CN114896556A - 一种双工位电缆连接器检测数据数字化处理方法 - Google Patents

一种双工位电缆连接器检测数据数字化处理方法 Download PDF

Info

Publication number
CN114896556A
CN114896556A CN202210832803.8A CN202210832803A CN114896556A CN 114896556 A CN114896556 A CN 114896556A CN 202210832803 A CN202210832803 A CN 202210832803A CN 114896556 A CN114896556 A CN 114896556A
Authority
CN
China
Prior art keywords
cable connector
double
station
data
charging
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.)
Granted
Application number
CN202210832803.8A
Other languages
English (en)
Other versions
CN114896556B (zh
Inventor
肖松河
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.)
Shenzhen Secon Technical Industry Co ltd
Original Assignee
Shenzhen Secon Technical Industry Co ltd
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 Shenzhen Secon Technical Industry Co ltd filed Critical Shenzhen Secon Technical Industry Co ltd
Priority to CN202210832803.8A priority Critical patent/CN114896556B/zh
Publication of CN114896556A publication Critical patent/CN114896556A/zh
Application granted granted Critical
Publication of CN114896556B publication Critical patent/CN114896556B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Navigation (AREA)

Abstract

本发明公开一种双工位电缆连接器检测数据数字化处理方法，涉及测量、控制以及数字化处理技术领域，解决的技术问题是双工位电缆连接器检测数据数字化处理，采用的技术方案是：本发明通过检测系统采集双工位电缆连接器检测数据，将检测到的双工位电缆连接器状态数据通过充电汽车记录仪显示屏；在接收双工位电缆连接器检测数据的同时，车载导航液晶彩屏附带计算单元用于数据数字化处理，采用了基于Apriori算法改进的分布式预测控制算法实现数字化处理，输出数字化结果到车载导航液晶彩屏。本发明大大提高了双工位电缆连接器检测数据数字化处理能力。

