CN114924142A - 工作状态检测方法、装置、设备和存储介质 - Google Patents
工作状态检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114924142A CN114924142A CN202210343439.9A CN202210343439A CN114924142A CN 114924142 A CN114924142 A CN 114924142A CN 202210343439 A CN202210343439 A CN 202210343439A CN 114924142 A CN114924142 A CN 114924142A
- Authority
- CN
- China
- Prior art keywords
- state
- curve
- curves
- working
- determining
- 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.)
- Pending
Links
Images
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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/242—Home appliances
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本申请公开了一种工作状态检测方法、装置、设备和存储介质,属于智能电器领域。所述方法包括:可以先获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数,再根据多个输出功率和多个指定性能参数确定第一状态曲线,然后将第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,根据匹配结果,确定智能电器中的功率器件的工作状态。其中,第一状态曲线为智能电器的输出功率和指定性能参数的对应关系曲线,多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,工作条件包括输入电压和老化程度。如此可以实现对智能电器中的功率器件的工作状态的检测。
Description
技术领域
本申请涉及智能电器领域,特别涉及一种工作状态检测方法、装置、设备和存储介质。
背景技术
随着人们日常生活品质的不断提高,智能电器已广泛应用于人们的日常生活中。智能电器包括功率器件,通常可以采用合适的功率控制策略对功率器件进行控制,以调整智能电器的性能参数,实现智能电器的相关功能。但是,功率器件包括电压波动、老化程度和故障等异常工作状态,在功率器件的不同工作状态下,若采用相同的功率控制策略对其进行控制,则智能电器的性能参数可能不同,且性能参数直接影响智能电器的工作性能。比如,智能电器为饮水机时,其性能参数为工作温度。饮水机中的功率器件在不同工作状态下,若采用相同的功率控制策略对该功率器件进行控制,则饮水机的工作温度可能不同,且工作温度过高可能会发生安全隐患,工作温度过低可能达不到预期效果。
由于性能参数直接影响智能电器的工作性能,因此在采用功率控制策略控制功率器件之前,检测功率器件的工作状态具有重要意义。但是,现有技术对功率器件的工作状态的检测方法鲜有研究。
发明内容
本申请提供了一种工作状态检测方法、装置、设备和存储介质,可以实现对功率器件的工作状态的检测。所述技术方案如下:
第一方面,提供了一种工作状态检测方法,所述方法包括:
获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数;
根据所述多个输出功率和所述多个指定性能参数,确定第一状态曲线,所述第一状态曲线为所述智能电器的输出功率和指定性能参数的对应关系曲线;
将所述第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,所述多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,所述工作条件包括输入电压和老化程度;
根据所述匹配结果,确定所述智能电器中的功率器件的工作状态,所述工作状态为正常状态或异常状态,所述异常状态包括电压波动状态、老化状态和故障状态中的一种或多种。
作为一个示例,所述根据所述匹配结果,确定所述智能电器中的功率器件的工作状态,包括:
若所述匹配结果为所述第一状态曲线与所述多条第二状态曲线中的目标第二状态曲线匹配,则根据所述目标第二状态曲线确定所述工作状态为所述正常状态,或为所述电压波动状态和所述老化状态中的一种或多种;
若所述匹配结果为所述第一状态曲线与所述多条第二状态曲线中的任一第二状态曲线均不匹配,则确定所述工作状态为所述故障状态。
作为一个示例,所述根据所述目标第二状态曲线确定所述工作状态为所述正常状态,或为所述电压波动状态和所述老化状态中的一种或多种,包括:
确定所述目标第二状态曲线对应的工作条件,所述目标第二状态曲线对应的工作条件包括目标输入电压和目标老化程度;
若所述目标输入电压与标准电压的差值大于或等于电压阈值,则确定所述工作状态为所述电压波动状态;
若所述目标老化程度大于或等于老化程度阈值,则确定所述工作状态为所述老化状态;
若所述目标输入电压与标准电压的差值小于所述电压阈值,且所述目标老化程度小于所述老化程度阈值,则确定所述工作状态为所述正常状态。
作为一个示例,所述将所述第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,包括:
确定所述第一状态曲线的曲线特征;
将所述第一状态曲线的曲线特征与所述多条第二状态曲线中的每条第二状态曲线的曲线特征进行匹配,得到所述第一状态曲线与所述多条第二状态曲线中的每条第二状态曲线的相似度;
若所述第一状态曲线与所述多条第二状态曲线中的每条第二状态曲线的相似度均小于相似度阈值,则确定所述第一状态曲线与所述多条第二状态曲线中的任一第二状态曲线均不匹配;
若所述第一状态曲线与所述多条第二状态曲线中的目标第二状态曲线的相似度大于或等于所述相似度阈值,则确定所述第一状态曲线与所述目标第二状态曲线匹配,所述目标第二状态曲线为所述多条第二状态曲线中与所述第一状态曲线的相似度最大的第二状态曲线。
作为一个示例,所述将所述第一状态曲线的曲线特征与所述多条第二状态曲线中的每条第二状态曲线的曲线特征进行匹配之前,还包括:
获取特征数据集,所述特征数据集包括所述多条第二状态曲线中的每条第二状态曲线的曲线特征,以及所述多条第二状态曲线中的每条第二状态曲线对应的工作条件。
作为一个示例,所述获取特征数据集之前,还包括:
确定所述多条第二状态曲线,所述多条第二状态曲线是所述样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线;
