CN108490370A - 一种故障诊断的方法和装置 - Google Patents
一种故障诊断的方法和装置 Download PDFInfo
- Publication number
- CN108490370A CN108490370A CN201810227662.0A CN201810227662A CN108490370A CN 108490370 A CN108490370 A CN 108490370A CN 201810227662 A CN201810227662 A CN 201810227662A CN 108490370 A CN108490370 A CN 108490370A
- Authority
- CN
- China
- Prior art keywords
- charging pile
- sample data
- target charging
- sample
- fault diagnosis
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/40—Testing power supplies
Abstract
本发明提供了一种故障诊断的方法和装置，涉及数据分析的技术领域，包括：获取目标充电桩的状态信息，其中，状态信息包括以下至少一种类型：充电桩的状态码，充电桩的电流强度，充电桩的电压强度，充电桩的通信信号强度，充电桩的使用次数，充电桩的报障次数；按照至少一种类型对状态信息进行分类处理，得到多组样本数据；将多组样本数据分别输入到对应的神经网络中进行处理，得到目标充电桩的故障诊断结果。本发明解决了现有技术中针对充电桩上报的状态信息无法进行有效的处理，导致维护人员无法根据充电桩上报的状态信息快速有效的对充电桩进行故障诊断和故障处理的技术问题。
Description
技术领域
本发明涉及数据分析技术领域，尤其是涉及一种故障诊断的方法和装置。
背景技术
随着科技水平的不断进步，以及人们对不可再生资源的珍惜，电动汽车已经慢慢进入人们的生活中，因此充电桩也出现在了道路上，现有的充电桩大多为智能桩可以联网也可以上传充电桩的动态，一旦发生故障可以检测出自己的故障码并且发送给后台的监控系统。但是现有的监控系统对于这些桩的故障信息不能进行一个有效的再处理。经常是运维人员面对大量的故障信息却无从下手，无法根据这些故障信息得到充电桩的故障类型，以及故障类型的维护优先度，同时，这样也严重影响用户体验造成不好的影响。
针对上述问题，还未提出有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提供一种充电桩的故障诊断的方法，以缓解了现有技术中针对充电桩上报的状态信息无法进行有效的处理，导致维护人员无法根据充电桩上报的状态信息，无法快速有效的对充电桩进行故障诊断和故障处理的技术问题。
第一方面，本发明实施例提供了一种充电桩的故障诊断的方法，该方法包括：获取目标充电桩状态信息，其中，所述状态信息包括以下至少一种类型：充电桩的状态码，充电桩的电流强度，充电桩的电压强度，充电桩的通信信号强度，充电桩的使用次数，充电桩的报障次数；按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据；将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果，其中，所述故障诊断结果包括以下至少之一：所述目标充电桩是否出现故障，所述目标充电桩的故障解决方案，所述目标充电桩故障的维护等级。
进一步地，按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据包括：将所述状态信息中的所述充电桩的状态码，所述充电桩的电流强度，所述充电桩的电压强度和所述充电桩的通信信号强度进行提取，得到第一样本数据；将所述状态信息中的所述充电桩的使用次数和所述充电桩的报障次数进行提取，得到第二样本数据。
进一步地，将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果包括：将所述第一样本数据输入至第一神经网络模型中进行处理；在所述第一神经网络模型对所述第一样本数据进行处理的过程中，所述第一神经网络模型提取所述第一样本数据的特征信息，得到第一特征信息，并将所述第一特征信息与所述第一神经网络的数据库中预设特征信息进行比对，以根据比对结果确定所述目标充电桩的第一故障诊断结果，其中，所述第一故障诊断结果包括：所述目标充电桩是否出现故障，以及所述目标充电桩出现故障时的故障类型。
进一步地，将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果还包括：将所述第二样本数据和所述第一故障诊断结果输入到第二神经网络中进行处理，以得到所述目标充电桩的第二故障诊断结果，其中，所述第二故障诊断结果包括：目标充电桩故障的维护等级。