Description

一种双工位电缆连接器检测数据数字化处理方法
技术领域
本发明涉及测量、控制以及数字化处理技术领域，且更确切地涉及一种双工位电缆连接器检测数据数字化处理方法。
背景技术
电缆连接器主要适用于传输设备局各类数字程控交换机、光电传输设备内部联接和配线架之间的信号传输，用于传输数据、音频、视频等通讯设备。双工位电缆连接器运行过程中往往有多种数据信息，其运行状态直接关系到汽车运行的关键，常规技术通过检测设备实现双工位电缆连接器检测，这种方法虽然能够检测到双工位电缆连接器数据信息，但这种方法效率低下，无法对双工位电缆连接器运行的数据状态进行分析，双工位电缆连接器检测数据数字化处理能力滞后。
发明内容
针对上述技术的不足，本发明公开一种双工位电缆连接器检测数据数字化处理方法，大大提高了双工位电缆连接器检测数据数字化处理能力。
为了实现上述技术效果，本发明采用以下技术方案：
一种双工位电缆连接器检测数据数字化处理方法，其中包括：
步骤一、通过检测系统采集双工位电缆连接器检测数据，其中检测系统包括：
电动汽车、蓄电池、充电电流控制装置、插头插座、插头装置、充电电缆、双工位电缆连接器、充电站、接触器、断路器和能量供电设备，数据获取方法为：
电动汽车的蓄电池通过充电电流控制装置充电；电动汽车通过充电电缆连接至充电站；充电电缆的两端分别设置2个插头装置，一端插头装置连接到电动汽车上的插头插座，充电电缆的另一端的插头装置连接到充电站上的插头插座；充电电缆中间通过双工位电缆连接器连接；充电站为来自能量供电设备的电源；电源通过电源线供电，电源线通过接触器接通和断开，并由断路器保护；双工位电缆连接器工作的数据信息被获取；
步骤二、检测到的双工位电缆连接器状态数据通过充电汽车记录仪显示屏；
步骤三、在接收双工位电缆连接器检测数据的同时，车载导航液晶彩屏附带计算单元用于数据数字化处理，采用了基于Apriori算法改进的分布式预测控制算法实现数字化处理，输出数字化结果到车载导航液晶彩屏。
作为本发明进一步的技术方案，充电汽车记录仪显示屏通过7寸800×480车载导航液晶彩屏进行数据展示，设置有低电压差分信号接口，呈现40针横向电场效应显示。
作为本发明进一步的技术方案，充电电流控制装置为西门子EM253型CPU模块处理双工位电缆连接器。
作为本发明进一步的技术方案，双工位电缆连接器设置有壳体，所述壳体上设置有L1、L2、L3、N类型电触点、PE类型电触点、辅助触点、检测装置、热敏电阻器和导频信号线。
作为本发明进一步的技术方案，通过Apriori算法改进的分布式预测控制算法处理电缆连接器检测数据。
作为本发明进一步的技术方案，分布式预测控制算法包括以下步骤：
步骤一、将电缆连接器检测数据分离出多个独立的数据集，每个数据集记作状态函数为：
Figure 796002DEST_PATH_IMAGE001
（1）
公式（1）中，
Figure 900093DEST_PATH_IMAGE002
表示电缆连接器运行状态时刻，
Figure 679830DEST_PATH_IMAGE003
表示电缆连接器数据集在
Figure 12722DEST_PATH_IMAGE004
时 刻的状态函数，
Figure 827094DEST_PATH_IMAGE005
表示电缆连接器数据集在
Figure 836508DEST_PATH_IMAGE006
时刻的输入变量，
Figure 41224DEST_PATH_IMAGE007
和
Figure 240124DEST_PATH_IMAGE008
表示多个电缆连接 器检测数据参数集合的矩阵；
步骤二、通过Apriori算法对电缆连接器运行状态进行评估，通过Apriori算法扫 描每个电缆连接器运行状态训练循环中的整个数据集，以计算其置信度；假设电缆连接器 检测数据集为
Figure 93024DEST_PATH_IMAGE009
，
Figure 86388DEST_PATH_IMAGE010
是电缆连接器检测数据，
Figure 778400DEST_PATH_IMAGE011
表示序数，设置置 信度
Figure 515412DEST_PATH_IMAGE012
为：
Figure 225748DEST_PATH_IMAGE013
（2）