确定所述多条第二状态曲线中的每条第二状态曲线的曲线特征;
将所述多条第二状态曲线中的每条第二状态曲线的曲线特征,以及每条第二状态曲线对应的工作条件对应存储至所述特征数据集。
作为一个示例,所述根据所述匹配结果,确定所述智能电器中的功率器件的工作状态之后,所述方法还包括:
根据所述工作状态,调整所述功率器件的功率控制策略,以调整所述智能电器的所述指定性能参数。
第二方面,提供了一种工作状态检测装置,所述装置包括:
第一获取模块,用于获取所述智能电器在预设工作时间段内的多个输出功率和多个指定性能参数;
第一确定模块,用于根据所述多个输出功率和所述多个指定性能参数,确定第一状态曲线,所述第一状态曲线为所述智能电器的输出功率和指定性能参数的对应关系曲线;
匹配模块,用于将所述第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,所述多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,所述工作条件包括输入电压和老化程度;
第二确定模块,用于根据所述匹配结果,确定所述智能电器中的功率器件的工作状态,所述工作状态为正常状态或异常状态,所述异常状态包括电压波动状态、老化状态和故障状态中的一种或多种。
作为一个示例,所述第二确定模块还用于若所述匹配结果为所述第一状态曲线与所述多条第二状态曲线中的目标第二状态曲线匹配,则根据所述目标第二状态曲线确定所述工作状态为所述正常状态,或为所述电压波动状态和所述老化状态中的一种或多种;
若所述匹配结果为所述第一状态曲线与所述多条第二状态曲线中的任一第二状态曲线均不匹配,则确定所述工作状态为所述故障状态。
作为一个示例,所述第二确定模块还用于确定所述目标第二状态曲线对应的工作条件,所述目标第二状态曲线对应的工作条件包括目标输入电压和目标老化程度;
若所述目标输入电压与标准电压的差值大于或等于电压阈值,则确定所述工作状态为所述电压波动状态;
若所述目标老化程度大于或等于老化程度阈值,则确定所述工作状态为所述老化状态;
若所述目标输入电压与标准电压的差值小于所述电压阈值,且所述目标老化程度小于所述老化程度阈值,则确定所述工作状态为所述正常状态。
作为一个示例,所述匹配模块还用于确定所述第一状态曲线的曲线特征;
将所述第一状态曲线的曲线特征与所述多条第二状态曲线中的每条第二状态曲线的曲线特征进行匹配,得到所述第一状态曲线与所述多条第二状态曲线中的每条第二状态曲线的相似度;
若所述第一状态曲线与所述多条第二状态曲线中的每条第二状态曲线的相似度均小于相似度阈值,则确定所述第一状态曲线与所述多条第二状态曲线中的任一第二状态曲线均不匹配;
若所述第一状态曲线与所述多条第二状态曲线中的目标第二状态曲线的相似度大于或等于所述相似度阈值,则确定所述第一状态曲线与所述目标第二状态曲线匹配,所述目标第二状态曲线为所述多条第二状态曲线中与所述第一状态曲线的相似度最大的第二状态曲线。
作为一个示例,所述装置还包括第二获取模块,用于获取特征数据集,所述特征数据集包括所述多条第二状态曲线中的每条第二状态曲线的曲线特征,以及所述多条第二状态曲线中的每条第二状态曲线对应的工作条件。
作为一个示例,所述装置还包括第三确定模块、第四确定模块和存储模块:
所述第三确定模块,用于确定所述多条第二状态曲线,所述多条第二状态曲线是所述样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线;
所述第四确定模块,用于确定所述多条第二状态曲线中的每条第二状态曲线的曲线特征;
所述存储模块,用于将所述多条第二状态曲线中的每条第二状态曲线的曲线特征,以及每条第二状态曲线对应的工作条件对应存储至所述特征数据集。
作为一个示例,所述装置还包括调整模块,用于根据所述工作状态,调整所述功率器件的功率控制策略,以调整所述智能电器的所述指定性能参数。
第三方面,提供了一种计算机设备,所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述的工作状态检测方法。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的工作状态检测方法。
本申请实施例提供的技术方案带来的有益效果是:
本申请实施例中,可以先获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数,再根据多个输出功率和多个指定性能参数,确定第一状态曲线,第一状态曲线为智能电器的输出功率和指定性能参数的对应关系曲线,然后将第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,根据匹配结果,确定智能电器中的功率器件的工作状态。其中,多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,工作条件包括输入电压和老化程度,工作状态为正常状态或异常状态,异常状态包括电压波动状态、老化状态和故障状态中的一种或多种。如此,可以根据获取的智能电器的输出功率和指定性能参数的对应关系曲线,与样本智能电器的不同工作状态的输出功率和指定性能参数的多条对应关系曲线的匹配结果,实现对智能电器中的功率器件的工作状态的检测。而且,这种检测方法是在智能电器的工作过程中实时获取智能电器的输出功率和指定性能参数,根据输出功率和指定性能参数即可确定功率器件的工作状态,检测方式简单,检测效率较高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种工作状态检测方法的流程图;
图2是本申请实施例提供的一种工作状态检测装置的结构示意图;
图3是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
应当理解的是,本申请提及的“多个”是指两个或两个以上。在本申请的描述中,除非另有说明,“/”表示或的意思,比如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,比如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,为了便于清楚描述本申请的技术方案,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
在对本申请实施例进行详细地解释说明之前,先对本申请实施例的应用场景予以说明。
本申请实施例提供的工作状态检测方法可以应用于检测智能电器中的功率器件的工作状态的场景中。其中,智能电器为采用合适的功率控制策略对功率器件进行控制,以调制智能电器的性能参数,实现智能电器的相关功能的电器,本申请实施例对智能电器不做限定。
