一种适用于高频无线充电系统的状态监测方法和系统技术方案

一种适用于高频无线充电系统的状态监测方法和系统

【技术实现步骤摘要】
一种适用于高频无线充电系统的状态监测方法和系统


[0001]本专利技术属于无线充电
，特别涉及一种适用于高频无线充电系统的状态监测方法和系统
。

技术介绍

[0002]随着科技的发展，传统的有线充电设施在携带和充电上显得越来越不方便，无线充电的优势得到展现
。
无线充电技术一旦普及，将使产品摆脱插座和线缆的束缚，有助于解决电气接口不同或充电器不兼容的问题，从而增强便携性
、
美观性以及使用的安全性
。
然而，随着无线充电技术的普及，高频无线充电系统可能会出现各种各样的异常问题
。
在现有技术中，通常难以准确地获取和监测高频无线充电系统的状态，因而，如何保障无线充电系统的安全性和稳定性是一个亟待解决的难题
。

技术实现思路

[0003]为解决现有技术中存在的不足，本专利技术通过获取所述高频无线充电系统的测量数据，构建状态监测网络模型，从而对高频无线充电系统的状态进行实时监测
。
本专利技术要解决的技术问题是：准确获取和监测高频无线充电系统
。
[0004]为解决上述技术问题，本专利技术采用如下的技术方案
。
[0005]本专利技术首先公开了一种适用于高频无线充电系统的状态监测方法，该方法包括以下步骤：
[0006]步骤1：获取所述高频无线充电系统的历史测量参数和历史状态数据；
[0007]步骤2：根据所述高频无线充电系统的历史测量参数和历史状态数据，构建初始状态监测网络模型；
[0008]步骤3：通过混沌搜索算法搜索所述初始状态监测网络模型的估计输出层权重，得到最优输出层权重矩阵，基于所述最优输出层权重矩阵获得最优状态监测网络模型；
[0009]步骤4：获取所述高频无线充电系统的实时测量参数，利用所述实时测量参数和所述最优状态监测网络模型，对所述高频无线充电系统的状态进行实时监测
。
[0010]本专利技术进一步包括以下优选方案：
[0011]所述高频无线充电系统的测量参数包括所述高频无线充电系统的电压
、
电流
、
功率
、
环境温度和湿度数据
。
[0012]在所述获取所述高频无线充电系统的历史测量参数和历史状态数据之后，还包括：
[0013]将获得的高频无线充电系统的历史测量参数表示为参数矩阵其中，
V
t
、I
t
、P
t
、
和
S
t
分别表示第
t
次采样的充电电压
、
电流
、
功率
、
环境温度和湿度数据，
(*)
T
表示转置操作；
[0014]构建所述高频无线充电系统的状态矩阵
O
t
表示高频无线
充电系统第
t
次采集数据对应的状态，取值为0或1；当
O
t
为1时，表示高频无线充电系统状态正常，当
O
t
为0时，表示所述高频无线充电系统状态异常；
t
＝
1,2,3,...,T
tol
，
T
tol
表示总采样次数
。
[0015]在构建初始状态监测网络模型之前，还包括：
[0016]利用数字信号处理器对所获取的高频无线充电系统的历史测量参数和历史状态数据进行预处理，然后将预处理后的历史测量参数和历史状态数据输入到状态监测控制器，由所述状态监测控制器执行状态监测网络模型的构建
。
[0017]所述利用数字信号处理器对所获取的高频无线充电系统的历史测量参数和历史状态数据进行预处理，进一步包括：
[0018]对所获取的高频无线充电系统的测量参数和状态数据进行归一化，按照参数矩阵的元素最大值和最小值，将参数矩阵的元素映射到0‑1之间
。
[0019]所述步骤2中，构建初始状态监测网络模型，进一步包括：
[0020]步骤
2.1
：初始化状态监测网络的相关网络层参数，包括输入层包含的神经元数量
M
，隐含层包含的神经元数量
N
，输出层包含的神经元数量
Q
；
[0021]步骤
2.2
：初始化状态监测网络的权重参数；随机生成输入层权重矩阵
W
in
∈R
(M
×
N)
，其中
R
表示实数符号；
[0022]步骤
2.3
：根据所述输入层权重矩阵
W
in
和所述参数矩阵
X
，计算隐含层的输出矩阵：
[0023]步骤
2.4
：通过混合惩戒网络估计所述状态监测网络模型的输出层权重矩阵
W
out
∈R
(N
×
Q)
；
[0024]所述混合惩戒网络定义为：
[0025][0026]其中，
||*||
1/2
和
||*||1表示
l
1/2
范数和
l1范数，
Y
为高频无线充电系统的状态矩阵，
λ1分别表示
l1范数的惩戒系数，
λ
i
表示针对第
i
个输出层权重
(W
out
)
i
的第
i
个惩戒系数，
i
＝
1,2,3,...,N
×
Q。
[0027]所述步骤3中，通过混沌搜索算法搜索所述初始状态监测网络模型的估计输出层权重，得到最优输出层权重矩阵，进一步包括：
[0028]步骤
3.1
：初始化所述混沌搜索算法的相关参数，所述相关参数包括混沌粒子的数量
K、
混沌粒子空间矢量的上限
u
P
和下限
u
L
，最大迭代次数
B
；
[0029]步骤
3.2
：在混沌粒子空间矢量空间中随机生成第
i
个混沌粒子空间矢量
x
i
∈R
(1
×
(N
×
Q))
，
i
＝
1,2,3,...,K
，
K
为混沌粒子的总数量；
[0030]步骤
3.3
：定义迭代次数标签
ι
，初始值定义为1；
[0031]步骤
3.4
：通过下式计算第
i
个混沌粒子在第...