公式（2）中，
Figure 593275DEST_PATH_IMAGE014
表示数据集的计数函数，
Figure 834901DEST_PATH_IMAGE015
表示设置阈值；根据Apriori算法 得到双工位电缆连接器运行状态故障参数置信度，对标识双工位电缆连接器运行状态不同 数据集快速分类，其中G表示电缆连接器检测数据集；
步骤三、分布式预测控制算法的分离目标函数
Figure 296975DEST_PATH_IMAGE016
为：
Figure 940446DEST_PATH_IMAGE017
（3）
公式（3）中，
Figure 213296DEST_PATH_IMAGE018
与
Figure 942217DEST_PATH_IMAGE019
表示双工位电缆连接器运行状态MPC常参数矩阵；
Figure 207982DEST_PATH_IMAGE020
表示数字 化处理时间；
Figure 643643DEST_PATH_IMAGE021
表示
Figure 415290DEST_PATH_IMAGE022
时间电缆连接器检测数据集状态参量，
Figure 555809DEST_PATH_IMAGE023
；
Figure 375997DEST_PATH_IMAGE024
表示
Figure 728481DEST_PATH_IMAGE025
时间数字化处理参量，
Figure 857980DEST_PATH_IMAGE026
；
步骤四、预测状态和控制输出之间的关系表示为：
Figure 295914DEST_PATH_IMAGE027
（4）
公式（4）中，
Figure 654215DEST_PATH_IMAGE028
表示双工位电缆连接器运行状态数据序数，把表达式（4）带入到方 式（3）中把
Figure 313735DEST_PATH_IMAGE029
替换掉，得到MPC的系统函数为：
Figure 427184DEST_PATH_IMAGE030
（5）
当满足
Figure 290098DEST_PATH_IMAGE031
，
Figure 514406DEST_PATH_IMAGE032
，根据公式（5）计算得出的MPC目标函数为最优解。
本发明积极有益效果在于：
区别于现有技术，本发明通过检测系统采集双工位电缆连接器检测数据，将检测到的双工位电缆连接器状态数据通过充电汽车记录仪显示屏；在接收双工位电缆连接器检测数据的同时，车载导航液晶彩屏附带计算单元用于数据数字化处理，采用了基于Apriori算法改进的分布式预测控制算法实现数字化处理，输出数字化结果到车载导航液晶彩屏。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
图1为本发明检测系统架构示意图；
图2为本发明中双工位电缆连接器架构示意图；
图3为本发明中检测系统一种实施例示意图；
图4为本发明中分布式预测控制算法流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1-图4所示，一种双工位电缆连接器检测数据数字化处理方法，包括：
步骤一、通过检测系统采集双工位电缆连接器检测数据，其中检测系统包括：
电动汽车1、蓄电池2、充电电流控制装置3、插头插座4、插头装置5、充电电缆6、双工位电缆连接器7、充电站8、接触器9、断路器10和能量供电设备11，数据获取方法为：
电动汽车1的蓄电池2通过充电电流控制装置3充电；电动汽车1通过充电电缆6连接至充电站8；充电电缆6的两端分别设置2个插头装置5，一端插头装置5连接到电动汽车1上的插头插座4，充电电缆6的另一端的插头装置5连接到充电站8上的插头插座4；充电电缆6中间通过双工位电缆连接器7连接；充电站8为来自能量供电设备11的电源；电源通过电源线供电，电源线通过接触器9接通和断开，并由断路器10保护；双工位电缆连接器7工作的数据信息被获取；
步骤二、检测到的双工位电缆连接器状态数据通过充电汽车记录仪显示屏；
步骤三、在接收双工位电缆连接器检测数据的同时，车载导航液晶彩屏附带计算单元用于数据数字化处理，采用了基于Apriori算法改进的分布式预测控制算法实现数字化处理，输出数字化结果到车载导航液晶彩屏。
