CN117420350A - 一种电源滤波器的损耗测试方法、***、设备及介质 - Google Patents
一种电源滤波器的损耗测试方法、***、设备及介质 Download PDFInfo
- Publication number
- CN117420350A CN117420350A CN202311483701.0A CN202311483701A CN117420350A CN 117420350 A CN117420350 A CN 117420350A CN 202311483701 A CN202311483701 A CN 202311483701A CN 117420350 A CN117420350 A CN 117420350A
- Authority
- CN
- China
- Prior art keywords
- loss
- data
- power filter
- current
- voltage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims description 37
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 238000010998 test method Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 230000000007 visual effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/14—Compensating for temperature change
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本申请涉及一种电源滤波器的损耗测试方法、***、设备及介质，其中一种电源滤波器的损耗测试方法包括步骤：获取电源滤波器的输入电压Vi、输出电压Vo和输出电流Io的实际值；根据实际值计算电源滤波器的损耗，使用公式：损耗P_loss=(Vi‑Vo)*Io；基于已知损耗值的作为参考数据，建立损耗补偿模型及曲线，该模型及曲线将输入电压Vi、输出电压Vo、输出电流Io与实际损耗值相关联；根据当前的输入电压Vi、输出电压Vo和输出电流Io，使用损耗补偿模型及曲线来计算补偿值；将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗。本申请具有提高电源滤波器的损耗检测准确性的效果。
Description
技术领域
本申请涉及电源滤波器检测的技术领域，尤其是涉及一种电源滤波器的损耗测试方法、***、设备及介质。
背景技术
传统的电源滤波器在电力***中起着重要的作用，用于去除电源中的高频噪声和谐波，以确保电力设备的正常运行。然而，随着电源滤波器的使用时间的增加，其内部元件可能会出现老化、损坏或磨损等问题，导致滤波器的性能下降和能量损耗的增加。因此，准确检测电源滤波器的损耗变得至关重要。
在传统的损耗检测方法中，通常使用间接方式来推断电源滤波器的损耗，例如基于温度变化或其他间接指标来估计损耗。
针对上述中的相关技术，存在有以下缺陷：通过检测温度变化以判断电源滤波器的损耗，受检测环境的温度和升温效应的影响，检测准确性低，降低电源滤波器的损耗测试准确性，因此需要改进。
发明内容
为了提高电源滤波器的损耗检测准确性，本申请提供了一种电源滤波器的损耗测试方法、***、设备及介质。
本申请的上述发明目的一是通过以下技术方案得以实现的：
一种电源滤波器的损耗测试方法，包括步骤如下：
获取电源滤波器的输入电压Vi、输出电压Vo和输出电流Io的实际值；
根据实际值计算电源滤波器的损耗，使用公式：损耗P_loss= (Vi - Vo)*Io；
基于已知损耗值的作为参考数据，建立损耗补偿模型及曲线，该模型及曲线将输入电压Vi、输出电压Vo、输出电流Io与实际损耗值相关联；
根据当前的输入电压Vi、输出电压Vo和输出电流Io，使用损耗补偿模型及曲线来计算补偿值；
将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗。
通过采用上述技术方案，通过获取电源滤波器中的电流和电压信号，并进行数字化处理，能够实现对电源滤波器损耗的高精度检测，通过数字化转换和数据处理，可以准确地获取电流和电压的数值，从而更准确地计算电源滤波器的损耗，从而实现高精度的损耗测试；利用大数据存储***和数据分析技术，对电流和电压数据进行全面分析，提高电源滤波器的损耗检测准确性。
本申请在一较佳示例中可以进一步配置为：在基于已知损耗值的作为参考数据，建立损耗补偿模型及曲线，该模型及曲线将输入电压Vi、输出电压Vo、输出电流Io与实际损耗值相关联这一步骤中，包括步骤如下：
获取多个已知损耗值的参考数据建立损耗补偿模型及曲线，所述参考数据包括不同输入电压（Vi）、输出电压（Vo）和输出电流（Io）下的损耗值；
使用线性回归、多项式拟合或神经网络算法建立所述损耗补偿模型及曲线。
通过采用上述技术方案，建立损耗补偿模型或曲线，对电源滤波器损耗的补偿更加精确，提高检测结果的准确性和可靠性，进一步优化了电源滤波器的性能。
本申请在一较佳示例中可以进一步配置为：在获取多个已知损耗值的参考数据建立损耗补偿模型及曲线这一步骤中，包括如下步骤：
获取电源滤波器中的电流和电压信号，并将获取的电流和电压信号进行模数转换，得到数字化的电流和电压数据；
将数字化的电流和电压数据存储到预设的大数据存储模型中；
