数并将所述域私有特征的范数作为域特异性度量；

5、利用所述域不变特征和所述标签训练故障分类器，并在对抗训练中利用所述域特异性度量对域分类损失进行加权，从而对齐跨域特征分布；设定置信度阈值，对目标域进行预测生成伪标签，基于高置信度目标域样本及其伪标签计算目标域伪标签分类损失；对目标域样本施加扰动后重新提取特征并进行预测，计算一致性损失，将所述目标域伪标签分类损失与所述一致性损失联合用于优化模型；利用训练完成的模型对待测电能计量箱数据进行故障检测。

6、另一方面，本发明还提供了一种电能计量箱故障检测系统，所述系统包括以下模块：

7、提取模块，用于获取源域有标签的电能计量箱运行数据和目标域无标签的电能计量箱运行数据，所述源域有标签的电能计量箱运行数据和所述目标域无标签的电能计量箱运行数据均包含电压时序数据、电流时序数据和温度时序数据；通过多尺度特征提取通道，分别提取各模态数据的高频瞬态特征和低频周期特征；

8、计算模块，用于计算不同模态特征之间的关联权重，利用所述关联权重对所述高频瞬态特征和所述低频周期特征进行跨模态交互与特征融合，生成融合特征；将所述融合特征输入正交分解模块，将所述融合特征解耦为域不变特征和域私有特征；计算所述域私有特征的范数并将所述域私有特征的范数作为域特异性度量；

9、检测模块，用于利用所述域不变特征和所述标签训练故障分类器，并在对抗训练中利用所述域特异性度量对域分类损失进行加权，从而对齐跨域特征分布；设定置信度阈值，对目标域进行预测生成伪标签，基于高置信度目标域样本及其伪标签计算目标域伪标签分类损失；对目标域样本施加扰动后重新提取特征并进行预测，计算一致性损失，将所述目标域伪标签分类损失与所述一致性损失联合用于优化模型；利用训练完成的模型对待测电能计量箱数据进行故障检测。

10、本发明获取电压、电流、温度等多模态时序数据，通过多尺度特征提取通道分别提取高频瞬态特征和低频周期特征，以表征设备运行中的突发异常与周期变化；通过跨模态关联权重计算，实现多物理量特征交互融合，增强运行状态表达能力。同时，将融合特征解耦为域不变特征和域私有特征，并结合域特异性度量调节对抗训练过程，降低跨场景分布差异对检测结果的影响；进一步利用置信度阈值筛选目标域伪标签，并结合扰动一致性损失联合优化模型，从而在目标域标签不足的情况下，提高电能计量箱故障检测的准确性和适应能力。

1.一种电能计量箱故障检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述通过多尺度特征提取通道，分别提取各模态数据的高频瞬态特征和低频周期特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述计算不同模态特征之间的关联权重，利用所述关联权重对所述高频瞬态特征和所述低频周期特征进行跨模态交互与特征融合，生成融合特征，包括：

4.根据权利要求3所述的方法，其特征在于，所述将所述融合特征输入正交分解模块，将所述融合特征解耦为域不变特征和域私有特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述计算所述域私有特征的范数并将所述域私有特征的范数作为域特异性度量，包括：

6.根据权利要求1所述的方法，其特征在于，所述对目标域样本施加扰动后重新提取特征并进行预测，计算一致性损失，将所述目标域伪标签分类损失与所述一致性损失联合用于优化模型，包括：

7.一种电能计量箱故障检测系统，其特征在于，包括：

8.根据权利要求7所述的系统，其特征在于，所述通过多尺度特征提取通道，分别提取各模态数据的高频瞬态特征和低频周期特征，包括：

9.根据权利要求7所述的系统，其特征在于，所述计算不同模态特征之间的关联权重，利用所述关联权重对所述高频瞬态特征和所述低频周期特征进行跨模态交互与特征融合，生成融合特征，包括：

10.根据权利要求7所述的系统，其特征在于，所述将所述融合特征输入正交分解模块，将所述融合特征解耦为域不变特征和域私有特征，包括：