具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器技术

本发明专利技术提出一种具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及一种适用于多个电力设备的云端服务器。所述电力设备透过其通讯模块自前述云端服务器取得电力设备的一健康指数预测模型与一健康预测指数阈值，并用以将所取得的多个感测数据与电力设备的基本数据带入健康指数预测模型来进行运算，以获得一健康预测指数。所述电力设备还用以依据健康预测指数与健康预测指数阈值的比较结果来取得电力设备的一健康状态预测数据，以便执行一后续处理。其中健康指数预测模型为前述云端服务器透过机器学习的方式来建立与训练。

【技术实现步骤摘要】
具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器
本专利技术涉及电力供应的
，特别是涉及一种具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及一种适用于多个电力设备的云端服务器。
技术介绍
电力装置，例如是不断电系统(uninterruptiblepowersystem，UPS)、电源分配单元(powerdistributionunit，PDU)或自动电源切换开关(autotransferswitch，ATS)，为用以提供一操作电源给至少一负载，以便这些负载能够正常操作。然而，一旦电力装置发生故障(例如因其内部零件损坏而导致故障)，就很可能会使得电力装置无法正常供电给负载，进而使得这些负载无法正常操作。此时，若有重要的负载(例如是关键的医疗设备)无法正常操作，则其所造成的后果是难以想象的。因此，若能够预测电力装置的健康状态，使得维护人员能在电力装置的健康状态不佳时就先进行预防性的处置，这样就能够有效防止前述问题。
技术实现思路
本专利技术的其中一目的在于提供一种具有自我健康状态预测功能的电力设备。本专利技术的另一目的在于提供一种电力设备的自我健康状态预测方法。本专利技术的再一目的在于提供一种适用于多个电力设备的云端服务器。为达上述目的，本专利技术提供一种具有自我健康状态预测功能的电力设备，其包括有多个传感器、一通讯模块、一控制单元与一存储单元。所述的多个传感器用以取得多个感测数据。所述的控制单元用以透过通讯模块自一云端服务器取得电力设备的一健康指数预测模型与一健康预测指数阈值，并用以将该些感测数据与电力设备的基本数据带入健康指数预测模型来进行运算，以获得一健康预测指数，并依据健康预测指数与健康预测指数阈值的比较结果来取得电力设备的一健康状态预测数据，以便执行一后续处理，其中健康指数预测模型为所述云端服务器透过机器学习的方式来建立与训练。至于所述存储单元，其用以储存电力设备的基本数据、健康指数预测模型与健康预测指数阈值。为达上述目的，本专利技术另提供一种电力设备的自我健康状态预测方法，所述电力设备包括有多个传感器与一通讯模块，而所述方法包括有下列步骤：透过通讯模块自一云端服务器取得电力设备的一健康指数预测模型与一健康预测指数阈值，其中健康指数预测模型为所述云端服务器透过机器学习的方式来建立与训练；透过该些传感器取得多个感测数据；将该些感测数据与电力设备的基本数据带入健康指数预测模型来进行运算，以获得一健康预测指数；以及依据健康预测指数与健康预测指数阈值的比较结果来取得电力设备的一健康状态预测数据，以便执行一后续处理。为达上述目的，本专利技术再提供一种云端服务器，其适用于多个电力设备。所述云端服务器包括有一通讯模块、一数据库、一预测模型训练模块与一数据搜集模块。所述数据库用以储存每一电力设备的基本数据、感测数据、健康状态预测数据、异常事件数据、寿命数据与维修数据，并用以储存每一电力设备的一设备型号所对应的一健康预测指数阈值。所述预测模型训练模块用以针对每一设备型号来建立与训练一健康指数预测模型，每一健康指数预测模型为依据数据库中的具有一对应设备型号的该些电力设备的基本数据、感测数据、健康状态预测数据、异常事件数据、寿命数据与维修数据而透过机器学习的方式来建立与训练。至于数据搜集模块，其用以透过通讯模块搜集每一电力设备的基本数据、感测数据、健康状态预测数据、异常事件数据，并依据每一电力设备的基本数据取得其对应的一寿命数据。此数据搜集模块更用以提供一网络用户界面，以透过网络用户界面搜集每一电力设备的维修数据与该些健康预测指数阈值，并将搜集到的所有数据、该些健康预测指数阈值与取得的该些寿命数据皆储存至数据库中。为了让上述目的、技术特征以及实际实施后的增益性更为明显易懂，于下文中将以较佳的实施范例辅佐对应相关的图式来进行更详细的说明。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1绘有依照本专利技术一实施例的多个电力设备与依照本专利技术一实施例的云端服务器。图2绘示图1的每一电力设备的内部架构。图3为每一健康指数预测模型的建立流程。图4为每一健康指数预测模型的训练流程。图5为依照本专利技术一实施例的电力设备的自我健康状态预测方法的流程。具体实施方式为更清楚了解本专利技术的特征、内容与优点及其所能达成的功效，兹将本专利技术配合附图，并以实施例的表达形式详细说明如下，而其中所使用的图式，其主旨仅为示意及辅助说明书之用，未必为本专利技术实施后的真实比例与精准配置，故不应就所附的图式的比例与配置关系解读、局限本专利技术于实际实施上的权利范围。本专利技术的优点、特征以及达到的技术方法将参照例示性实施例及所附图式进行更详细地描述而更容易理解，且本专利技术或可以不同形式来实现，故不应被理解仅限于此处所陈述的实施例，相反地，对所属
具有通常知识者而言，所提供的实施例将使本揭露更加透彻与全面且完整地传达本专利技术的范畴，且本专利技术将仅为所附加的申请专利范围所定义。图1绘有依照本专利技术一实施例的多个电力设备与依照本专利技术一实施例的云端服务器，而图2绘示图1的每一电力设备的内部架构。请同时参照图1与图2，在此例中，云端服务器110包括有预测模型训练模块112、数据库114、数据搜集模块116、警示讯息推播模块118与通讯模块120，而每一电力设备130包括有控制单元132、存储单元134、通讯模块136、多个传感器138与警报模块140。为方便说明，以下说明为以这些电力设备130皆为不断电系统为例。这些电力设备130可以是皆为在线式不断电系统(On-lineUPS)、皆为离线式不断电系统(Off-lineUPS)或皆为在线交互式不断电系统(Line-interactiveUPS)，亦或者是由上述三种不断电系统中的至少其中二种混和组成。另外，图2仅绘示每一电力设备130中的与本专利技术相关的部分，以便聚焦在本专利技术的
技术实现思路
。首先先说明电力设备130的操作。请参照图2，电力设备130的控制单元132用以透过这些传感器138来取得多个感测数据，其取得这些数据的方式可采用定时的方式或采用不定时的方式。而所取得的感测数据报括电力设备130的输入电压、输入电流、输出电压、输出电流、电池电压、电池充电电流、电池放电电流、环境温度、环境湿度的至少其中之一。在取得这些感测数据后，控制单元132便会据以决定是否有发生异常事件(例如输入电压过低、电池电压过低、电池内阻过高、环境温度过高等等)，以取得异常事件数据，并将所取得的这些感测数据与所取得的异常事件数据皆储存至存储单元134中。存储单元134亦储存有电力设备130的基本数据，所述的基本数据报括电力设备130的设备型号、制造日期、额定功率、额定电压与额定电流的至少其中之一。控制单元132还用以透过通讯模块136自云端服务器110取得电力设备130的一健康指数预测模型与一本文档来自技高网...

