一种卫星电源主母线电流区间预测方法技术

本发明专利技术公开了一种卫星电源主母线电流区间预测方法，该方法基于优化的核极限学习机训练的预测模型，利用比例系数法确定预测区间，其中比例系数法的参数由差分进化算法进行优化，具体过程包括：卫星电源主母线电流数据预处理，去除噪声数据并获取归一化数据；采用差分进化算法优化核极限学习机参数；使用优化的核极限学习机建立初始预测模型；给定评估预测区间质量的综合指标，采用比例系数法确定预测区间，评估预测区间满意度；最后，利用差分进化算法优化区间预测比例系数，获得最优的卫星电源主母线电流预测区间。本发明专利技术的优点是：针对复杂的卫星电源主母线电流数据，给出了一种卫星电源主母线电流区间预测方法，该方法预测精度更高，效果更好。

【技术实现步骤摘要】

本专利技术涉及一种卫星电源主母线电流区间预测方法，该方法基于优化的核极限学习机训练的预测模型，利用差分进化算法优化的比例系数法确定预测区间，本专利技术属于航天科学与计算机科学的交叉领域。
技术介绍
卫星是一种结合遥感、通信等技术研制出来的大型多功能复杂系统，它是人类探索宇宙世界的主要途径。卫星电源系统是系统的功能子系统，它为卫星所有设备正常工作提供能量，主要完成产生电能、储存能量、变换和调节能量、传输分配电能等任务。它的工作原理是通过物理或化学变化，将太阳能、核能等转化成电能，并完成对电能的存储、变换和调节，然后将电能传输分配给卫星其他系统。目前常用的卫星电源系统结构为太阳能/蓄电池供电系统：它由供能设备和控制设备组成，其中太阳电池阵、蓄电池组是供能设备；电池充电控制器、电池放电控制器、分流调节器、升压调节器等是控制设备。太阳电池阵是卫星电源系统的发电装置，当卫星处于光照期时，太阳电池阵经过光伏效应把太阳能转换成电能，经过分流调节器进行分流，经过升压调节进行稳压调节，通过电池充电控制器对蓄电池进行充电，并向卫星各负载设备供电。蓄电池是卫星电源系统的供电和储能设备，当卫星处于阴影期时，蓄电池经过电池放电调节器向卫星各负载设备供电。控制设备是电源系统的核心部件，其中主母线的优劣直接影响卫星电源系统的供电品质。主母线的功能是在光照期用于调节太阳电池阵输出功率，在阴影期用于控制和保护蓄电池放电过程，为卫星电源系统和其他设备提供与地面连接的接口，接受并执行遥控指令及地面有限指令，采样并预处理遥测信号等。虽然卫星在轨异常发生概率很小，但是一旦发生，极有可能中断卫星工作任务甚至导致卫星陨落，造成的损失是致命的。例如通信卫星发生故障，将导致信号中断，通信设备无法继续使用；又如气象卫星出现工作异常，将导致气象工作人员不能及时、有效的获得气象信息；导航卫星发生故障将会导致地面接收端无法获得地理位置信号，进而无法对地理位置做出准确的判断。由此可见，卫星故障及异常状况给国家和普通民众带来的影响和损失是不可估量的。调查发现，在种种卫星故障和异常中，电源系统故障是主要因素，电源系统故障对于整个卫星的工作有严重的影响，因此，有必要对卫星电源系统的关键参数如主母线电流进行准确预测，及时发现和避免卫星故障。通常情况下，及时发现和避免卫星电源系统故障的有效做法是对主母线电流的未来趋势进行预测，通过主母线电流的预测值和其正常范围的对比来判断卫星电源主母线是否可能出现异常，本专利技术的目的是通过对卫星电源主母线电流数据进行区间预测模型的训练，利用该区间预测模型获得卫星电源主母线电流的预测值及预测区间，从而实现对卫星电源主母线电流未来趋势的预测，以此来及时发现和避免卫星电源主母线的异常和故障。
技术实现思路
本专利技术的目的是基于卫星电源系统的主母线电流数据，专利技术一个对卫星电源主母线电流区间预测的方法，基于该方法，可以预测卫星电源主母线电流的预测值以及预测区间，从而解决卫星电源主母线电流数据异常监测等问题，实现对卫星电源系统主母线可疑异常的及时发现和避免，为卫星在轨运行的辅助控制管理打下坚实基础。本专利技术的具体技术方案包括以下几个步骤：步骤一：针对卫星电源主母线电流数据，对原始数据进行清洗、压缩、转换和归一化处理。步骤二：借助差分进化算法优化核极限学习机参数，确定最优的核极限学习机的核参数以及惩罚系数。步骤三：借助步骤二中得到的核极限学习机的参数，结合比例系数法建立核极限学习机预测模型。步骤四：借助步骤三中得到的原始预测模型，结合集成方法和差分进化算法优化比例系数法建立卫星电源主母线电流预测模型。本专利技术的有益效果是：本专利技术所提的方法从数据挖掘的角度出发，针对卫星电源主母线电流数据本身进行特征提取与预测分析，提出了一种新颖的预测方法，有效地解决了卫星电源主母线电流数据噪声数据多、维度高、分析难度高的问题。本专利技术经过扩展后，还可以用于航天器其他遥测数据的预测，为在轨卫星异常检测与分析提供了一种新方法。附图说明图1是本专利技术方法的总体流程图。具体实施方式下面结合附图和相关算法，对本专利技术做进一步的说明。本专利技术的总体流程如图1所示。本专利技术针对卫星电源主母线电流数据设计了一种主母线电流区间预测方法，借助数据预处理方法去除数据中的噪声数据，提取归一化数据。借助差分进化算法优化核极限学习机参数，确定最优的核极限学习机的核参数以及惩罚系数，降低预测误差，提高预测模型精度。针对优化后的核极限学习机参数，结合比例系数法建立原始预测模型，针对原始预测模型，借助集成方法和差分进化算法优化比例系数法建立最终预测模型。具体实施步骤如下：1.数据预处理针对卫星电源遥测数据，首先将数据按照一分钟进行分段，将每分钟超出正常范围30倍且出现次数小于3次的数据作为噪声数据并将其去除；随后对数据进行统计分析，将去噪后的主母线电流数据进行压缩；再将单维的时间序列转换成矩阵的形式，获得适合核极限学习机的样本集；最后对样本集矩阵按列分别进行归一化处理。其过程可用算法1描述：算法1：数据预处理输入：数据集D，嵌入维度m输出：新数据集ND1：temp_D＝临时数据集2：count＝主母线电流数据数目3：minute_number＝主母线电流数据按分钟分段数4：将主母线电流数据temp_D按照分钟进行分段，分段结果存放在seg_D中5：for(i＝0；i＜minute_number；i++)6：统计seg_D[i]中超出正常范围30倍的数据出现次数7：end for8：将每分钟超出正常范围30倍且出现次数小于3次的数据去除9：对数据进行统计分析，压缩主母线电流数据10：for(j＝0；j＜count-m；j++)11：将单维的时间序列转换成矩阵matrix的形式12：end for13：for(k＝0；k＜m；k++)14：ND[k]＝样本集矩阵按列进行归一化处理后的数据15：end for2.借助差分进化算法优化核极限学习机参数针对经过数据预处理的数据集ND，本专利技术借助差分进化算法优化核极限学习机参数，确定最优的核极限学习机的核参数以及惩罚系数，降低预测误差，提高预测模型精度。首先，初始化差分进化算法参数和个体基因序列；然后计算目标函数适应值，并选择出 最佳适应值和最差适应值。随后经过变异、交叉、选择操作，保留最优基因到下一代，检查是否满足终止条件，若满足则结束，否则返回继续计算新种群的目标函数适应值、最佳适应值、最差适应值，继续经过变异、交叉、选择操作，直到满足终止条件为止。其具体过程如算法2描述：算法2：差分进化算法优化核极限学习机参数输入：种群个数NP，搜索空间维数D，最大迭代次数tmax，最大缩放因子Fmax，最小缩放因子Fmin，最大交叉概率CRmax，最小交叉概率CRmin输出：全局最优解σbest，G，Cbest，G1：G＝0，Fmax＝1，Fmin＝0，CRmax＝1，CRmin＝0.52：for(i＝0：i＜NP；i++)3：4：根据公式(4)初始化种群5：end for6：while(t＜tmax||目标函数值收敛)7：for(i＝0；i＜NP；i++)8：计算目标函数适应值9：end for10：选择最佳适应值、最差适应值11：for(i＝0；i＜NP；i++)12：根据公式(本文档来自技高网...

