本發(fā)明涉及故障診斷，尤其涉及一種基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法及裝置。

背景技術(shù)：

1、電力場(chǎng)站應(yīng)急備用電源系統(tǒng)采用直流充電電源模塊對(duì)蓄電池充電。直流充電電源模塊的性能狀態(tài)，對(duì)蓄電池充電安全、模塊絕緣劣化和轉(zhuǎn)換效率有顯著影響，因此對(duì)直流充電電源模塊的性能狀態(tài)進(jìn)行監(jiān)控，是電力場(chǎng)站應(yīng)急備用電源系統(tǒng)安全運(yùn)行的重要環(huán)節(jié)。

2、目前用于識(shí)別直流充電電源模塊狀態(tài)的方法包括：1.基于解析模型的方法，模擬電路工作狀態(tài)，預(yù)測(cè)電壓或電流，并與參考值進(jìn)行比較；2.基于數(shù)據(jù)的建模方法通常建立在離線條件下的建?？蚣苤希⑹褂脤＜医?jīng)驗(yàn)方法來(lái)校正學(xué)習(xí)的模型參數(shù)；3.基于信號(hào)處理的方法根據(jù)信號(hào)分析策略對(duì)數(shù)據(jù)進(jìn)行分解和轉(zhuǎn)換，從中提取特征信息，通過(guò)比較故障前后特征信息的變化規(guī)律，可以實(shí)現(xiàn)故障的診斷和識(shí)別。然而上述方法的魯棒性和準(zhǔn)確性仍有待提高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供了一種基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法及裝置，以解決提高充電模塊狀態(tài)識(shí)別的魯棒性和準(zhǔn)確性的問(wèn)題。

2、第一方面，本發(fā)明實(shí)施例提供了一種基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，包括：

3、獲取充電模塊的多個(gè)工作性能參量序列；其中，每個(gè)工作性能參量序列為一種工作性能參量在多個(gè)時(shí)刻的值；

4、針對(duì)每個(gè)工作性能參量序列，對(duì)該工作性能參量序列進(jìn)行小波包分解，得到該工作性能參量序列對(duì)應(yīng)的多個(gè)重構(gòu)節(jié)點(diǎn)，并基于每個(gè)重構(gòu)節(jié)點(diǎn)的能量值占比，在該工作性能參量序列對(duì)應(yīng)的各個(gè)重構(gòu)節(jié)點(diǎn)中選取該工作性能參量序列的主節(jié)點(diǎn)；

5、計(jì)算各個(gè)工作性能參量序列的主節(jié)點(diǎn)重構(gòu)系數(shù)均值和小波包信息熵，并組合作為所述充電模塊的故障特征向量；

6、將故障特征向量輸入經(jīng)過(guò)訓(xùn)練的狀態(tài)識(shí)別模型，得到充電模塊的故障狀態(tài)。

7、在一種可能的實(shí)現(xiàn)方式中，工作性能參量序列包括三相輸入電流序列、輸出電流序列和工作溫度序列，每個(gè)三相輸入電流序列對(duì)應(yīng)的工作性能參量為三相輸入電流中的一相，每個(gè)工作溫度序列對(duì)應(yīng)的工作性能參量為一個(gè)晶體管的工作溫度。

8、在一種可能的實(shí)現(xiàn)方式中，在基于每個(gè)重構(gòu)節(jié)點(diǎn)的能量值占比，在該工作性能參量序列對(duì)應(yīng)的各個(gè)重構(gòu)節(jié)點(diǎn)中選取主節(jié)點(diǎn)之前，還包括：

9、針對(duì)該工作性能參量序列中的每個(gè)重構(gòu)節(jié)點(diǎn)，基于能量公式計(jì)算該重構(gòu)節(jié)點(diǎn)的能量值占比；其中，能量公式為：

10、

11、其中，ei為第i個(gè)重構(gòu)節(jié)點(diǎn)的能量值，di(k)為第i個(gè)重構(gòu)節(jié)點(diǎn)的小波包系數(shù)矩陣，ni為第i個(gè)重構(gòu)節(jié)點(diǎn)的小波包系數(shù)矩陣的長(zhǎng)度，i為該工作性能參量序列的重構(gòu)節(jié)點(diǎn)數(shù)量，εi為第i個(gè)重構(gòu)節(jié)點(diǎn)的能量值占比，e為各重構(gòu)節(jié)點(diǎn)的總能量值。

12、在一種可能的實(shí)現(xiàn)方式中，計(jì)算各個(gè)工作性能參量序列的主節(jié)點(diǎn)重構(gòu)系數(shù)均值，包括：

