CN117977759A - 一种无人值守的灯塔充电量安全采集系统 - Google Patents
一种无人值守的灯塔充电量安全采集系统 Download PDFInfo
- Publication number
- CN117977759A CN117977759A CN202410150976.0A CN202410150976A CN117977759A CN 117977759 A CN117977759 A CN 117977759A CN 202410150976 A CN202410150976 A CN 202410150976A CN 117977759 A CN117977759 A CN 117977759A
- Authority
- CN
- China
- Prior art keywords
- lighthouse
- charging
- information
- safety
- charge amount
- 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
- 239000013598 vector Substances 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 17
- 238000007599 discharging Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000012512 characterization method Methods 0.000 claims description 13
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 230000000087 stabilizing effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明属于充电量分析技术领域,本发明公开了一种无人值守的灯塔充电量安全采集系统,在灯塔定位系统中确定出灯塔分布区域及区域内的灯塔采集点;基于灯塔采集点实时监测阶段充电信息;将阶段充电信息映射为充电特征向量,通过概率赋值生成充电标识信息;基于区域内的灯塔采集点对应的充电标识信息,以供遍历计算充电特征向量对应的充电特征值,将当前灯塔的充电特征值与预设安全充电特征值进行比对分析获得安全灯塔采集点;基于安全灯塔采集点中灯塔数量和灯塔对应的充电特征值获得灯塔充电量安全系数,通过灯塔充电量安全系数最大安全灯塔采集点更新灯塔充电量采集方式,并更新布局规划单元。
Description
技术领域
本发明涉及充电量分析技术领域,更具体地说,本发明涉及一种无人值守的灯塔充电量安全采集系统。
背景技术
对于偏远地区的岛屿,因为环境恶劣、上下岛不方便以及安全隐患等缺陷,使用自动远程监控手段可以降低对常驻人员的依赖,同时确保航海安全,因此使用自动远程监控监测无人值守的灯塔的充电状态;例如授权公告号为CN109917263B的中国专利公开了无人值守的半导体器件单粒子效应测量方法,包括辐照板、测试板、通信模块、故障诊断及复位模块、远程计算机以及主电源和不间断电源;为减少试验人员的负担,实现在低通量环境下对器件多种单粒子效应进行长时间测量。
但是依然存在以下问题:
传统充电量安全采集系统无法有效管理充电,导致电池过度充电或欠充电,会遭受不同程度的损害,从而降低寿命,而电池发生充电故障时直接导致停电,影响灯塔的使用效果。
无人值守的充电量的信息收集过程中,数据繁杂,大多需要专业人员的进行检查和数据跟踪,时常发生漏检的现象,不仅增加了用电检查人员的劳动强度,而且无法保障数据高可用性、高安全性,也无法实时有效掌握电网安全运行的情况,缺少足够的数据来支持决策和性能分析,无法适应不同的充电需求和环境条件。
鉴于此,本发明提出一种无人值守的灯塔充电量安全采集系统以解决上述问题。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种无人值守的灯塔充电量安全采集系统,能够提高工作效率,保证数据准确性,降低劳动强度,保障电网安全有效运行的用电数据采集系统。
为实现上述目的,本发明提供如下技术方案:第一方面,本发明提供一种无人值守的灯塔充电量安全采集系统,包括:
布局规划单元,构建灯塔定位系统,根据地域环境规划方案及灯塔充电量采集方式,在灯塔定位系统中确定出灯塔分布区域及区域内的灯塔采集点;