进一步地，所述方法还包括：基于所述第一样本数据和所述第一故障诊断结果对第一训练样本进行更新，并基于更新之后的所述第一训练样本对所述第一神经网络模型进行再次训练，其中，所述第一训练样本为对所述第一神经网络模型进行训练的样本；基于所述第二样本数据、所述第一故障诊断结果和所述第二故障诊断结果对第二训练样本进行更新，并基于更新之后的所述第二训练样本对所述第二神经网络模型进行再次训练，其中，所述第二训练样本为对所述第二神经网络模型进行训练的样本。
第二方面，本发明实施例提供了一种充电桩的故障诊断的装置，该装置包括：获取装置，所述获取装置获取目标充电桩状态信息，其中，所述状态信息包括以下至少一种类型：充电桩的状态码，充电桩的电流强度，充电桩的电压强度，充电桩的通信信号强度，充电桩的使用次数，充电桩的报障次数；分类装置，所述分类装置用于按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据；检测装置，所述检测装置将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果，其中，所述故障诊断结果包括以下至少之一：所述目标充电桩是否出现故障，所述目标充电桩的故障解决方案，所述目标充电桩故障的维护等级。
进一步地，所述检测装置还用于：将所述第一样本数据输入至第一神经网络模型中进行处理；在所述第一神经网络模型对所述第一样本数据进行处理的过程中，所述第一神经网络模型提取所述第一样本数据的特征信息，得到第一特征信息，并将所述第一特征信息与所述第一神经网络的数据库中预设特征信息进行比对，以根据比对结果确定所述目标充电桩的第一故障诊断结果，其中，所述第一故障诊断结果包括：所述目标充电桩是否出现故障，以及所述目标充电桩出现故障时的故障类型。
进一步地，所述检测装置还用于：将所述第一样本数据输入至第一神经网络模型中进行处理；在所述第一神经网络模型对所述第一样本数据进行处理的过程中，所述第一神经网络模型提取所述第一样本数据的特征信息，得到第一特征信息，并将所述第一特征信息与所述第一神经网络的数据库中预设特征信息进行比对，以根据比对结果确定所述目标充电桩的第一故障诊断结果，其中，所述第一故障诊断结果包括：所述目标充电桩是否出现故障，以及所述目标充电桩出现故障时的故障类型。
进一步地，所述检测装置还用于：将所述第二样本数据和所述第一故障诊断结果输入到第二神经网络中进行处理，以得到所述目标充电桩的第二故障诊断结果，其中，所述第二故障诊断结果包括：目标充电桩故障的维护等级。
进一步地，所述装置还包括：多个训练装置，所述多个训练装置包括：第一训练装置和第二训练装置，其中所述第一训练装置用于基于所述第一样本数据和所述第一故障诊断结果对第一训练样本进行更新，并基于更新之后的所述第一训练样本对所述第一神经网络模型进行再次训练，其中，所述第一训练样本为对所述第一神经网络模型进行训练的样本；所述第二训练装置用于基于所述第二样本数据、所述第一故障诊断结果和所述第二故障诊断结果对第二训练样本进行更新，并基于更新之后的所述第二训练样本对所述第二神经网络模型进行再次训练，其中，所述第二训练样本为对所述第二神经网络模型进行训练的样本。
在本发明实施例中，首先，获取目标充电桩状态信息；然后，对状态信息进行分类处理，得到多组样本数据；最后，将多组样本数据分别输入到对应的神经网络中进行处理，得到目标充电桩的故障诊断结果。从而解决了现有技术中针对充电桩上报的状态信息无法进行有效的处理，导致维护人员无法根据充电桩上报的状态信息，无法快速有效的对充电桩进行故障诊断和故障处理的技术问题，达到了能够有效处理充电桩上报的状态信息，使维护人员快速有效的对故障充电桩进行故障诊断和故障处理的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种故障诊断的方法的流程图；
图2为本发明实施例提供的一种故障诊断的方法的详细流程图；
图3为本发明实施例提供的另一种故障诊断的方法的流程图；
图4为本发明实施例提供的一种故障诊断的装置的示意图；
图5为本发明实施例提供的另一种故障诊断的装置的示意图；
图6为本发明实施例提供的神经网络的故障诊断流程图；
图7为本发明实施例提供的三层BP神经网络的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
根据本发明实施例，提供了一种故障诊断的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种故障诊断的方法，如图1所示，该方法包括如下步骤：
步骤S102，获取目标充电桩状态信息，其中，所述状态信息包括以下至少一种类型：充电桩的状态码，充电桩的电流强度，充电桩的电压强度，充电桩的通信信号强度，充电桩的使用次数，充电桩的报障次数。
步骤S104，按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据。
