不间断电源的电池预测性维护的实现方法、装置和电子装置制造方法及图纸

本申请实施例提供一种不间断电源的电池预测性维护的实现方法、装置和电子装置，涉及电子技术领域，其中方法包括：建立与不间断电源对应的数字孪生模型，从数字孪生模型中，获取电池运行的历史数据和当前状态数据，并从历史数据和当前状态数据中，获得以时间为序列的电池的基本属性的数据，并根据基本属性的数据得到电池供电性能的基本规律，为电池的数据的供电性能赋予标签值，对基本属性进行特征构建，平衡不同供电性能的电池的数据量，将平衡后的电池的数据输入到非线性支持向量机的电池故障的预测模型中进行训练，将通过验证的预测模型作为不间断电源的电池故障的部署预测模型。上述方法、装置和电子装置可提高故障预测效率，降低成本。降低成本。降低成本。

【技术实现步骤摘要】
不间断电源的电池预测性维护的实现方法、装置和电子装置


[0001]本申请涉及电子
，尤其涉及一种不间断电源的电池预测性维护的实现方法、装置和电子装置。

技术介绍

[0002]不间断电源(UPS，Uninterruptible Power Supply)能够在电力、医疗、通信等行业的机房及数据中心等领域发挥着至关重要的作用。在市电正常输入时，经过UPS稳压后给负载供电；在市电中断时，UPS可以提供稳定的备用电源。若UPS发生意外故障，会给相关行业造成不可估量的损失。对UPS的维护成为重要的技术课题。
[0003]现有技术中，UPS运维技术主要可分为事发维护，即故障发生时进行维修，以及预防性维护，即未发生故障时周期性地检修，但这两种技术都存在滞后性大、效率低、成本高等缺陷。

