一种液冷电缆的供电安全状态监测预警方法及系统与流程

本发明涉及电缆状态监测，更具体的，涉及一种液冷电缆的供电安全状态监测预警方法及系统。

背景技术：

1、在低碳和环保的背景下，新能源汽车凭借其环保、出行成本低等因素赢得了消费者的喜爱。但是充电速度慢，效率低等问题仍然制约其发展。目前主要是通过提高整车的电压平台或增加充电桩传输的电流大小这两种方式来满足用户需求。但无论是那种方式，都不可避免地对线缆的导电能力提出了更高的要求。

2、液冷大功率充电电缆技术路线主要是利用液冷技术，通过冷却降温，使得电缆在充电过程中保持较低的恒定温度，克服发热对充电枪、充电电缆、充电桩的热损伤，从而满足快速充电所面临的大电流和热量。其主要原理是在电缆内部加入液冷循环系统，通过冷却介质流动的方式来吸收产生的热量，以保持电缆工作温度在合理内，从而保证电缆在长时间充电过程中不易过热而烧毁，让快速充电更安全。并且液冷电缆区别于普通电缆在于，液冷充电电缆可以在导电的同时实现冷却散热，在缩小电缆直径的同时进行大电流传输，而且比传统充电电缆更轻。而传统的充电电缆安全状态实时监测预警通常只提取电缆运行异常时的低频信号，导致异常状态识别精度低以及故障位置预警时间长等问题，因此亟需一种液冷电缆的高精度供电安全状态监测及高效预警方法。

技术实现思路

1、为了解决上述技术问题，本发明提出了一种液冷电缆的供电安全状态监测预警方法及系统，目的是通过信息感知结合深度学习方法实现监测信息的分析学习，确定是否存在冷却液泄露等问题，保证充电设备的电缆运行安全。

2、本发明第一方面提供了一种液冷电缆的供电安全状态监测预警方法，包括：

3、获取液冷电缆的历史运行参数及对应温度场测量值，根据温度场变化进行特征变量选取，基于所述特征变量构造数据集；

4、采用高斯回归构建液冷电缆的温度预测模型，通过所述数据集进行高斯回归训练，获取不同状态的历史运行参数，通过训练好的温度预测模型读取不同状态下的温度场数据，分析获取液冷电缆的状态变化规律；

5、构建液冷电缆供电状态的诊断模型，根据所述状态变化规律挖掘温度场数据的隐层特征，训练所述隐层特征与不同工况状态的映射关系；

6、利用数据感知获取液冷电缆当前运行参数并进行预处理，通过所述温度预测模型及诊断模型进行温度场数据预测及供电状态诊断分类，根据诊断分类结果生成安全预警。

7、本方案中，根据温度场变化进行特征变量选取，基于所述特征变量构造数据集，具体为：

8、获取液冷电缆不同工况下的历史运行参数并进行预处理，利用滑动窗口方法将原始运行参数序列转化为原始样本集，采用小波包对所述原始样本集进行分解重构，生成若干重构样本信号；

9、计算所述重构样本信号的散布熵表征不同重构样本信号的波动性，选取不低于预设散布熵阈值的重构样本信号生成初选样本集；

10、将液冷电缆的温度场变化作为因变量，利用皮尔逊相关系数计算初选样本集中各重构样本信号与因变量的相关程度，选取相关程度最大的重构样本信号；

11、基于皮尔逊相关系数改进mrmr算法，根据所选的重构样本信号逐个引入初选样本集中的剩余重构样本信号，根据重构样本信号与因变量的相关性最大及重构样本信号之间冗余性最小原则做出特征相关性排序；

12、以svm作为预测模型，根据所述特征相关性排序采用s折交叉验证策略进行验证，轮流训练得到s个预测模型，将分类预测准确率作为重要度排序，选取预设数量的重构样本信号作为特征变量；

13、依据所述特征变量进行历史运行参数的特征参数选取，利用选取的特征参数结合液冷电缆的温度变化构造数据集。

14、本方案中，获取不同工况状态的运行参数，通过训练好的温度预测模型读取不同状态下的温度场数据，分析获取液冷电缆的状态变化规律，具体为：

15、利用所述数据集划分为高斯回归训练的训练集及测试集，选取协方差函数作为核函数，将贝叶斯优化作为高斯回归的优化器，通过所述训练集及测试集进高斯过程回归，当误差满足要求时输出训练好的温度预测模型；

16、将不同工况状态的历史运行参数进行聚类分析，利用欧式距离作为相似度度量函数，根据聚类相似度计算进行工况状态标签的划分设置，生成各工况状态标签对应历史运行参数子集；