13、針對(duì)每個(gè)工作性能參量序列，基于該工作性能參量序列的重構(gòu)子信號(hào)中各頻帶的小波包系數(shù)，計(jì)算該工作性能參量序列的各主節(jié)點(diǎn)的重構(gòu)系數(shù)，并將各主節(jié)點(diǎn)的重構(gòu)系數(shù)的平均值作為該工作性能參量序列的主節(jié)點(diǎn)重構(gòu)系數(shù)均值。

14、在一種可能的實(shí)現(xiàn)方式中，計(jì)算各個(gè)工作性能參量序列的小波包信息熵，包括：

15、基于小波包信息熵公式計(jì)算各個(gè)工作性能參量序列的小波包信息熵；其中，小波包信息熵公式為：

16、

17、其中，i為工作性能參量序列中的工作性能參量個(gè)數(shù)，εi為工作性能參量序列中的第i個(gè)工作性能參量的能量值占比。

18、在一種可能的實(shí)現(xiàn)方式中，計(jì)算各個(gè)工作性能參量序列的主節(jié)點(diǎn)重構(gòu)系數(shù)均值和小波包信息熵，并組合作為所述充電模塊的故障特征向量，還包括：

19、對(duì)各個(gè)工作性能參量序列的主節(jié)點(diǎn)重構(gòu)系數(shù)均值進(jìn)行歸一化，得到各個(gè)工作性能參量序列的歸一化后的主節(jié)點(diǎn)重構(gòu)系數(shù)均值；

20、對(duì)各個(gè)工作性能參量序列的小波包信息熵進(jìn)行歸一化，得到各個(gè)工作性能參量序列的歸一化后的小波包信息熵；

21、將各個(gè)工作性能參量序列的歸一化后的主節(jié)點(diǎn)重構(gòu)系數(shù)均值和各個(gè)工作性能參量序列的歸一化后的小波包信息熵組合，作為充電模塊的故障特征向量。

22、在一種可能的實(shí)現(xiàn)方式中，獲取充電模塊的多個(gè)工作性能參量序列，包括：

23、以預(yù)設(shè)時(shí)長(zhǎng)為周期，滾動(dòng)獲取充電模塊的多個(gè)工作性能參量序列。

24、在一種可能的實(shí)現(xiàn)方式中，狀態(tài)識(shí)別模型為混合核極限學(xué)習(xí)機(jī)。

25、在一種可能的實(shí)現(xiàn)方式中，在將故障特征向量輸入經(jīng)過(guò)訓(xùn)練的狀態(tài)識(shí)別模型之前，還包括：

26、獲取初始的狀態(tài)識(shí)別模型；

27、采用蜣螂優(yōu)化算法和訓(xùn)練樣本集對(duì)初始的狀態(tài)識(shí)別模型進(jìn)行訓(xùn)練，得到經(jīng)過(guò)訓(xùn)練的狀態(tài)識(shí)別模型；其中，訓(xùn)練樣本集包括多個(gè)訓(xùn)練樣本，每個(gè)訓(xùn)練樣本為一組故障特征向量，每個(gè)訓(xùn)練樣本的標(biāo)簽為故障狀態(tài)編碼。

28、第二方面，本發(fā)明實(shí)施例提供了一種基于khelm-dbo的充電模塊狀態(tài)識(shí)別裝置，包括：

29、獲取模塊，用于獲取充電模塊的多個(gè)工作性能參量序列；其中，每個(gè)工作性能參量序列為一種工作性能參量在多個(gè)時(shí)刻的值；

30、重構(gòu)模塊，用于針對(duì)每個(gè)工作性能參量序列，對(duì)該工作性能參量序列進(jìn)行小波包分解，得到該工作性能參量序列對(duì)應(yīng)的多個(gè)重構(gòu)節(jié)點(diǎn)，并基于每個(gè)重構(gòu)節(jié)點(diǎn)的能量值占比，在該工作性能參量序列對(duì)應(yīng)的各個(gè)重構(gòu)節(jié)點(diǎn)中選取該工作性能參量序列的主節(jié)點(diǎn)；

31、特征提取模塊，用于計(jì)算各個(gè)工作性能參量序列的主節(jié)點(diǎn)重構(gòu)系數(shù)均值和小波包信息熵，并組合作為所述充電模塊的故障特征向量；

32、狀態(tài)識(shí)別模塊，用于將故障特征向量輸入經(jīng)過(guò)訓(xùn)練的狀態(tài)識(shí)別模型，得到充電模塊的故障狀態(tài)。

