【技术实现步骤摘要】
本专利技术涉及故障预警，具体涉及一种基于对抗训练的充电桩故障高鲁棒预警方法及系统。
技术介绍
1、减少二氧化碳排放、实现可持续增长是全球能源转型的迫切需要。随着电动汽车的日益增多，大量的分布式的充电桩成为了最必要的基础设施之一。充电桩大多部署在野外，环境因素不可控。在机械、电气、软件等方面，充电桩故障频繁发生。因此，对充电故障进行科学分析以及有效预警能更好服务新能源电动汽车。
2、深度学习技术已经应用于充电桩故障预警，但现有工作主要基于充电桩数据流数据，如电流、电压等指标，基于中文文本的充电桩故障关联记录数据的深度学习预警模型较少。然而，这类文本数据也十分重要，相似性的故障关联描述很可能指向相同的故障关联类型，这为实现快速故障预警提供了便利。具体来说，充电桩故障经人工报修后，工作人员记录其故障描述文本信息，根据专家知识判断可能的故障种类。并以此为标签，进行故障预警。此外，由于人员误报和不准确描述带来的误判等此类对抗样本的存在，可能会极大地降低深度学习模型性能。所以，找到故障关联描述中可能存在的脆弱点并以此生成对抗样本，经对抗...
【技术保护点】
1.一种基于对抗训练的充电桩故障高鲁棒预警方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，还包括故障预警模型的构建过程，所述构建过程包括：
3.根据权利要求2所述方法，其特征在于，所述基于所述结构化数据集提取故障关联记录文本特征，构建正常样本集，包括：
4.根据权利要求2所述方法，其特征在于，所述基于所述正常样本集进行分词对抗性排序和相似性过滤，得到对抗样本集，包括：
5.根据权利要求2所述方法，其特征在于，所述基于循环神经网络RNN模型结合所述正常样本集和对抗样本集进行训练和调整，得到训练好的故障预警
...【技术特征摘要】
1.一种基于对抗训练的充电桩故障高鲁棒预警方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，还包括故障预警模型的构建过程，所述构建过程包括：
3.根据权利要求2所述方法，其特征在于，所述基于所述结构化数据集提取故障关联记录文本特征，构建正常样本集，包括：
4.根据权利要求2所述方法，其特征在于，所述基于所述正常样本集进行分词对抗性排序和相似性过滤，得到对抗样本集，包括：
5.根据权利要求2所述方法，其特征在于，所述基于循环神经网络rnn模型结...
【专利技术属性】
技术研发人员：张元星，李涛永，李斌，张剑，祖国强，李谦，刁晓虹，张晶，蒋林洳，徐科，卢熠猛，刘晓楠，赵越，李康，唐攀攀，
申请(专利权)人：中国电力科学研究院有限公司，
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。