感测单元,实时监测对应灯塔采集点的灯塔电特征信息和热场信息,将灯塔电特征信息和热场信息通过编码合并为阶段充电信息;
检测单元,将灯塔采集点的阶段充电信息按时间戳存储在历史数据库中,并标记为灯塔历史充电信息,使用表征网络将灯塔历史充电信息映射为充电特征向量,所述充电特征向量通过概率赋值生成充电标识信息;
分析单元,基于区域内的灯塔采集点对应的充电标识信息,以供遍历计算充电特征向量对应的充电特征值,将当前灯塔的充电特征值与预设安全充电特征值进行比对分析获得安全灯塔采集点;
深度分析单元,统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;基于加权累计获得当前安全灯塔采集点的灯塔充电量安全系数,并对灯塔充电量安全系数由大到小进行排序;
采集控制单元,通过灯塔充电量安全系数最大安全灯塔采集点更新灯塔充电量采集方式,并更新布局规划单元。
在一个优选的实施方式中,灯塔定位系统通过GPS定位系统搭建的区域性地图;所述区域性地图包括至少一个灯塔分布区域,每个所述灯塔分布区域包括至少一个灯塔采集点,每个灯塔采集点包括至少一个灯塔。
在一个优选的实施方式中,阶段充电信息的获取逻辑为:
所述灯塔电特征信息包括但不限于电压、电流、内阻;
将所述灯塔电特征信息和热场信息进行相关系数进行关联,并基于关联系数初步设定热场信息对应的灯塔电特征信息,实时监测和分析获得充电量、电池状态和环境条件;
将充电量、电池状态和环境条件通过编码合并为阶段充电信息。
在一个优选的实施方式中,使用表征网络将灯塔历史充电信息映射为充电特征向量,具体包括以下步骤:
表征网络会对输入的灯塔历史充电信息进行灯塔特征提取,所述灯塔特征包括灯塔位置、当前灯塔采集的时间戳、充电量、电池状态和环境条件;
提取的灯塔特征经过嵌入层转换为具有一定维度的充电特征向量;
将充电特征向量作为概率模型的输入,所述概率模型的输出为对应充电特征向量的概率赋值;其中所有充电特征向量的概率总和为1;
将概率赋值的所述充电特征向量标记充电标识信息。
在一个优选的实施方式中,所述充电标识信息包括充电信息和放电信息;所述充电信息包括充电频率以及所述充电频率对应充电阶段,所述充电阶段包括停止充电阶段、加速充电时段和稳定充电时段;所述放电信息包括放电频率以及所述放电频率对应放电阶段,所述放电阶段包括停止放电阶段、加速放电时段和稳定放电时段。
在一个优选的实施方式中,所述安全灯塔采集点的获取逻辑:
基于所述充电标识信息获取当前灯塔的充电信息和放电信息,基于概率赋值获得当前充电信息和放电信息对应的权重因子,其中充电阶段的权重因子为正数,放电阶段的权重因子为负数;
将当前灯塔的充电特征值与预设安全充电特征值进行比对分析;
若充电特征值大于预设安全充电特征值;则当前充电标识信息对应的灯塔充电量为非安全灯塔采集点,将当前数据发送至预警终端提前预警处理;
若充电特征值小于或等于预设安全充电特征值,则当前充电标识信息对应的灯塔充电量为安全灯塔采集点。
在一个优选的实施方式中,所述充电特征向量的更新逻辑为:
统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;其中,灯塔数量的占比反映了安全灯塔采集点的安全系数,充电特征值反映了安全灯塔采集点的安全估计值;
根据安全灯塔采集点的平均安全估计值与安全系数加权累计获得当前安全灯塔采集点的灯塔充电量安全系数;
基于灯塔充电量安全系数由大到小进行排序,提取灯塔充电量安全系数最大安全灯塔采集点发送至采集控制单元。
在一个优选的实施方式中,所述概率模型的训练还包括以下步骤:
对训练池中的数据进行分批训练,每次训练产生一个;
利用测试池中的数据对每个概率模型进行充电特征向量的测试;
将充电特征向量的测试结果录入数据库,并生成测试报告;
比较基于概率模型的生成的概率赋值大小和充电特征向量对灯塔的影响程度,以充电特征值最接近实际充电量的概率模型作为基础开始下次训练,并循环迭代;
利用已有数据完成充电特征向量准确率最高的概率模型的训练学习。
第二方面,本发明提供一种无人值守的灯塔充电量安全采集方法,其基于所述的一种无人值守的灯塔充电量安全采集系统的实现,具体步骤包括:
构建灯塔定位系统,根据地域环境规划方案及灯塔充电量采集方式,在灯塔定位系统中确定出灯塔分布区域及区域内的灯塔采集点;
实时监测对应灯塔采集点的灯塔电特征信息和热场信息,将灯塔电特征信息和热场信息通过编码合并为阶段充电信息;
将灯塔采集点的阶段充电信息按时间戳存储在历史数据库中,并标记为灯塔历史充电信息,使用表征网络将灯塔历史充电信息映射为充电特征向量,所述充电特征向量通过概率赋值生成充电标识信息;