33、本發(fā)明實(shí)施例提供一種基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法及裝置，將充電模塊的多個(gè)工作性能參量序列作為表征充電模塊運(yùn)行狀態(tài)的信息，通過(guò)重構(gòu)節(jié)點(diǎn)的能量占比選取出幾乎包含了原始信號(hào)的所有信息的主節(jié)點(diǎn)，并通過(guò)主節(jié)點(diǎn)的重構(gòu)系數(shù)均值描述主節(jié)點(diǎn)信號(hào)波形的變化軌跡，通過(guò)小波包信息熵反映各工作性能參量序列在時(shí)頻域中的不確定度及復(fù)雜度的變化情況，最后組合得到故障特征向量，并結(jié)合狀態(tài)識(shí)別模型確定充電模塊的故障狀態(tài)，從而提高充電模塊狀態(tài)識(shí)別的魯棒性和準(zhǔn)確性。

技術(shù)特征：

1.一種基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，其特征在于，所述工作性能參量序列包括三相輸入電流序列、輸出電流序列和工作溫度序列，每個(gè)三相輸入電流序列對(duì)應(yīng)的工作性能參量為三相輸入電流中的一相，每個(gè)工作溫度序列對(duì)應(yīng)的工作性能參量為一個(gè)晶體管的工作溫度。

3.根據(jù)權(quán)利要求1所述的基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，其特征在于，在所述基于每個(gè)重構(gòu)節(jié)點(diǎn)的能量值占比，在該工作性能參量序列對(duì)應(yīng)的各個(gè)重構(gòu)節(jié)點(diǎn)中選取主節(jié)點(diǎn)之前，還包括：

4.根據(jù)權(quán)利要求1所述的基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，其特征在于，所述計(jì)算各個(gè)工作性能參量序列的主節(jié)點(diǎn)重構(gòu)系數(shù)均值，包括：

5.根據(jù)權(quán)利要求1所述的基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，其特征在于，計(jì)算各個(gè)工作性能參量序列的小波包信息熵，包括：

6.根據(jù)權(quán)利要求1所述的基于樣本熵的充電模塊狀態(tài)識(shí)別方法，其特征在于，所述計(jì)算各個(gè)工作性能參量序列的主節(jié)點(diǎn)重構(gòu)系數(shù)均值和小波包信息熵，并組合作為所述充電模塊的故障特征向量，還包括：

7.根據(jù)權(quán)利要求1所述的基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，其特征在于，所述獲取充電模塊的多個(gè)工作性能參量序列，包括：

8.根據(jù)權(quán)利要求1所述的基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，其特征在于，所述狀態(tài)識(shí)別模型為混合核極限學(xué)習(xí)機(jī)。

9.根據(jù)權(quán)利要求1所述的基于khelm-dbo的充電模塊狀態(tài)識(shí)別方法，其特征在于，在所述將所述故障特征向量輸入經(jīng)過(guò)訓(xùn)練的狀態(tài)識(shí)別模型之前，還包括：

10.一種基于khelm-dbo的充電模塊狀態(tài)識(shí)別裝置，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供一種基于KHELM?DBO的充電模塊狀態(tài)識(shí)別方法及裝置，屬于故障診斷技術(shù)領(lǐng)域。該方法包括：獲取充電模塊的多個(gè)工作性能參量序列；其中，每個(gè)工作性能參量序列為一種工作性能參量在多個(gè)時(shí)刻的值；針對(duì)每個(gè)工作性能參量序列，對(duì)該工作性能參量序列進(jìn)行小波包分解，得到該工作性能參量序列對(duì)應(yīng)的多個(gè)重構(gòu)節(jié)點(diǎn)，并基于每個(gè)重構(gòu)節(jié)點(diǎn)的能量值占比，在該工作性能參量序列對(duì)應(yīng)的各個(gè)重構(gòu)節(jié)點(diǎn)中選取該工作性能參量序列的主節(jié)點(diǎn)；計(jì)算各個(gè)主節(jié)點(diǎn)的重構(gòu)系數(shù)均值和各個(gè)工作性能參量序列的小波包信息熵，并組合作為充電模塊的故障特征向量；將故障特征向量輸入經(jīng)過(guò)訓(xùn)練的狀態(tài)識(shí)別模型，得到充電模塊的故障狀態(tài)。本發(fā)明能夠提高充電模塊狀態(tài)識(shí)別的魯棒性和準(zhǔn)確性。

技術(shù)研發(fā)人員：蔡子文,李秉宇,杜旭浩,劉杰,李天輝,蘇肖,李會(huì)卿,沈培
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)河北能源技術(shù)服務(wù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10