[發(fā)明專利]一種UPS故障預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201811551808.3
• 申請日: 2018-12-19
• 公開（公告）號: CN109635873A
• 公開（公告）日: 2019-04-16
• 發(fā)明（設(shè)計）人: 張彩霞;王向東
• 申請（專利權(quán)）人: 佛山科學(xué)技術(shù)學(xué)院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 謝泳祥

本發(fā)明公開了一種UPS故障預(yù)測方法，包括以下步驟：構(gòu)建訓(xùn)練數(shù)據(jù)庫，所述訓(xùn)練數(shù)據(jù)庫包括多個訓(xùn)練樣本；構(gòu)建并初始化隨機(jī)森林模型，所述隨機(jī)森林模型包括多個決策樹；將多個所述訓(xùn)練樣本輸入到隨機(jī)森林模型中，完成決策樹模型的訓(xùn)練操作；采集UPS的實時狀態(tài)參數(shù)，組成待測樣本；將所述待測樣本輸入到隨機(jī)森林模型中，所述隨機(jī)森林模型輸出UPS的故障預(yù)測結(jié)果。本技術(shù)方案首先完成隨機(jī)森林模型的訓(xùn)練操作，通過采集UPS的實時工作參數(shù)，利用隨機(jī)森林模型對UPS的實時工作參數(shù)進(jìn)行處理以實現(xiàn)對UPS潛在故障進(jìn)行預(yù)測的功能，便于相關(guān)工作人員對UPS的運行狀況進(jìn)行干預(yù)，有效降低UPS發(fā)生故障的概率。

技術(shù)領(lǐng)域

本發(fā)明涉及設(shè)備故障預(yù)測方法技術(shù)領(lǐng)域，更具體地說涉及一種UPS(不間斷電源)的故障預(yù)測方法。

背景技術(shù)

目前眾多的機(jī)器設(shè)備中都配置有UPS(不間斷電源)，以防止由于市電不穩(wěn)定或者市電中斷等原因?qū)е聶C(jī)器設(shè)備停止運行，影響相關(guān)工作進(jìn)度。

現(xiàn)有的在線互動式UPS的工作原理如下，當(dāng)市電正常時，UPS中的雙向變換器工作在整流狀態(tài)，向蓄電池充電，市電通過UPS的智能調(diào)壓器直接向負(fù)載供電，當(dāng)市電異常時，雙向變換器工作在逆變狀態(tài)，蓄電池通過雙向變換器向負(fù)載進(jìn)行供電。

從上面UPS的工作原理可以看出，現(xiàn)有的UPS均配置有相應(yīng)的傳感器檢測相應(yīng)的電壓電流信號，再通過網(wǎng)絡(luò)通信設(shè)備進(jìn)行信號傳輸，雖然能實時監(jiān)控功能，但是卻無法對UPS潛在的故障進(jìn)行預(yù)測，UPS在運行過程中一旦發(fā)生故障，將對所供電負(fù)載的運行造成嚴(yán)重的不良影響。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是：提供一種基于隨機(jī)森林的UPS故障預(yù)測方法。

本發(fā)明解決其技術(shù)問題的解決方案是：

一種UPS故障預(yù)測方法，包括以下步驟：

步驟100，構(gòu)建訓(xùn)練數(shù)據(jù)庫，所述訓(xùn)練數(shù)據(jù)庫包括多個訓(xùn)練樣本；

步驟200，構(gòu)建并初始化隨機(jī)森林模型，所述隨機(jī)森林模型包括多個決策樹；

步驟300，將多個所述訓(xùn)練樣本輸入到隨機(jī)森林模型中，完成決策樹模型的訓(xùn)練操作；

步驟400，采集UPS的實時狀態(tài)參數(shù)，組成待測樣本；

步驟500，將所述待測樣本輸入到隨機(jī)森林模型中，所述隨機(jī)森林模型輸出UPS的故障預(yù)測結(jié)果。

作為上述技術(shù)方案的進(jìn)一步改進(jìn)，所述訓(xùn)練樣本包括狀態(tài)參數(shù)以及故障標(biāo)簽，所述狀態(tài)參數(shù)以及實時狀態(tài)參數(shù)均包括市電電壓、市電頻率、雙向變換器狀態(tài)、UPS輸出電壓、UPS輸出電流、UPS濕度、UPS溫度、UPS噪聲以及蓄電池電量。

作為上述技術(shù)方案的進(jìn)一步改進(jìn)，步驟300包括以下步驟：

步驟310，將所述訓(xùn)練樣本中的狀態(tài)參數(shù)以及故障標(biāo)簽標(biāo)準(zhǔn)化；

步驟320，從一個訓(xùn)練樣本中以隨機(jī)的方式抽取m個特征變量；

步驟330，在決策樹的種類節(jié)點處，按照基尼不純度最小原則從m個特征變量中選取一個分類效果最好的特征x_i，將該種類節(jié)點分為兩個分支，所述基尼不純度原則為其中P(i)表示每一類占總類數(shù)的比例；

步驟340，對決策樹的每個種類節(jié)點重復(fù)上述步驟330所示的操作，直到所述決策樹能夠準(zhǔn)確分類訓(xùn)練樣本或者決策樹中每個種類節(jié)點的基尼不純度達(dá)到最小；

步驟350，選取下一個訓(xùn)練樣本，重復(fù)步驟320至步驟340，直到所有抽取訓(xùn)練樣本所對應(yīng)的決策樹構(gòu)建完畢；

步驟360，對所有決策樹進(jìn)行剪枝操作；

步驟370，所有訓(xùn)練樣本所構(gòu)建出來的決策樹共同組成隨機(jī)森林模型，所述隨機(jī)森林模型構(gòu)建完畢。