【技术实现步骤摘要】
本专利技术涉及电源充电分析，更具体涉及一种基于边缘计算的模块化电源充电异常智能诊断方法。
技术介绍
1、传统的电源系统故障检测和诊断方式存在多种局限性，这些局限性在面对现代电力系统日益增长的复杂性和规模时变得更加明显。传统电源系统的故障检测依赖于定期安排的人工检查。这种方式虽然能够发现一些明显的故障，但由于检查周期较长，往往无法在故障刚发生时就进行检测，导致故障影响时间延长，甚至可能错过最佳维修时机。随着电源系统的规模不断扩大，单体化设计使得整个系统变得越来越复杂。当系统中某一部分发生故障时，定位故障源并采取有效措施隔离故障区域变得非常困难，这增加了维护工作的复杂度。传统的故障检测与诊断方式在现代电力系统面前暴露出了诸多不足之处，亟需通过技术创新来弥补这些缺陷。引入基于边缘计算的模块化电源充电异常智能诊断方法，可以有效地解决上述问题，提高故障检测的实时性、降低维护难度、增强诊断手段的灵活性。
技术实现思路
1、一种基于边缘计算的模块化电源充电异常智能诊断方法，包括以下步骤，
2、s1.模块化设计：设计电源系统时采用模块化结构，每个模块负责特定的功能（如充电、监控等），这样可以更容易地识别和隔离故障源；
3、s2.数据采集：在电源充电系统的各个关键节点部署传感器，如电压传感器、电流传感器、温度传感器等，以实时监测电源状态，状态包括电压（voltage）: 电源模块的输出电压和输入电压， 电流（current）: 电源模块的输出电流和输入电流， 功率（power
4、s3.边缘计算处理：利用边缘计算设备（如嵌入式控制器或小型服务器）直接在数据产生位置附近处理数据，边缘计算设备执行初步的数据清洗和过滤数据，去除无效值和噪声，包括数据标准化、归一化、格式化和分析任务，减少网络传输负担；
5、s4.异常检测算法：应用孤立森林算法来分析边缘设备上传的数据，并在历史数据上训练得到检测模型，并整合得到异常检测公式：，其中，标准差，表示电源状态各参数的标准差，均值 ，表示电源状态各参数的均值，异常检测，当 阈值，则 被标记为异常，根据模型区分正常操作条件下的数据与异常情况；
6、s5.实时监控与告警：实时监控充电过程中的各项指标，并设置阈值来触发警告、报警，当检测到异常时，边缘计算设备根据预定义的规则和智能决策机制做出响应，包括调整充电参数、发送警报给维护人员、记录异常事件并进一步分析；
7、s6.数据分析与优化：收集并存储所有的异常事件及其处理结果，供后续分析，利用大数据分析技术来优化算法模型，提升系统的自我学习能力和诊断准确性；
8、s7.反馈机制：建立一个闭环反馈系统，允许诊断结果和系统操作被记录下来，用于改进未来的诊断逻辑和技术，反馈信息还可以用来调整电源系统的参数设定，使其更适应实际工作环境。
9、进一步的，一种基于边缘计算的模块化电源充电异常智能诊断方法，
10、s41.数据收集与准备：传感器数据：包括温度、电压、电流实时数据，历史正常操作数据和已标记的异常事件数据，数据预处理：去除噪声和缺失值，确保数据的质量，从原始数据中提取有用的特征，将数据缩放到相同的范围，以便于模型训练；
11、s42.特征工程：基于数据分析选择对异常检测最有用的特征，包括时间序列特征：滚动均值、标准差，统计特征：最大值、最小值、峰度，使用主成分分析（pca）技术减少特征维度，提高模型效率；
12、s43.异常检测模型构建：将数据集分为训练集和测试集，基于孤立森林算法使用训练集训练异常检测模型，并整合得到异常检测公式：，其中，标准差，表示电源状态各参数的标准差，均值 ，表示电源状态各参数的均值，异常检测，当 阈值，则 被标记为异常，测试集验证模型性能，使用评价指标（如精度、召回率、f1-score）评估模型的异常检测效果，调整模型的超参数，以优化检测性能；
