设备故障分类系统架构

数据来源: 配网终端15分钟上报数据

遥信数据

100+项开关状态等数据

遥测数据

22项电流电压功率等数据

第一阶段: 规则与经验判断

基于遥信数据和遥测数据，采用规则和经验进行判断

处理明确故障：断路器断路、开关跳闸等

根据遥测数据判断设备本体故障

本体故障分类：
  • 绝缘击穿
  • 气体泄漏
  • 密封油漏
  • 其他本体故障

测试系统: metry.hostcache.com/test.html

↓
无明确分类结果
↓

第二阶段: 机器学习模型判断

基于遥测数据，使用LSTM机器学习模型分类

处理电气故障类型

模型训练：真实数据有限，基于统计阈值用大模型生成模拟数据训练

电气故障分类：
  • 短路故障
  • 接地故障
  • 断路故障
  • 失压故障
  • 过载故障

测试系统: metry.hostcache.com

↓
无明确分类结果
↓

第三阶段: 兜底简单模型

根据三相电流不平衡、三相电压不平衡进行基础判断

作为最终兜底机制确保所有异常能得到基本分类

基础故障分类：
  • 电流异常
  • 电压异常

数据统计与模型训练

真实数据来源：2台真实FTU设备的一年采集数据

统计数据：通过真实数据统计出配网设备运行的真实阈值

模拟数据生成：基于阈值统计使用大模型生成符合分布的模拟训练数据

统计系统: omhost.net/notes2025/power-statistics