一种用于电推进系统的电源控制方法与流程

本发明涉及蓄电池组电流控制，具体涉及一种用于电推进系统的电源控制方法。

背景技术：

1、电推进系统是一种利用电能来推进航天器、卫星或其他太空器的技术系统，相比传统化学推进系统，电推进系统具有较高的效率和更长的工作寿命。为了保证电推进系统的安全稳定运行，需要电源控制系统对电流和电压的稳定性进行检测，在检测到异常电流或电压时，自动切断电源或触发故障保护机制，以防止电推进系统出现进一步的损坏和故障扩散。

2、密度峰值聚类算法是一种简洁高效的聚类算法，可对电推进系统的电流数据使用密度峰值聚类算法进行聚类，根据聚类结果对电流的稳定性进行分析，根据分析结果对电流是否出现异常进行判断。但传统密度峰值聚类算法的截断距离根据经验值进行设定，没有考虑到电流与温度的相关性及电流变化趋势的影响，聚类效果不佳，导致对电推进系统的电流数据的异常检测精度不佳，不能及时对电源进行控制。

技术实现思路

1、本发明提供一种用于电推进系统的电源控制方法，以解决现有的电推进系统的电源控制精度不足的问题，所采用的技术方案具体如下：

2、本发明一个实施例提供了一种用于电推进系统的电源控制方法，该方法包括以下步骤：

3、根据采集的电流数据和电源温度数据获取电流序列和电源温度序列，根据电流序列和电源温度序列获取温度-电流关系直线；

4、根据电流数据和电源温度数据和温度-电流关系直线获取每个数据获取时刻对应的相关性异常指数；

5、获取数据获取时刻对应的异常波动率，根据异常波动率标记异常波动时刻，获取数据获取时刻的局部时段，根据数据获取时刻的局部时段内异常波动时刻的个数和异常波动时刻的相关性异常指数获取数据获取时刻的局部扰乱密集度，获取数据获取时刻的电流反复波折率，根据数据获取时刻的局部扰乱密集度和电流反复波折率获取数据获取时刻的电流密度紊乱率；

6、根据数据获取时刻对应的相关性异常指数和电流密度紊乱率获取自适应截断距离，以自适应截断距离为截断距离参数的取值，对电流数据进行聚类，获取电流数据的聚类结果，根据聚类结果对电推进系统的蓄电池组电流进行控制。

7、进一步，所述根据采集的电流数据和电源温度数据获取电流序列和电源温度序列，包括的具体方法为：

8、将采集的连续第一预设数量个电流数据按照数据采集的时间顺序排列为电流序列，将采集的连续第一预设数量个电源温度数据按照数据采集的时间顺序排列为电源温度序列。

9、进一步，所述根据电流序列和电源温度序列获取温度-电流关系直线，包括的具体方法为：

10、建立温度-电流散点图，温度-电流散点图的横轴为电推进系统的电流数据，纵轴为电推进系统的电源温度数据，温度-电流散点图中的每一个散点均对应同一个数据获取时刻获取的电流数据和电源温度数据；