13、s44.模型部署与实时检测：将训练好的模型部署到边缘设备，进行实时异常检测，根据边缘设备的计算能力和资源限制，优化模型的性能和效率，实时接收传感器数据，通过模型进行异常检测，当检测到异常时，触发告警机制，通知相关人员、系统采取措施；
14、s45.持续优化与维护：不断收集新数据，定期更新和再训练模型，以适应新的数据分布和异常模式,基于实际检测效果和反馈调整模型，提升检测准确性，监控模型的检测性能，确保其在生产环境中的稳定性，分析误报和漏报情况，进一步优化模型和检测策略。
15、进一步的，一种基于边缘计算的模块化电源充电异常智能诊断方法，
16、步骤s5中边缘计算设备根据预定义的规则和智能决策机制做出响应，具体如下，
17、s51.边缘计算设备的响应：使用预定义的规则引擎根据监测数据和阈值做出决策：电压超出上限，则执行关停操作，温度超过设定范围，则启动风扇降温；
18、s52.智能决策：根据实时数据自动调整系统参数和阈值，以优化系统性能和安全性，根据决策结果自动调整电源模块的设置，执行操作：调整电压、电流、启动保护机制，记录异常事件和响应措施，并生成报告供后续分析和改进；
19、s53.系统集成：设计与其他系统的接口，报警系统、控制系统和数据记录系统，以确保信息流通和协调操作，对整个监控系统进行全面测试，确保数据采集、阈值设置、警告报警和边缘计算响应机制的有效性；
20、s54.维护和优化：定期检查和维护传感器和计算设备，确保其正常运行，根据实际运行情况和用户反馈，持续优化阈值设置、数据处理和响应机制。
21、进一步的，一种基于边缘计算的模块化电源充电异常智能诊断方法，
22、步骤s6中收集并存储所有的异常事件及其处理方法，利用大数据分析技术来优化算法模型，具体如下，
23、充电电流异常情况：电流过低：充电速度慢，电池无法达到预期的充电水平，电流过高：可能导致电池过热、损坏甚至起火；
24、处理方法：检查充电器：确保充电器的输出电流符合设备要求，检查电池状态：如果电池老化或损坏，可能需要更换电池，调整充电参数：确保充电算法和充电曲线设置正确；
25、充电电压异常情况：电压过高：可能导致电池过热或损坏，电压过低：充电效率低，电池充电不完全；
26、处理方法：检查充电器输出电压：确保充电器的电压稳定在设计范围内，检查电池充电接口：确保电池接口和充电器接口接触良好，监测电池电压：使用电池管理系统（bms）监测电池电压状态，防止过充或过放；
27、充电温度异常情况：温度过高：可能导致电池过热，损害电池寿命或引发安全问题，温度过低：充电效率降低，电池充电速度变慢；
28、处理方法：检查散热系统：确本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的模块化电源充电异常智能诊断方法，其特征在于，包括以下步骤，
2.如权利要求1所述的一种基于边缘计算的模块化电源充电异常智能诊断方法，其特征在于，
3.如权利要求1所述的一种基于边缘计算的模块化电源充电异常智能诊断方法，其特征在于，
4.如权利要求1所述的一种基于边缘计算的模块化电源充电异常智能诊断方法，其特征在于，
【技术特征摘要】
1.一种基于边缘计算的模块化电源充电异常智能诊断方法，其特征在于，包括以下步骤，
2.如权利要求1所述的一种基于边缘计算的模块化电源充电异常智能诊断方法，其特征在于，
<...【专利技术属性】
技术研发人员：彭建文，沈小江，贺星，田建军，王华巍，肖琳，田修玲，
申请(专利权)人：博硕科技江西有限公司，
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。