CN118655488B 一种电源故障检测系统及方法 （国合星科(深圳)技术有限公司）

道田寮社区同观路十九号路10号九洲行数据和电源状态数据进行预处理得到运行特2数据处理模块，用于对电源运行数据和电源状态数据进行预处理得到模型训练模块，用于训练电源故障预测模型，将综合特征数据集输入电故障检测模块，用于将预测的电源故障率指标与预设的电源故障率指标阈值进行对故障控制模块，电源控制终端识别故障报警信息，并所述对电源运行数据和电源状态数据进行预处理得到运行特征数据集和状态特征数对获取到的电源运行数据和电源状态数据进行数据清洗，对数据据和电源状态数据进行标准差归一化处理，转换为均值为0和标准差为1的标准正态分布，构建运行－状态关联模型，预设电源运行数据和电源预设条件触发函数，当运行的条件触发函数达到预设运行－状将降维后的运行特征数据集和状态特征数据集进行匹配，确保运2.根据权利要求1所述的电源故障检测系统，其特征在于，所述运行－状态关联模型n3所述自动触发主成分分析对电源运行数据和电源状态数据进行预处理预设有一个包含p个样本和q个特征的数据集O,数据集O由电源运行数据和电源状态数对数据集O进行标准化处理，计算均值向量μ和协方差矩阵⑴；所述均值向量μ为：u个样本的特征点；计算数据集O的特征向量和特征值，选择前k个特征向量构所述将降维后的运行特征数据集和状态特征数据集进行匹配，确保运行使运行特征数据集和状态特征数据集的数据种"e为运行特征数据的第e个"r为状态特征数据的第r个4其中，X"为运行特征数据集中的一个随机特征变取值为x"和y"的联合概率分布；p,(x")为随机特征变量X"取值为x"的边缘概率分布；p,(y")为随机特征变量Y"取值为y"的边将综合特征数据集以及对应的输出标签电源故障率指标作为样本集；通过反向传播算法更新模型LightGBM参数，以最小化损失函数；使用选用SGD作为优化器，找到使损失函数最小的参数组合；根据验证集精确率的性能反5.根据权利要求4所述的电源故障检测系统，其特征在于，所述调整模型的结构和确定需要调优的电源故障预测模型中树的数量准备一组初始数据训练集，通过计算准确率指标来评使用初始训练集，建立参数配置与性能指标之间的高斯过5在迭代优化完成后，根据评估函数的结果，选择具有最佳性若预测的电源故障率指标大于等于预设的电源故障率指标阈值，则判定电源发生故对磁场分布数据的分析：通过在电源系统周围的多个点测量磁场强度利用比奥萨伐尔模型计算在正常工作条件下电源系统的磁场分布，并将其与实际测对于磁场变化数据的分析：定期测量电源部位同一观测点的磁场强使用频谱分析仪和电磁干扰接收机设备，对电源系统进行综合性的电磁兼容性测试；6通过频谱分析软件，对测试结果进行分析，识别出偏离正常工作将当前测试结果与预设测试结果阈值进行比较，评估电磁干扰水平的变化9.一种电源故障检测方法，应用于如权利要求1至8中任一项所述的电源故障检测系S2、对电源运行数据和电源状态数据进行预处理得S4、将预测的电源故障率指标与预设的电源故障率7[0003]申请公开号为CN117375245A的专利公开了一种基于物联网的电源控制系统及电89发主成分分析对电源运行数据和电源状态数据进[0028]所述自动触发主成分分析对电源运行数据和电源状态数据进行预处理的方法包[0029]预设有一个包含个样本和q个特征的数据集o,数据集0由电源运行数据和电;数据集0的行数；q为数据集0的列数；为：[0037]其中:-n)为具有q特征的向量；为:-n)的转置；[0038]计算数据集0的特征向量和特征值，选择前k个特征向量构成变换矩阵v；将数配模型使运行特征数据集和状态特征数据集的数据;[0043]例如，预设有一个包含15个样本和11个特征的数据集o,数据集0由电源运行数的第i个特征；通过互信息公式来衡量两个随机特征变量x"和r"之间的依赖关系；X"为运行特征数据集中的一个随机特征变量；y"为状态特征数据集中的一个随机特征变量；x"和y"为随机特征变量x"和的取值；p'(x",y")为随机特征变量X"和y"同时取值为x"和y"的联合概率分布；p'(x")为随机特征变量x"取值为x"的边选出的显著关联性特征子集进行融合形成综合特征数据[0089]利用比奥萨伐尔模型计算在正常工作条件下电源系统的磁场分布，并将其与实[0095]将当前测试结果与预设测试结果阈值进行比较，评估电[0105]通过比奥萨伐尔模型对磁场分布数据的分析，有效识别出电源系统部位异常的[0120]对电源运行数据和电源状态数据进行预处理得到运行特征数据集和状态特征数[0132]预设有一个包含个样本和q个特征的数据集o,数据集0由电源运行数据和电;数据集0的行数；q为数据集0的列数；[0138]其中:-n)为具有q特征的向量；为:-n)的转置；[0139]计算数据集0的特征向量和特征值，选择前k个特征向量构成变换矩阵v；将数型使运行特征数据集和状态特征数据集的数据种类;X"为运行特征数据集中的一个随机特征变量；y"为状态特征数据集中的一个随机特征变量；x"和y"为随机特征变量x"和y"的取值；p'(x",y")为随机特征变量x"和y"同时取值为x"和y"的联合概率分布；p'(x")为随机特征变量x"取值为x"的边为实时获取的电源运行数据的平均值影响因子；az为实时获取的电源状态数据的平均值[0185]利用比奥萨伐尔模型计算在正常工作条件下电源系统的磁场分布，并将其与实[0191]将当前测试结果与预设测试结果阈值进行比较，评估电[0195]通过比奥萨伐尔模型对磁场分布数据的分析，有效识别出电源系统部位异常的