充电枪绝缘电阻测试方法、装置、设备及存储介质与流程

本发明涉及充电，尤其涉及一种充电枪绝缘电阻测试方法、装置、设备及存储介质。

背景技术：

1、随着电动汽车的快速发展，充电枪已经成为电动车主要的充电设备之一。在电动车充电过程中，确保充电枪的绝缘电阻处于良好状态至关重要。绝缘电阻测试是一种用于评估充电枪的电气安全性和可靠性的关键方法。如果充电枪的绝缘电阻降低或不足，会导致电击风险、电路故障以及设备损坏，甚至危及人员生命安全。因此，开发一种高效且准确的绝缘电阻测试方法对于电动车充电设备的维护和安全至关重要

2、传统的绝缘电阻测试方法通常涉及复杂的实验设备和测试程序，费时费力。而且，这些方法通常无法及时监测绝缘电阻的实际变化趋势，因此无法提前预测潜在的问题。因此，需要一种更加智能化和自动化的方法来进行充电枪绝缘电阻测试，以提高测试的效率和准确性。

技术实现思路

1、本发明提供了一种充电枪绝缘电阻测试方法、装置、设备及存储介质，用于实现直流充电枪的绝缘电阻智能化测试并提高充电枪绝缘电阻测试的准确率。

2、本发明第一方面提供了一种充电枪绝缘电阻测试方法，所述充电枪绝缘电阻测试方法包括：

3、获取目标充电枪的历史性能参数数据，并构建充电枪绝缘电阻与性能参数之间的初始测试关系模型，其中，所述初始测试关系模型包括第一层预测模型以及第二层预测模型；

4、基于所述第一层预测模型对所述历史性能参数数据进行绝缘电阻变化趋势预测，得到初始绝缘电阻预测数据；

5、将所述历史性能参数数据和所述初始绝缘电阻预测数据输入所述第二层预测模型进行预测数据调整，得到目标绝缘电阻预测数据；

6、根据所述历史性能参数数据创建初始绝缘电阻测试参数种群；

7、通过预置的鲸鱼优化算法对所述初始绝缘电阻测试参数种群进行参数组合最优化分析，得到目标绝缘电阻测试参数组合；

8、根据所述目标绝缘电阻测试参数组合对所述目标充电枪进行绝缘电阻测试，得到实测绝缘电阻预测数据，并根据所述实测绝缘电阻预测数据对所述初始测试关系模型进行模型优化，得到目标测试关系模型。

9、结合第一方面，在本发明第一方面的第一种实现方式中，所述获取目标充电枪的历史性能参数数据，并构建充电枪绝缘电阻与性能参数之间的初始测试关系模型，其中，所述初始测试关系模型包括第一层预测模型以及第二层预测模型，包括：

10、获取目标充电枪的历史性能参数数据，并获取多个性能参数标签，其中，所述多个性能参数标签包括输入电压标签、电流标签及温度标签；

11、将所述多个性能参数标签输入预置的聚类模型，通过所述聚类模型确定所述多个性能参数标签对应的聚类中心，得到多个第一聚类中心，其中，所述多个第一聚类中心包括：第一输入电压聚类中心、第一电流聚类中心及第一温度聚类中心；

12、通过所述多个第一聚类中心对所述历史性能参数数据进行聚类分析，得到每个第一聚类中心的多个特征点距，并根据所述多个特征点距计算每个第一聚类中心的特征点平均距离；

13、根据所述特征点平均距离对所述多个第一聚类中心进行偏移校正，得到多个第二聚类中心，其中，所述多个第二聚类中心包括：第二输入电压聚类中心、第二电流聚类中心及第二温度聚类中心；

