System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及故障预诊断的,尤其是涉及一种充电桩故障预诊断方法、装置、电子设备及介质。
技术介绍
1、随着科技飞速发展及人们环保意识的日益提高,越来越多的电力驱动车辆受到人们的青睐。而作为电力驱动车辆的重要配套设备,充电桩也应运而生。随着越来越多的充电桩投入应用,如何在充电桩发生故障时确认其故障原因以对其进行及时维修,也成为了保证充电桩的运行质量课题中的重要研究方法。
2、现有技术中,充电桩的故障原因诊断方式通常采用人工检修充电桩的方式来实现,若在巡检过程中发现故障,则针对该故障进行故障原因的排查,并最终确认该故障的发生原因。然而,由于现有的充电桩的故障原因诊断方式是通过人工检修来确定发生故障的原因,此种方式仅能够在人工检修排查故障原因后才能够确认,使得针对充电桩的故障原因诊断过程被动且效率低下,另外,只有在充电桩的故障显现出来时才进行处理,且通常需要临时安排检修与排查,这就使得解决故障所需的时间较长,降低了充电桩维护效率。
技术实现思路
1、为了解决上述中的至少一项技术问题,本申请提供一种充电桩故障预诊断方法、装置、设备和介质。
2、第一方面,本申请提供一种充电桩故障预诊断方法,采用如下的技术方案:
3、获取第一故障信息,所述第一故障信息为位于不同位置的充电桩在第一预设周期内发生的所有故障信息;
4、对所述第一故障信息进行筛查,得到爆发故障信息,所述爆发故障信息为每个充电桩所发生故障次数超过预设次数的故障信息;
5、获取爆发
6、基于所述潜在时长以及平均间隔时长确定所述充电桩在预设时间段内的未来故障信息,并根据所述未来故障信息生成并输出预测告警信息,所述预测告警信息包括未来故障信息对应的故障充电桩、故障充电桩发生故障的预估时间、故障充电桩发生故障的故障类型以及故障类型对应故障解决方案。
7、在一种可能实现的方式中,所述基于所述潜在时长以及平均间隔时长确定所述充电桩在预设时间段内的未来故障信息,对于所述爆发故障信息,包括:
8、判断所述潜在时长是否等于所述平均间隔时长,若等于,则将与所述潜在时长相对应的爆发故障信息设定为未来故障信息;
9、若不等于,则判断所述潜在时长是否小于平均间隔时长,若小于,则将所述平均间隔时长和所述潜在时长的差值小于第一阈值的所述爆发故障信息定义为未来故障信息。
10、在一种可能实现的方式中,还包括:
11、获取充电桩的当前故障信息;
12、将所述故障信息输入训练好的故障网络模型,得到每个所述当前故障信息对应的故障原因信息,所述故障原因信息包括能够引起出现所述当前故障信息的至少一个故障原因以及与各个故障原因分别对应的发生概率。
13、在一种可能实现的方式中,在将所述故障信息输入训练好的故障网络模型之前,还包括:
14、获取第二故障信息,所述第二故障信息为位于不同位置的充电桩在第二预设周期内发生的所有故障信息,所述第二预设周期大于所述第一预设周期,所述故障信息包含每个故障的故障现象以及每个故障现象的故障原因;
15、将所述第二故障信息作为训练样本输入至预先创建的故障网络模型进行训练,得到训练后的故障网络模型。
16、在一种可能实现的方式中,所述获取充电桩的当前故障信息,包括:
17、获取用户输入的故障现象;
18、获取能够表征充电桩的各项性能参数,每项所述性能参数均对应有预设的标准区间;
19、在任一所述性能参数不位于对应的所述标准区间内时确定所述性能参数为故障参数;
20、将每个所述故障参数与所述故障现象进行关联,生成充电桩的当前故障信息。
21、在一种可能实现的方式中,所述获取用户输入的故障现象,包括:
22、获取在第三预设周期内用户输入的每个疑似故障现象的数量;
23、确定所述数量大于第二阈值的疑似故障现象为故障现象。
24、在一种可能实现的方式中,所述获取用户输入的故障现象,还包括:
25、获取在第三预设周期内每个用户发送的所有疑似故障现象及每个所述疑似故障现象的发送次数;
26、确定每个所述发送次数大于第三阈值的疑似故障现象为故障现象。
27、第二方面,本申请提供一种充电桩故障预诊断装置,采用如下的技术方案:
