CN105117615B - 基于累积和控制图的卫星电源系统异常检测方法 - Google Patents

基于累积和控制图的卫星电源系统异常检测方法 Download PDF

Info

Publication number
CN105117615B
CN105117615B CN201510661474.5A CN201510661474A CN105117615B CN 105117615 B CN105117615 B CN 105117615B CN 201510661474 A CN201510661474 A CN 201510661474A CN 105117615 B CN105117615 B CN 105117615B
Authority
CN
China
Prior art keywords
hydrogen pressure
pressure value
power supply
mrow
average
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510661474.5A
Other languages
English (en)
Other versions
CN105117615A (zh
Inventor
李玉庆
樊恒海
王日新
张海龙
程瑶
徐敏强
杨天社
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
China Xian Satellite Control Center
Original Assignee
Harbin Institute of Technology
China Xian Satellite Control Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology, China Xian Satellite Control Center filed Critical Harbin Institute of Technology
Priority to CN201510661474.5A priority Critical patent/CN105117615B/zh
Publication of CN105117615A publication Critical patent/CN105117615A/zh
Application granted granted Critical
Publication of CN105117615B publication Critical patent/CN105117615B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Fuel Cell (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

基于累积和控制图的卫星电源系统异常检测方法，涉及电源系统故障诊断领域。本发明为了解决现有卫星电源系统异常检测所存在的门限值太宽、无法检测微小故障和早期预警等问题。本发明获取一段时间内镍氢电池型卫星电源正常运行的历史数据，选取电源的氢压值作为评估参数；将氢压值分成m组并计算每组氢压值的均值pj；然后计算电源氢压值的统计特性，确定累积和控制图的允偏量和门限值；计算待检测卫星电源的氢压值均值pi；将氢压值均值pi作为累积和函数的输入，将输出值绘制在累积和控制图中；判断当前待检测卫星电源氢压值对应的累积和S+(i)、S‑(i)是否超过累积和控制图的门限值，判断电源系统当前工作状态。本发明适用于镍氢电池型卫星电源系统故障诊断领域。