14、根据所述多个第二聚类中心对所述历史性能参数数据进行聚类分析，得到输入电压数据、电流数据及温度数据；

15、根据所述输入电压数据创建对应的输入电压分析网络，其中，所述输入电压分析网络包括第一输入层、多个第一隐藏层以及第一输出层；

16、根据所述电流数据创建对应的电流分析网络，其中，所述电流分析网络包括第二输入层、多个第二隐藏层以及第二输出层；

17、根据所述温度数据创建对应的温度分析网络，其中，所述输入电压分析网络包括第三输入层、多个第三隐藏层以及第三输出层；

18、将所述输入电压分析网络、所述电流分析网络以及所述温度分析网络作为第一层预测模型，并获取普通克里金模型作为第二层预测模型；

19、对所述第一层预测模型和所述第二层预测模型进行模型集成，得到充电枪绝缘电阻与性能参数之间的初始测试关系模型。

20、结合第一方面，在本发明第一方面的第二种实现方式中，所述基于所述第一层预测模型对所述历史性能参数数据进行绝缘电阻变化趋势预测，得到初始绝缘电阻预测数据，包括：

21、通过所述第一层预测模型中输入电压分析网络的第一输入层接收所述输入电压数据，并通过所述多个第一隐藏层对所述输入电压数据进行隐藏特征提取，得到输入电压特征向量，以及通过所述第一输出层对所述输入电压特征向量进行绝缘电阻变化趋势预测，得到第一绝缘电阻预测数据；

22、通过所述第一层预测模型中电流分析网络的第二输入层接收所述电流数据，并通过所述多个第二隐藏层对所述电流数据进行隐藏特征提取，得到电流特征向量，以及通过所述第二输出层对所述电流特征向量进行绝缘电阻变化趋势预测，得到第二绝缘电阻预测数据；

23、通过所述第一层预测模型中温度分析网络的第三输入层接收所述温度数据，并通过所述多个第三隐藏层对所述温度数据进行隐藏特征提取，得到温度特征向量，以及通过所述第三输出层对所述温度特征向量进行绝缘电阻变化趋势预测，得到第三绝缘电阻预测数据；

24、获取所述输入电压数据对应的第一绝缘电阻影响权重，并获取所述电流数据对应的第二绝缘电阻影响权重，以及获取所述温度数据对应的第三绝缘电阻影响权重；

25、根据所述第一绝缘电阻影响权重计算所述第一绝缘电阻预测数据的第一加权电阻预测数据，并根据所述第二绝缘电阻影响权重计算所述第二绝缘电阻预测数据的第二加权电阻预测数据，以及根据所述第三绝缘电阻影响权重计算所述第三绝缘电阻预测数据的第三加权电阻预测数据；

26、对所述第一加权电阻预测数据、所述第二加权电阻预测数据以及所述第三加权电阻预测数据进行预测数据融合，得到初始绝缘电阻预测数据。

27、结合第一方面，在本发明第一方面的第三种实现方式中，所述将所述历史性能参数数据和所述初始绝缘电阻预测数据输入所述第二层预测模型进行预测数据调整，得到目标绝缘电阻预测数据，包括：

28、对所述历史性能参数数据进行特征参数矩阵转换，得到历史性能参数矩阵，并对所述初始绝缘电阻预测数据进行预测数据矩阵转换，得到绝缘电阻预测矩阵；

29、对所述历史性能参数矩阵和所述绝缘电阻预测矩阵进行矩阵组合，得到目标预测评价矩阵；

30、将所述目标预测评价矩阵输入所述第二层预测模型中的普通克里金模型，通过所述普通克里金模型定义所述目标预测评价矩阵的半变异函数；

31、通过所述普通克里金模型，根据所述半变异函数对所述目标预测评价矩阵进行插值，生成目标绝缘电阻预测数据。

32、结合第一方面，在本发明第一方面的第四种实现方式中，所述根据所述历史性能参数数据创建初始绝缘电阻测试参数种群，包括：

33、计算所述历史性能参数数据中输入电压数据的输入电压极大值和输入电压极小值，并计算所述历史性能参数数据中电流数据的电流极大值和电流极小值，以及计算所述历史性能参数数据中温度数据的温度极大值和温度极小值；

34、根据所述输入电压极大值和所述输入电压极小值确定输入电压特征取值区间，并根据所述电流极大值和所述电流极小值确定电流特征取值区间，以及根据所述温度极大值和所述温度极小值确定温度特征取值区间；

35、分别对所述输入电压特征取值区间、所述电流特征取值区间以及所述温度特征取值区间进行特征取值，生成多个候选绝缘电阻测试参数组合；

36、根据所述多个候选绝缘电阻测试参数组合，创建对应的初始绝缘电阻测试参数种群。

37、结合第一方面，在本发明第一方面的第五种实现方式中，所述通过预置的鲸鱼优化算法对所述初始绝缘电阻测试参数种群进行参数组合最优化分析，得到目标绝缘电阻测试参数组合，包括：