28、一种充电桩故障预诊断装置,包括:
29、信息获取模块,用于获取第一故障信息,所述第一故障信息为位于不同位置的充电桩在第一预设周期内发生的所有故障信息;
30、信息筛查模块,用于对所述第一故障信息进行筛查,得到爆发故障信息,所述爆发故障信息为每个充电桩所发生故障次数超过预设次数的故障信息;
31、时长获取模块,用于获取爆发故障信息中每个充电桩故障类型发生的平均间隔时长以及潜在时长,所述潜在时长为每个所述充电桩故障类型上一次发生故障时间到当前时间的间隔时长;
32、告警预测模块,用于基于所述潜在时长以及平均间隔时长确定所述充电桩在预设时间段内的未来故障信息,并根据所述未来故障信息生成并输出预测告警信息,所述预测告警信息包括未来故障信息对应的故障充电桩、故障充电桩发生故障的预估时间、故障充电桩发生故障的故障类型以及故障类型对应故障解决方案。
33、在一种可能的实现方式中,述告警预测模块在基于所述潜在时长以及平均间隔时长确定所述充电桩在预设时间段内的未来故障信息时,对于所述爆发故障信息,具体用于:
34、判断所述潜在时长是否等于所述平均间隔时长,若等于,则将与所述潜在时长相对应的爆发故障信息设定为未来故障信息;
35、若不等于,则判断所述潜在时长是否小于平均间隔时长,若小于,则将所述平均间隔时长和所述潜在时长的差值小于第一阈值的所述爆发故障信息定义为未来故障信息。
36、在另一种可能的实现方式中,所述装置还包括:故障获取模块以及模型训练模块,其中,
37、所述故障获取模块,用于获取充电桩的当前故障信息;
38、所述模型训练模块,用于将所述故障信息输入训练好的故障网络模型,得到每个所述当前故障信息对应的故障原因信息,所述故障原因信息包括能够引起出现所述当前故障信息的至少一个故障原因以及与各个故障原因分别对应的发生概率。
39、在另一种可能的实现方式中,所述装置还包括:故障信息获取模块以及网络训练模块,其中,
40、所述故障信息获取模块,用于获取第二故障信息,所述第二故障信息为位于不同位置的充电桩在第二预设周期内发生的所有故障信息,所述第二预设周期大于所述第一预设周期,所述故障信息包含每个故障的故障现象以及每个故障现象的故障原因;
41、网络训练模块,用于将所述第二本文档来自技高网...
【技术保护点】
1.一种充电桩故障预诊断方法,其特征在于,包括:
2.根据权利要求1所述的一种充电桩故障预诊断方法,其特征在于,所述基于所述潜在时长以及平均间隔时长确定所述充电桩在预设时间段内的未来故障信息,对于所述爆发故障信息,包括:
3.根据权利要求1所述的一种充电桩故障预诊断方法,其特征在于,还包括:
4.根据权利要求3所述的一种充电桩故障预诊断方法,其特征在于,在将所述故障信息输入训练好的故障网络模型之前,还包括:
5.根据权利要求3所述的一种充电桩故障预诊断方法,其特征在于,所述获取充电桩的当前故障信息,包括:
6.根据权利要求5所述的一种充电桩故障预诊断方法,其特征在于,所述获取用户输入的故障现象,包括:
7.根据权利要求5所述的一种充电桩故障预诊断方法,其特征在于,所述获取用户输入的故障现象,还包括:
8.一种充电桩故障预诊断装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中
...【技术特征摘要】
1.一种充电桩故障预诊断方法,其特征在于,包括:
2.根据权利要求1所述的一种充电桩故障预诊断方法,其特征在于,所述基于所述潜在时长以及平均间隔时长确定所述充电桩在预设时间段内的未来故障信息,对于所述爆发故障信息,包括:
3.根据权利要求1所述的一种充电桩故障预诊断方法,其特征在于,还包括:
4.根据权利要求3所述的一种充电桩故障预诊断方法,其特征在于,在将所述故障信息输入训练好的故障网络模型之前,还包括:
5.根据权利要求3所述的一种充电桩故障预诊断方法,其特征在于,...
【专利技术属性】
技术研发人员:刘强,杨芳,辛涛,唐晓猛,张宇,安振佳,黄建民,张欣莹,
申请(专利权)人:隆瑞三优新能源汽车科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。