摘要
本发明公开了一种基于人工智能的充电设施在线检定故障分析方法及其装置。该方法包括:周期性采集充电设施的多源数据;提取多源数据中的时域/频域特征;基于充电设施的故障类型和时域/频域特征,建立时序故障诊断模型,并对时序故障诊断模型进行深度学习训练,以建立时序故障诊断系统;根据输入特征和与标准电能表的读数偏差,先建立动态误差补偿模型,再进行误差补偿,最后对动态误差补偿模型进行训练,以建立动态误差补偿系统;基于时序故障诊断系统和动态误差补偿系统,对充电设施进行在线故障检定和计量读数补偿校准。本发明可实现在线监测,将多源数据融合分析,能够精准预判潜在的故障,提高故障诊断的准确性与时效性。
技术关键词
动态误差补偿
故障分析方法
故障诊断系统
故障诊断模型
设施
频域特征
时序
深度学习训练
在线
动态补偿模块
故障分析装置
计量误差
特征工程
模型训练模块
周期性
CAN总线协议
数据采集模块
电能表
滑动窗口
系统为您推荐了相关专利信息
安全监管系统
路段
风险
数据分析模块
FCM聚类算法
噪声源
噪声检测器
绿色建筑
噪声强度
噪声监测数据
干式电抗器
故障诊断模型
故障诊断方法
三维有限元模型
特征提取网络
故障分析方法
工业机器人故障
数据
故障分析系统
工业机器人技术