基于区域内的灯塔采集点对应的充电标识信息,以供遍历计算充电特征向量对应的充电特征值,将当前灯塔的充电特征值与预设安全充电特征值进行比对分析获得安全灯塔采集点;
统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;基于加权累计获得当前安全灯塔采集点的灯塔充电量安全系数,并对灯塔充电量安全系数由大到小进行排序;
通过灯塔充电量安全系数最大安全灯塔采集点更新灯塔充电量采集方式。
第三方面,本发明提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的一种无人值守的灯塔充电量安全采集系统。
本发明一种无人值守的灯塔充电量安全采集系统的技术效果和优点:
本发明无人值守的灯塔充电量安全采集系统通过整合感测、检测、分析和深度分析的功能,能够实现对灯塔充电过程的智能化、安全化管理,通过对充电特征值和安全充电特征值的比对分析,优化充电策略,避免不必要的能耗,提高能源利用效率;
根据灯塔充电量安全系数最大的安全灯塔采集点来更新灯塔充电量采集方式,实现对充电过程的自适应调整,更加灵活和高效,及时发现并纠正可能导致设备故障的问题,从而减少维护成本和提高设备的寿命,还可预防潜在的充电安全问题,提高系统的稳定性和可靠性。
附图说明
图1为无人值守的灯塔充电量安全采集系统的外接主控系统图;
图2为无人值守的灯塔充电量安全采集系统外接系统结构示意图;
图3为无人值守的灯塔充电量安全采集系统结构示意图;
图4为无人值守的灯塔充电量安全采集方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅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。
现有的灯塔充电量的采集和预测大多是针对灯塔蓄电池自身充电量进行采集,但是在岛屿等实际应用场景中如果只对蓄电池本身充电量进行采集,然后将所有的灯塔充电量信息发送至外部控制端,其数据量过大,对数据传输载体要求高,时间长了,会影响传输的准确性,因此需要一种基于时间戳采集的灯塔充电量,将每个灯塔充电量信息通过数据分析处理后进行排序,对排序靠后的灯塔进行标记,形成重点监控对象和后续维护对象,从而形成灯塔充电量安全采集的流程。
具体如图1-2所示,这是当前监控类系统的一个基础框架,首先将灯塔充电量安全采集系统通过采集控制单元进行安全采集,然后通过通信单元和对应服务器发送至外部控制端,采集控制单元读取灯塔充电量安全信息。例如,如果有传感器测量电池电量和环境条件,将其数据保存在内存中,将采集到的数据组织成一个数据包,以便传输。并使用通信单元将数据传输到外部控制端。这可能涉及设置和配置通信模块,以及使用相应的通信协议;在外部控制端设置一个接收数据的服务器。在外部控制端,编写程序接收从通信单元发送的数据,并进行相应的处理。
实施例1
请参阅图3所示,本实施例一种无人值守的灯塔充电量安全采集系统,应用于数据分析处理设备,具体通过通信单元将灯塔充电量安全采集系统信息发送至外部控制端,所述灯塔充电量安全采集系统包括布局规划单元、感测单元、检测单元、分析单元、深度分析单元、历史数据库和采集控制单元,上述各个单元通过有线和/或无线连接的方式连接,实现各个单元间的数据传输;
布局规划单元,构建灯塔定位系统,根据地域环境规划方案及灯塔充电量采集方式,在灯塔定位系统中确定出灯塔分布区域及区域内的灯塔采集点;
需要说明的是:灯塔定位系统可以通过现有GPS定位系统搭建的区域性地图;专业设计人员在区域性地图上根据地域环境和灯塔自身特性进行设计,这样的目的是标记灯塔分布区域及区域内的灯塔采集点;灯塔采集点对应的灯塔个数由实际情况进行设定,对于岛屿附近事故频发区域的灯塔着重监控,则需要保证每个灯塔的安全适用性,灯塔采集点对应采集的数量可以偏少,甚至可以每个灯塔对应一个灯塔采集点;一般情况下,可以基于某一个片区设置一个灯塔采集点。这里所述的重要性可以由专业技术人员进行判断,也可以由机器学习模型数据分析可得。
感测单元,基于灯塔采集点获取对应灯塔内置的各个传感数据,实时监测对应的灯塔电特征信息和热场信息,将灯塔电特征信息和热场信息通过编码合并为阶段充电信息;并将阶段充电信息通过通信模块发送到检测单元,并存储在历史数据库中。