38、通过预置的鲸鱼优化算法，计算所述初始绝缘电阻测试参数种群中每个候选绝缘电阻测试参数组合的适应度值；

39、根据所述适应度值，确定所述初始绝缘电阻测试参数种群对应的最优解和最差解；

40、根据所述最优解和所述最差解，对所述初始绝缘电阻测试参数种群进行种群更新和迭代运算，得到目标绝缘电阻测试参数组合。

41、结合第一方面，在本发明第一方面的第六种实现方式中，所述根据所述目标绝缘电阻测试参数组合对所述目标充电枪进行绝缘电阻测试，得到实测绝缘电阻预测数据，并根据所述实测绝缘电阻预测数据对所述初始测试关系模型进行模型优化，得到目标测试关系模型，包括：

42、根据所述目标绝缘电阻测试参数组合对所述目标充电枪进行绝缘电阻测试，得到目标测试数据；

43、根据所述目标测试数据，计算所述目标充电枪的实测绝缘电阻预测数据；

44、计算所述实测绝缘电阻预测数据和所述目标绝缘电阻预测数据之间的偏差数据；

45、根据所述偏差数据，对所述初始测试关系模型进行模型优化，得到目标测试关系模型。

46、本发明第二方面提供了一种充电枪绝缘电阻测试装置，所述充电枪绝缘电阻测试装置包括：

47、获取模块，用于获取目标充电枪的历史性能参数数据，并构建充电枪绝缘电阻与性能参数之间的初始测试关系模型，其中，所述初始测试关系模型包括第一层预测模型以及第二层预测模型；

48、预测模块，用于基于所述第一层预测模型对所述历史性能参数数据进行绝缘电阻变化趋势预测，得到初始绝缘电阻预测数据；

49、调整模块，用于将所述历史性能参数数据和所述初始绝缘电阻预测数据输入所述第二层预测模型进行预测数据调整，得到目标绝缘电阻预测数据；

50、创建模块，用于根据所述历史性能参数数据创建初始绝缘电阻测试参数种群；

51、分析模块，用于通过预置的鲸鱼优化算法对所述初始绝缘电阻测试参数种群进行参数组合最优化分析，得到目标绝缘电阻测试参数组合；

52、优化模块，用于根据所述目标绝缘电阻测试参数组合对所述目标充电枪进行绝缘电阻测试，得到实测绝缘电阻预测数据，并根据所述实测绝缘电阻预测数据对所述初始测试关系模型进行模型优化，得到目标测试关系模型。

53、本发明第三方面提供了一种充电枪绝缘电阻测试设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述充电枪绝缘电阻测试设备执行上述的充电枪绝缘电阻测试方法。

54、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的充电枪绝缘电阻测试方法。

55、本发明提供的技术方案中，构建初始测试关系模型；进行绝缘电阻变化趋势预测，得到初始绝缘电阻预测数据；进行预测数据调整，得到目标绝缘电阻预测数据；创建初始绝缘电阻测试参数种群；通过预置的鲸鱼优化算法对初始绝缘电阻测试参数种群进行参数组合最优化分析，得到目标绝缘电阻测试参数组合；根据目标绝缘电阻测试参数组合对目标充电枪进行绝缘电阻测试，得到实测绝缘电阻预测数据，并根据实测绝缘电阻预测数据对初始测试关系模型进行模型优化，得到目标测试关系模型，本发明采用智能化的预测模型，能够自动化进行绝缘电阻测试，大大缩短测试时间，提高测试效率。通过结合深度学习模型和普通克里金模型，可以更准确地预测绝缘电阻的变化趋势。具备实时监测绝缘电阻变化趋势的能力，可以帮助预测绝缘电阻发生的变化。通过预置的鲸鱼优化算法，能够自动选择最佳的测试参数组合，根据实测绝缘电阻预测数据不断优化测试关系模型，进而实现了直流充电枪的绝缘电阻智能化测试，并提高了充电枪绝缘电阻测试的准确率。