步骤S106，将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果，其中，所述故障诊断结果包括以下至少之一：所述目标充电桩是否出现故障，所述目标充电桩的故障解决方案，所述目标充电桩故障的维护等级。
在本发明实施例中，首先，获取目标充电桩状态信息；然后，对状态信息进行分类处理，得到多组样本数据；最后，将多组样本数据分别输入到对应的神经网络中进行处理，得到目标充电桩的故障诊断结果。从而解决了现有技术中针对充电桩上报的状态信息无法进行有效的处理，导致维护人员无法根据充电桩上报的状态信息快速有效的对充电桩进行故障诊断和故障处理的技术问题，达到了能够有效处理充电桩上报的状态信息，使维护人员快速有效的对故障充电桩进行故障诊断和故障处理的技术效果。
具体地，充电桩一般有计费控制系统，IC卡片读取器，显示屏，无线蓝牙模块，网络模块，电量计算表，充电机，充电枪，交直流变换器等设备组成，并且上述设备都有损坏的可能，因此，充电桩的常见故障类型包括：
在充电过程中，如果非车载充电机出现不能继续充电的故障(如充电桩意外进水或异物进入、环境温度骤变等)，则向车辆周期发送“充电机中止充电报文”并控制充电机停止充电，在100ms内断开，这时候会向后台发送特定状态码。但是这样的故障分为可以自己修复和无法自己修复两种。
在充电过程中，非车载充电机控制装置如发生通讯超时(如通讯线路故障等)，则非车载充电机停止充电，并在10s内断开。非车载充电机控制装置发生3次通讯超时即确认通讯中断，则非车载充电机停止充电，并在10s内断开。其有可能是网络模块故障也有可能是无线网络暂时性的影响。
在充电过程中，非车载充电机输出电压若大于车辆最高允许充电总电压(如充电桩输出限压功能失效等)，则非车载充电机应该在1s内停止充电，并断开。
在充电过程中，如果车辆出现不能继续充电的故障(如BMS系统误报电池实时状态、车辆控制装置误关断充电回路接触器等)，则向非车载充电机发送“车辆中止充电报文”，并在300ms(由车辆根据故障严重程度决定)内断开。
另外，充电桩故障的维护等级包括：第一等级，第二等级和第三等级，其中，第一等级表示充电桩故障并不是很严重，可以搁置一段时间后再处理该故障，第二等级表示充电桩故障正常，正常处理该故障即可，第三等级表示充电桩故障加急，即，必须立即马上处理该故障。
在本发明实施例中，如图2所示，步骤S104，按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据包括：
步骤S1041，将所述状态信息中的所述充电桩的状态码，所述充电桩的电流强度，所述充电桩的电压强度和所述充电桩的通信信号强度进行提取，得到第一样本数据。
步骤S1042，将所述状态信息中的所述充电桩的使用次数和所述充电桩的报障次数进行提取，得到第二样本数据。
在本发明实施例中，对获取到的所述目标充电桩的状态信息进行提取和分类，将所述充电桩的状态码，所述充电桩的电流强度，所述充电桩的电压强度和所述充电桩的通信信号强度从所述目标充电桩的状态信息中提取出来，作为第一样本数据。
将所述充电桩的使用次数和所述充电桩的报障次数从所述目标充电桩的状态信息中提取出来，作为第二样本数据。
在本发明实施例中，如图2所示，步骤S106，将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果包括：
步骤S1061，将所述第一样本数据输入至第一神经网络模型中进行处理。
步骤S1062，在所述第一神经网络模型对所述第一样本数据进行处理的过程中，所述第一神经网络模型提取所述第一样本数据的特征信息，得到第一特征信息，并将所述第一特征信息与所述第一神经网络的数据库中预设特征信息进行比对，以根据比对结果确定所述目标充电桩的第一故障诊断结果，其中，所述第一故障诊断结果包括：所述目标充电桩是否出现故障，以及所述目标充电桩出现故障时的故障类型。
在本发明实施例中，首先，通过将所述第一样本数据输入至第一神经网络模型中进行处理，提取所述第一样本数据的特征信息，将所述第一样本数据的特征信息作为第一特征信息，将所述第一特征信息与第一神经网络的数据库中保存的特征信息进行对比，从而确定所述目标充电桩是否出现故障，以及所述目标充电桩的故障类型，进而维护人员可以根据所述目标充电桩的故障类型，对所述目标充电桩进行维护。
具体地，如图6所示，图6为三层BP神经网络的结构示意图，所述第一神经网络模型和所述第二神经网络模型均可以采用BP神经网络模型，一个神经网络用于故障诊断时，主要包括三层，其中，
输入层，用于接受的所述第一数据样本或第二数据样本；中间层，是把从输入层得到的故障信息，经内部的学习和处理，转化为针对性的解决办法。中间层含有隐节点，它可以不是一层，根据不同的需要，可以采用多层，也可以不要中间层，只是连法不同而已；输出层，是针对输入的故障形式，得到充电桩故障或充电桩故障的处理方法或充电桩故障的维护等级。