比如,智能电器为饮水机,性能参数为工作温度。饮水机中的功率器件的工作状态可以为正常状态和异常状态,异常状态可以包括电压波动、老化程度和故障中的一种或多种。在功率器件的不同工作状态下,若采用相同的功率控制策略对该功率器件进行控制,则饮水机的工作温度可能不同,工作温度直接影响智能电器的工作性能。
比如,功率器件的工作状态包括电压波动状态,采用固定的功率控制策略对功率器件进行控制之后,功率器件的输出功率可能忽高忽低,进而难以精准控制饮水机的工作温度,无法精准的实现家用电器的功能,甚至由于功率器件的输出功率的忽高忽低,使得工作温度失控,发生烫伤使用者或者发生火灾的安全隐患。或者,功率器件的工作状态包括老化状态,在不同老化状态时,采用固定的功率控制策略对功率器件进行控制之后,功率器件的输出功率可能不同,由于输出功率的不同,因此饮水机的工作温度不同,工作温度过高可能会发生安全隐患,工作温度过低可能达不到预期效果。
如此,检测饮水机等智能电器的工作状态具有重要意义。比如,对饮水机的工作状态进行检测,以根据工作状态调整饮水机中的功率器件的功率控制策略,进而调整饮水机的工作温度,使调整后的工作温度符合预期效果。
需要说明的是,上述智能电器为饮水机,性能参数为工作温度仅作为一个示例,并不作为智能电器和性能参数的限定。比如,智能电器也可以为风扇,对应的性能参数可以为转速。
接下来,对本申请实施例提供的工作状态检测方法予以说明。
请参考图1,图1是本申请实施例提供的一种工作状态检测方法的流程图,本申请实施例提供的工作状态检测方法可以应用于第一设备,第一设备可以为终端设备或服务器,第一设备可以设置于待检测的智能电器中,也可以设置于待检测的智能电器之外,本申请实施例对第一设备的安装位置不做限定。
请参见图1,该方法包括以下步骤:
步骤101,第一设备获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数。
其中,智能电器可以包括功率器件,可以通过合适的功率控制策略对智能电器中的功率器件进行控制,以调整智能电器的性能参数,实现智能电器的相关功能。
其中,功率器件主要用在电子电力的开关、功率转换、功率放大或线路保护等中,是在电力控制电路和电源开关电路中必不可少的电子元器件。其中,功率器件可以为MOSFET(Metal-Oxide-Semiconductor Field-Effect Transistor,金氧半场效晶体管)或IGBT(Insulated Gate Bipolar Transistor,绝缘栅双极型晶体管)等。
其中,指定性能参数可以反应智能电器的工作性能。不同的智能电器对应的指定性能参数可能不同。比如,智能电器为饮水机,对应的指定性能参数为工作温度,可以实现加热的功能。或者,智能电器为风扇,对应的指定性能参数为转速,可以实现生风取凉的功能。
其中,预设工作时间段可以是指智能电器处于工作中的任意连续时间段,比如可以为10ms或20ms等连续时间段。或者,预设工作时间段也可以包括不连续的多个时间段,本申请实施例对预设工作时间段不做限定。比如,智能电器可以为饮水机,预设工作时间段可以是指饮水机处于工作中的任意20ms的时间段。为了便于说明,可以将本申请实施例中的预设工作时间段称为第一预设工作时间段。
其中,智能电器还可以包括采集电路,采集电路用于采集智能电器的工作参数,采集电路可以是智能电器原有的电路,也可以是额外添加的电路。工作参数可以为智能电器的工作电压、工作电流或指定性能参数。如此,第一设备可以通过采集电路获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数。
作为一个示例,采集电路可以为电压采集电路、电流采集电路和指定性能参数采集电路中的一种或多种。
比如,智能电器包括电压采集电路,电压采集电路可以在满足第一预设条件时采集预设工作时间段内的多个输出电压,第一设备可以获取电压采集电路采集的多个输出电压,根据多个输出电压确定智能电器在预设工作时间段内的多个输出功率。第一预设条件可以为每隔预设时间间隔或者智能电器从断电状态到上电状态。
或者,智能电器包括电流采集电路,电流采集电路可以在满足第一预设条件时采集预设工作时间段多个输出电流,第一设备可以获取电流采集电路采集的多个输出电流,根据多个输出电流确定智能电器在预设工作时间段内的多个输出功率。
当然,智能电器也可以包括电压采集电路和电流采集电路,第一设备可以根据电压采集电路采集的多个输出电压和电流采集电路采集的多个输出电流,确定多个输出功率。
比如,智能电器包括指定性能参数采集电路,指定性能参数采集电路可以在满足第一预设条件时采集预设工作时间段多个指定性能参数,第一设备可以获取指定性能参数采集电路采集的多个指定性能参数。其中,指定性能参数可以为工作温度,指定性能参数采集电路为温度采集电路。或者指定性能参数为转速,指定性能参数采集电路为转速采集电路。
作为一个示例,智能电器可以包括第一设备,第一设备可以为具有处理功能的嵌入式处理器,第一设备与采集电路可以通过有线或无线连接,第一设备可以通过有线或无线通信获取采集电路采集的智能电器的工作参数,从而根据智能电器的工作参数确定多个输出功率和多个指定性能参数。或者,第一设备设置于智能电器之外,智能电器还可以包括通信装置,通信装置可以实现无线通信或有线通信,第一设备可以通过通信装置获取采集电路采集的智能电器的工作参数,从而根据智能电器的工作参数确定多个输出功率和多个指定性能参数。
作为一个示例,第一设备还可以在获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数之后,再次获取多个输出功率和多个指定性能参数。比如,第一设备可以先获取智能电器在第一预设工作时间段的内的多个输出功率和多个指定性能参数,再每隔预设工作时间段继续获取智能电器在第二预设工作时间段的内的多个输出功率和多个指定性能参数,以不断地通过智能电器的当前的输出功率和指定性能参数确定智能器件中功率器件的当前工作状态。
步骤102,第一设备根据多个输出功率和多个指定性能参数,确定第一状态曲线,第一状态曲线为智能电器的输出功率和指定性能参数的对应关系曲线。
其中,第一设备可以根据多个输出功率和多个指定性能参数,绘制二维坐标系中的第一状态曲线,其中,二维坐标系中的X轴表示输出功率,Y轴表示指定性能参数。
作为一个示例,第一设备可以先根据多个输出功率和多个指定性能参数,在二维坐标系中的进行描点,得到多个描点,然后对多个描点进行曲线拟合,得到第一状态曲线。其中,曲线拟合的方式可以为最小二乘法、多项式曲线拟合或贝塞尔曲线拟合等。本申请实施例对根据多个输出功率和多个指定性能参数确定第一状态曲线的方法不做限定。
其中,第一设备在获取到第一状态曲线之后,还可以对第一状态曲线进行特征提取,以得到第一状态曲线的曲线特征,第一状态曲线的曲线特征指示智能电器在预设工作时间段内的输出功率特征和指定性能参数特征。
步骤103,第一设备将第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,工作条件包括输入电压和老化程度。