【技术保护点】

【技术特征摘要】
1.
一种适用于高频无线充电系统的状态监测方法，其特征在于，包括以下步骤：步骤1：获取所述高频无线充电系统的历史测量参数和历史状态数据；步骤2：根据所述高频无线充电系统的历史测量参数和历史状态数据，构建初始状态监测网络模型；步骤3：通过混沌搜索算法，搜索所述初始状态监测网络模型的估计输出层权重，得到最优输出层权重矩阵，基于所述最优输出层权重矩阵获得最优状态监测网络模型；步骤4：获取所述高频无线充电系统的实时测量参数，利用所述实时测量参数和所述最优状态监测网络模型，对所述高频无线充电系统的状态进行实时监测
。2.
根据权利要求1所述的适用于高频无线充电系统的状态监测方法，其特征在于，所述高频无线充电系统的历史测量参数包括所述高频无线充电系统的电压
、
电流
、
功率
、
环境温度和湿度数据
。3.
根据权利要求1所述的适用于高频无线充电系统的状态监测方法，其特征在于，在所述获取所述高频无线充电系统的历史测量参数和历史状态数据之后，还包括：将获得的高频无线充电系统的测量参数表示为参数矩阵其中，
V
t
、I
t
、P
t
、
和
S
t
分别表示第
t
次采样的充电电压
、
电流
、
功率
、
环境温度和湿度数据，
(*)
T
表示转置操作；构建所述高频无线充电系统的状态矩阵
O
t
表示高频无线充电系统第
t
次采集数据对应的状态，取值为0或1；当
O
t
为1时，表示所述高频无线充电系统状态正常，当
O
t
为0时，表示所述高频无线充电系统状态异常；
t
＝
1,2,3,...,T
tol
，
T
tol
表示总采样次数
。4.
根据权利要求3所述的适用于高频无线充电系统的状态监测方法，其特征在于，在构建初始状态监测网络模型之前，还包括：利用数字信号处理器对所获取的高频无线充电系统的历史测量参数和历史状态数据进行预处理，然后将预处理后的历史测量参数和历史状态数据输入到状态监测控制器，由所述状态监测控制器执行状态监测网络模型的构建
。5.
根据权利要求4所述的适用于高频无线充电系统的状态监测方法，其特征在于，所述利用数字信号处理器对所获取的高频无线充电系统的历史测量参数和历史状态数据进行预处理，进一步包括：对所获取的高频无线充电系统的测量参数和状态数据进行归一化，按照参数矩阵的元素最大值和最小值，将参数矩阵的元素映射到0‑1之间
。6.
根据权利要求3所述的适用于高频无线充电系统的状态监测方法，其特征在于，所述步骤2中，构建所述初始状态监测网络模型，进一步包括：步骤
2.1
：初始化状态监测网络的相关网络层参数，包括输入层包含的神经元数量
M
，隐含层包含的神经元数量
N
，输出层包含的神经元数量
Q
；步骤
2.2
：初始化状态监测网络的权重参数；随机生成输入层权重矩阵
W
in
∈R
(M
×
N)
，其中
R
表示实数符号；步骤
2.3