当网络训练完毕，对于每一个新输入的数据样本，神经网络将迅速给出分类结果，如图7所示，图7表示一般情况下BP神经网络的故障分类诊断的流程图。
BP神经网络的结构依据待诊断对象实际情况确定，其中，网络的输入节点数为传感器数目与故障模式数目的乘积；输出节点数为故障模式数；一般选择一个隐层，先用训练样本对所述第一神经网络和所示第二神经网络进行训练；故障诊断时将各传感器的故障隶属度矢量作为训练完成后的神经网络输入，神经网络输出即为融合后的故障隶属度矢量。
故障决策一般遵守3条规则：一是隶属度函数值最大原则；二是隶属度函数值阈值原则；三是最大隶属度和最小隶属度之间函数差阈值原则。
在本发明实施例中，如图2所示，步骤S106，将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果包括：
步骤S1063，将所述第二样本数据和所述第一故障诊断结果输入到第二神经网络中进行处理，以得到所述目标充电桩的第二故障诊断结果，其中，所述第二故障诊断结果包括：目标充电桩故障的维护等级。
在本发明实施例中，将所述第二数据样本和第一故障诊断结果输入到所诉第二神经网络中，从而得到了所述目标充电桩故障的维护等级，进而维护人员可以根据所述目标充电桩故障的维护等级，选择性的对所述目标充电桩进行维护。
例如，将所述充电桩的使用次数最多和/或所述充电桩的报障次数最多的充电桩，作为所述目标充电桩故障的维护等级为加急的充电桩，以使维护人员对维护等级为加急的充电桩优先进行维护处理。
将所述充电桩的使用次数最少和/或所述充电桩的报障次数最少的充电桩，作为所述目标充电桩故障的维护等级为搁置的充电桩，以使维护人员对维护等级为搁置的充电桩最后进行维护处理。
在本发明实施例中，如图3所示，该方法还包括：
步骤S108，基于所述第一样本数据和所述第一故障诊断结果对第一训练样本进行更新，并基于更新之后的所述第一训练样本对所述第一神经网络模型进行再次训练，其中，所述第一训练样本为对所述第一神经网络模型进行训练的样本。
步骤S110，基于所述第二样本数据、所述第一故障诊断结果和所述第二故障诊断结果对第二训练样本进行更新，并基于更新之后的所述第二训练样本对所述第二神经网络模型进行再次训练，其中，所述第二训练样本为对所述第二神经网络模型进行训练的样本。
在本发明实施例中，将所述第一样本数据和所述第一故障诊断结果输入所述第一训练样本中，对所述第一神经网络模型进行再次训练，从而增加所述第一神经网络模型的检测准确性。
将所述第二样本数据、所述第一故障诊断结果和所述第二故障诊断结果输入所述第二训练样本中，对所述第二神经网络模型进行再次训练，从而增加所述第二神经网络模型的检测准确性。
具体地，本发明通过BP神经网络来诊断充电桩的故障，用以提高故障诊断的快速性和准确性。但是，BP算法采用逐一学习的方法常会出现“学了新的，忘了旧的”的现象，因此，为了克服这个缺点，BP算法采用不断循环学习。
例如，所述第一神经网络和所述第二神经网络在完成每次诊断后，将所述第一样本数据和所述第一故障诊断结果输入所述第一训练样本中，对所述第一神经网络模型进行再次训练；将所述第二样本数据、所述第一故障诊断结果和所述第二故障诊断结果输入所述第二训练样本中，对所述第二神经网络模型进行再次训练，从而解决了BP神经网络“学了新的，忘了旧的”的问题，同时也增加了BP神经网络的检测准确性。
实施例二：
图4是根据本发明实施例的一种故障诊断的装置，如图4所示，该装置包括：
获取装置10，所述获取装置10获取目标充电桩状态信息，其中，所述状态信息包括以下至少一种类型：充电桩的状态码，充电桩的电流强度，充电桩的电压强度，充电桩的通信信号强度，充电桩的使用次数，充电桩的报障次数。
分类装置20，所述分类装置20用于按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据。
检测装置30，所述检测装置30将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果，其中，所述故障诊断结果包括以下至少之一：所述目标充电桩是否出现故障，所述目标充电桩的故障解决方案，所述目标充电桩故障的维护等级。
如图5所示，所述故障诊断的装置还包括：第一训练装置40和第二训练装置50，其中，
所述第一训练装置40用于基于所述第一样本数据和所述第一故障诊断结果对第一训练样本进行更新，并基于更新之后的所述第一训练样本对所述第一神经网络模型进行再次训练，其中，所述第一训练样本为对所述第一神经网络模型进行训练的样本。
所述第二训练装置50用于基于所述第二样本数据、所述第一故障诊断结果和所述第二故障诊断结果对第二训练样本进行更新，并基于更新之后的所述第二训练样本对所述第二神经网络模型进行再次训练，其中，所述第二训练样本为对所述第二神经网络模型进行训练的样本。