在上述实施例中，充电汽车记录仪显示屏通过7寸800×480车载导航液晶彩屏进行数据展示，设置有低电压差分信号接口，可现40针横向电场效应显示。
在上述实施例中，检测系统由充电电缆、充电站、电动汽车以及配备有插头装置的充电电缆组成。本发明的目的是在热过载方面检测电缆连接器参数数据，通过汽车充电桩连接电动汽车蓄电池进行充电，充电站具有来自能量供电设备11的电源，电源通过电源线供电，电源具备保护电路；充电电缆中间采用双工位电缆连接器，通过内置的检测装置检测双工位电缆连接器检测数据，之后通过电触点流入通过电动汽车控制装置。
在上述实施例中，充电电流控制装置3为西门子EM253型CPU模块处理双工位电缆连接器。
在具体实施例中，充电电流控制装置3由电源、CPU、接收器、转换器、通信器、输入/输出接口组成；电动汽车控制装置能够实时检测双工位电缆连接器工作时的状态，选用西门子EM253型CPU模块处理双工位电缆连接器运行中产生的各种数据，包括寄存器、逻辑放大器、运算器和控制器等，EM253具有强大的通信能力和数据处理能力，支持急停(S形曲线)或线性的加/减速功能，既可以使用工程单位，又可以使用脉冲数，同时提供可拆卸的现场接线端子，便于安装和拆卸。
在上述实施例中，双工位电缆连接器设置有壳体17，所述壳体17上设置有L1、L2、L3、N类型电触点12、PE类型电触点13、辅助触点14、检测装置15、热敏电阻器16和导频信号线18。
在具体实施例中，一方面，双工位电缆连接器用于充电电缆6的充电电流的电源线，例如L1、L2、L3、N、PE，其输出由L1、L2、L3、N类型电触点12形成，电触点12可与电动汽车1的插头插座4的相应插头插座进行可释放连接。此外，插头装置5还包括用于连接至少一条导频信号线18以传输导频信号的电触点13。最后，在插头装置5中提供辅助触点14，辅助触点14作用是所谓的“插头存在触点”，即具有显示插头是否存在的功能的触点。充电电流以已知方式从充电电缆6流过插头装置5的相应部件，通过其电触点12流入通过充电电流控制装置3通向电动汽车1蓄电池2的线路；在壳体17内，电路由并联的检测装置15和热敏电阻器16组成，检测装置15布置在热敏电阻器16左侧，目的是检测热敏电阻器16电阻值，并由此产生充电电缆6的允许温度校正安培数的控制信号。
在上述实施例中，通过Apriori算法改进的分布式预测控制算法（ModelPredictive Control，MPC），用于处理电缆连接器检测数据。
在具体实施例中包括以下步骤：
步骤一、将电缆连接器检测数据分离出多个独立的数据集，每个数据集记作状态函数为：
Figure 762854DEST_PATH_IMAGE033
（1）
公式（1）中，
Figure 47205DEST_PATH_IMAGE034
表示电缆连接器运行状态时刻，
Figure 397415DEST_PATH_IMAGE035
表示电缆连接器数据集在
Figure 609434DEST_PATH_IMAGE036
时 刻的状态函数，
Figure 791017DEST_PATH_IMAGE037
表示电缆连接器数据集在
Figure 918373DEST_PATH_IMAGE038
时刻的输入变量，
Figure 818196DEST_PATH_IMAGE039
和
Figure 367995DEST_PATH_IMAGE040
表示多个电缆连接 器检测数据参数集合的矩阵；
步骤二、通过Apriori算法对电缆连接器运行状态进行评估，通过Apriori算法扫 描每个电缆连接器运行状态训练循环中的整个数据集，以计算其置信度；假设电缆连接器 检测数据集为
Figure 669663DEST_PATH_IMAGE041
，
Figure 171183DEST_PATH_IMAGE042
是电缆连接器检测数据，
Figure 745252DEST_PATH_IMAGE043
表示序数，设置置 信度
Figure 115054DEST_PATH_IMAGE044
为：
Figure 943333DEST_PATH_IMAGE045
（2）
公式（2）中，
Figure 740387DEST_PATH_IMAGE046
表示数据集的计数函数，
Figure 536174DEST_PATH_IMAGE015
