【技術實現步驟摘要】
本專利技術涉及電力電子，更具體的說是涉及一種不間斷系統狀態評估方法及系統。
技術介紹
1、不間斷電源系統(uninterruptible?power?system，ups)主要由電池、整流器、逆變器和控制開關等部分組成，利用蓄電池傳送電能，通過整流器、逆變器等模塊電路，將直流電轉換為交流電(市電)，為重要的電力電子設備輸送不間斷的穩定電能。ups不僅廣泛應用于工業、交通、醫療等行業，在大數據時代，其在保障信息安全等方面也發揮著重要的作用。
2、現有技術中，傳統的人工維護和事后運維方式，對于ups健康狀態監測來說存在滯后性、成本高等缺陷，需要大量的人工標注數據來提高檢測器的精度，并且單一模態的檢測器精度性能有限，滿足不了大型機構，特別是軍工、醫療機構監測的需求。
技術實現思路
1、有鑒于此，本專利技術提供了一種不間斷系統狀態評估方法及系統，以解決
技術介紹
中的問題。
2、為了實現上述目的，本專利技術提供如下技術方案：
3、一方面，本專利技術公開了一種不間斷系統狀態評估方法，具體步驟如下：
4、獲取監測數據集，對所述監測數據集進行特征處理，根據所述監測數據集確定各自的信息網絡圖；所述監測數據集包括：輸入終端數據、多個輸出終端數據和ups電源端數據；
5、根據各自的信息網絡圖數據對本地的狀態監測模型進行訓練，獲得輸入終端狀態監測子模型、輸出終端狀態監測子模型和ups電源端狀態子監測模型；
6、聯邦學習云端服務器利用輸入
7、將綜合狀態評估模型每次訓練后的模型參數反饋給輸入終端、輸出終端和ups電源端，根據所述反饋的模型參數更新對應的輸入終端狀態監測子模型、輸出終端狀態監測子模型和ups電源端狀態子監測模型。
8、通過上述技術方案，避免網絡堵塞的問題能夠允許各個終端不再向云端服務器發送本地數據，在保證數據本地化的同時實現多個孤立數據中心對機器學習模型進行聯合優化，不僅保證了數據的隱私性，同時模型參數代替了用戶數據上傳至云端，可以有效解決網絡堵塞的問題。
9、優選的，在上述的一種不間斷系統狀態評估方法中，對所述監測數據集進行特征處理，對各端設備數據進行分組，預先獲取各端設備的數據記錄量的大小，確定每個分組的計算量閾值，保證每個分組的所述數據記錄量適中。
10、通過上述技術方案，預先獲取各端的數據記錄量的大小，并且分組時，將數據記錄量大的在同一分組，而數據記錄量小的為一個分組，以便防止數據記錄量大的數據記錄在進行數據訓練時淹沒了數量記錄量小的數據，以便構建綜合評估模型準確性；同時，對數據記錄量大的分組的所述設備的數量少，而數據記錄量小的分組，所述設備的數量多，以便保證每個分組的所述數據記錄的數量適中，以便使得所有的計算量合適。
11、優選的，在上述的一種不間斷系統狀態評估方法中，根據所述監測數據集確定各自的信息網絡圖具體步驟如下：
12、各端設備監測數據用一個有向圖g＝(v，e)來表示，其中v是分組類型，e是邊類型；其中g代表所有的監測數據，v代表單個分組的數據集，e代表v之間不同的關系；并且用映射函數φ:v→a來表示每一個v∈v屬于節點類型集合a:φ(v)∈a，用映射函數ψ:e→r表示每條邊e∈e屬于邊的類型集合r:ψ(e)∈r，信息網絡中，|a|>1或者|r|>1。
13、通過上述方案，充分利用聯邦學習的安全性特征和信息網絡的元路徑豐富的表達特征，實現了對多方異構數據的統一表達，在此基礎上將多方數據來源通過聯邦學習協同子單元輸入至聯邦學習云端服務器，實現了將各類多源化的數據統一到一個一致性評價模型中，最后通過評價模型計算，得到評估值，從而實現了基于聯邦學習的綜合狀態評價。
14、優選的，在上述的一種不間斷系統狀態評估方法中，其特征在于，綜合狀態評估模型為：
15、
16、
17、其中，u為綜合狀態評估值，ωi為輸入終端權重系數，θi為輸出終端和ups電源端權重系數，xi為各分組計算輸出終端和ups電源端狀態評估值和yi為各分組計算得到輸入終端狀態評估值，pi為各端的聯邦學習優化參數值，pi-1各端上一次的聯邦學習優化參數值，α為優化步長，為單一變量優化公式。
18、優選的，在上述的一種不間斷系統狀態評估方法中，權重系數中輸出終端和ups電源端的權重系數為：
19、計算每個分組包含的梯度樣本的平均梯度，計算其他組所包含的梯度樣本在當前組參數更新的權重為：
20、
