一种电源故障诊断系统及方法技术方案

本发明专利技术公开了一种电源故障诊断系统及方法，包括：历史数据存储模块，包括包括历史采集数据库、专家知识诊断数据库和模型数据库，专家知识诊断数据库内包括历史故障诊断数据；样本训练模块，包括样本数据集和模型生成单元，历史采集数据库、专家知识诊断数据库和模型生成单元均与样本数据集连接，模型生成单元通过样本训练生成决策树诊断模型；诊断模型迁移模组，包括均与模型数据库连接的教师诊断模块、迁移训练单元和学生诊断模块，决策树诊断模型生成后存入教师诊断模块，教师诊断模块连接迁移训练单元，迁移训练单元通过计算类别目标函数的全局最优解自动确定类别数。本发明专利技术通过知识蒸馏，减小诊断复杂度，提高故障诊断效率和精准度。精准度。精准度。

【技术实现步骤摘要】
一种电源故障诊断系统及方法


[0001]本专利技术涉及电源故障诊断
，具体涉及一种电源故障诊断系统及方法。

技术介绍

[0002]电源是将水力、风力、海潮、水坝水压差、太阳能等可再生能源及煤炭、油渣等产生电力的能量转换成电能的装置，广泛应用于工业自动化控制、军工设备、科研设备、工控设备、计算机和电脑、通讯设备、电力设备、仪器仪表、医疗设备、半导体制冷制热等领域。而电源工作中，电源的突发故障直接影响整个系统的正常工作。
[0003]现有技术中，授权公告号CN109001649B的专利技术专利中公开了一种电源智能诊断系统及保护方法，通过基于温湿度数据和频谱信息的故障判断模块解决电源电路的故障诊断，但基于基本电源故障模型进行比对，效率和精准度较低。

