[发明专利]一种电容器寿命估算方法、装置及电子设备有效

专利信息
申请号: 202011241354.7 申请日: 2020-11-09
公开(公告)号: CN112307638B 公开(公告)日: 2022-06-07
发明(设计)人: 于天剑;刘嘉文;成庶;代毅;向超群;伍珣 申请(专利权)人: 中南大学
主分类号: G06F30/20 分类号: G06F30/20;G06F111/08;G06F119/04
代理公司: 北京风雅颂专利代理有限公司 11403 代理人: 曾志鹏
地址: 410075 湖南*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电容器 寿命 估算 方法 装置 电子设备
【说明书】:

本申请中一个或多个实施例提供一种电容器寿命估算方法、装置及电子设备,包括:获取电容特征值;建立早期预测模型组、中期预测模型组和晚期预测模型;早期预测模型组基于第一训练集训练得到,中期预测模型组基于第二训练集训练得到,晚期预测模型基于第三训练集训练得到;将电容特征值输入早期预测模型组以确定早期预测模型组的预测结果;将电容特征值输入中期预测模型以确定中期预测模型组的预测结果;将电容特征值输入晚期预测模型以确定晚期预测模型的预测结果;基于电容器老化试验并根据至少一个预测结果进行电容器寿命估算。本申请能够解决现有技术在老化试验基础上电容器寿命估算误差大且无法避免电容器个体差异的问题。

技术领域

本申请中一个或多个实施例涉及电容器寿命估算技术领域,尤其涉及一种电容器寿命估算方法、装置及电子设备。

背景技术

现有技术中基于数据基础的电容器寿命预测,大量运用视觉跟踪算法对未来电容量损失进行预测或基于概率分布对电容器寿命最终寿命进行预测。一方面,视觉跟踪算法往往只针对某一个电容器的某一时刻前历史序列,从而预测从该时刻到电容量损失达到最大允许值时的剩余寿命,该方法在实时监督上对电容器寿命进行在线监督有着较好的预测效果,但在基于老化试验基础上对电容器寿命整体评估的效果欠佳;另一方面传统的概率模型只能对电容器的最终寿命进行概率统计,无法避免因个体差异带来的预测不同。

发明内容

有鉴于此,本申请中一个或多个实施例的目的在于提出一种电容器寿命估算方法、装置及电子设备,以解决现有技术存在的至少一个的问题。

基于上述目的,本申请中一个或多个实施例提供了一种电容器寿命估算方法,包括:

获取电容特征值;

建立早期预测模型组、中期预测模型组和晚期预测模型;所述早期预测模型组基于第一训练集训练得到,所述中期预测模型组基于第二训练集训练得到,所述晚期预测模型基于第三训练集训练得到;

将所述电容特征值输入所述早期预测模型组以确定所述早期预测模型组的预测结果;

将所述电容特征值输入所述中期预测模型组以确定所述中期预测模型组的预测结果;

将所述电容特征值输入所述晚期预测模型以确定所述晚期预测模型的预测结果;

基于电容器老化试验和至少一个所述预测结果进行电容器寿命估算。

可选的,还包括:

根据时间序列预测评价指标分别对所述早期预测模型组、中期预测模型组和晚期预测模型进行评价以调整所述早期预测模型组、中期预测模型组和晚期预测模型;

所述时间序列预测评价指标,包括:平均绝对误差MAE、均方根误差RMSE和平均绝对百分比误差MAPE,所述时间序列预测评价指标表示为

其中,ΔCs,t表示第s个电容器在t时刻测量的电容量减去该电容器的初始电容量的百分比,表示电容量损失百分比的模型预测值,包括:电容量损失百分比的早期预测模型组的预测值、电容量损失百分比的中期预测模型组的预测值和电容量损失百分比的晚期预测模型的预测值中的任意一个,s表示参与试验的电容器标号,N表示电容器总数,t表示电容器电容量测量时间段,T表示电容器电容量测量的总时段,其中k表示起始预测时段。

可选的,所述早期预测模型组基于第一训练集训练得到,包括:

所述早期预测模型组,包括:T-k-l个单步预测模型,以及多产出预测模型,其中l表示所述多产出预测模型输出维数,且预测的末尾l个电容量损失值;

按老化测量时刻的时序获取N个电容器的电容量损失序列,定义s∈{1,2,3,...,N-1},共N-1个电容器的完整电容量退化序列作为所述第一训练集,s=N作为第一测试集;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011241354.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top