技术实现思路

[0004]本申请实施例提供一种不间断电源的电池预测性维护的实现方法，可解决对UPS电池的预防性维护中滞后性大、效率低、成本高的问题。
[0005]本申请实施例一方面提供了一种不间断电源的电池预测性维护的实现方法，包括：
[0006]建立与不间断电源对应的数字孪生模型；
[0007]持续采集所述不间断电源的实时数据，并将所述实时数据传输到所述数字孪生模型中；
[0008]从所述数字孪生模型中，获取所述电池运行的历史数据和当前状态数据，并从所述历史数据和当前状态数据中，获得以时间为序列的所述电池的基本属性的数据，并根据所述基本属性的数据得到电池供电性能的基本规律；
[0009]根据所述电池供电性能的特性，为所述电池的数据的供电性能赋予标签值；
[0010]利用特征工程方法，通过对所述基本属性进行特征构建，以扩张所述电池的数据维度，构建的特征包括：基本特征、单元特征、时间特征以及组合特征；
[0011]平衡不同供电性能的所述电池的数据量；
[0012]将平衡后的所述电池的数据输入到非线性支持向量机的电池故障的预测模型中进行训练；
[0013]对训练得到的预测模型进行性能评估，并将通过验证的预测模型作为所述不间断电源的电池故障的部署预测模型。
[0014]本申请实施例另一方面提供了一种不间断电源的电池预测性维护的实现装置，包括：
[0015]建模模块，用于建立与不间断电源对应的数字孪生模型；
[0016]采集模块，用于持续采集所述不间断电源的实时数据，并将所述实时数据传输到
所述数字孪生模型中；
[0017]处理模块，用于从所述数字孪生模型中，获取所述电池运行的历史数据和当前状态数据，并从所述历史数据和当前状态数据中，获得以时间为序列的所述电池的基本属性的数据，并根据所述基本属性的数据得到电池供电性能的基本规律；
[0018]标签模块，用于根据所述电池供电性能的特性，为所述电池的数据的供电性能赋予标签值；
[0019]特征模块，用于利用特征工程方法，通过对所述基本属性进行特征构建，以扩张所述电池的数据维度，构建的特征包括：基本特征、单元特征、时间特征以及组合特征；
[0020]平衡模块，用于平衡不同供电性能的所述电池的数据量；
[0021]训练模块，用于将平衡后的所述电池的数据输入到非线性支持向量机的电池故障的预测模型中进行训练；
[0022]评估模块，用于对训练得到的预测模型进行性能评估，并将通过验证的预测模型作为所述不间断电源的电池故障的部署预测模型。
[0023]本申请实施例另一方面提供了一种电子装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的不间断电源的电池预测性维护的实现方法。
[0024]上述实施例中，通过建立与不间断电源对应的数字孪生模型，在该数字孪生模型中，将不间断电源电池数据输入非线性支持向量机的电池故障的预测模型中进行训练，对训练得到的预测模型进行性能验证，并将通过验证的预测模型作为不间断电源的电池故障的部署预测模型，从而有效解决UPS电池历史数据及故障信息较少且难以采集分析的困境，并针对UPS电池数据维度少，影响模型训练准确度等情况，应用特征工程技术对数据维度进行扩展，与现有的UPS电池维护方法相比，能够做到故障提前预警，提高UPS电池智能化维护水平，且成本低，效率高。
附图说明
[0025]图1为本申请一实施例提供的不间断电源的电池预测性维护的实现方法的流程示意图。
[0026]图2为本申请一实施例提供的不间断电源的电池预测性维护的实现装置的结构示意图。
[0027]图3为本申请一实施例提供的电子装置的硬件结构示意图。
[0028]图4为本申请一实施例提供的不间断电源物理实体与电子装置的数据交互示意图。
具体实施方式
[0029]为使得本申请的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
[0030]请参见图1，图1为本申请实施例提供的不间断电源(UPS)的电池预测性维护的实
现方法流程示意图，UPS的电池系统由多个电池组单元构成，每个电池组单元由多个电池构成，该电池具体可以为蓄电池，也可以为其他可以为UPS提供电力的其他类型的电池，该方法包括：
[0031]S101、建立与不间断电源对应的数字孪生模型；
[0032]通过多源传感器采集UPS中的各项数据，并构建与UPS实体对应的数字孪生模型。即，以物理空间UPS为基础，建立UPS的数字孪生模型，以数据驱动方式在数字空间对UPS进行预测性运维分析。
[0033]S102、持续采集该不间断电源的实时数据，并将该实时数据传输到该数字孪生模型中；
[0034]将采集的UPS实体的实时数据，持续传输到UPS的数字孪生模型中完成数据同步。
[0035]S103、从该数字孪生模型中获取电池运行的历史数据和当前状态数据，并从历史数据和当前状态数据中，获得以时间为序列的电池的基本属性的数据，并根据该电池的基本属性的数据得到电池供电性能的基本规律；
[0036]基本属性包括电压、电流、电阻、温度和放电深度。
[0037]电池供电性能的基本规律是指电池的不同供电能力所具有的基本属性的特点和规律，包括故障电池所具有的基本属性的特点和规律、正常电池所具有的基本属性的特点和规律以及电池所剩余的寿命所具有的基本属性的特点和规律等。
[0038]以时间为自变量，获取该历史信息和当前状态信息，具体包括采集的时间节点、电池的出厂编号，以及电池的电流(I)、电压(U)、电阻(R，即内阻)、温度(Temp)、放电深度(D)、故障信息等。其中，采集的时间节点通常以每10分钟作为一个节点进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种不间断电源的电池预测性维护的实现方法，其特征在于，包括：建立与不间断电源对应的数字孪生模型；持续采集所述不间断电源的实时数据，并将所述实时数据传输到所述数字孪生模型中；从所述数字孪生模型中，获取所述电池运行的历史数据和当前状态数据，并从所述历史数据和当前状态数据中，获得以时间为序列的所述电池的基本属性的数据，并根据所述基本属性的数据得到电池供电性能的基本规律；根据所述电池供电性能的特性，为所述电池的数据的供电性能赋予标签值；利用特征工程方法，通过对所述基本属性进行特征构建，以扩张所述电池的数据维度，构建的特征包括：基本特征、单元特征、时间特征以及组合特征；平衡不同供电性能的所述电池的数据量；将平衡后的所述电池的数据输入到非线性支持向量机的电池故障的预测模型中进行训练；对训练得到的预测模型进行性能评估，并将通过验证的预测模型作为所述不间断电源的电池故障的部署预测模型。2.如权利要求1所述的方法，其特征在于，所述历史数据和当前状态数据包括时间节点、所述电池的身份标识、电流、电压、内阻、温度和放电深度；则，从所述历史数据和当前状态数据中，获得以时间为序列的所述电池的基本属性数据，并根据所述电池的基本属性的数据电池供电性能的基本规律包括：去除所述历史数据和当前状态数据中的无效数据；确定获取的所述电流、电压、电阻、温度和放电深度的统计量；绘制所述统计量的特性曲线，从所述特性曲线中得到故障电池与正常电池所具有的基本属性的基本规律。3.如权利要求1或2所述的方法，其特征在于，所述根据所述电池供电性能的特性，为所述电池的数据的供电性能赋予标签值包括：根据所述电池供电性能的特性，为所述电池中供电性能正常的正常电池和供电性能异常的故障电池分别赋予标签值；计算并为所述正常电池和所述故障电池的更换时间点赋予标签值；其中，所述正常电池的电阻值随时间平滑增长，且当所述正常电池的电阻值达到预设的第一电阻阈值，或，所述正常电池的直流电压小于预设的第一电压阈值时，所述正常电池到达所述更换时间点，所述正常电池的更换时间点的计算方式如下：t
change1
＝min{t
thR
,t
thV
}-t
init
其中，t
change1
表示所述正常电池更换的时间点，t
thR
为所述正常电池的电阻值到达所述第一电阻阈值的时间点，t
thV
为所述正常电池的直流电压降至所述第一电压阈值时的时间点，t
init
为所述电池使用时间的初始值；所述故障电池的浮充电压的下降到浮充电压阈值时，所述故障电池到达所述更换时间点，所述故障电池的更换时间点的计算方式如下：t
change2
＝min{t|VD
t
≥2σ
mean
}其中，t
change2
表示所述故障电池更换的时间点，σ
mean
为所有所述正常电池的浮充电压标
准差的平均值，min运算用来计算浮充电压下降指标VD
t
大于等于浮充电压阈值2σ
mean
所需的最短时间；计算当前时间点t的浮充电压下降指标VD
t
的计算公式如下：其中N和T为所要计算的时间节点范围；n为时间节点的计数变量，且1≤n≤N；i为时间节点的节点的计数变量，且t-2T≤n≤t-T；w
n
为n时间节点对应的权重值，为各权重值之合；表示每相邻两周的Ui值的和；(t-n)表示当前时间点t之前的n个时间点；U
t-n
表示计算(t-n)时刻的电压值；为计算(t-n)时刻的电压与平均值的差值，并取该差值和0比较后的较小值。4.如权利要求3所述的方法，其特征在于，所述利用特征工程方法，对所述基本属性进行特征设计，对输入的数据的维度进行扩张包括：从所述数字孪生模型中获取所述电池的电流、电压、电阻、温度和放电深度作为基本特征；根据所述电池的电压和电阻，计算所述电池组成的电池组单元的电压统计量和电阻统...

【专利技术属性】
技术研发人员：林青雷，曾念寅，贺良，张柯歌，雷聪，廖志伟，张华山，
申请(专利权)人：深圳前海有电物联科技有限公司，
类型：发明
国别省市：