用于预测电路的电气部件的剩余故障或寿命的方法技术

本发明专利技术提供一种用于预测电路的电气部件的剩余寿命的方法，该电路是建筑管理设备的一部分。该方法包括：通过使用该电气部件的基于训练数据训练的训练机器学习模型来估计(S1)该电气部件的两个或更多个估计温度。此外，该方法包括：基于该两个或更多个估计温度来生成(S2)该电气部件的温度的时间进程；以及基于该电气部件的该温度的时间进程来计算(S3)该电气部件的该剩余寿命的指标。本发明专利技术还提供一种用于预测电路的剩余寿命的方法，该电路是建筑管理设备的一部分。管理设备的一部分。管理设备的一部分。

【技术实现步骤摘要】
【国外来华专利技术】用于预测电路的电气部件的剩余故障或寿命的方法
[0001]本专利技术涉及一种用于预测建筑管理设备的电气部件、建筑管理设备的模块或者电路的剩余寿命的方法，该电路是建筑管理设备的一部分。本专利技术进一步涉及一种用于预测电路的故障或剩余寿命的方法，该电路是建筑管理设备的一部分。此外，本专利技术涉及一种用于建筑管理设备的控制单元并且涉及一种建筑管理设备。
[0002]本公开属于预测建筑管理设备、建筑管理设备的模块或者电路的电气部件的故障或剩余寿命的领域。电气部件的寿命和电气部件随时间所经历的温度之间存在关系。电气部件在某一时间所经历的温度越高，在该时间电气部件上的应力就越大。增大电气部件上的应力减少了电气部件的寿命，并且因此减少了电气部件的剩余寿命。应当注意，以下解释是针对电气部件进行的，但显而易见的是相同技术关系对于包括该部件的电路、模块和设备也是成立的。
[0003]因此，在包括电气部件的电路的操作期间，可随时间测量电气部件的温度，作为电气部件所经历的应力的指标，以用于预测电气部件的剩余寿命，或者更一般地，预测即将发生的未来故障。这可能难以实现，特别是在期望预测电路的多个电气部件的剩余寿命的情况下。用于测量电气部件的温度的部件增加了成本并且增加了电路所需的空间。
[0004]因此，本专利技术的目的是提供一种用于预测未来故障、特别是建筑管理设备、建筑管理设备的模块或者电路的电气部件的剩余寿命的改进方法，该改进方法克服了上述缺陷和不足，并且允许对反正在设备中已知的参数进行此类预测。特别地，本专利技术的一个目的是提供不需要实际测量电气部件的温度而要预测该电气部件的剩余寿命的这样一种方法。
[0005]阅读以下描述之后变得显而易见的这些以及其他目的将通过独立权利要求的主题来解决。从属权利要求是指本专利技术的优选实施方案。
[0006]以下解释主要针对单个电气部件进行。当然，针对部件进行的预测对于甚至整个设备的电路、模块也是有效的，因为发生故障的电气部件将必然导致更高阶实体的故障。仅在假设对于理解本专利技术是必要的情况下参考更高阶实体。
[0007]根据本专利技术的第一方面，提供了一种用于预测电路的电气部件的未来故障或更优选地剩余寿命的方法，该电路是建筑管理设备的一部分。该方法包括观察或估计建筑管理设备、模块或电气部件的至少一个特性参数。一旦已经观察或估计到至少一个特性参数，就基于此来生成特性参数的时间进程。根据时间进程，计算建筑管理设备、模块或电气部件的故障或剩余寿命的指标。更优选的是计算相应实体或部件的剩余寿命。然而，在许多情形中，仅指示即将发生的未来故障可能是足够的。代替精确地预测剩余寿命，标识未来故障是否能够已经被识别为不久发生可能是足够的。在许多情况下，一个或多个特性参数可以是能够在设备中直接观察到的参数。此类参数可由总线系统读出，该总线系统已经存在于许多建筑管理设备中。这种总线系统的示例可能是DALI系统。然而，仅当提供附加测量单元或传感器时，才可观察到对电气部件的寿命至关重要的特性参数中的一些特性参数。作为示例，以上已经提及了温度。在这种情形中，期望估计特性参数，并且代替使用直接测量的参数或多个测量的参数，可使用估计的特性参数以便计算即将发生的故障或剩余寿命的指标。