Description

基于累积和控制图的卫星电源系统异常检测方法
技术领域
本发明涉及电源系统故障诊断领域。
背景技术
电源系统是卫星的核心系统，卫星进出地影伴随着蓄电池与太阳能电池阵的充放电交替，在太能电池阵能够满足供电时，卫星的动力由太阳能电池阵提供，此时蓄电池进行充电；当太阳能电池阵供电不足时，则联合蓄电池进行供电；当进地影时完全由蓄电池进行供电，若此时蓄电池供电不足会导致卫星无法正常工作，情况严重时甚至失控变成“死星”。
目前卫星蓄电池使用的是镍氢电池，镍氢电池的常见的故障主要有电池的失效、损伤和不一致性，镍氢电池的失效指的是电池失去充放电等规定能力；镍氢电池的损伤指的是自身过度充电或过度放电而导致的对其内部结构和储存能力造成不可修复的损害；镍氢电池的不一致性表现在镍氢电池在使用过程中不断充放电导致性能衰退，不同的镍氢电池衰退程度不相同。
卫星蓄电池在工作时会采集电池的各种测量数据，例如各个回路的电压、电流，氢压值以及太阳帆板的姿态角等多类数据，当电池发生性能退化或失效时，测量数据会发生变化。现有的卫星电源异常检测方法一般是使用很多测量数据，方法主要有，基于模型的诊断方法、人工智能诊断方法、以及基于门限值异常检测方法等。基于模型的诊断是建立电源系统的精确模型，由模型和测量数据进行异常检测；人工智能诊断方法主要有专家系统以及神经网络方法等，专家系统是根据专家的经验建立经验库，将现有数据提取特征和经验库中的特征进行比对，从而达到异常检测的目的，人工神经网络通过对历史异常和正常的数据进行自学习，但现有的方法存在诸多缺陷，其一是使用的测量参数过多，并且参数物理意义不明显，其二是对于早期异常检测效果不明显。
发明内容
本发明为了解决现有卫星电源系统异常检测所存在的门限值太宽、无法检测微小故障和早期预警等问题，提出了基于累积和控制图的卫星电源系统异常检测方法。
基于累积和控制图的卫星电源系统异常检测方法，包括以下步骤：
步骤1、获取一段时间内镍氢电池型卫星电源正常运行的历史数据，选取电源的氢压值作为评估参数，对氢压值进行前处理(包括剃野和光滑处理)，将经过前处理的氢压值分成m组，并计算每组氢压值的均值pj，j＝1,2,...m；
步骤2、计算电源氢压值的统计特性，即计算步骤一中所述均值pj的均值和方差；
步骤3、根据电源正常运行时的氢压值的统计特性确定累积和控制图的允偏量和门限值；
步骤4、获得与历史数据中每组氢压值对应时间长度相等的待检测卫星电源氢压值，按照步骤1的过程计算待检测卫星电源的氢压值均值pi；
步骤5、将步骤4的电源氢压值均值pi作为累积和函数的输入，将输出值绘制在累积和控制图中；
步骤6、判断当前待检测卫星电源氢压值对应的累积和S+(i)、S-(i)是否超过累积和控制图的门限值，若未超门限说明卫星电源系统当前工作状态正常，对下一阶段氢压值进行检测；若超限，表明电源状态异常，给出警告。
本发明具有以下有益效果：
相对于传统的卫星电源系统故障诊断方法，本发明基于大量遥测数据找到了卫星电源系统异常检测中的一个特征参数：电源氢压值。这个值正常伴随着电池的充放电是在一个稳定值附近稳定波动，计算这个波动的统计特性，则正常状态时这个统计特性是稳定的。若卫星电源性能退化时，此统计特性就会发生变化，本发明能够识别出这个变化并触发报警。
为了更准确的识别出这个统计特性的变化，采用过程控制理论中的累积和控制图对受监测值进行检验，将小偏离叠加就能够识别出偏离，当前计算的偏离值是在上一时刻偏离值的叠加。该方法充分使用了历史数据，对缓变过程敏感，能够实现对卫星电源系统的异常检测、微小故障的早期预警。
用电源氢压值对卫星电源系统进行异常检测不但能够节省整体的运算时间，而且准确度高，通过对不同卫星的不同时刻的电源遥测数据进行验证，其异常检测准确度达到99％以上。
附图说明
图1为卫星发生故障时的一段电源氢压值遥测数据；
图2为绘制的累积和控制图；
图3为图2的故障部位局部放大图。
具体实施方式
具体实施方式一：
基于累积和控制图的卫星电源系统异常检测方法，包括以下步骤：
步骤1、获取一段时间内镍氢电池型卫星电源正常运行的历史数据，选取电源的氢压值作为评估参数，对氢压值进行前处理(包括剃野和光滑处理)，将经过前处理的氢压值分成m组，并计算每组氢压值的均值pj，j＝1,2,...m；
