[发明专利]电动汽车充电设备的故障诊断方法、装置及存储介质

说明书

本发明公开了一种电动汽车充电设备的故障诊断方法、装置及存储介质，所述电动汽车充电设备的故障诊断方法包括：获取充电设备的状态参数信息数据；其中，所述状态参数信息包括设备的故障时间、故障类型、故障位置及设备状态参数；基于卷积神经网络CNN采用不同大小的采样窗口、卷积核和步长对所述状态参数信息数据的参数特征进行提取，得到多尺度特征；将所述多尺度特征输入到训练好的误差反向传播BP神经网络，则所述BP神经网络输出充电设备的故障原因。本发明将CNN和BP神经网络相结合，通过CNN获取故障种类的关键特征，结合BP神经网络对设备发生的故障原因和充电设备的系统参数进行基于误差反方向传播的迭代学习，实现对充电设备故障原因的准确诊断。

技术领域

本发明涉及电动汽车充电设备技术领域，尤其涉及一种电动汽车充电设备的故障诊断方法、装置及存储介质。

背景技术

由于我国充电站数量繁多、位置分散，人工故障诊断的低效率、高成本的方法已经远远不能满足当前运营成本控制的要求。现有技术对电动汽车充电设备运行状态进行监控，一旦设备发生故障，采用大数据和人工智能的方法实现设备故障的自我诊断，基于诊断的结果提出设备运维策略，用于指导现场运维工作的开展，降低充电站运维成本。

目前大量国内外学者采用故障树、专家分析以及人工智能的方法实现智能化诊断，包括Duan等人基于故障信息采集的基础上，采用动态故障树实现故障诊断；Tyagi等人针对故障原因具有不确定的特征，采用模糊故障树理论对智能电力变压器实现故障诊断；张洪瑾则采用模糊算法和BP神经网络相结合，构建故障诊断系统；Niu等人则结合专家系统的主观性和神经网络的客观性，实现更有效率的故障问题诊断；任哲平等人采用二叉树结构分析故障知识，将所分析的知识跟专家系统进行关联，最终构建故障诊断系统。根据上述文献可知，基于人工智能的方法已经广泛应用于故障诊断领域，但是由于设备的复杂性和故障的多样性，采用单一的故障诊断技术往往难以满足诊断需求，诊断精度不高。

发明内容

本发明实施例所要解决的技术问题在于，提供一种电动汽车充电设备的故障诊断方法、装置及存储介质，将CNN和BP神经网络相结合，实现对充电设备故障原因的准确诊断。

为了实现上述目的，本发明实施例提供了一种电动汽车充电设备的故障诊断方法，包括：

获取充电设备的状态参数信息数据；其中，所述状态参数信息包括设备的故障时间、故障类型、故障位置及设备状态参数；

基于卷积神经网络CNN采用不同大小的采样窗口、卷积核和步长对所述状态参数信息数据的参数特征进行提取，得到多尺度特征；

将所述多尺度特征输入到训练好的误差反向传播BP神经网络，则所述BP神经网络输出充电设备的故障原因。

作为上述方案的改进，所述基于卷积神经网络CNN采用预设大小的采样窗口、卷积核和步长对所述数据集的参数特征进行提取，得到多尺度特征，具体包括：

采用不同大小的采样窗口对所述状态参数信息数据进行截取，形成多维数据集；

采用不同大小的卷积核和不同步长对所述多维数据集进行批量卷积，形成不同尺寸的特征空间；

对所述不同尺寸的特征空间进行池化处理以及特征融合，得到多尺度特征。

作为上述方案的改进，所述BP神经网络的训练过程具体包括：

将训练样本输入所述BP神经网络，根据初始阈值和初始权重，得到初始误差；

判断所述初始误差是否满足预设的收敛条件；

若是，则将所述初始阈值和所述初始权重作为所述BP神经网络的最佳阈值和最佳权重，所述BP神经网络完成训练；