在本发明实施例中，首先，所述获取装置获取目标充电桩状态信息；然后，所述分类装置对状态信息进行分类处理，得到多组样本数据；最后，所述检测装置将多组样本数据分别输入到对应的神经网络中进行处理，得到目标充电桩的故障诊断结果。从而解决了现有技术中针对充电桩上报的状态信息无法进行有效的处理，导致维护人员无法根据充电桩上报的状态信息，无法快速有效的对充电桩进行故障诊断和故障处理的技术问题，达到了能够有效处理充电桩上报的状态信息，使维护人员快速有效的对故障充电桩进行故障诊断和故障处理的技术效果。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种充电桩的故障诊断的方法，其特征在于，包括：
获取目标充电桩的状态信息，其中，所述状态信息包括以下至少一种类型：充电桩的状态码，充电桩的电流强度，充电桩的电压强度，充电桩的通信信号强度，充电桩的使用次数，充电桩的报障次数；
按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据；
将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果，其中，所述故障诊断结果包括以下至少之一：所述目标充电桩是否出现故障，所述目标充电桩的故障解决方案，所述目标充电桩故障的维护等级。
2.根据权利要求1所述的方法，其特征在于，按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据包括：
将所述状态信息中的所述充电桩的状态码，所述充电桩的电流强度，所述充电桩的电压强度和所述充电桩的通信信号强度进行提取，得到第一样本数据；
将所述状态信息中的所述充电桩的使用次数和所述充电桩的报障次数进行提取，得到第二样本数据。
3.根据权利要求2所述的方法，其特征在于，将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果包括：
将所述第一样本数据输入至第一神经网络模型中进行处理；
在所述第一神经网络模型对所述第一样本数据进行处理的过程中，所述第一神经网络模型提取所述第一样本数据的特征信息，得到第一特征信息，并将所述第一特征信息与所述第一神经网络的数据库中预设特征信息进行比对，以根据比对结果确定所述目标充电桩的第一故障诊断结果，其中，所述第一故障诊断结果包括：所述目标充电桩是否出现故障，以及所述目标充电桩出现故障时的故障类型。
4.根据权利要求3所述的方法，其特征在于，将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果还包括：
将所述第二样本数据和所述第一故障诊断结果输入到第二神经网络中进行处理，以得到所述目标充电桩的第二故障诊断结果，其中，所述第二故障诊断结果包括：目标充电桩故障的维护等级。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
基于所述第一样本数据和所述第一故障诊断结果对第一训练样本进行更新，并基于更新之后的所述第一训练样本对所述第一神经网络模型进行再次训练，其中，所述第一训练样本为对所述第一神经网络模型进行训练的样本；
基于所述第二样本数据、所述第一故障诊断结果和所述第二故障诊断结果对第二训练样本进行更新，并基于更新之后的所述第二训练样本对所述第二神经网络模型进行再次训练，其中，所述第二训练样本为对所述第二神经网络模型进行训练的样本。
6.一种故障诊断的装置，其特征在于，所述装置包括：
获取装置，所述获取装置获取目标充电桩状态信息，其中，所述状态信息包括以下至少一种类型：充电桩的状态码，充电桩的电流强度，充电桩的电压强度，充电桩的通信信号强度，充电桩的使用次数，充电桩的报障次数；
分类装置，所述分类装置用于按照所述至少一种类型对所述状态信息进行分类处理，得到多组样本数据；
检测装置，所述检测装置将所述多组样本数据分别输入到对应的神经网络中进行处理，得到所述目标充电桩的故障诊断结果，其中，所述故障诊断结果包括以下至少之一：所述目标充电桩是否出现故障，所述目标充电桩的故障解决方案，所述目标充电桩故障的维护等级。
7.根据权利要求6所述的装置，其特征在于，所述检测装置还用于：
将所述第一样本数据输入至第一神经网络模型中进行处理；
在所述第一神经网络模型对所述第一样本数据进行处理的过程中，所述第一神经网络模型提取所述第一样本数据的特征信息，得到第一特征信息，并将所述第一特征信息与所述第一神经网络的数据库中预设特征信息进行比对，以根据比对结果确定所述目标充电桩的第一故障诊断结果，其中，所述第一故障诊断结果包括：所述目标充电桩是否出现故障，以及所述目标充电桩出现故障时的故障类型。
8.根据权利要求7所述的装置，其特征在于，所述检测装置还用于：
将所述第一样本数据输入至第一神经网络模型中进行处理；
在所述第一神经网络模型对所述第一样本数据进行处理的过程中，所述第一神经网络模型提取所述第一样本数据的特征信息，得到第一特征信息，并将所述第一特征信息与所述第一神经网络的数据库中预设特征信息进行比对，以根据比对结果确定所述目标充电桩的第一故障诊断结果，其中，所述第一故障诊断结果包括：所述目标充电桩是否出现故障，以及所述目标充电桩出现故障时的故障类型。