11、将温度-电流散点图中的所有散点与直线进行拟合，获取温度-电流关系直线。

12、进一步，所述根据电流数据和电源温度数据和温度-电流关系直线获取每个数据获取时刻对应的相关性异常指数，包括的具体方法为：

13、将温度-电流散点图中的散点与温度-电流关系直线的欧氏距离记为散点对应的差异距离；

14、将数据获取时刻获取的电流数据和电源温度数据在温度-电流散点图中对应的散点记为数据获取时刻对应的散点；

15、将数据获取时刻对应的散点对应的差异距离与所有差异距离最大值的比值记为数据获取时刻对应的相关性异常指数。

16、进一步，所述获取数据获取时刻对应的异常波动率，包括的具体方法为：

17、将数据获取时刻的前一个数据获取时刻记为数据获取时刻的第一时刻，将数据获取时刻的后一个数据获取时刻记为数据获取时刻的第二时刻；

18、将数据获取时刻对应的相关性异常指数与数据获取时刻的第二时刻的相关性异常指数的差值记为第一差值；

19、将数据获取时刻的第一时刻的相关性异常指数与数据获取时刻对应的相关性异常指数的差值记为第二差值；

20、将第一差值与第二差值的乘积记为数据获取时刻对应的异常波动率。

21、进一步，所述根据异常波动率标记异常波动时刻，获取数据获取时刻的局部时段，包括的具体方法为：

22、将小于数字0的异常波动率对应的数据获取时刻记为异常波动时刻；

23、将数据获取时刻的前第二预设数量的数据获取时刻和后第二预设数量的数据获取时刻记为数据获取时刻的局部时段。

24、进一步，所述根据数据获取时刻的局部时段内异常波动时刻的个数和异常波动时刻的相关性异常指数获取数据获取时刻的局部扰乱密集度，包括的具体方法为：

25、将数据获取时刻的局部时段内包含的异常波动时刻的个数与数据获取时刻的局部时段内包含的异常波动时刻的个数之比记为第一比值；

26、将数据获取时刻对应的异常波动率的绝对值与第一比值的乘积记为数据获取时刻对应的局部扰乱密集度。

27、进一步，所述获取数据获取时刻的电流反复波折率，根据数据获取时刻的局部扰乱密集度和电流反复波折率获取数据获取时刻的电流密度紊乱率，包括的具体方法为：

28、将数据获取时刻的局部时段内所有数据获取时刻的电流的均方差记为数据获取时刻的电流反复波折率；

29、将数据获取时刻的局部时段内包含的所有数据获取时刻的局部扰乱密集度的均值记为第一均值；

30、将数据获取时刻的电流反复波折率与第一均值的乘积记为数据获取时刻的电流密度紊乱率。

31、进一步，所述根据数据获取时刻对应的相关性异常指数和电流密度紊乱率获取自适应截断距离，包括的具体方法为：

32、将数据获取时刻对应的相关性异常指数与电流密度紊乱率的乘积的归一化值记为数据获取时刻对应的综合异常系数；

33、将数字1与所有数据获取时刻对应的综合异常系数的均值的差值记为第三差值；

34、将初始截断距离与第三差值的乘积记为自适应截断距离。

35、进一步，所述以自适应截断距离为截断距离参数的取值，对电流数据进行聚类，获取电流数据的聚类结果，根据聚类结果对电推进系统的蓄电池组电流进行控制，包括的具体方法为：

36、以自适应截断距离为截断距离参数的取值，使用密度峰值聚类算法对电流数据进行聚类，获取电流数据的聚类结果；

37、获取聚类获取的每个聚类簇中的电流的局部密度和聚类簇中的电流的局部密度的最大值，将电流的局部密度与聚类簇中的电流的局部密度的最大值的比值记为电流的局部密度归一化值；

38、将局部密度归一化值小于第一异常阈值的电流标记为异常电流值；

39、将两个聚类簇中心点之间的欧氏距离记为簇间距离；

40、获取所有簇间距离的方差，当所有簇间距离的方差大于初始截断距离时，认为出现异常簇；

41、根据异常电流值和异常簇对电推进系统的蓄电池组电流进行控制。

42、本发明的有益效果是：

43、本发明通过对电推进系统的电流数据的变化趋势及异常情况进行分析，对电推进系统的电流进行检测，进而实现及时的电源控制。首先，本发明根据电推进系统运行时电流和电源温度的相关性获取每个时刻的相关性异常指数，相关性异常指数反映了每个时刻的电流与电源温度的相关程度；然后，根据电流数据的发生异常时的波动情况获取每个时刻的局部扰乱密集度，并根据局部扰乱密集度与相关性异常指数获取综合异常系数，综合异常系数反映了每个时刻的电流异常概率；为了实现对电流的精确检测，根据综合异常系数获取自适应截断距离，以自适应截断距离为截断距离参数的取值，对电流数据进行聚类，提高聚类精度，根据聚类结果对电推进系统的蓄电池组电流进行控制，提高电流异常检测的准确性，解决现有的电推进系统的电源控制精度不足的问题。