其中,输入电压是指输入智能电器的电压,老化程度指示智能电器中的功率器件的已工作时长,通常智能电器的已工作时长越长,老化程度越低。比如,对于厂商生产且未工作的智能电器,其功率器件的已工作时长为0,老化程度为0%。
作为一个示例,老化程度可以通过功率器件的已工作时长确定,也可以通过其它方式确定。比如,对于与功率器件寿命相关的电参数,可以在特定条件下获取与寿命相关的电参数,根据这些电参数的变化来确定智能电器的老化程度。比如,在给定输入电压和功率控制策略的情况下,采集智能电器的输出电压,根据采集的输出电压与出厂时老化程度为0%的初始输出电压进行比较,确定老化程度。
其中,不同工作条件是指不同输入电压和不同老化程度。比如,不同工作条件可以包括:(第一输入电压、第一老化程度),(第一输入电压、第二老化程度),(第二输入电压、第一老化程度)以及(第二输入电压、第二老化程度)。
作为一个示例,第一设备可以将第一状态曲线的曲线特征与多条第二状态曲线的曲线特征进行匹配,以得到匹配结果。比如,第一设备可以通过如下步骤得到匹配结果:
步骤1031,确定第一状态曲线的曲线特征。
比如,第一设备对第一状态曲线进行特征提取,得到第一状态曲线的曲线特征。曲线特征提取方法可以为D-P(Douglas-Peucher,道格拉斯·佩彻)算法或带有径向约束的D-P算法等,本申请实施例对确定第一状态曲线的曲线特征的方法不做限定。
步骤1032,将第一状态曲线的曲线特征与多条第二状态曲线中的每条第二状态曲线的曲线特征进行匹配,得到第一状态曲线与多条第二状态曲线中的每条第二状态曲线的相似度。
其中,多条第二状态曲线中的每条第二状态曲线的曲线特征可以预先存储在特征数据集中,即特征数据集包括多条第二状态曲线中的每条第二状态曲线的曲线特征。另外,特征数据集也可以包括多条第二状态曲线中的每条第二状态曲线对应的工作条件,工作条件可以包括输入电压和老化程度。也即是,特征数据集包括多条第二状态曲线中的每条第二状态曲线的曲线特征,以及多条第二状态曲线中的每条第二状态曲线对应的工作条件。
如此,第一设备在将第一状态曲线的曲线特征与多条第二状态曲线中的每条第二状态曲线的曲线特征进行匹配之前,可以先获取特征数据集,进而将第一状态曲线的曲线特征与获取的特征数据集中的多条第二状态曲线的中的每条第二状态曲线的曲线特征进行匹配。
作为一个示例,特征数据集可以预先存储在第一设备中,如此,第一设备在确定第一状态曲线的曲线特征之后,可以将第一状态曲线的曲线特征与存储的特征数据集中的多条第二状态曲线的曲线特征分别进行匹配。
作为一个示例,确定特征数据集中的多条第二状态曲线中的每条第二状态曲的曲线特征的方法可以包括如下步骤:
步骤1)确定多条第二状态曲线。
其中,多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线。
其中,确定多条第二状态曲线中的每条第二状态曲线与确定第一状态曲线的方法相同。比如,在不同的工作条件下,先获取样本智能电器在第三预设工作时间段内的多个输出功率和多个指定性能参数,再根据多个输出功率和多个指定性能参数确定多条第二状态曲线。其中,不同的工作条件是指不同输出电压和不同老化程度。也即是,多条第二状态曲线是样本智能电器在电压波动状态、老化程度和正常状态的工作状态下获取的。
其中,第三预设工作时间段可以是指样本智能电器处于工作中的任意连续时间段,或者第三预设工作时间段也可以包括不连续的多个时间段。第三预设工作时间段与第一预设工作时间段可以相同也可以不同。比如,第三预设工作时间段可以大于第一预设工作时间段。
作为一个示例,不同工作条件是指不同输入电压和不同老化程度。比如,不同工作条件可以包括:(第一输入电压、第一老化程度),(第一输入电压、第二老化程度),(第二输入电压、第一老化程度)以及(第二输入电压、第二老化程度)。
比如,可以根据电压采集间隔和老化采集间隔,在不同输入电压和不同老化程度的组合工作条件下,获取样本智能电器在第三预设工作时间段内的多个输出功率和多个指定性能参数。
作为一个示例,在样本智能电器的输入电压为确定的情况下,可以根据老化采集间隔分别获取不同老化程度的样本智能电器在第三预设工作时间段内的多个输出功率和多个指定性能参数,从而确定多条第二状态曲线。比如老化采集间隔为20%,可以分别获取老化程度为0%样本智能电器、20%样本智能电器、40%样本智能电器、60%样本智能电器和80%样本智能电器在第三预设工作时间段内的多个输出功率和多个指定性能参数。当然,老化采集间隔也可以为其它,本申请实施例对老化采集间隔不做限定。
其中,样本智能电器的输入电压也可以为多个。比如,根据电压采集间隔分别向样本智能电器输入不同的输入电压。比如,电压采集间隔可以为20v,可以分别向样本智能电器输入180v、200v、220v、240v和260v的电压。当然,电压采集间隔也可以为其它,本申请实施例对此不做限定。
比如,电压采集间隔可以为20v,老化采集间隔为20%,不同工作条件可以包括:(180v、0%),(180v、20%),(180v、40%),(180v、60%),(180v、80%),(200v、0%),(200v、20%),(200v、40%),(200v、60%),(200v、80%),(220v、0%),(220v、20%),(220v、40%),(220v、60%),(220v、80%),(240v、0%),(240v、20%),(240v、40%),(240v、60%),(240v、80%),(260v、0%),(260v、20%),(260v、40%),(260v、60%)以及(260v、80%)。
作为一个示例,在输入电压为180v的情况下,获取老化程度为0%的样本智能电器在第三预设工作时间段内的多个输出功率和多个指定性能参数,根据该多个输出功率和多个指定性能参数可以确定一条第二状态曲线。该确定的第二状态曲线对应的工作条件为输入电压180v、老化程度0%。
另外,也可以在输入电压为180v的情况下,获取老化程度为20%的样本智能电器在第三预设工作时间段内的多个输出功率和多个指定性能参数,根据该多个输出功率和多个指定性能参数可以确定一条第二状态曲线。该确定的第二状态曲线对应的工作条件为输入电压180v、老化程度20%。
当然,上述输入电压也可以为其它,样本智能电器的老化程度也可以为其它。如此,根据电压采集间隔和老化采集间隔,在不同输入电压和不同老化程度的组合工作条件下,可以获取到样本智能电器在第三预设工作时间段内的多个输出功率和多个指定性能参数。
作为一个示例,获取样本智能电压在第三预设工作时间段内的多个输出功率和多个指定性能参数的方法可以参考上述步骤101,这里不再赘述。
作为一个示例,在获取到样本智能电压的多个输出功率和多个指定性能参数之后,根据多个输出功率和多个指定性能参数确定多条第二状态曲线的过程可以参考上述步骤102,这里不再赘述。