表示设置阈值；根据Apriori算法 得到双工位电缆连接器运行状态故障参数置信度，对标识双工位电缆连接器运行状态不同 数据集快速分类，其中G表示电缆连接器检测数据集；提高电缆连接器检测数据分类效果； 然后根据数据分类得到MPC目标函数
Figure 709666DEST_PATH_IMAGE047
为：
Figure 454768DEST_PATH_IMAGE048
（3）
公式（3）中，
Figure 422724DEST_PATH_IMAGE049
与
Figure 911999DEST_PATH_IMAGE050
表示双工位电缆连接器运行状态MPC常参数矩阵；
Figure 623603DEST_PATH_IMAGE051
表示数字 化处理时间；
Figure 426474DEST_PATH_IMAGE052
表示
Figure 565331DEST_PATH_IMAGE051
时间电缆连接器检测数据集状态参量，
Figure 132448DEST_PATH_IMAGE053
；
Figure 382164DEST_PATH_IMAGE054
表示
Figure 508382DEST_PATH_IMAGE055
时间数字化处理参量，
Figure 818141DEST_PATH_IMAGE056
；上式（3）为MPC在集中处理 系统中通用的公式过于繁琐，为方便计算可以用一个排列矩阵进行变换，根据以上两个关 系式，预测状态和控制输出之间的关系可以表示为：
Figure 872554DEST_PATH_IMAGE057
（4）
公式（4）中，
Figure 925960DEST_PATH_IMAGE058
表示双工位电缆连接器运行状态数据序数，把表达式（4）带入到方 式（3）中把
Figure 93636DEST_PATH_IMAGE059
替换掉，从而得到MPC的系统函数如下：
Figure 574296DEST_PATH_IMAGE060
（5）
当满足
Figure 601158DEST_PATH_IMAGE061
，
Figure 458256DEST_PATH_IMAGE062
，根据公式（5）计算得出的MPC目标函数为最优解，也即是电缆 连接器检测数据数字化处理的最优结果。
MPC目标函数（Model Predictive Control - Theory and Design,MPC）为一种优化函数，预测模型是模型预测控制的基础。其主要功能是根据对象的立式信息和未来输入，预测系统未来的输出。对预测模型的形式没有做严格的限定，状态方程、传递函数这类传统的模型都可以作为预测模型。对于线性稳定系统，阶跃响应、脉冲响应这类非参数模型，也可以直接作为预测模型使用。模型预测控制通过某一性能指标的最优来确定控制作用，但优化不是一次离线进行，而是反复在线进行的。这就是滚动优化的含义，也是模型预测控制区别于传统最优控制的根本点。为了防止模型失配或者环境干扰引起控制对理想状态的偏离，在新的采样时刻，首先检测对象的实际输出，并利用这一实时信息对基于模型的预测结果进行修正，然后再进行新的优化。MPC是一种在一段采样时间内在线求解初始状态是当前时刻的系统状态的有限时域的最优化问题，最优化问题的解既是该段时间内的控制动作。最优化产生了一系列的控制输入，仅将第一个作用于系统中。不同于传统控制的离线一次性生成控制律，MPC在线根据系统的运行情况进行控制律的在线生成。MPC的最大优点是，即使被控系统是非线性的，并且必须满足状态和控制的硬约束，使用标准的数学规划算法，开环最优控制问题通常可以足够快地得到解决。
模型预测控制的性能受多种因素的影响，现有的模型质量评价指标没有考虑外界干扰的变化，反映系统整体性能时不够全面。针对上述问题，现结合两个指标：基于模型预测控制目标函数的历史性能指标和基于模型预测残差的协方差指标对系统性能进行实时监控。其中，历史性能指标用以评价系统的整体性能，协方差指标反映模型失配和干扰变化的影响。根据两个指标对不同性能影响因素的不同表现和性能恶化后对干扰新息的重新辨识结果。
本发明通过结合基于 MPC 目标函数，能够实现双工位电缆连接器检测数据数字化的分析、评估与预测。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (6)

