[發(fā)明專利]基于馬爾科夫鏈的充電樁故障預(yù)測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201811416027.3
• 申請(qǐng)日: 2018-11-26
• 公開(kāi)（公告）號(hào): CN109635854A
• 公開(kāi)（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 劉曉天;杜維柱;梁繼清;楊振琦;巨漢基;趙思翔;楊新宇;王杰;袁瑞銘;丁恒春;易忠林;韓迪;劉影;汪洋;崔文武;王晨;龐富寬;郭皎;李守超;李萌
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)冀北電力有限公司;國(guó)網(wǎng)冀北電力有限公司電力科學(xué)研究院;華北電力科學(xué)研究院有限責(zé)任公司;國(guó)家電網(wǎng)有限公司;普華訊光（北京）科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G01R31/00
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 王濤;任默聞

1.一種基于馬爾科夫鏈的充電樁故障預(yù)測(cè)方法，其特征在于，包括：

獲取目標(biāo)充電樁在初始時(shí)段內(nèi)的狀態(tài)向量，并將其作為預(yù)設(shè)的充電樁的馬爾科夫鏈預(yù)測(cè)模型的初始狀態(tài)概率分布；

其中，所述充電樁的馬爾科夫鏈預(yù)測(cè)模型用于表示所述充電樁的非故障狀態(tài)與至少一種故障狀態(tài)之間進(jìn)行相互轉(zhuǎn)換以及所述充電樁的不同的故障狀態(tài)之間進(jìn)行相互轉(zhuǎn)換的離散事件隨機(jī)過(guò)程；

根據(jù)所述初始狀態(tài)概率分布及所述馬爾科夫鏈預(yù)測(cè)模型確定所述目標(biāo)充電樁在預(yù)測(cè)時(shí)段內(nèi)發(fā)生至少一種故障的概率。

2.根據(jù)權(quán)利要求1所述的充電樁故障預(yù)測(cè)方法，其特征在于，還包括：

根據(jù)充電樁的狀態(tài)轉(zhuǎn)移次數(shù)建立所述充電樁的馬爾科夫鏈預(yù)測(cè)模型，其中，所述狀態(tài)轉(zhuǎn)移次數(shù)為所述充電樁的非故障狀態(tài)與至少一種故障狀態(tài)之間的相互轉(zhuǎn)換以及所述充電樁的不同的故障狀態(tài)之間的相互轉(zhuǎn)換的次數(shù)。

3.根據(jù)權(quán)利要求1所述的充電樁故障預(yù)測(cè)方法，其特征在于，所述根據(jù)所述初始狀態(tài)概率分布及所述馬爾科夫鏈預(yù)測(cè)模型確定所述目標(biāo)充電樁在預(yù)測(cè)時(shí)段內(nèi)發(fā)生至少一種故障的概率，包括：

根據(jù)所述初始狀態(tài)概率分布以及所述目標(biāo)充電樁的預(yù)測(cè)時(shí)段，應(yīng)用所述馬爾科夫鏈預(yù)測(cè)模型獲取所述目標(biāo)充電樁在所述預(yù)測(cè)時(shí)段內(nèi)的故障概率分布；

其中，所述預(yù)測(cè)時(shí)段與所述初始時(shí)段之間的時(shí)間間隔為所述初始時(shí)段的正整數(shù)倍。

4.根據(jù)權(quán)利要求2所述的充電樁故障預(yù)測(cè)方法，其特征在于，所述根據(jù)充電樁的狀態(tài)轉(zhuǎn)移次數(shù)建立所述充電樁的馬爾科夫鏈預(yù)測(cè)模型，包括：

自電力系統(tǒng)的遙測(cè)數(shù)據(jù)、遙信數(shù)據(jù)和電力模塊監(jiān)控?cái)?shù)據(jù)中的至少一份數(shù)據(jù)中提取多個(gè)充電樁的歷史運(yùn)行數(shù)據(jù)；