[0008]在特性参数是温度并且由于它不能被直接测量而需要被估计的情况下，该方法包括：通过使用电气部件的训练机器学习模型来估计电气部件的两个或更多个估计温度。电气部件的训练机器学习模型基于包括多个数据集的训练数据来训练。多个数据集中的每个数据集包括：电气部件在电路的操作的相应时间处的实际温度，该实际温度与电路在相应时间处的多个参数相关联。多个参数包括电路的一个或多个物理参数和/或电路的一个或多个操作参数。该方法包括：通过将相应时间的多个参数输入到训练机器学习模型来估计在相应时间处的两个或更多个估计温度中的每个估计温度，该训练机器学习模型基于相应时间的多个参数来计算电气部件在相应时间处的估计温度。该方法还包括：基于两个或更多个估计温度来生成电气部件的温度的时间进程；以及基于电气部件的温度的时间进程来计算电气部件的剩余寿命的指标。
[0009]换句话讲，根据该方面的本专利技术提出使用训练机器学习模型两次或更多次地估计电气部件的温度(针对该温度预测剩余寿命的电气部件)，而不是实际两次或更多次地测量温度。基于两个或更多个估计温度(两个或更多个时间处所估计)，可生成电气部件的温度的时间进程，基于该时间进程可计算电气部件的剩余寿命的指标。因此，根据本专利技术的第一方面，为了预测电气部件的剩余寿命，不需要实际测量电气部件的温度。因此，根据本专利技术的第一方面的方法克服了上述实际测量电气部件的温度的缺点和不足。
[0010]电气部件可以是电路的关键部件。例如，电气部件可以是电容器，特别是电解电容器。在这种关键部件发生故障的情况下，整个电路可能发生故障。
[0011]建筑管理设备是用于管理建筑的环境、例如管理建筑的部分和/或整个建筑的温度、照明、通风、安全、清洁等的电气设备。建筑管理设备可以是固定或可移动设备。多个建筑管理设备可形成建筑管理系统，其中该系统可被布置在整个建筑或仅建筑的一部分诸如建筑的楼层或一个或多个房间上。建筑管理设备可被配置为与外部设备(例如，与一个或多个其他建筑管理设备)无线地和/或有线地通信。
[0012]建筑管理设备可包括或对应于照明设备，诸如照明器、照明装置驱动器(任选地，LED驱动器)或照明装置模块(任选地，LED模块)；用于窗户的调光设备，诸如电动百叶窗；传感器设备，诸如移动和/或存在检测器(例如，安全相机)、烟雾检测器、光传感器、湿度传感器、温度传感器、音频传感器(例如，麦克风)等；安全作用器，诸如喷洒器、警报设备、门锁设备、窗锁设备、卷帘门等；信息设备，诸如信息屏幕、安全屏幕、扬声器等；作用器，诸如开门器、开窗器等；加热、通风和/或冷却设备，诸如空调、新鲜空气通风器、风扇、加热器等；加湿器设备；清洁设备，诸如清洁机器人、擦窗器；中央控制单元，该中央控制单元用于控制一个或多个建筑管理设备；用户接口，该用户接口用于控制一个或多个建筑管理设备，诸如开关(例如，灯开关)、触摸面板、输入设备等；以及上述设备的任何组合。附加地或另选地，建筑管理设备可包括或对应于本领域中已知的任何其他建筑管理设备。缩写“LED”代表发光二极管。照明设备可以是包括用于照明的照明装置的设备(例如，照明器或照明装置模块)或用于操作照明装置的设备(例如，照明装置驱动器)。照明装置可包括或对应于一个或多个LED。
[0013]该电路可以是用于向负载提供电能的电路。特别地，该电路可被配置为提供输出电压和输出电流。例如，在建筑管理设备是照明设备的情况下，电路可被配置为向可以是LED的照明装置提供电能，特别是输出电压和输出电流。
[0014]电气部件的温度可对应于电气部件的壳体温度。因此，电气部件的估计温度可对应于电气部件的估计壳体温度。
[0015]电气部件的机器学习模型应被理解为这样的模型，该模型基于使用训练数据以用于生成该模型的机器学习。该模型可包括或对应于以不同方式对不本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于预测建筑管理设备、所述建筑管理设备的模块或者电路的电气部件的故障或剩余寿命的方法，所述电路是建筑管理设备的一部分，其中所述方法包括：
‑‑
观察或估计所述建筑管理设备、所述模块或所述电气部件的至少一个特性参数；
‑
基于所观察或所估计的特性参数来生成(S2)所述特性参数的时间进程；以及