9.根据权利要求8所述的装置，其特征在于，所述检测装置还用于：
将所述第二样本数据和所述第一故障诊断结果输入到第二神经网络中进行处理，以得到所述目标充电桩的第二故障诊断结果，其中，所述第二故障诊断结果包括：目标充电桩故障的维护等级。
10.根据权利要求6所述的装置，其特征在于，所述装置还包括：多个训练装置，所述多个训练装置包括：第一训练装置和第二训练装置，其中，
所述第一训练装置用于基于所述第一样本数据和所述第一故障诊断结果对第一训练样本进行更新，并基于更新之后的所述第一训练样本对所述第一神经网络模型进行再次训练，其中，所述第一训练样本为对所述第一神经网络模型进行训练的样本；
所述第二训练装置用于基于所述第二样本数据、所述第一故障诊断结果和所述第二故障诊断结果对第二训练样本进行更新，并基于更新之后的所述第二训练样本对所述第二神经网络模型进行再次训练，其中，所述第二训练样本为对所述第二神经网络模型进行训练的样本。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810227662.0A CN108490370A (zh) | 2018-03-19 | 2018-03-19 | 一种故障诊断的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810227662.0A CN108490370A (zh) | 2018-03-19 | 2018-03-19 | 一种故障诊断的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108490370A true CN108490370A (zh) | 2018-09-04 |
Family
ID=63318508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810227662.0A Withdrawn CN108490370A (zh) | 2018-03-19 | 2018-03-19 | 一种故障诊断的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108490370A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109299827A (zh) * | 2018-09-30 | 2019-02-01 | 南京地铁集团有限公司 | 基于长短时记忆循环神经网络的城轨设备故障预测方法 |
| CN110133395A (zh) * | 2019-04-04 | 2019-08-16 | 国网电动汽车服务有限公司 | 一种充电桩健康状态诊断方法及装置 |
| CN110232482A (zh) * | 2019-06-18 | 2019-09-13 | 魏显文 | 基于神经网络的设备管理方法及装置 |
| CN110598876A (zh) * | 2019-08-19 | 2019-12-20 | 特瓦特能源科技有限公司 | 故障监控方法、装置、存储介质及电子设备 |
| CN110619321A (zh) * | 2019-10-12 | 2019-12-27 | 国电南瑞南京控制系统有限公司 | 一种基于深度神经网络的充电桩技术状况诊断方法及系统 |
| CN110646706A (zh) * | 2019-09-12 | 2020-01-03 | 国电南瑞科技股份有限公司 | 储能有轨电车超级电容充电装置差动保护故障检测方法、装置及系统 |
| CN111194431A (zh) * | 2018-09-14 | 2020-05-22 | 西安大医集团有限公司 | 放疗设备的状态诊断方法、装置、系统及存储介质 |
| CN111337764A (zh) * | 2020-02-14 | 2020-06-26 | 重庆国翰能源发展有限公司 | 充电桩故障诊断系统、方法及存储介质 |
| CN111999579A (zh) * | 2020-08-14 | 2020-11-27 | 国网智能科技股份有限公司 | 一种充电桩自动检测系统及其方法 |
| CN113156243A (zh) * | 2021-04-09 | 2021-07-23 | 南方电网电动汽车服务有限公司 | 故障预测方法和预测系统 |
| CN113327033A (zh) * | 2021-05-28 | 2021-08-31 | 广西电网有限责任公司电力科学研究院 | 配电网故障诊断方法及系统 |
| CN113386609A (zh) * | 2021-08-04 | 2021-09-14 | 特瓦特能源科技有限公司 | 一种充电桩维护方法和相关设备 |