技术实现思路

[0004]为解决上述问题，本专利技术提出了一种电源故障诊断系统及方法，通过知识蒸馏，减小诊断复杂度，提高故障诊断效率和精准度。
[0005]本专利技术采用的技术方案是：
[0006]本申请提出一种电源故障诊断系统，包括：
[0007]历史数据存储模块，包括包括历史采集数据库、专家知识诊断数据库和模型数据库，所述专家知识诊断数据库内包括历史故障诊断数据；
[0008]样本训练模块，包括样本数据集和模型生成单元，所述历史采集数据库、专家知识诊断数据库和模型生成单元均与样本数据集连接，所述模型生成单元通过样本训练生成决策树诊断模型；
[0009]诊断模型迁移模组，包括均与模型数据库连接的教师诊断模块、迁移训练单元和学生诊断模块，所述决策树诊断模型生成后存入教师诊断模块，所述教师诊断模块连接迁移训练单元，所述迁移训练单元连接学生诊断模块，所述迁移训练单元通过计算类别目标函数的全局最优解自动确定类别数，对教师诊断模块内的决策树诊断模型进行迁移和参数压缩，生成学生诊断模型并存入学生诊断模块；
[0010]数据处理模块，所述数据处理模块连接学生诊断模型，所述数据处理模块用于将采集的数据进行处理，使其与样本数据集的格式相同；
[0011]数据采集模块，所述数据处理模块还连接数据处理模块，所述数据采集模块用于采集整个电源系统的多类型数据。
[0012]优先地，还包括显示模块，所述显示模块连接学生诊断模块，用于显示故障诊断结果。
[0013]优先地，所述数据采集模块包括设于电源系统内的温度传感器、湿度传感器、音频传感器、电压采样单元和电流采样单元，所述温度传感器和湿度传感器分别用于实时采集电源系统的温度和湿度，所述音频传感器用于采集电源系统内或输出端的噪声数据，所述
电压采样单元和电流采样单元分别用于采集电源系统中的输出电压数据和输出电流数据或检测端的电压数据和电流数据。
[0014]优先地，所述数据处理模块包括频谱分析单元和测试数据集，所述频谱分析单元对数据采集模块的数据进行初步分析，并根据学生诊断模块的参数结构形成测试数据集。
[0015]基于上述的电源故障诊断系统，本申请还提出一种使用上述电源故障诊断系统的诊断方法，包括如下步骤：
[0016]S1.样本训练模块向专家知识诊断数据库中采集样本数据，采集专家诊断定性的多种电源故障类型；在历史采集数据库中根据多种电源故障类型采集电源故障对应的温湿度数据、噪声数据、采样电压值、采样电流值和其它电源故障表现数据，将电源故障表现数据与电源故障类型集合，生成向量型样本数据集；
[0017]S2.采用决策树算法，计算信息熵Entropy或基尼指数Gini对样本数据集进行样本训练，生成决策树，剪枝后存入教师诊断模块中，信息熵Entropy和基尼指数Gini的计算公式如下：
[0018][0019][0020]其中，c为电源故障类型数目，t为决策树的节点数，P为c的相对概率；
[0021]S3.迁移训练单元中，根据可逆跳马尔科夫蒙特卡洛算法，在电源故障表现数据集中寻找类别数量最优解；
[0022]S4.根据步骤S3中的类别数量最优解，对步骤S2中的决策树进行裁剪、压缩，得到学生诊断决策树，并存入学生诊断模块中；
[0023]S5.数据采集模块进行数据采集；
[0024]S6.数据处理模块根据步骤S3中的类别数量最优解，将步骤S5中采集的数据生成测试数据集，并通过学生诊断决策树进行诊断，并通过显示模块进行故障类型显示。
[0025]优先地，步骤S1中，向量型样本数据集的数据量小于等于历史数据存储模块中的数据量的三分之二。
[0026]优先地，步骤S2中，所述决策树包括根节点、分支、子节点和叶节点，所述叶节点用于表示电源故障诊断类型，所述样本数据集设于根节点，所述分支用于表示每个电源故障表现数据类型的属性范围，从根节点包含的样本数据集根据分支的属性范围的测试结果被划分到子节点中。
[0027]优先地，步骤S3中，具体包括：设定迭代次数且构建混合转移核，所述混合转移核包括生成函数、删除函数、分裂函数、组合函数和转移函数，每次迭代中通过混合转移核遍历向量型样本数据集进行生成、删除、分裂、组合和转移，直至类别数量最优解稳定为固定值。
[0028]本专利技术的有益效果是：
[0029]1.通过知识蒸馏，将性能较好、泛化能力较好的教师诊断模型迁移至学生诊断模型中，减少参数量、模型复杂度，使学生诊断模型经压缩后具备教师诊断模型的相近的性能，提高诊断效率；
[0030]2.构建决策树来对多维的电源故障表现数据进行分类，提高诊断效率和准确度；
[0031]3.迁移训练单元中，通过获取类别函数最优解来自动确定类别数量，提高迁移后学生诊断模型的诊断准确度。
附图说明
[0032]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0033]图1是本专利技术的结构连接示意图。
具体实施方式
[0034]实施例一
[0035]如图1所示，本申请提出一种电源故障诊断系统，包括：
[0036]如图1所示，历史数据存储模块，包括包括历史采集数据库、专家知识诊断数据库和模型数据库，专家知识诊断数据库内包括历史故障诊断数据。
[0037]如图1所示，样本训练模块，包括样本数据集和模型生成单元，历史采集数据库、专家知识诊断数据库和模型生成单元均与样本数据集连接，模型生成单元通过样本训练生成决策树诊断模型。
[0038]如图1所示，诊断模型迁移模组，包括均与模型数据库连接的教师诊断模块、迁移训练单元和学生诊断模块，决策树诊断模型生成后存入教师诊断模块，教师诊断模块连接迁移训练单元，迁移训练单元连接学生诊断模块，迁移训练单元通过计算类别目标函数的全局最优解自动确定类别数，对教师诊断模块内的决策树诊断模型进行迁移和参数压缩，生成学生诊断模型并存入学生诊断模块。
[0039]如图1所示，数据处理模块，数据处理模块连接学生诊断模型，数据处理模块用于将采集的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电源故障诊断系统，其特征在于：包括：历史数据存储模块，包括包括历史采集数据库、专家知识诊断数据库和模型数据库，所述专家知识诊断数据库内包括历史故障诊断数据；样本训练模块，包括样本数据集和模型生成单元，所述历史采集数据库、专家知识诊断数据库和模型生成单元均与样本数据集连接，所述模型生成单元通过样本训练生成决策树诊断模型；诊断模型迁移模组，包括均与模型数据库连接的教师诊断模块、迁移训练单元和学生诊断模块，所述决策树诊断模型生成后存入教师诊断模块，所述教师诊断模块连接迁移训练单元，所述迁移训练单元连接学生诊断模块，所述迁移训练单元通过计算类别目标函数的全局最优解自动确定类别数，对教师诊断模块内的决策树诊断模型进行迁移和参数压缩，生成学生诊断模型并存入学生诊断模块；数据处理模块，所述数据处理模块连接学生诊断模型，所述数据处理模块用于将采集的数据进行处理，使其与样本数据集的格式相同；数据采集模块，所述数据处理模块还连接数据处理模块，所述数据采集模块用于采集整个电源系统的多类型数据。2.根据权利要求1所述的电源故障诊断系统，其特征在于：还包括显示模块，所述显示模块连接学生诊断模块，用于显示故障诊断结果。3.根据权利要求1所述的电源故障诊断系统，其特征在于：所述数据采集模块包括设于电源系统内的温度传感器、湿度传感器、音频传感器、电压采样单元和电流采样单元，所述温度传感器和湿度传感器分别用于实时采集电源系统的温度和湿度，所述音频传感器用于采集电源系统内或输出端的噪声数据，所述电压采样单元和电流采样单元分别用于采集电源系统中的输出电压数据和输出电流数据或检测端的电压数据和电流数据。4.根据权利要求2或3所述的电源故障诊断系统，其特征在于：所述数据处理模块包括频谱分析单元和测试数据集，所述频谱分析单元对数据采集模块的数据进行初步分析，并根据学生诊断模块的参数结构形成测试数据集。5.一种使用如权利要求1所述的电源故障诊断系统的诊断方法，其特征在于：包括如下步骤：S1.样本训...

【专利技术属性】
技术研发人员：高纬，高显扬，程兴科，
申请(专利权)人：江苏毅星新能源科技有限公司，
类型：发明
国别省市：