根据实际需要对灯塔进行传感器布局,例如:所述灯塔电特征信息包括但不限于电压、电流和内阻,分别通过电压传感器、电流传感器和内阻传感器测量可得,其中:通过电压确定电池的电量和电压波动;电流反馈电池的充电和放电状态;内部电阻可评估电池的健康状况和性能。热场信息包括电池温度,使用温度传感器来实时监测电池温度,以了解电池温度对电池性能的影响。
这些传感器可以安装在灯塔的内部,以实时监测电池的状态。数据从各个传感器采集后,可以传输到数据采集控制单元,将所述灯塔电特征信息和所述热场信息通过皮尔逊相关系数进行关联,并基于关联系数初步设定热场信息对应的灯塔电特征信息,实时监测和分析获得充电量、电池状态和环境条件,将充电量、电池状态和环境条件通过编码合并为阶段充电信息,可以及时发现电池问题,并采取必要的维护措施,以确保灯塔的持续运行。
需要说明的是:将所述灯塔电特征信息和热场信息进行相关系数分析,要计算不同灯塔电特征信息与电池温度之间的相关系数,通常会使用统计方法中的皮尔逊相关系数。皮尔逊相关系数用于衡量两个连续变量之间的线性相关性,其取值范围在-1到+1之间,因此所述灯塔电特征信息与所述热场信息之间的皮尔逊相关系数可以从历史数据库中分析可得。
将所述灯塔电特征信息和所述热场信息通过皮尔逊相关系数进行关联的具体方式有:
将灯塔电特征信息标记为特征变量X;将热场信息中的电池温度标记为特征变量Y;通过皮尔逊相关系数计算灯塔电特征信息和相应的热场信息之间的相关系数;从而获得不同灯塔电特征信息(如电压、电流、内阻)与电池温度之间的相关系数,相关系数的绝对值越接近1,表示两者之间的关联越强,正相关表示一个变量上升时,另一个也上升,负相关表示一个上升时,另一个下降。
灯塔电特征信息与电池温度之间的关联性,这对于预测电池性能在不同电池温度条件下的表现以及采取相应的措施来优化电池管理非常重要。当然为了获得灯塔电特征信息与电池温度之间的关联性还可以通过绘制散点图、箱线图、热图等图表,以直观显示灯塔电特征信息与电池温度之间的关系。
或者通过机器学习,使用回归模型,例如线性回归或多元回归,来建立灯塔电特征信息和电池温度之间的数学关系,其分析的精度更加精准;但是使用机器学习模型建立灯塔电特征信息和电池温度之间的数学关系可能会引入额外的复杂性和成本,而使用皮尔逊相关系数的简便性,足够用于获得大致的关联信息。特别是在对灯塔的电源系统的性能精度要求不高的情况下,使用相关系数可以提供足够的信息来了解电池温度和灯塔电特征信息之间的关系,而不必引入复杂的机器学习模型。
检测单元,将灯塔采集点的阶段充电信息按时间戳存储在历史数据库中,并标记为灯塔历史充电信息,使用表征网络将灯塔历史充电信息映射为充电特征向量,所述充电特征向量通过概率模型获得对应的概率赋值,再将概率赋值的所述充电特征向量标记充电标识信息;
需要说明的是:所述灯塔历史充电信息为检测时段对应的所有阶段充电信息的总和;表征网络会对输入的灯塔历史充电信息进行灯塔特征提取,所述灯塔特征包括灯塔位置、当前灯塔采集的时间戳、充电量、电池状态和环境条件;通过提取这些灯塔特征,可以将复杂的灯塔充电量状态转化为更具有表征性的表示;还可以用于其他数据采集的分析应用中;
提取的灯塔特征经过嵌入层转换为具有一定维度的充电特征向量;其中嵌入层采用常见的神经网络结构,如全连接层或卷积神经网络等,以捕捉特征之间的关联和重要性。这个充电特征向量具有较低的维度,例如:高充电、低充电、电池正常、电池低电量等信息,能够更好地表示灯塔历史充电信息的充电特征向量。充电特征向量的维度和具体实现方式可以根据具体问题和算法进行调整和选择。
针对充电特征向量通过概率模型进行分析,概率模型可以为隐马尔可夫模型,但隐马尔可夫模型不是唯一的概率模型,通过概率模型获取当前灯塔历史充电信息对应特征信息产生的概率,可确定充电特征向量对当前灯塔充电量采集的重要程度,可减少充电标识信息受到训练数据的质量和数量的影响,当然在灯塔历史充电信息足够多且具有代表性的情况下,本实施例采集的充电标识信息更为精准和匹配当前环境,即本实施例还可以根据数据的特点和具体问题进行进一步的调整和优化。
基于灯塔历史充电信息对概率模型不断进行训练和学习,将充电特征向量作为概率模型的输入,所述概率模型的输出为对应充电特征向量的概率赋值;其中所有充电特征向量的概率总和为1;
将概率赋值的所述充电特征向量标记充电标识信息;通过概率模型得到的充电标识信息每个时间戳对应的充电状态,基于充电状态反馈充电标识信息对于充电量安全采集的权重因子,理解从而不断根据实际需要获得优化后的充电标识信息,以提高概率模型的准确性。