步骤2、计算电源氢压值的统计特性，即计算步骤一中所述均值pj的均值和方差；
步骤3、根据电源正常运行时的氢压值的统计特性确定累积和控制图的允偏量和门限值；
步骤4、获得与历史数据中每组氢压值对应时间长度相等的待检测卫星电源氢压值，按照步骤1的过程计算待检测卫星电源的氢压值均值pi；
步骤5、将步骤4的电源氢压值均值pi作为累积和函数的输入，将输出值绘制在累积和控制图中；
步骤6、判断当前待检测卫星电源氢压值对应的累积和S+(i)、S-(i)是否超过累积和控制图的门限值，若未超门限说明卫星电源系统当前工作状态正常，对下一阶段氢压值进行检测；若超限，表明电源状态异常，给出警告。
具体实施方式二：
本实施方式步骤1所述将经过前处理的氢压值分成m组并计算每组氢压值的均值pj的步骤如下：
选取电源的氢压值作为卫星异常检测的一个特征参数，氢压与电荷量在一定程度区间上是线性相关的，卫星电源正常工作时，氢压值是稳定波动的，若电源发生故障，则这个波动就会偏离正常；且卫星遥测数据通常是秒级的，求取一段时间的均值有利于数据平滑。
按照卫星遥测数据的采集规律，获取的历史数据是由若干个采样点组成的，将连续的n个氢压值数据点作为一组，共m组氢压值数据，计算第j＝1,2,...m组的氢压值均值pj：
其中，pjl为第j组中第l个氢压值。
其他步骤和参数与具体实施方式一相同。
具体实施方式三：
本实施方式的步骤2所述的计算步骤1中所述均值pj的均值和方差的步骤如下：
考虑卫星电源系统由于工作环境细微改变、电源系统本身状态波动、以及测量随机误差的影响，计算电源氢压值的统计特性，即计算步骤1中所述均值pj的均值和方差；
计算均值pj的均值P0：
计算均值pj的方差σ0：
其他步骤和参数与具体实施方式一或二相同。
具体实施方式四：
本实施方式步骤3中的允偏量和门限值由门限确定准则确定。
其他步骤和参数与具体实施方式一至三之一相同。
具体实施方式五：
本实施方式步骤3中的允偏量k＝0.5σ0，门限值H＝5σ0。
其他步骤和参数与具体实施方式一至四之一相同。
具体实施方式六：
本实施方式步骤4的具体步骤如下：
获得与历史数据中每组氢压值对应时间长度相等的待检测卫星电源氢压值，按照步骤1的过程，先对待检测卫星电源氢压值进行前处理，然后计算待检测卫星电源氢压值均值pi，记录为当前时间长度序列i对应的受观测量。
其他步骤和参数与具体实施方式一至五之一相同。
具体实施方式七：
本实施方式步骤5的具体步骤如下：
将步骤3确定的允偏量和门限值作为累积和控制图的允偏量和门限值；将步骤4的电源氢压值均值pi作为累积和控制图的受控制量，绘制在累积和控制图中；
累积和控制图列表法在双边控制时，计算两个累积和S+(i)、S-(i)；
S+(i)＝max[0,pi-(P0+k)+S+(i-1)]
S-(i)＝max[0,(P0-k)-pi+S-(i-1)]
S+(i)为上限偏移量，用来发现过程向上偏移；S-(i)为下限偏移量，用来发现过程向下偏移；S-(0)＝S+(0)＝0。
其他步骤和参数与具体实施方式一至六之一相同。
具体实施方式八：
本实施方式步骤6的具体判断步骤如下：
以受控制的电源氢压值的累积和S+(i)、S-(i)是否超过门限值H作为是否触发报警的前提条件；若S+(i)、S-(i)均未超过门限值H则储存当前值，表明卫星电源系统当前工作状态正常，并对下一时间长度i+1对应的受观测量进行检测；否则，触发报警。
图1为卫星发生故障时的一段电源氢压值遥测数据，该段数据显示电源氢压值已出现异常，但由于尚在报警阈值范围内(报警阈值：0)，所以传统检测方法没有给出故障报警；但是卫星在约为0.75×105s之后实际就已出现异常。本发明却能在时间约为0.75×105s之后及时检测出，氢压值遥测数据出现异常从而判断卫星出现故障，如图2和图3所示，图2为绘制的累积和控制图，图3为图2的故障部位局部放大图。图3控制图在7.5×104s左右处明显超限，触发报警，说明此时电源异常能够被检测出，结合图1，本发明实现了电源故障的早期预警和微小故障检测。
其他步骤和参数与具体实施方式一至七之一相同。