21、其中，si為當前組與其他所有組的質心總距離，di，h為第h個組質心與原點的歐式距離，k為分組數，j的取值范圍[1,k]；篩選機制為wi,j＞0.5的組參與當前組參數更新，否則wi,j＝0即不參與輪次參數更新。
22、優選的，在上述的一種不間斷系統狀態評估方法中，計算得到輸出終端和ups電源端狀態評估值公式為：
23、
24、其中，rj為對應分組占比，qj單一狀態評估值。
25、優選的，在上述的一種不間斷系統狀態評估方法中，輸入終端狀態監測子模型為：
26、根據所述歷史輸入終端數據訓練輸入終端狀態監測子模型；所述終端狀態監測子模型輸出狀態評估值；統計所述歷史輸入終端數據中發生異常行為的異常時間節點；根據所述狀態評估值之前時刻的所述異常時間節點的異常使用時間獲得異常率；以所述異常率為方差，所述異常時間節點為期望進行高斯擬合，獲得高斯函數；根據所述狀態評估值對應時刻下的所述高斯函數值獲得第一權重系數；根據所述狀態評估值和所述狀態評估值相同時刻的所述歷史狀態評估值獲得該時刻的第一卡爾曼增益系數；根據所述第一權重系數和所述第一卡爾曼增益系數調整所述終端狀態監測子模型的網絡損失；
27、獲取輸入終端啟用時刻到當前時刻的目標監測數據序列；將所述目標監測數據序列輸入終端狀態監測子模型中，獲得預測監測數據序列；根據所述預測監測數據序列的時間信息獲得輸入終端狀態評估值；
28、所述根據所述預測監測數據之前時刻的所述異常時間節點的異常使用時間獲得異常率包括：根據先驗知識獲得正常使用的所述輸入終端的正常狀態評估值和異常使用的異常狀態評估值，以所述正常狀態評估值和所述異常狀態評估值的比值作為損耗值；
29、將所述異常使用時間與標準使用時間的比值作為使用比；以所述使用比和所述損耗值的乘積作為所述異常率。
30、通過上述方案，針對不同終端計算不同的權重系數和狀態評估值，為了進一步保證模型構建的準確性，由于不同的數據來源，輸入終端的數據種類包括較多，而輸出終端和ups電源端數據樣本數量較多，針對數據不同情況選擇不同確定權重方式。
31、另一方面，本專利技術公開了一種不間斷系統狀態評估系統，應用上述一種不間斷系統狀態評本文檔來自技高網...
【技術保護點】
1.一種不間斷系統狀態評估方法，其特征在于，具體步驟如下：
2.根據權利要求1所述的一種不間斷系統狀態評估方法，其特征在于，對所述監測數據集進行特征處理，對各端設備數據進行分組，預先獲取各端設備的數據記錄量的大小，確定每個分組的計算量閾值，保證每個分組的所述數據記錄量適中。
3.根據權利要求1所述的一種不間斷系統狀態評估方法，其特征在于，根據所述監測數據集確定各自的信息網絡圖具體步驟如下：
4.根據權利要求1所述的一種不間斷系統狀態評估方法，其特征在于，綜合狀態評估模型為：
5.根據權利要求4所述的一種不間斷系統狀態評估方法，其特征在于，權重系數中輸出終端和UPS電源端的權重系數為：
6.根據權利要求4所述的一種不間斷系統狀態評估方法，其特征在于，計算得到輸出終端和UPS電源端狀態評估值公式為：
7.根據權利要求1所述的一種不間斷系統狀態評估方法，其特征在于，輸入終端狀態監測子模型為：
8.一種不間斷系統狀態評估系統，應用權利要求1-7任一項所述的一種不間斷系統狀態評估方法，其特征在于，包括：p>
9.根據權利要求8所述的一種不間斷系統狀態評估系統，其特征在于，綜合模型單元包括：聯邦學習云端服務器和對應的協同子單元；
...【技術特征摘要】
1.一種不間斷系統狀態評估方法，其特征在于，具體步驟如下：
2.根據權利要求1所述的一種不間斷系統狀態評估方法，其特征在于，對所述監測數據集進行特征處理，對各端設備數據進行分組，預先獲取各端設備的數據記錄量的大小，確定每個分組的計算量閾值，保證每個分組的所述數據記錄量適中。
3.根據權利要求1所述的一種不間斷系統狀態評估方法，其特征在于，根據所述監測數據集確定各自的信息網絡圖具體步驟如下：
4.根據權利要求1所述的一種不間斷系統狀態評估方法，其特征在于，綜合狀態評估模型為：
5.根據權利要求4所述的一種不間斷...
【專利技術屬性】
技術研發人員：王叢叢，王慶剛，史建亮，
申請(專利權)人：北京東方通科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。