：根据所述输入层权重矩阵
W
in
和所述参数矩阵
X
，计算隐含层的输出矩阵：
步骤
2.4
：通过混合惩戒网络估计所述状态监测网络模型的输出层权重矩阵
W
out
∈R
(N
×
Q)
；所述混合惩戒网络定义为：其中，
||*||
1/2
和
||*||1表示
l
1/2
范数和
l1范数，
Y
为高频无线充电系统的状态矩阵，
λ1分别表示
l1范数的惩戒系数，
λ
i
表示针对第
i
个输出层权重
(W
out
)
i
的第
i
个惩戒系数，
i
＝
1,2,3,...,N
×
Q。7.
根据权利要求1所述的适用于高频无线充电系统的状态监测方法，其特征在于，所述步骤3中，通过混沌搜索算法搜索所述初始状态监测网络模型的估计输出层权重，得到最优输出层权重矩阵，进一步包括：步骤
3.1
：初始化所述混沌搜索算法的相关参数，所述相关参数包括混沌粒子的数量
K、
混沌粒子空间矢量的上限
u
P
和下限
u
L
，最大迭代次数
B
；步骤
3.2
：在混沌粒子空间矢量空间中随机生成第
i
个混沌粒子空间矢量
x
i
∈R
(1
×
(N
×
Q))
，
i
＝
1,2,3,...,K
，
K
为混沌粒子的总数量；步骤
3.3
：定义迭代次数标签
ι
，初始值定义为1；步骤
3.4
：通过下式计算第
i
个混沌粒子在第
ι
+1
次的空间矢量
x
i
(
ι
+1)
：其中，
c
和
a
为0‑1之间的随机数，
x
i
(
ι
)
表示第
i
个混沌粒子在第
ι
次迭代的空间矢量，
d
ij
(
ι
)
表示第
i
个混沌粒子和第
j
个混沌粒子在第
ι
次迭代的空间距离，
|x
j
(
ι
)
‑
x
i
(
ι
)|
表示第
i
个混沌粒子和第
j
个混沌粒子在第
ι
次迭代的空间矢量差的绝对值，
e
*
表示自然常数；步骤
3.5
：将所有混沌粒子带入损失函数
F
中，得到所有混沌粒子在第
ι
次迭代的适应值
F
i
(
ι
)
，
i
＝
1,2,3,...,K
；步骤
3.6
：计算迭代次数
ι
时的全局最优空间矢量
g
best
(
ι
)
；步骤
3.7
：判断当前迭代次数是否达到预设最大迭代次数
B
；如果否，则将迭代次数增1，跳转到步骤
3.4
；如果是，则执行步骤
3.8
；步骤
3.8
：从最优空间矢量
[g
best
(1),...,g
best
(
Β
)]
中，输出全局最优空间矢量将赋值给
W
out
，得到最优输出层权重矩阵
W
out
。8.
一种利用权利要求1‑7任一项权利要求所述的状态监测方法的高频无线充电系统状态监测系统，包括历史测量数据获取模块
、
...

【专利技术属性】
技术研发人员：陈铭明，鲍进，李志新，卢树峰，李珺，王思云，穆小星，易永仙，夏国芳，龚丹，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：