1.一种双工位电缆连接器检测数据数字化处理方法，其特征在于：包括：
步骤一、通过检测系统采集双工位电缆连接器检测数据，其中检测系统包括：
电动汽车（1）、蓄电池（2）、充电电流控制装置（3）、插头插座（4）、插头装置（5）、充电电缆（6）、双工位电缆连接器（7）、充电站（8）、接触器（9）、断路器（10）和能量供电设备（11），数据获取方法为：
电动汽车（1）的蓄电池（2）通过充电电流控制装置（3）充电；电动汽车（1）通过充电电缆（6）连接至充电站（8）；充电电缆（6）的两端分别设置2个插头装置（5），一端插头装置（5）连接到电动汽车（1）上的插头插座（4），充电电缆（6）的另一端的插头装置（5）连接到充电站（8）上的插头插座（4）；充电电缆（6）中间通过双工位电缆连接器（7）连接；充电站（8）为来自能量供电设备（11）的电源；电源通过电源线供电，电源线通过接触器（9）接通和断开，并由断路器（10）保护；双工位电缆连接器（7）工作的数据信息被获取；
步骤二、检测到的双工位电缆连接器状态数据通过充电汽车记录仪显示屏；
步骤三、在接收双工位电缆连接器检测数据的同时，车载导航液晶彩屏附带计算单元用于数据数字化处理，采用了基于Apriori算法改进的分布式预测控制算法实现数字化处理，输出数字化结果到车载导航液晶彩屏。
2.根据权利要求1所述的一种双工位电缆连接器检测数据数字化处理方法，其特征在于：充电汽车记录仪显示屏通过7寸800×480车载导航液晶彩屏进行数据展示，设置有低电压差分信号接口，呈现40针横向电场效应显示。
3.根据权利要求1所述的一种双工位电缆连接器检测数据数字化处理方法，其特征在于：充电电流控制装置（3）为西门子EM253型CPU模块处理双工位电缆连接器。
4.根据权利要求1所述的一种双工位电缆连接器检测数据数字化处理方法，其特征在于：双工位电缆连接器设置有壳体（17），所述壳体（17）上设置有L1、L2、L3、N类型电触点（12）、PE类型电触点（13）、辅助触点（14）、检测装置（15）、热敏电阻器（16）、和导频信号线（18）。
5.根据权利要求1所述的一种双工位电缆连接器检测数据数字化处理方法，其特征在于：通过Apriori算法改进的分布式预测控制算法处理电缆连接器检测数据。
6.根据权利要求5所述的一种双工位电缆连接器检测数据数字化处理方法，其特征在于：分布式预测控制算法包括以下步骤：
步骤一、将电缆连接器检测数据分离出多个独立的数据集，每个数据集记作状态函数为：
Figure 927170DEST_PATH_IMAGE001
（1）
公式（1）中，
Figure 578731DEST_PATH_IMAGE002
表示电缆连接器运行状态时刻，
Figure 810998DEST_PATH_IMAGE003
表示电缆连接器数据集在
Figure 206208DEST_PATH_IMAGE004
时刻的 状态函数，
Figure 692684DEST_PATH_IMAGE005
表示电缆连接器数据集在
Figure 780725DEST_PATH_IMAGE006
时刻的输入变量，
Figure 234709DEST_PATH_IMAGE007
和
Figure 371293DEST_PATH_IMAGE008
表示多个电缆连接器检 测数据参数集合的矩阵；
步骤二、通过Apriori算法对电缆连接器运行状态进行评估，通过Apriori算法扫描每 个电缆连接器运行状态训练循环中的整个数据集，以计算其置信度；假设电缆连接器检测 数据集为
Figure 961543DEST_PATH_IMAGE009
，
Figure 220486DEST_PATH_IMAGE010
是电缆连接器检测数据，
Figure 912498DEST_PATH_IMAGE011
表示序数，设置置信度
Figure 649510DEST_PATH_IMAGE012
为：
Figure 380354DEST_PATH_IMAGE013
（2）
公式（2）中，
Figure 810198DEST_PATH_IMAGE014
表示数据集的计数函数，
Figure 723928DEST_PATH_IMAGE015
表示设置阈值；根据Apriori算法得到双 工位电缆连接器运行状态故障参数置信度，对标识双工位电缆连接器运行状态不同数据集 快速分类，其中G表示电缆连接器检测数据集；
步骤三、分布式预测控制算法的分离目标函数
Figure 264630DEST_PATH_IMAGE016
为：
Figure 95052DEST_PATH_IMAGE017
（3）
公式（3）中，
Figure 430218DEST_PATH_IMAGE018
与
Figure 96823DEST_PATH_IMAGE019
表示双工位电缆连接器运行状态MPC常参数矩阵；
Figure 362588DEST_PATH_IMAGE020
表示数字化处 理时间；
Figure 860566DEST_PATH_IMAGE021
表示
Figure 304316DEST_PATH_IMAGE022
时间电缆连接器检测数据集状态参量，
Figure 520534DEST_PATH_IMAGE023
；
Figure 589990DEST_PATH_IMAGE024
表示
Figure 942474DEST_PATH_IMAGE025
时间数字化处理参量，
Figure 822705DEST_PATH_IMAGE026
；
步骤四、预测状态和控制输出之间的关系表示为：
Figure 260640DEST_PATH_IMAGE027
（4）
公式（4）中，
Figure 871137DEST_PATH_IMAGE028
表示双工位电缆连接器运行状态数据序数，把表达式（4）带入到方式（3） 中把
Figure 343707DEST_PATH_IMAGE029
替换掉，得到MPC的系统函数为：
Figure 129260DEST_PATH_IMAGE030
（5）
当满足
Figure 54491DEST_PATH_IMAGE031
，
Figure 465750DEST_PATH_IMAGE032
，根据公式（5）计算得出的MPC目标函数为最优解。
CN202210832803.8A 2022-07-15 2022-07-15 一种双工位电缆连接器检测数据数字化处理方法 Active CN114896556B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210832803.8A CN114896556B (zh) 2022-07-15 2022-07-15 一种双工位电缆连接器检测数据数字化处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210832803.8A CN114896556B (zh) 2022-07-15 2022-07-15 一种双工位电缆连接器检测数据数字化处理方法

