故障预测模型构建方法、装置及故障预警方法、装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115660080A(43)申请公布日2023.01.31(21)申请号202211366905.1G06Q50/06(2012.01)(22)申请日2022.11.01(71)申请人国网上海市电力公司地址200120上海市浦东新区中国(上海)自由贸易试验区源深路1122号申请人东北电力大学国电南瑞科技股份有限公司(72)发明人窦真兰刘鸿鹏张浩陈良亮童贤靓张书鑫张伟袁单(74)专利代理机构哈尔滨市松花江专利商标事务所23109专利代理师张月航(51)Int.Cl.G06N5/01(2023.01)G06N3/006(2023.01)权利要求书3页说明书12页附图2页(54)发明名称故障预测模型构建方法、装置及故障预警方法、装置(57)摘要故障预测模型构建方法、装置及故障预警方法、装置，涉及故障检测技术领域。本发明是为了解决现有基于决策树预测方法所搭建的充电桩故障预测模型容易出现过拟合问题，训练数据与测试数据预测效果相差较大，样本数据较多时，预测效果受到干扰的问题。本发明构建的二叉决策树模型是调优ID3算法和CART算法，保留了原ID3算法的纯度度量准则，还有将多叉树改为了二叉树，并引入剪枝，简化运算过程，提高运行效率，使得ID3和CART算法拥有相同的结构，能够处理大量的数据。通过粒子群对决策树参数以及剪枝的寻优，防止整棵树的分支过多，避免过拟合现象的发生，优化决策树模型，提高预测有效性，减少二叉树可能造成的局部最优的影响。CN115660080ACN115660080A权利要求书1/3页1.故障预测模型构建方法，其特征在于，获取充电桩的历史运行数据，并基于所述历史运行数据建立数据样本集；利用所述数据样本集构建二叉决策树模型，根据粒子群算法对所述二叉决策树模型进行参数寻优，并将最优参数代入所述二叉决策树模型中得到最优的故障预警模型。2.根据权利要求1所述的故障预测模型构建方法，其特征在于，所述构建二叉决策树模型的具体方法为：步骤一：选取训练样本集中所有样本的最优属性和最优切分集；初始条件下，所述数据样本集为所述训练样本集，然后执行步骤二；步骤二：将属于所述最优属性的样本构成第i层节点Xi，对节点Xi进行分裂，使得Xi中属于所述最优切分集的样本构成第i+1层第一节点Xi+1，1，将所述训练样本集中的剩余样本构成第i+1层第二节点Xi+1,2，然后执行步骤三，i初始值为1；步骤三：判断Xi+1,2中的样本是否满足分裂条件中的任意一条，是则结束分裂，并将当前二叉决策树模型作为建模结果，否则将Xi+1,2中的所有样本作为训练样本集并返回步骤一；所述分裂条件为：A、Xi+1,2中的样本均属于同一属性，B、Xi+1,2中的样本总数低于样本数量阈值，C、i+2超出节点层数阈值。3.根据权利要求2所述的故障预测模型构建方法，其特征在于，步骤一中选取训练样本集中所有样本的最优属性和最优切分集的具体方法为：分别计算所述训练样本集D中每种属性下各类样本集合的信息增益；将最大信息增益对应的样本集合作为所述最优切分集，对应的属性作为所述最优属性。4.根据权利要求3所述的故障预测模型构建方法，其特征在于，所述训练样本集D包括K个元组，每个元组对应一个标签Cm，m＝1,2,...,M，M为标签类别总数，每个元组中的每个样本都对应一个属性，训练样本集D内属于第a个属性的样本能够划分为N个类别，a＝1,2,...,A，A为元组中属性的总数，计算信息增益的具体方法为：根据下式计算训练样本集D的信息熵H(D)：根据下式计算Da,n的期望信息Info(Da,n)：根据下式计算Da,n的信息增益Gain(Da,n)：Gain(Da,n)＝H(D)‑Info(Da,n)；其中，k1为D中标签为Cm的元组个数，Da,n表示训练样本集D中属性a下第n类样本的集合，Da,N‑n表示训练样本集D中属性a下除第n类样本以外剩余样本的集合，n＝1,2,...,N，k2和k3分别为Da,n和Da,N‑n中所有元组个数，2CN115660080A权利要求书2/3页H(Da,n)为Da,n的信息熵，H(Da,N‑n)为Da,N‑n的信息熵，k4为Da,n中标签为Cm的元组个数，k5为Da,N‑n中标签为Cm的元组个数。5.根据权利要求2所述的故障预测模型构建方法，其特征在于，步骤一中计算训练样本集中所有样本的最优属性和最优切分集的具体方法为：分别计算所述训练样本集D中每种属性下各类样本集合的基尼指数，将最小基尼指数对应的样本集合作为所述最优切分集，对应的属性作为最优属性。6.根据权利要求5所述的故障预测模型构建方法，其特征在于，训练样本集D包括K个元组，每个元组对应一个标签Cm，m＝1,2,...,M，M为标签类别总数，每个