‑
基于所述特性参数的所述时间进程，计算(S3)所述建筑管理设备、所述模块或所述电气部件的所述故障或所述剩余寿命的指标。2.根据权利要求1所述的方法，其中所估计的特性参数是所述建筑管理设备、所述模块或所述电气部件的温度，并且所述方法包括：通过使用所述建筑管理设备、所述模块或所述电气部件的基于包括多个数据集的训练数据训练的训练机器学习模型来估计(S1)所述建筑管理设备、所述模块或所述电气部件的两个或更多个估计温度，其中所述多个数据集中的每个数据集包括：
‑
所述建筑管理设备、所述模块或所述电气部件在所述建筑管理设备、所述模块或所述电路的操作的相应时间处的实际温度，结合
‑
所述建筑管理设备、所述模块或所述电路在所述相应时间处的多个参数，其中所述多个参数包括所述建筑管理设备、所述模块或所述电路的一个或多个物理参数和/或所述建筑管理设备、所述模块或所述电路的一个或多个操作参数；
‑
通过将相应时间的所述多个参数输入(S11)到所述训练机器学习模型来估计(S1)在所述相应时间处的所述两个或更多个估计温度中的每个估计温度，所述训练机器学习模型基于所述相应时间的所述多个参数来计算(S12)所述电气部件在所述相应时间处的所述估计温度。3.根据权利要求2所述的方法，其中所述机器学习模型对应于：
‑
回归模型，或者
‑
神经网络模型、任选地深度神经网络模型。4.根据前述权利要求中任一项所述的方法，其中所述机器学习模型包括至少一个算法，所述至少一个算法以不同方式对所述多个参数进行加权以计算所述相应时间处的所述估计温度作为输出，其中所述加权通过基于所述训练数据对所述机器学习模型的所述训练来确定。5.根据前述权利要求中任一项所述的方法，其中计算所述故障或所述剩余寿命的所述指标包括对温度的时间进程进行积分。6.根据权利要求5所述的方法，其中计算所述故障或所述剩余寿命的所述指标还包括利用加权函数或加权因子对温度的积分时间进程进行加权，其中所述加权函数或所述加权因子取决于所述多个参数中的至少一个参数。7.根据权利要求1至4中任一项所述的方法，其中计算所述故障或所述剩余寿命的所述指标包括确定所述特性参数的所述时间进程与从存储器检索的相应特性参数的模式之间的相似程度，其中所述模式与预期的故障相关联地存储，并且所述特性参数是观察到的参数。
8.根据权利要求7所述的方法，其中所述模式和所述故障的时间关系的信息与所述模式相关联地存储。9.根据权利要求7或8所述的方法，其中如果所述相似程度超过预定义阈值，则确定所述特性参数的所述时间进程对应于具体模式。10.根据权利要求7至9中任一项所述的方法，其中所述模式从观察所述特性参数直到在测试环境中发生故障或者从分析所述故障和关于所述特性参数存储的观察到的数据来确定。11.根据前述权利要求中任一项所述的方法，其中所述参数选自包括以下项的一组参数：
‑
用于控制所述电路的控制单元的温度；
‑
布置有所述电路的基板、任选地印刷电路板的温度；
‑
所述建筑管理设备的外壳内部的温度；
‑
由所述电路从电能来源接收的供电电压；
‑
由所述电路从所述电能来源接收的供电电流；
‑
由所述电路从所述电能来源接收的所述供电电压和/或电流的频率；
‑
由所述电路输出的输出电压；
‑
由所述电路输出的输出电流；
‑
所述电路的功率损耗；
‑
所述电路的能量转化效率；
‑
用于设置所述建筑管理设备的操作状态的值，以及
‑
在所述建筑管理设备是照明设备的情况下，操作所述电路以向照明装置供电的调光水平。12.根据前述权利要求中任一项所述的方法，其中所述电气部件是电容器、任选地电解电容器，所述方法包括：
‑
通过针对一个或多个时间段获得所述电气部件的电压的相应电压纹波值来获得所述电气部件的所述电压的一个或多个电压纹波值，
‑
基于所述一个或多个电压纹波值，计算所述电气部件的所述故障或所述剩余寿命的另外的指标。13.根据权利要求8所述的方法，...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：赤多尼科两合股份有限公司，
类型：发明
国别省市：