【技术保护点】
一种卫星电源主母线电流区间预测方法，其特征包括如下步骤：(1)针对卫星电源主母线电流数据的特点，对原数据进行预处理；(2)借助差分进化算法优化核极限学习机参数，确定最优的核极限学习机的核参数以及惩罚系数；(3)借助经过差分进化算法优化的核极限学习机的参数，结合比例系数法建立核极限学习机的预测模型；(4)借助集成技术和差分进化算法优化比例系数法建立卫星电源主母线电流预测模型。

【技术特征摘要】
1.一种卫星电源主母线电流区间预测方法，其特征包括如下步骤：(1)针对卫星电源主母线电流数据的特点，对原数据进行预处理；(2)借助差分进化算法优化核极限学习机参数，确定最优的核极限学习机的核参数以及惩罚系数；(3)借助经过差分进化算法优化的核极限学习机的参数，结合比例系数法建立核极限学习机的预测模型；(4)借助集成技术和差分进化算法优化比例系数法建立卫星电源主母线电流预测模型。2.根据权利要求1所述的一种卫星电源数据区间预测方法，其特征在于，步骤(1)针对卫星电源主母线电流数据的预处理，其实现方法包括：(21)将每分钟超出正常范围30倍且出现次数小于三次的数据认定为噪声数据，将其删除；(22)提取原始数据中的特征数据，并进行压缩；(23)根据给定的嵌入维度，将单维的时间序列转换成矩阵的形式，获得适合核极限学习机的样本集矩阵；(24)对样本集矩阵分别按列...

【专利技术属性】
技术研发人员：皮德常，康旭，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32