Claims (8)

1.基于累积和控制图的卫星电源系统异常检测方法，其特征在于包括以下步骤：
步骤1、获取一段时间内镍氢电池型卫星电源正常运行的历史数据，选取电源的氢压值作为评估参数，对氢压值进行前处理，将经过前处理的氢压值分成m组，并计算每组氢压值的均值pj，j＝1,2,...m；
步骤2、计算电源氢压值的统计特性，即计算步骤1中所述均值pj的均值和方差；
步骤3、根据电源正常运行时的氢压值的统计特性确定累积和控制图的允偏量和门限值；
步骤4、获得与历史数据中每组氢压值对应时间长度相等的待检测卫星电源氢压值，按照步骤1的过程计算待检测卫星电源的氢压值均值pi；
步骤5、将步骤4的电源氢压值均值pi作为累积和函数的输入，将输出值绘制在累积和控制图中；
步骤6、判断当前待检测卫星电源氢压值对应的累积和S+(i)、S-(i)是否超过累积和控制图的门限值，若未超门限说明卫星电源系统当前工作状态正常，对下一阶段氢压值进行检测；若超限，表明电源状态异常，给出警告。
2.根据权利要求1所述的基于累积和控制图的卫星电源系统异常检测方法，其特征在于步骤1所述将经过前处理的氢压值分成m组并计算每组氢压值的均值pj的步骤如下：
按照卫星遥测数据的采集规律，获取的历史数据是由若干个采样点组成的，将连续的n个氢压值数据点作为一组，共m组氢压值数据，计算第j＝1,2,...m组的氢压值均值pj：
<mrow> <msub> <mi>p</mi> <mi>j</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>p</mi> <mrow> <mi>j</mi> <mi>l</mi> </mrow> </msub> <mo>/</mo> <mi>n</mi> </mrow>
其中，pjl为第j组中第l个氢压值。
3.根据权利要求2所述的基于累积和控制图的卫星电源系统异常检测方法，其特征在于步骤2所述的计算步骤1中所述均值pj的均值和方差的步骤如下：
计算均值pj的均值P0：
<mrow> <msub> <mi>P</mi> <mn>0</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>p</mi> <mi>j</mi> </msub> <mo>/</mo> <mi>m</mi> </mrow>
计算均值pj的方差σ0：
<mrow> <msub> <mi>&amp;sigma;</mi> <mn>0</mn> </msub> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>/</mo> <mi>m</mi> </mrow> </msqrt> <mo>.</mo> </mrow>
4.根据权利要求3所述的基于累积和控制图的卫星电源系统异常检测方法，其特征在于步骤3中的允偏量和门限值由门限确定准则确定。
5.根据权利要求4所述的基于累积和控制图的卫星电源系统异常检测方法，其特征在于步骤3中的允偏量k＝0.5σ0，门限值H＝5σ0。
6.根据权利要求1、2、3、4或5所述的基于累积和控制图的卫星电源系统异常检测方法，其特征在于步骤4的具体步骤如下：
获得与历史数据中每组氢压值对应时间长度相等的待检测卫星电源氢压值，按照步骤1的过程，先对待检测卫星电源氢压值进行前处理，然后计算待检测卫星电源氢压值均值pi，记录为当前时间长度序列i对应的受观测量。
7.根据权利要求6所述的基于累积和控制图的卫星电源系统异常检测方法，其特征在于步骤5的具体步骤如下：
将步骤3确定的允偏量和门限值作为累积和控制图的允偏量和门限值；将步骤4的电源氢压值均值pi作为累积和控制图的受控制量，绘制在累积和控制图中；
累积和控制图列表法在双边控制时，计算两个累积和S+(i)、S-(i)；
S+(i)＝max[0,pi-(P0+k)+S+(i-1)]
S-(i)＝max[0,(P0-k)-pi+S-(i-1)]
S+(i)为上限偏移量，用来发现过程向上偏移；S-(i)为下限偏移量，用来发现过程向下偏移；S-(0)＝S+(0)＝0。
8.根据权利要求7所述的基于累积和控制图的卫星电源系统异常检测方法，其特征在于步骤6的具体判断步骤如下：
若S+(i)、S-(i)均未超过门限值H则储存当前值，表明卫星电源系统当前工作状态正常，并对下一时间长度i+1对应的受观测量进行检测；否则，触发报警。
CN201510661474.5A 2015-10-14 2015-10-14 基于累积和控制图的卫星电源系统异常检测方法 Active CN105117615B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510661474.5A CN105117615B (zh) 2015-10-14 2015-10-14 基于累积和控制图的卫星电源系统异常检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510661474.5A CN105117615B (zh) 2015-10-14 2015-10-14 基于累积和控制图的卫星电源系统异常检测方法

Publications (2)