【技术保护点】
1.一种具有自我健康状态预测功能的电力设备，其特征在于，该电力设备包括：/n多个传感器，用以取得多个感测数据；/n一通讯模块；/n一控制单元，用以透过该通讯模块自一云端服务器取得该电力设备的一健康指数预测模型与一健康预测指数阈值，并用以将该些感测数据与该电力设备的基本数据带入该健康指数预测模型来进行运算，以获得一健康预测指数，并依据该健康预测指数与该健康预测指数阈值的比较结果来取得该电力设备的一健康状态预测数据，以便执行一后续处理，其中该健康指数预测模型为该云端服务器透过机器学习的方式来建立与训练；以及/n一存储单元，用以储存该电力设备的基本数据、该健康指数预测模型与该健康预测指数阈值。/n

【技术特征摘要】
1.一种具有自我健康状态预测功能的电力设备，其特征在于，该电力设备包括：
多个传感器，用以取得多个感测数据；
一通讯模块；
一控制单元，用以透过该通讯模块自一云端服务器取得该电力设备的一健康指数预测模型与一健康预测指数阈值，并用以将该些感测数据与该电力设备的基本数据带入该健康指数预测模型来进行运算，以获得一健康预测指数，并依据该健康预测指数与该健康预测指数阈值的比较结果来取得该电力设备的一健康状态预测数据，以便执行一后续处理，其中该健康指数预测模型为该云端服务器透过机器学习的方式来建立与训练；以及
一存储单元，用以储存该电力设备的基本数据、该健康指数预测模型与该健康预测指数阈值。