此外,在确定多条第二状态曲线之后,还可以对多条第二状态曲线进行筛选,将相似的第二状态曲线进行删除。比如,可以根据多条第二状态曲线中的每条第二状态曲线的曲线特征筛选相似的第二状态曲线。
步骤2)确定多条第二状态曲线中的每条第二状态曲线的曲线特征。
其中,第二状态曲线的曲线特征指示样本智能电器在第三预设工作时间段内的输出功率特征和指定性能参数特征。
比如,对每条第二状态曲线进行特征提取,得到每条第二状态曲线的曲线特征。其中,曲线特征提取方法可以参考上述步骤1031,这里不再赘述。
步骤3)将多条第二状态曲线中的每条第二状态曲线的曲线特征,以及每条第二状态曲线对应的工作条件对应存储至特征数据集。比如,特征数据集可以包括:(第一曲线特征、第一输入电压、第一老化程度),(第二曲线特征、第一输入电压、第二老化程度),(第三曲线特征、第二输入电压、第一老化程度)以及(第四曲线特征、第二输入电压、第二老化程度)。
其中,工作条件包括输入电压和老化程度。
如此,可以将确定的每条第二状态曲线的曲线特征,以及对应的工作条件存储至特征数据集,以便后续将智能电器当前的第一状态曲线的曲线特征与每条第二状态曲线进行匹配,确定智能电器当前的工作条件,根据确定的工作条件,确定功率器件的工作状态。
其中,上述确定特征数据集包括的多条第二状态曲线中的每条第二状态曲线的曲线特征的方法的步骤1)-步骤3)的执行主体可以为第一设备,也可以为其它计算机设备,本申请实施例对确定特征数据集的执行主体不做限定。比如,其它计算机设备通过上述步骤1)-步骤3)得到特征数据集后,第一设备可以存储其它计算机设备得到的特征数据集,从而将第一状态曲线的曲线特征与存储的特征数据集包括的多条第二状态曲线的曲线特征分别进行匹配。
作为一个示例,可以将第一状态曲线的曲线特征与每条第二状态曲线的曲线特征进行相似度计算,得到第一状态曲线与每条第二状态曲线的相似度。其中,第一状态曲线与每条第二状态曲线的相似度可以为两个曲线特征的欧氏距离、切比雪夫距离或曼哈顿距离等,本申请实施例对确定第一状态曲线与每条第二状态曲线的相似度的方法不做限定。
步骤1033,若第一状态曲线与多条第二状态曲线中的每条第二状态曲线的相似度均小于相似度阈值,则确定第一状态曲线与多条第二状态曲线中的任一第二状态曲线均不匹配。
其中,相似度阈值为预先设置的阈值,用于确定两条曲线是否匹配。若第一状态曲线与第二状态曲线的相似度小于相似度阈值,则确定第一状态曲线与第二状态曲线不匹配。若第一状态曲线与第二状态曲线的相似度大于或等于相似度阈值,则确定第一状态曲线与第二状态曲线匹配。
其中,若第一状态曲线与每条第二状态曲线的相似度均小于相似度阈值,则确定第一状态曲线的曲线特征与每条第二状态曲线的曲线特征的距离较大,匹配结果为第一状态曲线与多条第二状态曲线中的任一第二状态曲线均不匹配。
步骤1034,若第一状态曲线与多条第二状态曲线中的目标第二状态曲线的相似度大于或等于相似度阈值,则确定第一状态曲线与目标第二状态曲线匹配,目标第二状态曲线为多条第二状态曲线中与第一状态曲线的相似度最大的第二状态曲线。
其中,若多条第二状态曲线中存在至少一条第二状态曲线与第一状态曲线的相似度大于或等于相似度阈值,则确定第一状态曲线的曲线特征与至少一条第二状态曲线中的每条第二状态曲线的曲线特征的距离较小,确定第一状态曲线与至少一条第二状态曲线中的每条第二状态曲线匹配。
作为一个示例,可以将至少一条第二状态曲线中与第一状态曲线的相似度最大的第二状态曲线作为目标第二状态曲线,这种情况下,匹配结果为第一状态曲线与多条第二状态曲线中的目标第二状态曲线匹配。
另外,在多条第二状态曲线的曲线特征中,目标第二状态曲线的曲线特征与第一状态曲线的曲线特征的距离最小,且目标第二状态曲线对应的工作条件与智能电器的当前工作条件相同。
另外,在多条第二状态曲线的曲线特征中,目标第二状态曲线的曲线特征与第一状态曲线的曲线特征的距离最小,且目标第二状态曲线对应的工作条件与智能电器的当前工作条件相同。
步骤104,第一设备根据匹配结果,确定智能电器中的功率器件的工作状态。
其中,工作状态为正常状态或异常状态,异常状态包括电压波动状态、老化状态和故障状态中的一种或多种。
作为一个示例,第一设备可以通过如下步骤确定功率器件的工作状态:
步骤1041,若匹配结果为第一状态曲线与多条第二状态曲线中的目标第二状态曲线匹配,则根据目标第二状态曲线确定工作状态为正常状态,或为电压波动状态和老化状态中的一种或多种。
其中,特征数据集包括多条第二状态曲线中的每条第二状态曲线对应的工作条件,工作条件包括输入电压和老化程度。
作为一个示例,目标第二状态曲线对应的工作条件与智能电器的当前工作条件相同,第一设备可以先确定目标第二状态曲线对应的工作条件,即确定智能器件的当前工作条件,再根据智能器件的当前工作条件确定功率器件的工作状态为正常状态,或为电压波动状态和老化状态中的一种或多种。
比如,第一设备可以从特征数据集中确定目标第二状态曲线对应的工作条件。特征数据集中的目标第二状态曲线对应的工作条件可以包括目标输入电压和目标老化程度,即智能器件的当前工作条件包括目标输入电压和目标老化程度。
比如,根据智能器件的当前工作条件确定功率器件的工作状态为正常状态,或为电压波动状态和老化状态中的一种或多种的方法可以通过如下步骤实现:
步骤1)若目标输入电压与标准电压的差值大于或等于电压阈值,则确定工作状态为电压波动状态。
其中,标准电压可以预先设置,比如可以是智能电器的额定输入电压,通常标准电压为220v。
其中,电压阈值是预先设置的阈值。若确定目标输入电压与标准电压的差值小于电压阈值,则确定目标输入电压在标准电压的临近范围内,即确定工作状态不为电压波动状态。若确定目标输入电压与标准电压的差值大于或等于电压阈值,则确定工作状态为电压波动状态。
比如,电压阈值可以为10v,标准电压为220v。若目标输入电压在[210v,230v]的范围内,即若目标输入电压与标准电压的差值小于电压阈值,则确定工作状态不为电压波动状态。若目标输入电压不在[210v,230v]的范围内,即若目标输入电压与标准电压的差值大于或等于电压阈值,则确定工作状态为电压波动状态。
步骤2)若目标老化程度大于或等于老化程度阈值,则确定工作状态为老化状态。
其中,老化程度阈值是预先设置的阈值。比如,老化程度阈值可以人为根据实际情况设定。
比如,若确定目标老化程度大于或等于老化程度阈值,则确定工作状态为老化状态。若目标老化程度小于老化程度阈值,则确定工作状态不为老化状态。
作为一个示例,老化程度阈值可以为10%。若目标老化程度大于或等于10%,确定工作状态为老化状态。若目标老化程度小于10%,则确定工作状态不为老化状态。当然,老化程度阈值可以为其它,本申请实施例对老化程度阈值不做限定。
步骤3)若目标输入电压与标准电压的差值小于电压阈值,且目标老化程度小于老化程度阈值,则确定工作状态为正常状态。
其中,正常状态是指输入电压在标准电压附近,老化程度小于老化程度阈值。
