电源状态的确定方法、装置及设备制造方法及图纸

本发明专利技术实施例提供一种电源状态的确定方法、装置及设备，该方法包括：获取电源设备中的各节蓄电池的运行特征参数；将所述运行特征参数输入至已训练好的检测模型中，由所述检测模型对所述运行特征参数进行处理，确定出所述各节蓄电池各自的状态为正常状态或者故障状态；根据所述各节蓄电池各自的状态，确定出所述电源设备的运行状态。通过上述过程，实现了对电源状态的自动化检测，无需人工逐个核对每个蓄电池的性能参数，降低了电源状态检测的人力成本和时间成本，提高电源状态检测的效率。另外，由于是通过机器学习训练得到的检测模型实现对电源状态的检测，与人工核对方式相比，还提高了检测结果的准确性。

【技术实现步骤摘要】
电源状态的确定方法、装置及设备
本专利技术涉及数据处理
，尤其涉及一种电源状态的确定方法、装置及设备。
技术介绍
电源设备是通信系统的重要组成部分，如果电源设备发生故障，就会造成供电质量下降或供电中断，从而引发通信系统的故障。因此，实际应用中，需要定期对电源设备的运行状态进行检测。现有技术中，通常采用的检测方法是，由专业人员人工采集电源设备中每节蓄电池的性能参数，然后核对每节蓄电池的性能参数是否超出正常范围，从而确定出电源设备的运行状态。然而，上述检测方法工作效率低，工作量大，需要花费较多的人力成本和时间成本。
技术实现思路
本专利技术提供一种电源状态的确定方法、装置及设备，用以降低电源状态检测所需的人力成本和时间成本，提高电源状态的检测效率。第一方面，本专利技术提供一种电源状态的确定方法，包括：获取电源设备中的各节蓄电池的运行特征参数；将所述运行特征参数输入至已训练好的检测模型中，由所述检测模型对所述运行特征参数进行处理，确定出所述各节蓄电池各自的状态为正常状态或者故障本文档来自技高网...

【技术保护点】
1.一种电源状态的确定方法，其特征在于，包括：/n获取电源设备中的各节蓄电池的运行特征参数；/n将所述运行特征参数输入至已训练好的检测模型中，由所述检测模型对所述运行特征参数进行处理，确定出所述各节蓄电池各自的状态为正常状态或者故障状态；/n根据所述各节蓄电池各自的状态，确定出所述电源设备的运行状态。/n

【技术特征摘要】
1.一种电源状态的确定方法，其特征在于，包括：
获取电源设备中的各节蓄电池的运行特征参数；
将所述运行特征参数输入至已训练好的检测模型中，由所述检测模型对所述运行特征参数进行处理，确定出所述各节蓄电池各自的状态为正常状态或者故障状态；
根据所述各节蓄电池各自的状态，确定出所述电源设备的运行状态。


2.根据权利要求1所述的方法，其特征在于，获取电源设备中的各节蓄电池的运行特征参数，包括：
分别获取每节所述蓄电池对应的多个指标参数，所述多个指标参数是在所述蓄电池进行充放电测试中采集得到的；
将所述多个指标参数中满足预设条件的第一指标参数，确定为所述蓄电池的运行特征参数。


3.根据权利要求2所述的方法，其特征在于，所述预设条件包括下述中的至少一项：
所述第一指标参数与预设告警之间存在第一关联关系；
或者，
所述第一指标参数与第二指标参数之间存在第二关联关系，所述第二指标参数为所述多个指标参数中除所述第一指标参数之外的其他指标参数；
或者，
所述第一指标参数对应的波形图满足预设特征。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述检测模型为卷积神经网络CNN-支持向量机SVM模型。


5.根据权利要求4所述的方法，其特征在于，所述检测模型是采用如下方式训练得到的：
获取多组第一训练样本，每组第一训练样本包括样本蓄电池对应的样本运行特征参数和样本状态；
构建CNN-SVM模型，并采用所述多组第一训练样本对所述CNN-SVM模型进行训练，得到已训练的CNN-SVM模型。


6.根据权利要求5所述的方法，其特征在于，构建CN...

【专利技术属性】
技术研发人员：李明欣，霍明德，及莹，周国语，翁国栋，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11