| CN113468806A (zh) * | 2021-06-23 | 2021-10-01 | 度普(苏州)新能源科技有限公司 | 储能充电桩的故障检测方法及装置、计算机可读存储介质 |
| CN113657442A (zh) * | 2021-07-08 | 2021-11-16 | 广州杰赛科技股份有限公司 | 电动汽车充电设备的故障诊断方法、装置及存储介质 |
| CN114514141A (zh) * | 2019-08-15 | 2022-05-17 | 丽肯纳维尔塔有限公司 | 充电站监测方法和设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105300442A (zh) * | 2014-06-27 | 2016-02-03 | 国家电网公司 | 一种户外电动汽车充电桩健康指数评估装置及评估方法 |
| CN105930955A (zh) * | 2016-04-07 | 2016-09-07 | 浙江万马新能源有限公司 | 基于深度学习的充电网络运行态势分析方法及装置 |
| CN106650963A (zh) * | 2016-12-30 | 2017-05-10 | 山东鲁能智能技术有限公司 | 一种电动汽车充电设备检测维修管理方法和装置 |
-
2018
- 2018-03-19 CN CN201810227662.0A patent/CN108490370A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105300442A (zh) * | 2014-06-27 | 2016-02-03 | 国家电网公司 | 一种户外电动汽车充电桩健康指数评估装置及评估方法 |
| CN105930955A (zh) * | 2016-04-07 | 2016-09-07 | 浙江万马新能源有限公司 | 基于深度学习的充电网络运行态势分析方法及装置 |
| CN106650963A (zh) * | 2016-12-30 | 2017-05-10 | 山东鲁能智能技术有限公司 | 一种电动汽车充电设备检测维修管理方法和装置 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111194431A (zh) * | 2018-09-14 | 2020-05-22 | 西安大医集团有限公司 | 放疗设备的状态诊断方法、装置、系统及存储介质 |
| CN109299827A (zh) * | 2018-09-30 | 2019-02-01 | 南京地铁集团有限公司 | 基于长短时记忆循环神经网络的城轨设备故障预测方法 |
| CN110133395A (zh) * | 2019-04-04 | 2019-08-16 | 国网电动汽车服务有限公司 | 一种充电桩健康状态诊断方法及装置 |
| CN110133395B (zh) * | 2019-04-04 | 2023-05-23 | 国网电动汽车服务有限公司 | 一种充电桩健康状态诊断方法及装置 |
| CN110232482A (zh) * | 2019-06-18 | 2019-09-13 | 魏显文 | 基于神经网络的设备管理方法及装置 |
| CN114514141A (zh) * | 2019-08-15 | 2022-05-17 | 丽肯纳维尔塔有限公司 | 充电站监测方法和设备 |
| CN110598876A (zh) * | 2019-08-19 | 2019-12-20 | 特瓦特能源科技有限公司 | 故障监控方法、装置、存储介质及电子设备 |
| CN110646706A (zh) * | 2019-09-12 | 2020-01-03 | 国电南瑞科技股份有限公司 | 储能有轨电车超级电容充电装置差动保护故障检测方法、装置及系统 |
| CN110619321A (zh) * | 2019-10-12 | 2019-12-27 | 国电南瑞南京控制系统有限公司 | 一种基于深度神经网络的充电桩技术状况诊断方法及系统 |
| CN110619321B (zh) * | 2019-10-12 | 2022-07-29 | 国电南瑞南京控制系统有限公司 | 一种基于深度神经网络的充电桩技术状况诊断方法及系统 |
| CN111337764A (zh) * | 2020-02-14 | 2020-06-26 | 重庆国翰能源发展有限公司 | 充电桩故障诊断系统、方法及存储介质 |
| CN111999579A (zh) * | 2020-08-14 | 2020-11-27 | 国网智能科技股份有限公司 | 一种充电桩自动检测系统及其方法 |
| CN111999579B (zh) * | 2020-08-14 | 2023-10-31 | 山东鲁软数字科技有限公司智慧能源分公司 | 一种充电桩自动检测系统及其方法 |