步骤1042,若匹配结果为第一状态曲线与多条第二状态曲线中的任一第二状态曲线均不匹配,则确定工作状态为故障状态。
由于多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,即由于多条第二状态曲线是样本智能电器在电压波动状态、老化状态和正常状态的工作状态下获取的,因此若多条第二状态曲线不存在与第一状态曲线匹配的第二状态曲线,即可确定工作状态不为电压波动状态、老化状态和正常状态,为故障状态。
作为一个示例,第一设备在确定工作状态为故障状态之后,可以发出告警信息,告警信息用于提示智能电器的功率器件发生故障,便于相关人员快速做出相应的动作,提升可维护性,以及提升维修效率和售后服务质量。
其中,发出告警信息的方式可以包括显示告警信息或发出告警声音等,本申请实施例对此不做限定。
作为一个示例,第一设备不仅可以确定功率器件的工作状态,还可以确定智能电器的工作参数。比如,可以确定智能电器电压波动参数和老化程度等。
另外,在确定功率器件的工作状态之后,第一设备可以根据工作状态,调整功率器件的功率控制策略,以调整智能电器的指定性能参数。
其中,功率控制策略包括多个控制参数,第一设备可以根据多个控制参数的数值调整智能电器的指定性能参数。其中,多个控制参数可以包括电压波动参数和老化程度,第一设备可以根据不同的电压波动参数和老化程度,调整功率器件的功率控制策略,进而调整智能电器的指定性能参数。
比如,第一设备可以先根据工作状态,确定功率器件的输入电压和老化程度,再根据输入电压,确定功率器件的电压波动参数,根据电压波动参数和老化程度,调整功率控制策略的控制参数。
作为一个示例,若工作状态为正常状态,或为电压波动状态和老化状态中的一种或多种,则智能电器的当前工作条件为目标输入电压和目标老化程度,即功率器件的输入电压为目标输入电压,功率器件的老化程度为目标老化程度。若工作状态为故障状态,则功率器件的输入电压和老化程度可以为上一次确定的目标输入电压和目标老化程度。
其中,可以根据功率器件的输入电压与标准电压的数值关系,确定功率器件的电压波动参数,数值关系可以为差值或比值等,本申请实施例对此不做限定。
作为一个示例,第一设备还可以在确定功率器件的工作状态之后,再次执行步骤101-步骤104,以不断的确定功率器件的工作状态,从而根据工作状态及时调整功率器件的功率控制策略,进而调整智能电器的指定性能参数,避免由于在工作状态不同的情况下,采用相同的功率控制策略而导致的智能电器的指定性能参数过高或过低的问题。其中,指定性能参数过高可能会发生安全隐患,指定性能参数过低可能达不到预期效果。
作为一个示例,第一设备在连续多次确定工作状态之后,还可以对功率器件的工作状态进行提前预测,从而可以根据预测的工作状态提前调整功率器件的功率控制策略,调整智能电器的指定性能参数,避免由于指定性能参数频繁的过高或过低的变化而导致的功率器件的失控的问题的发生,提升智能电器的稳定性。
比如,第一设备在连续多次确定工作状态之后,可以根据多次确定的工作状态,对下一个时间段的工作状态进行预测,得到下一个时间段的预测工作状态,根据预测工作状态调整下一个时间段的功率控制策略。
比如,第二设备在连续多次确定工作状态之后,可以根据老化程度对老化速率进行评估,根据老化速率对老化状态和老化程度进行提前预测。
本申请实施例中,可以先获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数,再根据多个输出功率和多个指定性能参数,确定第一状态曲线,第一状态曲线为智能电器的输出功率和指定性能参数的对应关系曲线,然后将第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,根据匹配结果,确定智能电器中的功率器件的工作状态。其中,多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,工作条件包括输入电压和老化程度,工作状态为正常状态或异常状态,异常状态包括电压波动状态、老化状态和故障状态中的一种或多种。如此,可以根据获取的智能电器的输出功率和指定性能参数的对应关系曲线,与样本智能电器的不同工作状态的输出功率和指定性能参数的多条对应关系曲线的匹配结果,实现对智能电器中的功率器件的工作状态的检测。而且,这种检测方法是在智能电器的工作过程中实时获取智能电器的输出功率和指定性能参数,根据输出功率和指定性能参数即可确定功率器件的工作状态,检测方式简单,检测效率较高。
图2是本申请实施例提供的一种工作状态检测装置的结构示意图。该工作状态检测装置可以由软件、硬件或者两者的结合实现成为计算机设备的部分或者全部,该计算机设备可以为下文图3所示的计算机设备。参见图2,该装置包括:第一获取模块201、第一确定模块202、匹配模块203和第二确定模块204。
其中,第一获取模块201,用于获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数。
第一确定模块202,用于根据多个输出功率和多个指定性能参数,确定第一状态曲线,第一状态曲线为智能电器的输出功率和指定性能参数的对应关系曲线。
匹配模块203,用于将第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,工作条件包括输入电压和老化程度。
第二确定模块204,用于根据匹配结果,确定智能电器中的功率器件的工作状态,工作状态为正常状态或异常状态,异常状态包括电压波动状态、老化状态和故障状态中的一种或多种。
作为一个示例,第二确定模块204还用于若匹配结果为第一状态曲线与多条第二状态曲线中的目标第二状态曲线匹配,则根据目标第二状态曲线确定工作状态为正常状态,或为电压波动状态和老化状态中的一种或多种;
若匹配结果为第一状态曲线与多条第二状态曲线中的任一第二状态曲线均不匹配,则确定工作状态为故障状态。
作为一个示例,第二确定模块204还用于确定目标第二状态曲线对应的工作条件,目标第二状态曲线对应的工作条件包括目标输入电压和目标老化程度;
若目标输入电压与标准电压的差值大于或等于电压阈值,则确定工作状态为电压波动状态;
若目标老化程度大于或等于老化程度阈值,则确定工作状态为老化状态;
若目标输入电压与标准电压的差值小于电压阈值,且目标老化程度小于老化程度阈值,则确定工作状态为正常状态。
作为一个示例,匹配模块203还用于确定第一状态曲线的曲线特征;
将第一状态曲线的曲线特征与多条第二状态曲线中的每条第二状态曲线的曲线特征进行匹配,得到第一状态曲线与多条第二状态曲线中的每条第二状态曲线的相似度;
若第一状态曲线与多条第二状态曲线中的每条第二状态曲线的相似度均小于相似度阈值,则确定第一状态曲线与多条第二状态曲线中的任一第二状态曲线均不匹配;
若第一状态曲线与多条第二状态曲线中的目标第二状态曲线的相似度大于或等于相似度阈值,则确定第一状态曲线与目标第二状态曲线匹配,目标第二状态曲线为多条第二状态曲线中与第一状态曲线的相似度最大的第二状态曲线。
