[發(fā)明專利]用于充電儲(chǔ)能系統(tǒng)的過壓數(shù)據(jù)處理方法、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110545035.3
• 申請(qǐng)日: 2021-05-19
• 公開（公告）號(hào): CN112991704A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計(jì)）人: 劉軍;侯青;張健行;徐梓涵;劉闖;王晶
• 申請(qǐng)（專利權(quán)）人: 武漢工程大學(xué)
• 主分類號(hào): G08B29/18
• 分類號(hào): G08B29/18;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京輕創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11212
• 代理人: 尉保芳

1.一種用于充電儲(chǔ)能系統(tǒng)的過壓數(shù)據(jù)處理方法，其特征在于，包括如下步驟：

導(dǎo)入多個(gè)原始過壓報(bào)警數(shù)據(jù)，并對(duì)多個(gè)所述原始過壓報(bào)警數(shù)據(jù)進(jìn)行特征分析，得到多個(gè)過壓報(bào)警特征數(shù)據(jù)，并集合所有的所述過壓報(bào)警特征數(shù)據(jù)得到過壓報(bào)警特征數(shù)據(jù)集；

構(gòu)建訓(xùn)練模型，根據(jù)所述過壓報(bào)警特征數(shù)據(jù)集對(duì)所述訓(xùn)練模型進(jìn)行優(yōu)化處理，得到最終分類模型；

導(dǎo)入待分類過壓報(bào)警數(shù)據(jù)，并通過所述最終分類模型對(duì)所述待分類過壓報(bào)警數(shù)據(jù)進(jìn)行分類，得到分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的用于充電儲(chǔ)能系統(tǒng)的過壓數(shù)據(jù)處理方法，其特征在于，所述原始過壓報(bào)警數(shù)據(jù)包括車輛數(shù)據(jù)和報(bào)警數(shù)據(jù)，所述車輛數(shù)據(jù)和所述報(bào)警數(shù)據(jù)均攜帶序列號(hào)，所述對(duì)多個(gè)所述原始過壓報(bào)警數(shù)據(jù)進(jìn)行特征分析，得到多個(gè)過壓報(bào)警特征數(shù)據(jù)的過程包括：

分別將相同序列號(hào)的所述車輛數(shù)據(jù)與所述報(bào)警數(shù)據(jù)進(jìn)行匹配，得到多個(gè)過壓報(bào)警匹配數(shù)據(jù)，并集合所有的所述過壓報(bào)警匹配數(shù)據(jù)得到過壓報(bào)警匹配數(shù)據(jù)集；

根據(jù)預(yù)設(shè)報(bào)警規(guī)則對(duì)所述過壓報(bào)警匹配數(shù)據(jù)集進(jìn)行篩選，得到經(jīng)篩選的多個(gè)過壓報(bào)警數(shù)據(jù)；

利用PCA主成分分析算法分別對(duì)多個(gè)所述過壓報(bào)警數(shù)據(jù)進(jìn)行降維處理，得到多個(gè)過壓報(bào)警降維數(shù)據(jù)；

分別對(duì)多個(gè)所述過壓報(bào)警降維數(shù)據(jù)進(jìn)行特征提取，得到多個(gè)過壓報(bào)警特征數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的用于充電儲(chǔ)能系統(tǒng)的過壓數(shù)據(jù)處理方法，其特征在于，所述構(gòu)建訓(xùn)練模型，根據(jù)所述過壓報(bào)警特征數(shù)據(jù)集對(duì)所述訓(xùn)練模型進(jìn)行優(yōu)化處理，得到最終分類模型的過程包括：

對(duì)所述過壓報(bào)警特征數(shù)據(jù)集進(jìn)行隨機(jī)劃分，得到過壓報(bào)警特征訓(xùn)練集和過壓報(bào)警特征測(cè)試集；

構(gòu)建訓(xùn)練模型，并根據(jù)所述過壓報(bào)警特征訓(xùn)練集對(duì)所述訓(xùn)練模型進(jìn)行訓(xùn)練分析，得到待測(cè)試分類模型；

根據(jù)所述過壓報(bào)警特征測(cè)試集對(duì)所述待測(cè)試分類模型進(jìn)行測(cè)試分析，得到最終分類模型。

4.根據(jù)權(quán)利要求3所述的用于充電儲(chǔ)能系統(tǒng)的過壓數(shù)據(jù)處理方法，其特征在于，所述構(gòu)建訓(xùn)練模型，并根據(jù)所述過壓報(bào)警特征訓(xùn)練集對(duì)所述訓(xùn)練模型進(jìn)行訓(xùn)練分析，得到待測(cè)試分類模型的過程包括：

S1：根據(jù)所述過壓報(bào)警特征訓(xùn)練集得到多個(gè)真實(shí)值和真實(shí)值個(gè)數(shù)；

S2：構(gòu)建訓(xùn)練模型，并根據(jù)所述過壓報(bào)警特征訓(xùn)練集對(duì)所述訓(xùn)練模型進(jìn)行訓(xùn)練，得到原始分類模型、多個(gè)預(yù)測(cè)值和預(yù)測(cè)值個(gè)數(shù)；

S3：計(jì)算所述預(yù)測(cè)值個(gè)數(shù)與所述真實(shí)值個(gè)數(shù)的乘積，得到計(jì)算概率；

S4：對(duì)所述計(jì)算概率、多個(gè)所述預(yù)測(cè)值和多個(gè)所述真實(shí)值進(jìn)行損失值的計(jì)算，得到損失值；

S5：利用評(píng)價(jià)指標(biāo)準(zhǔn)確率算法對(duì)所述真實(shí)值個(gè)數(shù)和所述預(yù)測(cè)值個(gè)數(shù)進(jìn)行計(jì)算，得到訓(xùn)練模型準(zhǔn)確率；

S6：對(duì)迭代次數(shù)進(jìn)行判斷，若所述迭代次數(shù)小于預(yù)設(shè)迭代次數(shù)，則返回步驟S1；若所述迭代次數(shù)等于所述預(yù)設(shè)迭代次數(shù)，則獲得多個(gè)損失值和所述準(zhǔn)確率，并通過多個(gè)所述損失值生成訓(xùn)練模型損失值曲線圖；

S7：判斷所述訓(xùn)練模型損失值曲線圖和所述訓(xùn)練模型準(zhǔn)確率是否滿足第一預(yù)設(shè)條件，所述第一預(yù)設(shè)條件為曲線幅度呈遞減趨勢(shì)且收斂于預(yù)設(shè)收斂值，且所述訓(xùn)練模型準(zhǔn)確率大于或等于預(yù)設(shè)第一準(zhǔn)確率，若滿足，則將所述原始分類模型作為待測(cè)試分類模型；若不滿足，則返回步驟S1。