Publications (2)

Publication Number Publication Date
CN114896556A true CN114896556A (zh) 2022-08-12
CN114896556B CN114896556B (zh) 2022-10-21

Family

ID=82729416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210832803.8A Active CN114896556B (zh) 2022-07-15 2022-07-15 一种双工位电缆连接器检测数据数字化处理方法

Country Status (1)

Country Link
CN (1) CN114896556B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102484341A (zh) * 2009-07-27 2012-05-30 Rwe股份公司 用于将电动车连接至充电站的充电电缆插头
CN104809665A (zh) * 2015-05-14 2015-07-29 国家电网公司 一种基于改进Apriori算法的配电网预警方法
CN108340800A (zh) * 2018-02-12 2018-07-31 木荣（成都）科技有限公司 一种新能源汽车充电设备及其控制方法
CN108964031A (zh) * 2018-07-12 2018-12-07 电子科技大学 电动汽车充电及参与调压的模型预测控制方法
CN111095663A (zh) * 2017-09-14 2020-05-01 Abb瑞士股份有限公司 用于控制可再充电电池的系统和方法
CN111212024A (zh) * 2018-11-21 2020-05-29 Abb 瑞士股份有限公司 用于检测电动汽车充电站中的异常活动的技术

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102484341A (zh) * 2009-07-27 2012-05-30 Rwe股份公司 用于将电动车连接至充电站的充电电缆插头
CN104809665A (zh) * 2015-05-14 2015-07-29 国家电网公司 一种基于改进Apriori算法的配电网预警方法
CN111095663A (zh) * 2017-09-14 2020-05-01 Abb瑞士股份有限公司 用于控制可再充电电池的系统和方法
CN108340800A (zh) * 2018-02-12 2018-07-31 木荣（成都）科技有限公司 一种新能源汽车充电设备及其控制方法
CN108964031A (zh) * 2018-07-12 2018-12-07 电子科技大学 电动汽车充电及参与调压的模型预测控制方法
CN111212024A (zh) * 2018-11-21 2020-05-29 Abb 瑞士股份有限公司 用于检测电动汽车充电站中的异常活动的技术

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KAIJIANG YU等: "A Battery Management System using Nonlinear Model Predictive Control for Hybrid Electric Vehicle", 《IFAC PROCEEDINGS》 *
WANRONG TANG等: "A Model Predictive Control Approach for Low-Complexity Electric Vehicle Charging Schedule: Optimality and Scalability", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *

Also Published As

Publication number Publication date
CN114896556B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
WO2022151819A1 (zh) 一种基于聚类分析的电池系统在线故障诊断方法和系统
Li et al. A hybrid machine learning framework for joint SOC and SOH estimation of lithium-ion batteries assisted with fiber sensor measurements
CN105277893B (zh) 实时电池估计
Lin et al. Voltage-correlation based multi-fault diagnosis of lithium-ion battery packs considering inconsistency
CN109813544B (zh) 一种基于在线监测的旋转机械早期故障诊断方法及系统
CN105277892B (zh) 通过脉冲注入辨识电池系统
CN114035086B (zh) 基于信号处理的电池组多故障诊断方法
CN111231758B (zh) 一种电池容量的估算方法、装置、电子设备及介质
Ding et al. Diagnosis of connection fault for parallel-connected lithium-ion batteries based on long short-term memory networks
CN114896556B (zh) 一种双工位电缆连接器检测数据数字化处理方法
Savargaonkar et al. A novel neural network with gaussian process feedback for modeling the state-of-charge of battery cells
CN112345996B (zh) 一种基于边缘计算的能源控制器回路事件生成方法
Wang et al. A reconstruction-based model with transformer and long short-term memory for internal short circuit detection in battery packs
CN114838923B (zh) 有载分接开关的故障诊断模型建立方法及故障诊断方法
CN116488578A (zh) 一种基于ai视觉辅助的光伏设备分析方法
CN113536607B (zh) 一种变电站信号传输系统评估方法及系统
CN216411516U (zh) 锂电池和模组的析锂检测装置
CN113935423A (zh) 耦合模糊控制规则与Elman神经网络的动力电池故障预警方法与系统
CN113418632A (zh) 一种油浸式变压器油温预测的概念漂移检测方法
CN113536455A (zh) 基于自适应粒子滤波的荷电状态估计方法和电池管理系统
Wang et al. Voltage measurement-based recursive adaptive method for internal short circuit fault diagnosis in lithium-ion battery packs
Ren et al. Multi-fault diagnosis strategy based on a non-redundant interleaved measurement circuit and improved fuzzy entropy for the battery system
CN117092410B (zh) 检测电路、储能电池、电池采样线阻值确定方法及设备
Zheng et al. Capacity and state‐of‐charge (SOC) estimation for lithium‐ion cells based on charging time differences curves
CN117648589B (zh) 一种储能电池热失控预警方法、系统、电子设备及介质

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
GR01 Patent grant
GR01 Patent grant