17、对不同各历史运行参数子集利用自编码器进行编码获取潜在特征分布，根据所述潜在特征分布进行特征重构，引入对抗机制，通过添加鉴定器生成与各历史运行参数一致的潜在表示并映射到对应位置，惩罚与所述潜在特征分布偏差过大的重构数据；

18、利用所述重构数据对原始历史运行参数子集进行增强，利用增强后的历史运行参数子集作为温度预测模型的模型输入，预测对应的温度场数据。

19、本方案中，分析获取液冷电缆的状态变化规律，具体为：

20、获取不同工况状态标签增强后历史运行参数子集对应的温度场数据集合，在所述温度场数据集合中读取液冷电缆中进液口温度区间及出液口温度区间；

21、读取不同历史运行参数子集之间的运行参数偏差，并分析不同工况状态标签进液口温度区间及出液口温度区间的时序变化特征，根据所述运行参数偏差及时序变化特征生成液冷电缆的状态变化规律。

22、本方案中，构建液冷电缆供电状态的诊断模型，根据所述状态变化规律挖掘温度场数据的隐层特征，具体为：

23、构建双隐层极限学习机，将液冷电缆的状态变化规律导入，随机生成第一隐层及第二隐层的输入权重及偏置，训练获取双隐层极限学习机的输出权重矩阵；

24、利用若干双隐层极限学习机进行串联，将不同工况状态对应的温度场数据进行逐层编码，每个隐层节点的输入为前一个隐层节点输出权重矩阵的转置，挖掘所述温度场数据深层次的隐层特征。

25、本方案中，训练所述隐层特征与不同工况状态的映射关系，具体为：

26、获取各工况状态标签对应温度场数据集合的隐层特征，根据所述隐层特征与工况状态标签的关联及不同工况状态标签之间的关联信息进行图表示，利用图注意力网络生成正常工况状态及各种类异常工况状态的图结构；

27、利用图卷积获取工况状态节点及隐层特征节点的嵌入表示，并引入注意力机制在图结构中获取邻居节点的注意力权重，使用注意权重进行邻居节点加权聚合更新工况状态节点及隐层特征节点的嵌入表示；

28、将工况状态节点及隐层特征节点更新后的嵌入表示分别进行平均池化，获取工况状态节点及隐层特征节点在关联信息上的最终嵌入表示；

29、利用ctr预估模型将工况状态节点及隐层特征节点进行匹配，训练所述隐层特征与不同工况状态的映射关系，构建液冷电缆供电状态的诊断模型。

30、本方案中，利用数据感知获取液冷电缆当前运行参数并进行预处理，通过所述温度预测模型及诊断模型进行温度场数据预测及供电状态诊断分类，具体为：

31、实时感知液冷电缆的运行参数，将当前运行参数导入温度预测模型获取液冷电缆在预设时间后的温度场预测数据；

32、将当前温度场数据及温度场预测数据导入诊断模型，通过所述诊断模型读取对应隐层特征，将获取的隐层特征进行图表示获取对应的嵌入表示，对隐层特征的嵌入表示进行学习更新后利用ctr预估模型进行匹配；

33、根据内积计算获取当前隐层特征与工况状态的匹配程度，生成对应的工况状态标签，若为异常工况状态标签，则根据标签类别生成预警信息。

34、本发明第二方面提供了一种液冷电缆的供电安全状态监测预警系统，包括存储器、处理器、数据感知模块、温度场预测模块、供电状态诊断模块及运行预警模块，所述存储器及所述处理器存储并执行一种液冷电缆的供电安全状态监测预警方法程序；

35、所述数据感知模块利用数据感知获取液冷电缆的运行参数并进行预处理，根据预设特征变量进行特征提取构建模型输入数据集；

36、所述温度场预测模块采用高斯回归构建液冷电缆的温度预测模型，通过所述温度预测模型基于输入数据集预测液冷电缆预设时间后的温度场数据；

37、所述供电状态诊断模块基于液冷电缆的状态变化规律挖掘温度场数据的隐层特征，训练所述隐层特征与不同工况状态的映射关系，通过预测的温度场数据进行异常状态的诊断；

38、所述运行预警模块根据液冷电缆工况状态的诊断分类结果生成安全预警，并根据预设方式进行发送至运维人员端。

39、与现有技术相比，本公开的有益效果为：

40、本发明对工作中的液冷电缆安全状态进行信息采集及监测预警，实时提供液冷电缆的安全状态信息，通过实时信息感知结合深度学习方法实现运行参数信息的分析学习，确定液冷电缆是否存在温度过高或冷却液泄露等异常问题，保证充电设备的电缆运行安全。