分析单元,基于区域内的灯塔采集点对应的充电标识信息,以供遍历计算充电特征向量对应的充电特征值,将当前灯塔的充电特征值与预设安全充电特征值进行比对分析获得安全灯塔采集点,基于安全灯塔采集点提取当前灯塔的剩余电量,提前做出充电决策。
具体地,所述充电标识信息包括充电信息和放电信息;所述充电信息包括充电频率以及所述充电频率对应充电阶段,所述充电阶段包括停止充电阶段、加速充电时段和稳定充电时段;所述放电信息包括放电频率以及所述放电频率对应放电阶段,所述放电阶段包括停止放电阶段、加速放电时段和稳定放电时段;
基于所述充电标识信息获取当前灯塔的充电信息和放电信息,基于概率赋值获得当前充电信息和放电信息对应的权重因子,其中充电阶段的权重因子为正数,放电阶段的权重因子为负数,从而通过加权分析获得当前灯塔的充电特征值;充电特征值可反映灯塔的充电行为的稳定性、频繁性或节奏性。
将当前灯塔的充电特征值与预设安全充电特征值进行比对分析,预设安全充电特征值将所有灯塔通过实验论证获得的充电量安全采集的阈值范围;
若充电特征值大于预设安全充电特征值;则当前充电标识信息对应的灯塔充电量为非安全灯塔采集点,将当前数据发送至预警终端提前预警处理;
若充电特征值小于或等于预设安全充电特征值,则当前充电标识信息对应的灯塔充电量为安全灯塔采集点;将安全灯塔采集点发送至深度分析单元。
需要说明的是:对多个灯塔的充电标识信息进行遍历,计算每个灯塔对应的充电特征值,进而对区域性的灯塔进行优化调整,比如更合理地安排充电时间、降低充电频率等,以提高系统的效率或延长设备寿命,更好地理解和管理灯塔的充电模式。若是个别现象则应当考虑是否为当前灯塔自身出现异常。
深度分析单元,统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;其中,灯塔数量的占比反映了安全灯塔采集点的安全系数,充电特征值反映了安全灯塔采集点的安全估计值;根据安全灯塔采集点的平均安全估计值与安全系数加权累计获得当前安全灯塔采集点的灯塔充电量安全系数;基于灯塔充电量安全系数由大到小进行排序,提取灯塔充电量安全系数最大安全灯塔采集点发送至采集控制单元。
采集控制单元,通过灯塔充电量安全系数最大安全灯塔采集点更新灯塔充电量采集方式,并更新布局规划单元。
本实施例通过不断感测、检测、分析和调整,实现对灯塔充电情况的有效管理和优化,可以在特定的应用场景中用于无人值守的灯塔充电量安全采集系统,将在无人值守的情况下,可以有效监测定期充电的设备。
实施例2
本实施例在实施例1的基础上,对概率模型的学习和训练进一步补充,具体包括以下步骤:
对训练池中的数据进行分批训练,每次训练产生一个;
利用测试池中的数据对每个概率模型进行充电特征向量的测试;
将充电特征向量的测试结果录入数据库,并生成测试报告;
比较基于概率模型的生成的概率赋值大小和充电特征向量对灯塔的影响程度,以充电特征值最接近实际充电量的概率模型作为基础开始下次训练,并循环迭代;
利用已有数据完成充电特征向量准确率最高的概率模型的训练学习。
需要说明的是:通过迭代的训练流程旨在不断优化概率模型,以使其更好地评价充电特征向量的重要程度,并获得最接近实际充电量的充电特征值,基于充电特征值提高电池管理系统的性能,减少充电故障,延长电池寿命,并提高系统的稳定性。
实施例3
请参阅图4所示,本实施例未详细叙述部分见实施例一描述内容,提供一种无人值守的灯塔充电量安全采集方法,包括以下步骤:
构建灯塔定位系统,根据地域环境规划方案及灯塔充电量采集方式,在灯塔定位系统中确定出灯塔分布区域及区域内的灯塔采集点;
实时监测对应灯塔采集点的灯塔电特征信息和热场信息,将灯塔电特征信息和热场信息通过编码合并为阶段充电信息;
将灯塔采集点的阶段充电信息按时间戳存储在历史数据库中,并标记为灯塔历史充电信息,使用表征网络将灯塔历史充电信息映射为充电特征向量,所述充电特征向量通过概率赋值生成充电标识信息;
基于区域内的灯塔采集点对应的充电标识信息,以供遍历计算充电特征向量对应的充电特征值,将当前灯塔的充电特征值与预设安全充电特征值进行比对分析获得安全灯塔采集点;
统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;基于加权累计获得当前安全灯塔采集点的灯塔充电量安全系数,并对灯塔充电量安全系数由大到小进行排序;
通过灯塔充电量安全系数最大安全灯塔采集点更新灯塔充电量采集方式,并更新布局规划单元。
灯塔定位系统通过GPS定位系统搭建的区域性地图;所述区域性地图包括至少一个灯塔分布区域,每个所述灯塔分布区域包括至少一个灯塔采集点,每个灯塔采集点包括至少一个灯塔。
