充电运营管理系统基于FNN和DS融合的故障识别方法技术方案

本发明专利技术涉及机器学习和证据理论领域，更具体地，本发明专利技术涉及充电运营管理系统基于FNN和DS融合的故障识别方法。本发明专利技术通过采集故障数据，并对特征提取，建立三个FNN进行概率预测，并利用各自的隶属度函数确定故障隶属度，形成证据矩阵，最终利用顺序DS融合决策出故障原因的方法，充分结合了机器学习方法的优势与DS证据推理的优势，利用FNN来预测充电运营管理系统中各部分故障的概率，然后利用DS融合各部分的概率值，最终识别出故障原因，具有可靠性高、故障原因识别准确等优点。

【技术实现步骤摘要】
充电运营管理系统基于FNN和DS融合的故障识别方法
本专利技术涉及机器学习和证据理论领域，更具体地，本专利技术涉及充电运营管理系统基于FNN和DS融合的故障识别方法。
技术介绍
近年来，随着国际能源供应的持续紧张、原油价格的持续上涨以及全球环境保护呼声的日益高涨，新能源汽车的技术研发和产业发展受到越来越多的重视。新能源汽车绝大多数为电动汽车，而充电系统为电动汽车的动力能源补给提供保障。随着电动汽车的普及，充电站的建设也遍地开花，充电运营商的目标是形成一个安全、绿色、节能的实时充电运营管理系统。而支持充电运营管理系统安全、节能、实时运行的基础是充电信息的实时采集、存储、传输以及海量多源数据的快速分析。为了实现这一目的，各种智能设备分别应用于电网信息的采集、监测、通讯等各个方面。充电监控系统由一台或多台工作站或服务器组成，包括监控工作站、数据服务器等，这些计算机通过网络进行连接。监控工作站提供充放电监控人机交互界面，实现对充电机的监控和数据收集、查询等功能；数据服务器存储整个充电系统的原始数据和统计分析数据等，提供数据服务及其他应用服务。充本文档来自技高网...

【技术保护点】
1.一种充电运营管理系统基于FNN和DS融合的故障识别方法，其特征在于，包括以下步骤：/n(1)故障数据统计：采集一天的故障订单号，并提取出每个故障订单号代表的充电桩的编号m、电动汽车的编号n、运营商编号f，并统计同时发生在m号充电桩、n号电动汽车和f号运营商上的故障订单号总数目，作为故障数据；/n(2)故障数据特征提取：对故障数据进行特征提取，得到充电桩、电动汽车和运营商的特征矩阵，并计算充电桩、电动汽车和运营商特征矩阵每一行的故障概率；/n(3)FNN模型建立：分别将充电桩、电动汽车或运营商的特征矩阵和故障概率作为模糊神经网络模型的输入层和输出层进行训练，得到充电桩FNN模型、电动汽车FN...

【技术特征摘要】
1.一种充电运营管理系统基于FNN和DS融合的故障识别方法，其特征在于，包括以下步骤：
(1)故障数据统计：采集一天的故障订单号，并提取出每个故障订单号代表的充电桩的编号m、电动汽车的编号n、运营商编号f，并统计同时发生在m号充电桩、n号电动汽车和f号运营商上的故障订单号总数目，作为故障数据；
(2)故障数据特征提取：对故障数据进行特征提取，得到充电桩、电动汽车和运营商的特征矩阵，并计算充电桩、电动汽车和运营商特征矩阵每一行的故障概率；
(3)FNN模型建立：分别将充电桩、电动汽车或运营商的特征矩阵和故障概率作为模糊神经网络模型的输入层和输出层进行训练，得到充电桩FNN模型、电动汽车FNN模型和运营商FNN模型，对不同充电桩、电动汽车和运营商的故障概率进行预测；
(4)故障隶属度函数建立：提取历史故障订单号，根据步骤(1)和步骤(2)得到充电桩、电动汽车和运营商的特征矩阵，并分别计算充电桩、电动汽车和运营商的特征矩阵每一行的故障概率，建立充电桩故障隶属度函数、电动汽车故障隶属度函数和运营商故障隶属度函数；
(5)证据矩阵建立：采集不同天数的故障数据，根据步骤(1)和步骤(2)分别得到充电桩、电动汽车和运营商的特征矩阵，根据充电桩FNN模型、电动汽车FNN模型和运营商FNN模型，预测该故障数据不同天数的充电桩、电动汽车和运营商的故障概率；分别将预测得到的该故障数据不同天数的充电桩、电动汽车和运营商的故障概率代入充电桩故障隶属度函数、电动汽车故障隶属度函数和运营商故障隶属度函数，得到该故障数据不同天数的充电桩故障隶属度、电动汽车故障隶属度和运营商故障隶属度，作为证据矩阵；
(6)顺序DS融合：将不同天数的证据矩阵进行顺序DS融合，分别得到充电桩、电动汽车和运营商的最终故障隶属度；
(7)对顺序DS融合结果进行决策：
若充电桩、电动汽车和运营商的最终故障隶属度彼此之间的差值小于0.15，则充电桩、电动汽车和运营商均被判定为故障的原因；
若充电桩、电动汽车和运营商的最终故障隶属度中的最大值与中间值之差大于0.15，则最大的最终故障隶属度判断为故障的原因，其余两个最终故障隶属度判定为正常；
其他情况下，最终故障隶属度较大的两个判定为故障的原因，最小的最终故障隶属度为正常。


2.根据权利要求1所述的充电运营管理系统基于FNN和DS融合的故障识别方法，其特征在于，所述步骤(1)中，以x轴、y轴、z轴分别代表充电桩、电动汽车和运营商的编号，绘制三维散点图，以三维散点图的点的大小表示故障数据的大小。


3.根据权利要求2所述的充电运营管理系统基于FNN和DS融合的故障识别方法，其特征在于，所述步骤(2)特征提取中，在三维散点图中沿yz方向截取x＝m的故障数据，表示m号充电桩的故障数据，作为充电桩的特征矩阵中第m行的元素，得到充电桩的特征矩阵；
在三维散点图中沿xz方向截取y＝n的故障数据，表示n号电动汽车的故障数据，作为电动汽车的特征矩阵中第n行的元素，得到电动汽车的特征矩阵；
在三维散点图中沿xy方向截取z＝f的故障数据，表示f号运营商的故障数据，作为运营商的特征矩阵中第f行的元素，得到充电桩的特征矩阵。


4.根据权利要求3所述的充电运营管理系统基于FNN和DS融合的故障识别方法，其特征在于，所述步骤(2)中，采集和步骤(1)同一天的所有故障号，并统计发生在m号充电桩、n号电动汽车和f号运营商的订单号总数目，作为总数据，并将总数据G划分为5个等级，分别为0<G≤10、10<G≤100、100<G≤1000、1000<G≤10000、10000<G，并对订单总数据G的每个等级分别设置一个阈值Si，i＝1～5，其中S1＝0.80，S2＝0.50，S3＝0.20，S...

【专利技术属性】
技术研发人员：唐旭日，李春喜，魏高义，
申请(专利权)人：深圳市加码能源科技有限公司，
类型：发明
国别省市：广东;44