[发明专利]太阳电池阵发电电流预测模型训练方法、异常检测方法、设备及介质

权利要求书

1.航天器太阳电池阵的发电电流预测模型训练方法，其特征在于，包括：

构建n个LS-SVM基模型；

获取航天器太阳电池阵在轨遥测数据作为训练n个LS-SVM基模型的离线数据集，航天器太阳电池阵在轨遥测数据是太阳电池阵发电电流及与太阳电池阵发电电流相关的在轨遥测参数数据；

从离线训练数据集中取出一部分航天器太阳电池阵在轨遥测数据作为训练集，从训练集中有放回的随机抽取n组子训练集，分别用于n个LS-SVM基模型的训练，采用LS-SVM基模型构建太阳电池阵发电电流及与太阳电池阵发电电流相关的在轨遥测参数之间的状态演化规律，得到n个训练好的LS-SVM基模型；

从离线训练数据集中取出一部分航天器太阳电池阵在轨遥测数据作为验证集，将验证集中的航天器太阳电池阵在轨遥测数据代入各个训练好的LS-SVM基模型，利用各个训练好的LS-SVM基模型在验证集上的误差值给各个训练好的LS-SVM基模型分配权重，对n个训练好的LS-SVM基模型输出加权得到ILS-SVM预测模型，作为最终训练好的太阳电池阵发电电流预测模型。

2.根据权利要求1所述的航天器太阳电池阵的发电电流预测模型训练方法，其特征在于，获取在轨初期的航天器太阳电池阵在轨遥测数据作为训练n个LS-SVM基模型的离线数据集。

3.根据权利要求1所述的航天器太阳电池阵的发电电流预测模型训练方法，其特征在于，与太阳电池阵发电电流相关的在轨遥测参数是指与太阳电池阵发电电流相关性较强的在轨遥测参数数据，与太阳电池阵发电电流相关性较强的在轨遥测参数采用皮尔逊相关系数分析方法或最大互信息系数分析方法来进行选取。

4.根据权利要求1所述的航天器太阳电池阵的发电电流预测模型训练方法，其特征在于，与太阳电池阵发电电流相关的在轨遥测参数包括太阳电池阵温度、太阳辐射强度、轨道面角度。

5.航天器太阳电池阵的异常检测方法，其特征在于，包括：

采集航天器太阳电池阵在轨遥测数据；

利用如权利要求1至4中任一项所述太阳电池阵发电电流预测模型训练方法得到的训练好的太阳电池阵发电电流预测模型，得到待检测的航天器太阳电池阵在轨遥测数据对应的太阳电池阵发电电流的期望值；

计算航天器太阳电池阵发电电流的实际值与太阳电池阵发电电流预测模型所预测出的期望值之间的偏差；

设定关于偏差的异常判定准则，基于偏差检测航天器太阳电池阵是否出现异常。

6.根据权利要求5所述的航天器太阳电池阵的异常检测方法，其特征在于，所述异常判定准则是：如采集到的连续m个航天器太阳电池阵在轨遥测数据对应的偏差均超出设定的偏差阈值，则判定航天器太阳电池阵发生异常，其中m大于1。

7.根据权利要求6所述的航天器太阳电池阵的异常检测方法，其特征在于，m取值为3。

8.根据权利要求6或7所述的航天器太阳电池阵的异常检测方法，其特征在于，所述偏差阈值的确定方法是：从离线训练数据集中取出一部分航天器太阳电池阵在轨遥测数据作为测试集，将测试集输入训练好的太阳电池阵发电电流预测模型，得到太阳电池阵发电电流预测模型所预测出的太阳电池阵发电电流期望值，将测试集中太阳电池阵发电电流实际值与太阳电池阵发电电流预测模型所预测出的太阳电池阵发电电流期望值进行对比，获得预测偏差序列e；预测偏差序列e服从或近似服从正态分布，采用拉依达准则计算用于异常检测的偏差阈值，方法如下：设预测偏差序列e的均值为μ，标准差为σ，则用于异常检测的偏差阈值为e_th＝μ+3σ。

9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述太阳电池阵发电电流预测模型训练方法，或者执行如权利要求5所述航天器太阳电池阵的异常检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述太阳电池阵发电电流预测模型训练方法，或者执行如权利要求5所述航天器太阳电池阵的异常检测方法。