阶段充电信息的获取逻辑为:
所述灯塔电特征信息包括但不限于电压、电流、内阻;
将所述灯塔电特征信息和热场信息进行相关系数进行关联,并基于关联系数初步设定热场信息对应的灯塔电特征信息,实时监测和分析获得充电量、电池状态和环境条件;
将充电量、电池状态和环境条件通过编码合并为阶段充电信息。
使用表征网络将灯塔历史充电信息映射为充电特征向量,具体包括以下步骤:
表征网络会对输入的灯塔历史充电信息进行灯塔特征提取,所述灯塔特征包括灯塔位置、当前灯塔采集的时间戳、充电量、电池状态和环境条件;
提取的灯塔特征经过嵌入层转换为具有一定维度的充电特征向量;
将充电特征向量作为概率模型的输入,所述概率模型的输出为对应充电特征向量的概率赋值;其中所有充电特征向量的概率总和为1;
将概率赋值的所述充电特征向量标记充电标识信息。
所述充电标识信息包括充电信息和放电信息;所述充电信息包括充电频率以及所述充电频率对应充电阶段,所述充电阶段包括停止充电阶段、加速充电时段和稳定充电时段;所述放电信息包括放电频率以及所述放电频率对应放电阶段,所述放电阶段包括停止放电阶段、加速放电时段和稳定放电时段。
所述安全灯塔采集点的获取逻辑:
基于所述充电标识信息获取当前灯塔的充电信息和放电信息,基于概率赋值获得当前充电信息和放电信息对应的权重因子,其中充电阶段的权重因子为正数,放电阶段的权重因子为负数;
将当前灯塔的充电特征值与预设安全充电特征值进行比对分析;
若充电特征值大于预设安全充电特征值;则当前充电标识信息对应的灯塔充电量为非安全灯塔采集点,将当前数据发送至预警终端提前预警处理;
若充电特征值小于或等于预设安全充电特征值,则当前充电标识信息对应的灯塔充电量为安全灯塔采集点。
所述充电特征向量的更新逻辑为:
统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;其中,灯塔数量的占比反映了安全灯塔采集点的安全系数,充电特征值反映了安全灯塔采集点的安全估计值;
根据安全灯塔采集点的平均安全估计值与安全系数加权累计获得当前安全灯塔采集点的灯塔充电量安全系数;
基于灯塔充电量安全系数由大到小进行排序,提取灯塔充电量安全系数最大安全灯塔采集点发送至采集控制单元。
所述概率模型的训练还包括以下步骤:
对训练池中的数据进行分批训练,每次训练产生一个;
利用测试池中的数据对每个概率模型进行充电特征向量的测试;
将充电特征向量的测试结果录入数据库,并生成测试报告;
比较基于概率模型的生成的概率赋值大小和充电特征向量对灯塔的影响程度,以充电特征值最接近实际充电量的概率模型作为基础开始下次训练,并循环迭代;
利用已有数据完成充电特征向量准确率最高的概率模型的训练学习。
实施例4
本实施例未详细叙述部分见实施例1描述内容,本实施例提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的一种无人值守的灯塔充电量安全采集系统。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人值守的灯塔充电量安全采集系统,其特征在于,包括:
布局规划单元,构建灯塔定位系统,根据地域环境规划方案及灯塔充电量采集方式,在灯塔定位系统中确定出灯塔分布区域及区域内的灯塔采集点;
感测单元,实时监测对应灯塔采集点的灯塔电特征信息和热场信息,将灯塔电特征信息和热场信息通过编码合并为阶段充电信息;
检测单元,将灯塔采集点的阶段充电信息按时间戳存储在历史数据库中,并标记为灯塔历史充电信息,使用表征网络将灯塔历史充电信息映射为充电特征向量,所述充电特征向量通过概率赋值生成充电标识信息;
分析单元,基于区域内的灯塔采集点对应的充电标识信息,以供遍历计算充电特征向量对应的充电特征值,将当前灯塔的充电特征值与预设安全充电特征值进行比对分析获得安全灯塔采集点;
深度分析单元,统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;基于加权累计获得当前安全灯塔采集点的灯塔充电量安全系数,并对灯塔充电量安全系数由大到小进行排序;
采集控制单元,通过灯塔充电量安全系数最大安全灯塔采集点更新灯塔充电量采集方式,并更新布局规划单元。
2.根据权利要求1所述的一种无人值守的灯塔充电量安全采集系统,其特征在于:灯塔定位系统通过GPS定位系统搭建的区域性地图;所述区域性地图包括至少一个灯塔分布区域,每个所述灯塔分布区域包括至少一个灯塔采集点,每个灯塔采集点包括至少一个灯塔。
