基于订单迭代集成学习的充电设备故障识别方法及装置与流程

本发明涉及新能源充电，尤其是涉及一种基于订单迭代集成学习的充电设备故障识别方法及装置。

背景技术：

1、伴随着全球能源危机问题的不断加剧以及环境污染问题的日益突出，能够避免温室气体排放的电动汽车越来越受到人们的青睐，电动汽车相较于传统的燃油汽车，在降低能耗方面以及降低污染方面有着巨大的优势。因此，随着电动汽车的普及，充电设备的可靠性和稳定性变得至关重要，必须对充电设备进行故障预警，及时地对充电设备存在的潜在故障类型进行判断并对其进行修复，避免因充电设备故障导致的电动车辆无法正常充电的情况发生，给电动车辆用户和充电设备的运营商带来不便和损失。

2、当前，汽车充电设备故障预警技术是通过监测充电设备的状态和性能参数，由相关工作人员对充电设备的状态和性能参数进行分析以发现潜在的故障迹象，并提供预警信息。然而，上述方法对充电设备的故障判断仍然需要基于相关技术人员的经验积累，对充电设备的故障进行人工识别，而由于技术人员的精力有限，分析经验可能存在参差不齐的情况，对充电设备的故障类型的判断可能存在误判。因此，现有的充电设备的故障判定方式无法满足对于充电设备的故障类型识别准确度的要求。

技术实现思路

1、有鉴于此，本申请提供了一种基于订单迭代集成学习的充电设备故障识别方法及装置，主要目的在于解决对充电设备的故障判定的准确度过低的技术问题。

2、根据本发明的第一个方面，提供了一种基于订单迭代集成学习的充电设备故障识别方法，应用于对充电设备进行故障识别的故障识别系统，该方法包括：

3、获取所述充电设备的充电订单；

4、根据所述充电订单确定特征因素，并根据所述特征因素生成特征向量；

5、对所述特征向量进行归一化处理，得到归一化特征向量；

6、将所述归一化特征向量输入到预训练的告警集成学习模型中，得到所述充电设备的故障判定结果，其中，所述故障判定结果包括有故障结果和无故障结果；

7、将所述故障识别结果与所述归一化特征向量组合成故障类型识别数据，并将所述故障类型识别数据输入到所述告警集成学习模型中，得到所述充电设备的故障类型识别结果。

8、根据本发明的第二个方面，提供了一种基于订单迭代集成学习的充电设备故障识别装置，该装置包括：

9、订单获取模块，用于获取所述充电设备的充电订单；

10、向量生成模块，用于根据所述充电订单确定特征因素，并根据所述特征因素生成特征向量；

11、归一化模块，用于对所述特征向量进行归一化处理，得到归一化特征向量；

12、第一识别模块，用于将所述归一化特征向量输入到预训练的告警集成学习模型中，得到所述充电设备的故障判定结果，其中，所述故障判定结果包括有故障结果和无故障结果；

13、第二识别模块，用于将所述故障识别结果与所述归一化特征向量组合成故障类型识别数据，并将所述故障类型识别数据输入到所述告警集成学习模型中，得到所述充电设备的故障类型识别结果。

14、本发明提供的一种基于订单迭代集成学习的充电设备故障识别方法及装置，能够获取充电设备的充电订单，其中，充电订单中可以包括充电设备提供充电服务的交易电量、充电起止时间以及电表总起值等信息；根据充电订单确定特征因素，并根据特征因素生成特征向量，以得到后续输入到告警集成学习模型中的输入数据；进一步的，对特征向量进行归一化处理，得到归一化特征向量，以降低特征向量的离散性；进一步的，将归一化特征向量输入到预训练的告警集成学习模型中，得到充电设备的故障判定结果，其中，告警集成学习模型能够基于归一化后的特征向量，确定产生特征向量的充电设备是否存在潜在故障以及潜在故障的类型；进一步的，将故障识别结果与归一化特征向量组合成故障类型识别数据，并将故障类型识别数据再次输入到告警集成学习模型中，得到充电设备的故障类型识别结果。本申请的技术方案，能基于充电设备的真实运行情况，使用基于机器学习的集成学习模型，准确的对充电设备的故障类型进行识别，提高了对充电设备的故障判定的准确度。

15、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

技术特征：

1.一种基于订单迭代集成学习的充电设备故障识别方法，应用于对充电设备进行故障识别的故障识别系统，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取所述充电设备的充电订单，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述充电订单确定特征因素，并根据所述特征因素生成特征向量，包括：

4.根据权利要求3所述的方法，其特征在于，所述对所述特征向量进行归一化处理，得到归一化特征向量，包括：

5.根据权利要求1至4任一一项所述的方法，其特征在于，所述告警集成学习模型的训练方法，包括：

6.根据权利要求5所述的方法，其特征在于，所述告警集成学习模型的训练方法，还包括：

7.根据权利要求5所述的方法，其特征在于，所述将所述归一化特征向量输入到预训练的告警集成学习模型中，得到所述充电设备的故障判定结果，包括：

8.根据权利要求6所述的方法，其特征在于，所述将所述故障类型识别数据输入到所述告警集成学习模型中，得到所述充电设备的故障类型识别结果，包括：

9.根据权利要求1所述的方法，其特征在于，所述将所述归一化特征向量输入到预训练的告警集成学习模型中，得到所述充电设备的故障判定结果之后，还包括：

10.一种基于订单迭代集成学习的充电设备故障识别装置，其特征在于，所述装置包括：

技术总结
本发明公开了一种基于订单迭代集成学习的充电设备故障识别方法及装置，涉及新能源充电技术领域。其中方法包括：获取充电设备的充电订单；根据充电订单确定特征因素，并根据特征因素生成特征向量；对特征向量进行归一化处理，得到归一化特征向量；将归一化特征向量输入到预训练的告警集成学习模型中，得到充电设备的故障判定结果，其中，故障判定结果包括有故障结果和无故障结果；将故障识别结果与归一化特征向量组合成故障类型识别数据，并将故障类型识别数据输入到告警集成学习模型中，得到充电设备的故障类型识别结果。上述方法能分析充电设备的真实运行情况，通过集成学习模型更加准确的对充电设备的故障类型进行判定。

技术研发人员：龙羿,高辉,李建锋,黄会,陈晓楠,高芸,陈良亮,王松,龙虹毓,李涛永,赵轩,李培军,胡晓锐,孙正凯,张永瑜,李顺,徐婷婷,朱彬,池磊,向鑫
受保护的技术使用者：国网重庆市电力公司营销服务中心
技术研发日：
技术公布日：2024/1/16