自所述歷史運(yùn)行數(shù)據(jù)中提取充電樁的狀態(tài)轉(zhuǎn)移次數(shù)；

根據(jù)所述充電樁的狀態(tài)轉(zhuǎn)移次數(shù)與所述故障狀態(tài)的種類，建立轉(zhuǎn)移概率矩陣，并基于所述轉(zhuǎn)移概率矩陣獲取對(duì)應(yīng)的馬爾科夫鏈，以形成所述充電樁的馬爾科夫鏈預(yù)測(cè)模型。

5.一種基于馬爾科夫鏈的充電樁故障預(yù)測(cè)裝置，其特征在于，包括：

初始狀態(tài)概率分布獲取模塊，用于獲取目標(biāo)充電樁在初始時(shí)段內(nèi)的狀態(tài)向量，并將其作為預(yù)設(shè)的充電樁的馬爾科夫鏈預(yù)測(cè)模型的初始狀態(tài)概率分布；

其中，所述充電樁的馬爾科夫鏈預(yù)測(cè)模型用于表示所述充電樁的非故障狀態(tài)與至少一種故障狀態(tài)之間進(jìn)行相互轉(zhuǎn)換以及所述充電樁的不同的故障狀態(tài)之間進(jìn)行相互轉(zhuǎn)換的離散事件隨機(jī)過(guò)程；

故障概率預(yù)測(cè)模塊，用于根據(jù)所述初始狀態(tài)概率分布及所述馬爾科夫鏈預(yù)測(cè)模型確定所述目標(biāo)充電樁在預(yù)測(cè)時(shí)段內(nèi)發(fā)生至少一種故障的概率。

6.根據(jù)權(quán)利要求5所述的充電樁故障預(yù)測(cè)裝置，其特征在于，還包括：

馬爾科夫鏈預(yù)測(cè)模型建立模塊，用于根據(jù)充電樁的狀態(tài)轉(zhuǎn)移次數(shù)建立所述充電樁的馬爾科夫鏈預(yù)測(cè)模型，其中，所述狀態(tài)轉(zhuǎn)移次數(shù)為所述充電樁的非故障狀態(tài)與至少一種故障狀態(tài)之間的相互轉(zhuǎn)換以及所述充電樁的不同的故障狀態(tài)之間的相互轉(zhuǎn)換的次數(shù)。

7.根據(jù)權(quán)利要求5所述的充電樁故障預(yù)測(cè)裝置，其特征在于，所述故障概率預(yù)測(cè)模塊具體用于：

根據(jù)所述初始狀態(tài)概率分布以及所述目標(biāo)充電樁的預(yù)測(cè)時(shí)段，應(yīng)用所述馬爾科夫鏈預(yù)測(cè)模型獲取所述目標(biāo)充電樁在所述預(yù)測(cè)時(shí)段內(nèi)的故障概率分布；

其中，所述預(yù)測(cè)時(shí)段與所述初始時(shí)段之間的時(shí)間間隔為所述初始時(shí)段的正整數(shù)倍。

8.根據(jù)權(quán)利要求6所述的充電樁故障預(yù)測(cè)裝置，其特征在于，所述馬爾科夫鏈預(yù)測(cè)模型建立模塊包括：

歷史運(yùn)行數(shù)據(jù)獲取單元，用于自電力系統(tǒng)的遙測(cè)數(shù)據(jù)、遙信數(shù)據(jù)和電力模塊監(jiān)控?cái)?shù)據(jù)中的至少一份數(shù)據(jù)中提取多個(gè)充電樁的歷史運(yùn)行數(shù)據(jù)；

狀態(tài)轉(zhuǎn)移次數(shù)提取單元，用于自所述歷史運(yùn)行數(shù)據(jù)中提取充電樁的狀態(tài)轉(zhuǎn)移次數(shù)；

轉(zhuǎn)移概率矩陣建立單元，用于根據(jù)所述充電樁的狀態(tài)轉(zhuǎn)移次數(shù)與所述故障狀態(tài)的種類，建立轉(zhuǎn)移概率矩陣，并基于所述轉(zhuǎn)移概率矩陣獲取對(duì)應(yīng)的馬爾科夫鏈，以形成所述充電樁的馬爾科夫鏈預(yù)測(cè)模型。