Publication Number Publication Date
CN105117615A CN105117615A (zh) 2015-12-02
CN105117615B true CN105117615B (zh) 2017-11-14

Family

ID=54665603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510661474.5A Active CN105117615B (zh) 2015-10-14 2015-10-14 基于累积和控制图的卫星电源系统异常检测方法

Country Status (1)

Country Link
CN (1) CN105117615B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488540B (zh) * 2015-12-16 2019-04-26 上海卫星工程研究所 卫星镍氢蓄电池氢压下降故障的识别方法
CN107942994B (zh) * 2017-11-07 2019-06-28 湖南捷能高新技术有限公司 一种基于温度曲线特征的卫星温控系统故障诊断方法
CN111197480B (zh) * 2018-10-31 2023-05-23 北京国双科技有限公司 一种信息处理方法及相关设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101341619A (zh) * 2005-12-19 2009-01-07 丰田自动车株式会社 燃料电池系统和用于运行该系统的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101567643B1 (ko) * 2013-11-29 2015-11-10 현대자동차주식회사 연료 전지 시스템의 운전 제어 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101341619A (zh) * 2005-12-19 2009-01-07 丰田自动车株式会社 燃料电池系统和用于运行该系统的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Model-based fault diagnosis for the spacecraft power system;Shao Jiye，et al.;《2007 International Conference on Computational Intelligence and Security Workshops》;20071231;全文 *
Study on intelligence fault diagnosis approach based on digraph model and application to satellite battery;ZQ Cui，et al.;《Advanced Materials Research》;20141231;全文 *
基于空间信息的GEO卫星蓄电池充电优化控制;边宝刚，等.;《中国空间科学技术》;20141031(第5期);全文 *
月球卫星氢镍蓄电池在轨管理技术及性能分析;蔡晓东，等.;《航天器工程》;20121031;第21卷(第5期);全文 *

Also Published As

Publication number Publication date
CN105117615A (zh) 2015-12-02

Similar Documents

Publication Publication Date Title
US11959973B2 (en) Multi-fault diagnosis method and system for battery packs based on corrected sample entropy
CN103718054B (zh) 一种用于监控蓄电电池组的装置及相关方法
CN110133536B (zh) 确定电池组实体内部泄漏电流的指标的系统、方法及设备
CN108196203B (zh) 一种机车蓄电池的内阻估算方法、装置及管理系统
CN107656216A (zh) 一种铅酸蓄电池在线监测维护及预警系统及性能评估方法
CN107121639B (zh) 一种多维参数直流系统蓄电池管理方法及装置
DE102014210782A1 (de) Detektion von ungleichgewicht über mehreren batteriezellen, gemessen vom gleichen spannungssensor
CN107797070A (zh) 动力电池健康状态的评估方法及评估装置
CN104316879B (zh) 一种铅酸蓄电池组寿命的预测方法
CN105117615B (zh) 基于累积和控制图的卫星电源系统异常检测方法
CN108205114B (zh) 电池寿命的预测方法及系统
CN112319308B (zh) 一种动力电池多故障检测方法与系统
CN109365325B (zh) 一种电池的制造方法及系统
CN108701875A (zh) 移动平台、计算机可读存储介质、电池及其控制方法和系统
CN113687255A (zh) 一种电池单体的状态诊断方法、设备及存储介质
CN103413033A (zh) 一种预测蓄电池故障的方法
CN109615273A (zh) 一种电动汽车充电设施状态评价方法与系统
CN117214757A (zh) 锂离子电池及电池组健康度预测方法
US20220196754A1 (en) Method for detecting abnormal battery cell
CN116736142B (zh) 一种电池组健康状况预警的方法、系统及装置
CN116973782B (zh) 基于机器学习的新能源汽车保养维护与故障监测诊断方法
CN117169761A (zh) 电池状态评估方法、装置、设备、存储介质和程序产品
CN116893366A (zh) 用于运行系统以识别设备的电蓄能器的异常的方法和装置
KR102252178B1 (ko) 머신 러닝 기법을 적용한 불량 셀 검출 방법
CN114062943B (zh) 一种锂离子电池系统极化异常预警方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant