【技术实现步骤摘要】
基于深度学习的电动汽车交流充电状态监测和故障预警方法
[0001]本专利技术属于设备故障预警
,具体涉及一种基于深度学习的电动汽车交流充电状态监测与故障预警方法。
技术介绍
[0002]近年来,随着传统燃油汽车的保有量不断增加,使得能源危机和环境污染日益加剧,国内外开始大力发展电动汽车行业。随着电动汽车行业的不断发展,电动汽车安全问题越来越受到人们的重视。电动汽车安全问题涉及的范围非常广阔,包括整车安全、充电安全、信息安全等方面。电动汽车交流充电具有成本低和延长动力电池使用寿命的优点,目前应用较为广泛,所以研究电动汽车交流充电的安全性和可靠性是非常有必要的。动力电池作为电动汽车的动力来源,其交流充电安全问题尤为重要,因为动力电池一旦在交流充电过程中发生故障,极有可能引起电动汽车起火,从而造成严重的经济损失,甚至可能会导致人员伤亡。因此,在电动汽车的交流充电过程中,动态监测动力电池的交流充电数据,及时有效的预测故障的发生,并采取措施保证交流充电安全具有重要的意义。
[0003]目前对于电动汽车交流充电过程中安全分析和动态预警方法的研究成果相对较少,但是基于深度学习的故障预警方法在其他行业得到了广泛的应用。卷积神经网络(Convolutional Neural Networks,CNN)可以有效地从大样本中学习深层特征,避免了复杂的特征提取过程,能够对电动汽车交流充电数据进行充分挖掘。双向门控循环单元BiGRU(Bi
‑
directional Gated Recurrent Unit,Bi ...
【技术保护点】
【技术特征摘要】
Recurrent Unit,GRU)组成,GRU的计算公式为:r
t
=σ(W
r
x
t
+U
r
h
t
‑1+b
r
)z
t
=σ(W
z
x
t
+U
z
h
t
‑1+b
z
)h
t
=tanh(W
h1
x
t
+(r
t
⊙
h
t
‑1)W
h2
+b
h
)h
t
=(1
‑
z
t
)
⊙
h
t
‑1+z
t
⊙
h
t
y
t
=σ(W
o
⊙
h
t
)式中,r
t
为重置门;z
t
为更新门;h
t
为t时刻电动汽车交流充电的GRU隐藏状态;y
t
为t时刻电动汽车的交流充电预测输出;σ和tanh为激活函数;W
r
、W
z
、U
r
、U
z
、W
h1
和W
h2
为电动汽车交流充电数据深层特征的权重参数;b
r
、b
z
和b
h
为电动汽车交流充电数据深层特征的偏差参数;
⊙
为Hadamard乘积;h
t
为t时刻电动汽车交流充电的GRU候选状态。BiGRU计算公式如下:为t时刻电动汽车交流充电的GRU候选状态。BiGRU计算公式如下:为t时刻电动汽车交流充电的GRU候选状态。BiGRU计算公式如下:式中,w
t
为t时刻电动汽车交流充电数据深层特征的前向隐层GRU的输出权重;v
t
为t时刻电动汽车交流充电数据深层特征的后向隐层GRU的输出权重;h
t
为t时刻电动汽车交流充电BiGRU的隐藏状态;b
t
为h
t
对应的偏置量。6.根据权利1要求的基于深度学习的电动汽车交流充电状态监测与故障预警方法,其特征在于,所述步骤4中采用蝙蝠算法优化预测模型的超参数,所述蝙蝠算法是一种模拟蝙蝠的脉冲回声来搜索目标具体位置的一种优化算法,假设蝙蝠算法的搜索空间为d维,则下一时刻的更新的公式为:l
m
=l
min
+(l
max
‑
l
min
)ξ式中,为t时刻搜索空间中第m值蝙蝠的位置和速度;l
m
为第m只蝙蝠发出的频率;x
best
表示当前全局最优解;l
max
、l...
【专利技术属性】
技术研发人员:杨清,高德欣,王义,张世玉,郑晓雨,
申请(专利权)人:青岛科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。