3.根据权利要求2所述的一种无人值守的灯塔充电量安全采集系统,其特征在于:阶段充电信息的获取逻辑为:
所述灯塔电特征信息包括但不限于电压、电流、内阻;
将所述灯塔电特征信息和热场信息进行相关系数进行关联,并基于关联系数初步设定热场信息对应的灯塔电特征信息,实时监测和分析获得充电量、电池状态和环境条件;
将充电量、电池状态和环境条件通过编码合并为阶段充电信息。
4.根据权利要求3所述的一种无人值守的灯塔充电量安全采集系统,其特征在于:使用表征网络将灯塔历史充电信息映射为充电特征向量,具体包括以下步骤:
表征网络会对输入的灯塔历史充电信息进行灯塔特征提取,所述灯塔特征包括灯塔位置、当前灯塔采集的时间戳、充电量、电池状态和环境条件;
提取的灯塔特征经过嵌入层转换为具有一定维度的充电特征向量;
将充电特征向量作为概率模型的输入,所述概率模型的输出为对应充电特征向量的概率赋值;其中所有充电特征向量的概率总和为1;
将概率赋值的所述充电特征向量标记充电标识信息。
5.根据权利要求4所述的一种无人值守的灯塔充电量安全采集系统,其特征在于:所述充电标识信息包括充电信息和放电信息;所述充电信息包括充电频率以及所述充电频率对应充电阶段,所述充电阶段包括停止充电阶段、加速充电时段和稳定充电时段;所述放电信息包括放电频率以及所述放电频率对应放电阶段,所述放电阶段包括停止放电阶段、加速放电时段和稳定放电时段。
6.根据权利要求5所述的一种无人值守的灯塔充电量安全采集系统,其特征在于:所述安全灯塔采集点的获取逻辑:
基于所述充电标识信息获取当前灯塔的充电信息和放电信息,基于概率赋值获得当前充电信息和放电信息对应的权重因子,其中充电阶段的权重因子为正数,放电阶段的权重因子为负数;
将当前灯塔的充电特征值与预设安全充电特征值进行比对分析;
若充电特征值大于预设安全充电特征值;则当前充电标识信息对应的灯塔充电量为非安全灯塔采集点,将当前数据发送至预警终端提前预警处理;
若充电特征值小于或等于预设安全充电特征值,则当前充电标识信息对应的灯塔充电量为安全灯塔采集点。
7.根据权利要求6所述的一种无人值守的灯塔充电量安全采集系统,其特征在于:所述充电特征向量的更新逻辑为:
统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;其中,灯塔数量的占比反映了安全灯塔采集点的安全系数,充电特征值反映了安全灯塔采集点的安全估计值;
根据安全灯塔采集点的平均安全估计值与安全系数加权累计获得当前安全灯塔采集点的灯塔充电量安全系数;
基于灯塔充电量安全系数由大到小进行排序,提取灯塔充电量安全系数最大安全灯塔采集点发送至采集控制单元。
8.根据权利要求7所述的一种无人值守的灯塔充电量安全采集系统,其特征在于:所述概率模型的训练还包括以下步骤:
对训练池中的数据进行分批训练,每次训练产生一个;
利用测试池中的数据对每个概率模型进行充电特征向量的测试;
将充电特征向量的测试结果录入数据库,并生成测试报告;
比较基于概率模型的生成的概率赋值大小和充电特征向量对灯塔的影响程度,以充电特征值最接近实际充电量的概率模型作为基础开始下次训练,并循环迭代;
利用已有数据完成充电特征向量准确率最高的概率模型的训练学习。
9.一种无人值守的灯塔充电量安全采集方法,其特征在于:其基于权利要求1-8任意一项所述的一种无人值守的灯塔充电量安全采集系统实现,包括:
构建灯塔定位系统,根据地域环境规划方案及灯塔充电量采集方式,在灯塔定位系统中确定出灯塔分布区域及区域内的灯塔采集点;
实时监测对应灯塔采集点的灯塔电特征信息和热场信息,将灯塔电特征信息和热场信息通过编码合并为阶段充电信息;
将灯塔采集点的阶段充电信息按时间戳存储在历史数据库中,并标记为灯塔历史充电信息,使用表征网络将灯塔历史充电信息映射为充电特征向量,所述充电特征向量通过概率赋值生成充电标识信息;
基于区域内的灯塔采集点对应的充电标识信息,以供遍历计算充电特征向量对应的充电特征值,将当前灯塔的充电特征值与预设安全充电特征值进行比对分析获得安全灯塔采集点;
统计安全灯塔采集点中灯塔数量和灯塔对应的充电特征值;基于加权累计获得当前安全灯塔采集点的灯塔充电量安全系数,并对灯塔充电量安全系数由大到小进行排序;
通过灯塔充电量安全系数最大安全灯塔采集点更新灯塔充电量采集方式。