作为一个示例,所述装置还包括第二获取模块,用于获取特征数据集,特征数据集包括多条第二状态曲线中的每条第二状态曲线的曲线特征,以及多条第二状态曲线中的每条第二状态曲线对应的工作条件。
作为一个示例,所述装置还包括第三确定模块、第四确定模块和存储模块:
第三确定模块,用于确定多条第二状态曲线,多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线;
第四确定模块,用于确定多条第二状态曲线中的每条第二状态曲线的曲线特征;
存储模块,用于将多条第二状态曲线中的每条第二状态曲线的曲线特征,以及每条第二状态曲线对应的工作条件对应存储至特征数据集。
作为一个示例,所述装置还包括调整模块,用于根据工作状态,调整功率器件的功率控制策略,以调整智能电器的指定性能参数。
需要说明的是:上述实施例提供的工作状态检测装置,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
上述实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请实施例的保护范围。
上述实施例提供的工作状态检测装置与工作状态检测方法实施例属于同一构思,上述实施例中单元、模块的具体工作过程及带来的技术效果,可参见方法实施例部分,此处不再赘述。
请参考图3,图3为本申请实施例提供的一种计算机设备的结构示意图。如图3所示,计算机设备包括:处理器301、存储器302以及存储在存储器302中并可在处理器301上运行的计算机程序303,处理器301执行计算机程序303时实现上述实施例中的工作状态检测方法中的步骤。
计算机设备可以是上述图1实施例中的第一设备。在具体实现中,计算机设备可以是终端或服务器等,本申请实施例不限定计算机设备的类型。本领域技术人员可以理解,图3仅仅是计算机设备的举例,并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,比如还可以包括输入输出设备、网络接入设备等。
处理器301可以是中央处理单元(Central Processing Unit,CPU),处理器301还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者也可以是任何常规的处理器。
存储器302在一些实施例中可以是计算机设备的内部存储单元,比如计算机设备的硬盘或内存。存储器302在另一些实施例中也可以是计算机设备的外部存储设备,比如计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器302还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器302用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等。存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机设备,该计算机设备包括:至少一个处理器、存储器以及存储在该存储器中并可在该至少一个处理器上运行的计算机程序,该处理器执行该计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例中的步骤。
集成的单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述方法实施例中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,该计算机程序包括计算机程序代码,该计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。该计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。本申请提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。该计算机指令可以存储在上述计算机可读存储介质中。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种工作状态检测方法,其特征在于,所述方法包括:
获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数;
根据所述多个输出功率和所述多个指定性能参数,确定第一状态曲线,所述第一状态曲线为所述智能电器的输出功率和指定性能参数的对应关系曲线;
将所述第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,所述多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,所述工作条件包括输入电压和老化程度;
根据所述匹配结果,确定所述智能电器中的功率器件的工作状态,所述工作状态为正常状态或异常状态,所述异常状态包括电压波动状态、老化状态和故障状态中的一种或多种。
2.如权利要求1所述的方法,其特征在于,所述根据所述匹配结果,确定所述智能电器中的功率器件的工作状态,包括:
若所述匹配结果为所述第一状态曲线与所述多条第二状态曲线中的目标第二状态曲线匹配,则根据所述目标第二状态曲线确定所述工作状态为所述正常状态,或为所述电压波动状态和所述老化状态中的一种或多种;
若所述匹配结果为所述第一状态曲线与所述多条第二状态曲线中的任一第二状态曲线均不匹配,则确定所述工作状态为所述故障状态。
3.如权利要求2所述的方法,其特征在于,所述根据所述目标第二状态曲线确定所述工作状态为所述正常状态,或为所述电压波动状态和所述老化状态中的一种或多种,包括:
确定所述目标第二状态曲线对应的工作条件,所述目标第二状态曲线对应的工作条件包括目标输入电压和目标老化程度;
若所述目标输入电压与标准电压的差值大于或等于电压阈值,则确定所述工作状态为所述电压波动状态;
若所述目标老化程度大于或等于老化程度阈值,则确定所述工作状态为所述老化状态;
若所述目标输入电压与标准电压的差值小于所述电压阈值,且所述目标老化程度小于所述老化程度阈值,则确定所述工作状态为所述正常状态。
4.如权利要求1所述的方法,其特征在于,所述将所述第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,包括:
确定所述第一状态曲线的曲线特征;
将所述第一状态曲线的曲线特征与所述多条第二状态曲线中的每条第二状态曲线的曲线特征进行匹配,得到所述第一状态曲线与所述多条第二状态曲线中的每条第二状态曲线的相似度;
若所述第一状态曲线与所述多条第二状态曲线中的每条第二状态曲线的相似度均小于相似度阈值,则确定所述第一状态曲线与所述多条第二状态曲线中的任一第二状态曲线均不匹配;