2.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其中该控制单元包括：
一健康指数预测模块，用以将该些感测数据与该电力设备的基本数据带入该健康指数预测模型来进行运算，以获得该健康预测指数；以及
一健康状态分析模块，用以比较该健康预测指数与该健康预测指数阈值，据以取得该健康状态预测数据。


3.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其中该电力设备的基本数据报括设备型号、制造日期、额定功率、额定电压与额定电流的至少其中之一。


4.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其中该些感测数据报括输入电压、输入电流、输出电压、输出电流、电池电压、电池充电电流、电池放电电流、环境温度、环境湿度的至少其中之一。


5.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其中该后续处理包括透过该通讯模块来将该健康状态预测数据传送至该云端服务器。


6.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其中当该健康状态预测数据呈现该电力设备的健康状态不佳时，该后续处理包括透过该通讯模块通知一邮件服务器发出一警报信件。


7.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其中当该健康状态预测数据呈现该电力设备的健康状态不佳时，该后续处理包括透过该通讯模块通知一简讯发报机发出一警报简讯。


8.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其更包括一警报模块，且该控制单元更透过该通讯模块自该云端服务器取得一警报执行脚本，该警报执行脚本具有由一用户设定的一警报动作与至少一判断条件，当该控制单元判断该些条件皆被满足时，便控制该警报模块执行该警报动作。


9.根据权利要求8所述的具有自我健康状态预测功能的电力设备，其中该警报模块包括一显示设备与一声音警示装置的至少其中之一。


10.根据权利要求8所述的具有自我健康状态预测功能的电力设备，其中当该健康状态预测数据呈现该电力设备的健康状态不佳时，该控制单元更控制该警报模块发出一警报。


11.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其中该云端服务器所使用的机器学习算法包括类神经网络算法、判定树算法、K平均算法、支持向量机算法、线性回归算法与逻辑回归算法的至少其中之一。


12.根据权利要求1所述的具有自我健康状态预测功能的电力设备，其中该电力设备包括是一不断电系统、一电源分配单元或一自动电源切换开关。


13.根据权利要求12所述的具有自我健康状态预测功能的电力设备，其中该不断电系统包括是一在线式不断电系统、一离线式不断电系统或一在线交互式不断电系统。


14.一种电力设备的自我健康状态预测方法，其中该电力设备包括多个传感器与一通讯模块，其特征在于，该方法包括：
透过该通讯模块自一云端服务器取得该电力设备的一健康指数预测模型与一健康预测指数阈值，其中该健康指数预测模型为该云端服务器透过机器学习的方式来建立与训练；
透过该些传感器取得多个感测数据；
将该些感测数据与该电力设备的基本数据带入该健康指数预测模型来进行运算，以获得一健康预测指数；以及
依据该健康预测指数与该健康预测指数阈值的比较结果来取得该电力设备的一健康状态预测数据，以便执行一后续处理。


15.根据权利要求14所述的电力设备的自我健康状态预测方法，其中该电力设备的基本数据报括设备型号、制造日期、额定功率、额定电压与额定电流的至少其中之一。


16.根据权利要求14所述的电力设备的自我健康状态预测方法，其中该些感测数据报括输入电压、输入电流、输出电压、输出电流、电池电压、电池充电电流、电池放电电流、环境温度、环境湿度的至少其中之一。


17.根据权利要求14所述的电力设备的自我健康状态预测方法，其中该后续处理包括透过该通讯模块来将该健康状态预测数据传送至该云端服务器。


18.根据权利要求14所述的电力设备的自我健康状态预测方法，其中当该健康状态预测数据呈现该电力设备的健康状态不佳时，该后续处理包括透过该通讯模块通知一邮件服务器发出一警报信件。


19.根据权利要求14所述的电力设备的自我健康状态预测方法，其中当该健康状态预测数据呈现该电力设备的健康状态不佳时，该后续处理包括透过该通讯模块通知一简讯发报机发出一警报简讯。


20.根据权利要求14所述的电力设备的自我健康状态预测方法，其中当该健康状态预测数据呈现该电力设备的健康状态不佳时，该后续处理包括透过该电力设备的一警报模块发出一警报。

...

【专利技术属性】
技术研发人员：林咏翔，叶佳珉，
申请(专利权)人：硕天科技股份有限公司，
类型：发明
国别省市：中国台湾;71