| CN113156243A (zh) * | 2021-04-09 | 2021-07-23 | 南方电网电动汽车服务有限公司 | 故障预测方法和预测系统 |
| CN113327033A (zh) * | 2021-05-28 | 2021-08-31 | 广西电网有限责任公司电力科学研究院 | 配电网故障诊断方法及系统 |
| CN113468806A (zh) * | 2021-06-23 | 2021-10-01 | 度普(苏州)新能源科技有限公司 | 储能充电桩的故障检测方法及装置、计算机可读存储介质 |
| CN113657442A (zh) * | 2021-07-08 | 2021-11-16 | 广州杰赛科技股份有限公司 | 电动汽车充电设备的故障诊断方法、装置及存储介质 |
| CN113386609A (zh) * | 2021-08-04 | 2021-09-14 | 特瓦特能源科技有限公司 | 一种充电桩维护方法和相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108490370A (zh) | 一种故障诊断的方法和装置 | |
| CN106199276B (zh) | 一种用电信息采集系统中异常信息的智能诊断系统及方法 | |
| CN111241154B (zh) | 一种基于大数据的蓄电池故障预警方法及系统 | |
| CN103792420B (zh) | 基于负荷曲线的防窃电及用电监察方法 | |
| CN109886475B (zh) | 基于ai的计量自动化系统的信息安全态势感知系统 | |
| CN104050361B (zh) | 一种监狱服刑人员危险性倾向的智能分析预警方法 | |
| CN107276805A (zh) | 一种基于入侵检测模型的样本预测方法、装置及电子设备 | |
| CN104090189B (zh) | 一种设备工作状态检测方法和设备工作状态检测装置 | |
| CN104299115B (zh) | 基于模糊c均值聚类算法的智能变电站二次系统状态分析方法 | |
| CN107633050A (zh) | 一种基于大数据分析用电行为判定窃电概率的方法 | |
| CN108683642B (zh) | 智能电网线路状态错误数据注入攻击的检测器与检测方法 | |
| CN105867347B (zh) | 一种基于机器学习技术的跨空间级联故障检测方法 | |
| CN105871634A (zh) | 检测集群异常的方法及应用、管理集群的系统 | |
| CN110146817A (zh) | 锂电池故障的诊断方法 | |
| CN109557468A (zh) | Bms被动均衡失效检测方法、装置及均衡电路 | |
| CN107247450A (zh) | 基于贝叶斯网络的断路器故障诊断方法 | |
| CN108805412A (zh) | 基于大数据分析的避雷器评价装置和方法 | |
| CN109615273A (zh) | 一种电动汽车充电设施状态评价方法与系统 | |
| CN103208049A (zh) | 异常告警快速事故分析方法及系统 | |
| CN114415054A (zh) | 一种新能源汽车电池采样异常故障识别方法 | |
| CN116794510A (zh) | 故障预测方法、装置、计算机设备和存储介质 | |
| CN115660262A (zh) | 一种基于数据库应用的工程智慧质检方法、系统及介质 | |
| CN106505739A (zh) | 一种具有自检功能的控制回路 | |
| CN109116319A (zh) | 雷达系统的故障检测方法 | |
| CN107843779A (zh) | 一种基于模糊聚类的电力系统故障录波分类分析方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 213100 No. 39 Longhui Road, Wujin High-tech Zone, Changzhou City, Jiangsu Province Applicant after: Wanbang Charging Equipment Co., Ltd. Address before: 215000 No. 39 Longhui Road, Wujin High-tech Zone, Suzhou High-tech Zone, Jiangsu Province Applicant before: Wanbang Charging Equipment Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180904 |
|
| WW01 | Invention patent application withdrawn after publication |