[發(fā)明專利]太陽電池陣發(fā)電電流預測模型訓練方法、異常檢測方法、設備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110656835.2
• 申請日: 2021-06-11
• 公開（公告）號: CN113283113B
• 公開（公告）日: 2022-04-15
• 發(fā)明（設計）人: 劉亞杰;王羽;張濤;向慧;雷洪濤;王銳;黃生俊;史志超
• 申請（專利權(quán)）人: 中國人民解放軍國防科技大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/04
• 代理公司: 長沙國科天河知識產(chǎn)權(quán)代理有限公司 43225
• 代理人: 周達

1.航天器太陽電池陣的發(fā)電電流預測模型訓練方法，其特征在于，包括：

構(gòu)建n個LS-SVM基模型；

獲取航天器太陽電池陣在軌遙測數(shù)據(jù)作為訓練n個LS-SVM基模型的離線數(shù)據(jù)集，航天器太陽電池陣在軌遙測數(shù)據(jù)是太陽電池陣發(fā)電電流及與太陽電池陣發(fā)電電流相關(guān)的在軌遙測參數(shù)數(shù)據(jù)；

從離線訓練數(shù)據(jù)集中取出一部分航天器太陽電池陣在軌遙測數(shù)據(jù)作為訓練集，從訓練集中有放回的隨機抽取n組子訓練集，分別用于n個LS-SVM基模型的訓練，采用LS-SVM基模型構(gòu)建太陽電池陣發(fā)電電流及與太陽電池陣發(fā)電電流相關(guān)的在軌遙測參數(shù)之間的狀態(tài)演化規(guī)律，得到n個訓練好的LS-SVM基模型；

從離線訓練數(shù)據(jù)集中取出一部分航天器太陽電池陣在軌遙測數(shù)據(jù)作為驗證集，將驗證集中的航天器太陽電池陣在軌遙測數(shù)據(jù)代入各個訓練好的LS-SVM基模型，利用各個訓練好的LS-SVM基模型在驗證集上的誤差值給各個訓練好的LS-SVM基模型分配權(quán)重，對n個訓練好的LS-SVM基模型輸出加權(quán)得到ILS-SVM預測模型，作為最終訓練好的太陽電池陣發(fā)電電流預測模型。

2.根據(jù)權(quán)利要求1所述的航天器太陽電池陣的發(fā)電電流預測模型訓練方法，其特征在于，獲取在軌初期的航天器太陽電池陣在軌遙測數(shù)據(jù)作為訓練n個LS-SVM基模型的離線數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的航天器太陽電池陣的發(fā)電電流預測模型訓練方法，其特征在于，與太陽電池陣發(fā)電電流相關(guān)的在軌遙測參數(shù)是指與太陽電池陣發(fā)電電流相關(guān)性較強的在軌遙測參數(shù)數(shù)據(jù)，與太陽電池陣發(fā)電電流相關(guān)性較強的在軌遙測參數(shù)采用皮爾遜相關(guān)系數(shù)分析方法或最大互信息系數(shù)分析方法來進行選取。

4.根據(jù)權(quán)利要求1所述的航天器太陽電池陣的發(fā)電電流預測模型訓練方法，其特征在于，與太陽電池陣發(fā)電電流相關(guān)的在軌遙測參數(shù)包括太陽電池陣溫度、太陽輻射強度、軌道面角度。

5.航天器太陽電池陣的異常檢測方法，其特征在于，包括：

采集航天器太陽電池陣在軌遙測數(shù)據(jù)；

利用如權(quán)利要求1至4中任一項所述太陽電池陣發(fā)電電流預測模型訓練方法得到的訓練好的太陽電池陣發(fā)電電流預測模型，得到待檢測的航天器太陽電池陣在軌遙測數(shù)據(jù)對應的太陽電池陣發(fā)電電流的期望值；

計算航天器太陽電池陣發(fā)電電流的實際值與太陽電池陣發(fā)電電流預測模型所預測出的期望值之間的偏差；

設定關(guān)于偏差的異常判定準則，基于偏差檢測航天器太陽電池陣是否出現(xiàn)異常。

6.根據(jù)權(quán)利要求5所述的航天器太陽電池陣的異常檢測方法，其特征在于，所述異常判定準則是：如采集到的連續(xù)m個航天器太陽電池陣在軌遙測數(shù)據(jù)對應的偏差均超出設定的偏差閾值，則判定航天器太陽電池陣發(fā)生異常，其中m大于1。

7.根據(jù)權(quán)利要求6所述的航天器太陽電池陣的異常檢測方法，其特征在于，m取值為3。

8.根據(jù)權(quán)利要求6或7所述的航天器太陽電池陣的異常檢測方法，其特征在于，所述偏差閾值的確定方法是：從離線訓練數(shù)據(jù)集中取出一部分航天器太陽電池陣在軌遙測數(shù)據(jù)作為測試集，將測試集輸入訓練好的太陽電池陣發(fā)電電流預測模型，得到太陽電池陣發(fā)電電流預測模型所預測出的太陽電池陣發(fā)電電流期望值，將測試集中太陽電池陣發(fā)電電流實際值與太陽電池陣發(fā)電電流預測模型所預測出的太陽電池陣發(fā)電電流期望值進行對比，獲得預測偏差序列e；預測偏差序列e服從或近似服從正態(tài)分布，采用拉依達準則計算用于異常檢測的偏差閾值，方法如下：設預測偏差序列e的均值為μ，標準差為σ，則用于異常檢測的偏差閾值為e_th＝μ+3σ。

9.一種電子設備，其特征在于，包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至4中任一項所述太陽電池陣發(fā)電電流預測模型訓練方法，或者執(zhí)行如權(quán)利要求5所述航天器太陽電池陣的異常檢測方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至4中任一項所述太陽電池陣發(fā)電電流預測模型訓練方法，或者執(zhí)行如權(quán)利要求5所述航天器太陽電池陣的異常檢測方法。