[发明专利]充电运营管理系统基于FNN和DS融合的故障识别方法

说明书

本发明涉及机器学习和证据理论领域，更具体地，本发明涉及充电运营管理系统基于FNN和DS融合的故障识别方法。本发明通过采集故障数据，并对特征提取，建立三个FNN进行概率预测，并利用各自的隶属度函数确定故障隶属度，形成证据矩阵，最终利用顺序DS融合决策出故障原因的方法，充分结合了机器学习方法的优势与DS证据推理的优势，利用FNN来预测充电运营管理系统中各部分故障的概率，然后利用DS融合各部分的概率值，最终识别出故障原因，具有可靠性高、故障原因识别准确等优点。

技术领域

本发明涉及机器学习和证据理论领域，更具体地，本发明涉及充电运营管理系统基于FNN和DS融合的故障识别方法。

背景技术

近年来，随着国际能源供应的持续紧张、原油价格的持续上涨以及全球环境保护呼声的日益高涨，新能源汽车的技术研发和产业发展受到越来越多的重视。新能源汽车绝大多数为电动汽车，而充电系统为电动汽车的动力能源补给提供保障。随着电动汽车的普及，充电站的建设也遍地开花，充电运营商的目标是形成一个安全、绿色、节能的实时充电运营管理系统。而支持充电运营管理系统安全、节能、实时运行的基础是充电信息的实时采集、存储、传输以及海量多源数据的快速分析。为了实现这一目的，各种智能设备分别应用于电网信息的采集、监测、通讯等各个方面。

充电监控系统由一台或多台工作站或服务器组成，包括监控工作站、数据服务器等，这些计算机通过网络进行连接。监控工作站提供充放电监控人机交互界面，实现对充电机的监控和数据收集、查询等功能；数据服务器存储整个充电系统的原始数据和统计分析数据等，提供数据服务及其他应用服务。充电机将自身运行数据和动力电池充电数据实时传送给监控工作站，监控工作站也可以通过网络通信对充电机的启动和停止、充电电压和充电电流等进行控制。

目前，在用电信息采集系统中，软件系统和硬件系统的基础是：充电站、通信通道、电动汽车以及安全防护系统。充电站系统覆盖了许多部分，包括充电桩、电动汽车和通信信道(运营商)，这三个部分缺一不可，它们之间相互联系，共同协调配合。一旦出现故障，可能会出现充电站的断电、充电桩无法正常充电以及用电信息泄露等状况，所以系统每一个环节的故障诊断以及故障原因识别至关重要。故障原因是系统维护很重要的依据。

发明内容

为了解决上述问题，本发明第一个方面提供了一种充电运营管理系统基于FNN和DS融合的故障识别方法，包括以下步骤：

(1)故障数据统计：采集一天的故障订单号，并提取出每个故障订单号代表的充电桩的编号m、电动汽车的编号n、运营商编号f，并统计同时发生在m号充电桩、n号电动汽车和f号运营商上的故障订单号总数目，作为故障数据；

(2)故障数据特征提取：对故障数据进行特征提取，得到充电桩、电动汽车和运营商的特征矩阵，并计算充电桩、电动汽车和运营商特征矩阵每一行的故障概率；

(3)FNN模型建立：分别将充电桩、电动汽车或运营商的特征矩阵和故障概率作为模糊神经网络模型的输入层和输出层进行训练，得到充电桩FNN模型、电动汽车FNN模型和运营商FNN模型，对不同充电桩、电动汽车和运营商的故障概率进行预测；

(4)故障隶属度函数建立：提取历史故障订单号，根据步骤(1)和步骤(2)得到充电桩、电动汽车和运营商的特征矩阵，并分别计算充电桩、电动汽车和运营商的特征矩阵每一行的故障概率，建立充电桩故障隶属度函数、电动汽车故障隶属度函数和运营商故障隶属度函数；

(5)证据矩阵建立：采集不同天数的故障数据，根据步骤(1)和步骤(2)分别得到充电桩、电动汽车和运营商的特征矩阵，根据充电桩FNN模型、电动汽车FNN模型和运营商FNN模型，预测该故障数据不同天数的充电桩、电动汽车和运营商的故障概率；分别将预测得到的该故障数据不同天数的充电桩、电动汽车和运营商的故障概率代入充电桩故障隶属度函数、电动汽车故障隶属度函数和运营商故障隶属度函数，得到该故障数据不同天数的充电桩故障隶属度、电动汽车故障隶属度和运营商故障隶属度，作为证据矩阵；