10.一种存储在计算机可读介质上的计算机程序产品,其特征在于:包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1-8任意一项所述的一种无人值守的灯塔充电量安全采集系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410150976.0A CN117977759A (zh) | 2024-02-02 | 2024-02-02 | 一种无人值守的灯塔充电量安全采集系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410150976.0A CN117977759A (zh) | 2024-02-02 | 2024-02-02 | 一种无人值守的灯塔充电量安全采集系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117977759A true CN117977759A (zh) | 2024-05-03 |
Family
ID=90845798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410150976.0A Pending CN117977759A (zh) | 2024-02-02 | 2024-02-02 | 一种无人值守的灯塔充电量安全采集系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117977759A (zh) |
-
2024
- 2024-02-02 CN CN202410150976.0A patent/CN117977759A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN116311854B (zh) | 一种锂电池储能站的运行异常预警方法及系统 | |
CN117390403B (zh) | 一种新能源灯塔发电站的电网故障检测方法及系统 | |
CN113228378A (zh) | 数据处理装置、数据处理方法以及计算机程序 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
CN116629458B (zh) | 一种基于数据分析的储能设备运行优化方法及系统 | |
CN117318111B (zh) | 一种基于天气预测的光储能源动态调节方法及系统 | |
US11619674B2 (en) | State estimation method and state estimation apparatus | |
CN113415203A (zh) | 一种基于物联网的智能充电桩管理系统 | |
CN115016339A (zh) | 一种室外电力设备的监测方法、设备及介质 | |
CN113228379A (zh) | 数据处理装置、数据处理方法及计算机程序 | |
CN114801751A (zh) | 一种基于数据分析的汽车电池故障预测系统 | |
CN111711209B (zh) | 基于储能寿命和调频性能的光储充联合运行方法及系统 | |
CN102025170A (zh) | 显示式计算型蓄电池即时电量充放电保护管理系统 | |
CN116845391A (zh) | 一种锂电池储能管理系统 | |
CN117893059A (zh) | 基于传感器的储能数据采集分析方法及系统 | |
CN117728379A (zh) | 用于区域电网的智能运行调度方法 | |
CN117977759A (zh) | 一种无人值守的灯塔充电量安全采集系统 | |
CN117595384B (zh) | 基于人工智能的光伏电站源网荷双向预测方法及系统 | |
CN113009869A (zh) | 智慧电力维护管理系统 | |
CN116454983B (zh) | 一种风光储联合最优控制管理方法、系统及设备 | |
CN118091297B (zh) | 一种电力终端的安全监测装置、监测方法和电力终端 | |
CN117674369B (zh) | 一种新能源储能电池组充放电安全管理系统 | |
CN117494910B (zh) | 一种基于碳减排的多能源协调优化控制系统及方法 | |
Zhu et al. | New Energy Station Monitoring Equipment Rule Verification Model Based on Data Envelopment Analysis |
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 |