若所述第一状态曲线与所述多条第二状态曲线中的目标第二状态曲线的相似度大于或等于所述相似度阈值,则确定所述第一状态曲线与所述目标第二状态曲线匹配,所述目标第二状态曲线为所述多条第二状态曲线中与所述第一状态曲线的相似度最大的第二状态曲线。
5.如权利要求4所述的方法,其特征在于,所述将所述第一状态曲线的曲线特征与所述多条第二状态曲线中的每条第二状态曲线的曲线特征进行匹配之前,所述方法还包括:
获取特征数据集,所述特征数据集包括所述多条第二状态曲线中的每条第二状态曲线的曲线特征,以及所述多条第二状态曲线中的每条第二状态曲线对应的工作条件。
6.如权利要求5所述的方法,其特征在于,所述获取特征数据集之前,所述方法还包括:
确定所述多条第二状态曲线,所述多条第二状态曲线是所述样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线;
确定所述多条第二状态曲线中的每条第二状态曲线的曲线特征;
将所述多条第二状态曲线中的每条第二状态曲线的曲线特征,以及每条第二状态曲线对应的工作条件对应存储至所述特征数据集。
7.如权利要求1-6任一所述的方法,其特征在于,所述根据所述匹配结果,确定所述智能电器中的功率器件的工作状态之后,所述方法还包括:
根据所述工作状态,调整所述功率器件的功率控制策略,以调整所述智能电器的所述指定性能参数。
8.一种工作状态检测装置,其特征在于,所述装置包括:
获取模块,用于获取智能电器在预设工作时间段内的多个输出功率和多个指定性能参数;
第一确定模块,用于根据所述多个输出功率和所述多个指定性能参数,确定第一状态曲线,所述第一状态曲线为所述智能电器的输出功率和指定性能参数的对应关系曲线;
匹配模块,用于将所述第一状态曲线与多条第二状态曲线分别进行匹配,得到匹配结果,所述多条第二状态曲线是样本智能电器在不同工作条件下的输出功率和指定性能参数的对应关系曲线,所述工作条件包括输入电压和老化程度;
第二确定模块,用于根据所述匹配结果,确定所述智能电器中的功率器件的工作状态,所述工作状态为正常状态或异常状态,所述异常状态包括电压波动状态、老化状态和故障状态中的一种或多种。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210343439.9A CN114924142A (zh) | 2022-04-02 | 2022-04-02 | 工作状态检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210343439.9A CN114924142A (zh) | 2022-04-02 | 2022-04-02 | 工作状态检测方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114924142A true CN114924142A (zh) | 2022-08-19 |
Family
ID=82805440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210343439.9A Pending CN114924142A (zh) | 2022-04-02 | 2022-04-02 | 工作状态检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114924142A (zh) |
-
2022
- 2022-04-02 CN CN202210343439.9A patent/CN114924142A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108692422B (zh) | 空调器除霜时长调整方法、装置、空调器及可读存储介质 | |
US20230296654A1 (en) | Non-intrusive load monitoring method based on v-i trajectory and neural network | |
CN110173422B (zh) | 真空泵物联网在线监测系统、方法及终端设备 | |
CN114608158B (zh) | 用于控制直流空调器的方法及装置、空调器 | |
US11061915B2 (en) | System and method for anomaly characterization based on joint historical and time-series analysis | |
WO2024001208A1 (zh) | 空调故障检测方法、装置、空调及电子设备 | |
CN112924779A (zh) | 非侵入式负荷识别方法、装置及终端设备 | |
CN113834184B (zh) | 用于空调的控制方法、装置和服务器 | |
CN111885892A (zh) | 电源适配器的散热控制方法、系统、设备及可读存储介质 | |
CN114924142A (zh) | 工作状态检测方法、装置、设备和存储介质 | |
WO2024001253A1 (zh) | 空调故障检测方法、装置、空调及电子设备 | |
CN109292573B (zh) | 一种制动器线圈检测方法、装置、设备和存储介质 | |
CN203404060U (zh) | 一种变频压缩机的自动检测装置 | |
JP6570767B2 (ja) | 劣化検出装置、劣化検出システム、劣化検出方法、及び、プログラム | |
WO2019128373A1 (zh) | 故障设备的检测方法、装置、计算机设备及存储介质 | |
CN112060909B (zh) | 一种基于绝缘检测的车辆控制方法及系统 | |
CN110864003B (zh) | 电风扇定位控制方法、装置、存储介质及电风扇 | |
CN110701737B (zh) | 空调器温度补偿设置方法、计算机装置以及计算机可读存储介质 | |
CN108376346B (zh) | 用户用电行为分析方法和装置 | |
CN113113899B (zh) | 一种直流输电线路保护方法、装置及存储介质 | |
CN111308344A (zh) | 一种电器及其电机故障识别方法、装置和存储介质 | |
CN111831153B (zh) | 一种电容触摸屏控制方法、装置及电容触摸屏 | |
KR20150124044A (ko) | 실시간 소비전력 분석을 통한 가전기기 식별 방법 | |
CN114076658B (zh) | 电机的动平衡检测方法、装置、家电设备及存储介质 | |
CN113294902B (zh) | 空调的节能控制方法、节能控制装置及空调控制终端 |
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 |