从所述大数据存储模型中提取电流和电压数据；
对所提取电流和电压数据进行数据预处理；
进行特征提取，提取电流和电压数据的频域特征、时域特征和统计特征；
进行数据关联分析，以分析电流和电压数据之间的关联性和相关性。
通过采用上述技术方案，通过存储大量的电流和电压数据，并应用数据预处理、特征提取、数据关联分析技术，深入挖掘数据中的潜在信息，发现电源滤波器损耗的特征和模式，从而提高损耗检测的准确性和可靠性。
本申请在一较佳示例中可以进一步配置为：在将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗这一步骤中，包括步骤如下：
进行损耗计算，基于电流和电压数据以及预先建立的损耗模型，计算电源滤波器的损耗；
生成电源滤波器损耗检测报告，包括电流和电压数据的统计摘要、异常情况的警示、损耗计算结果和建议的维护措施。
通过采用上述技术方案，数据统计摘要可以提供对电源滤波器的整体情况的概览，为后续的分析和判断提供基础；异常情况的警示可以及时发现问题并采取相应的措施，避免电源滤波器的进一步损坏或故障。
本申请在一较佳示例中可以进一步配置为：在将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗这一步骤之后，包括如下步骤：
对电流和电压数据进行异常检测，检测电流和电压数据中的异常值和异常模式；
若存在异常值或异常模式，则生成异常情况警示报告。
通过采用上述技术方案，及时发现电源滤波器中的异常情况，以便工作人员根据电源滤波器的异常情况制定和执行维护计划。
本申请在一较佳示例中可以进一步配置为：在生成电源滤波器损耗检测报告这一步骤中，所述电源滤波器损耗检测报告以可视化界面的形式展示。
通过采用上述技术方案，可视化界面提供了一种直观、易于理解和操作的方式来展示电源滤波器损耗的信息，操作人员可以通过简单的交互操作，调整显示方式、选择感兴趣的参数或时间段，并进行放大、缩小或导出数据等操作，以满足其具体需求和分析目的。
本申请的上述发明目的二是通过以下技术方案得以实现的：
一种电源滤波器的损耗测试***，包括测量模块、数据计算模块、误差补偿模块和数据校准模块，
所述测量模块用于实时检测电源滤波器的输入电压、输出电压和输出电流的实际值，并将检测数据传输至所述数据计算模块；
所述数据计算模块用于接收检测数据并根据检测数据值计算电源滤波器损耗值；
所述误差补偿模块用于存储所述数据计算模块的电源滤波器损耗值数据，并建立损耗补偿模型及曲线，用于根据当前的输入电压、输出电压和输出电流计算补偿值；
所述数据校准模块用于将补偿值应用于所述测量模块所测量的实际值，以消除误差并使得所述数据计算模块计算得出更准确的电源滤波器损耗。
通过采用上述技术方案，大数据存储模型可以采用数据压缩和优化技术，减少电流和电压数据的存储空间和存储成本。通过压缩算法和数据编码方式，可以有效地减小数据的存储占用，并在数据提取时进行快速解压缩和恢复，保证数据的完整性和准确性。
优选的，还包括可视化数据模块，用于将电源滤波器损耗检测报告、异常情况警示报告均以可视化界面的形式展示。
通过采用上述技术方案，使得检测人员便于解读数据，提高检测的效率。
本申请的上述目的三是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种电源滤波器的损耗测试方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种电源滤波器的损耗测试方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1.通过获取电源滤波器中的电流和电压信号，并进行数字化处理，能够实现对电源滤波器损耗的高精度检测，通过数字化转换和数据处理，可以准确地获取电流和电压的数值，从而更准确地计算电源滤波器的损耗，从而实现高精度的损耗测试；利用大数据存储***和数据分析技术，对电流和电压数据进行全面分析，提高电源滤波器的损耗检测准确性；
2.建立损耗补偿模型或曲线，对电源滤波器损耗的补偿更加精确，提高检测结果的准确性和可靠性，进一步优化了电源滤波器的性能；
3.通过存储大量的电流和电压数据，并应用数据预处理、特征提取、数据关联分析技术，深入挖掘数据中的潜在信息，发现电源滤波器损耗的特征和模式，从而提高损耗检测的准确性和可靠性。
附图说明
图1是本申请实施例一种电源滤波器的损耗测试方法的步骤流程示意图；
图2是本申请实施例一种电源滤波器的损耗测试方法中步骤S30中的流程示意图；
图3是本申请实施例一种电源滤波器的损耗测试方法中步骤S301中的流程示意图；
图4是本申请实施例一种电源滤波器的损耗测试方法中步骤S50之后流程示意图；
图5是本申请实施例一种电源滤波器的损耗测试***的框架示意图；
图6是一种计算机设备的内部结构示意图。
附图标记说明：
1、测量模块；2、数据计算模块；3、误差补偿模块；4、数据校准模块；5、可视化数据模块。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在以实施例中，如图1-5所示，本申请公开了一种电源滤波器的损耗测试方法，具体包括如下步骤：
S10：获取电源滤波器的输入电压Vi、输出电压Vo和输出电流Io的实际值；
具体的，相比传统的通过测量温度变化来判断电源滤波器的损耗，直接测量输入电压Vi、输出电压Vo和输出电流Io的实际值，减少因环境因素而导致的测量误差，提高电源滤波器的损耗检测准确性。
S20：根据实际值计算电源滤波器的损耗，使用公式：损耗P_loss= (Vi - Vo)*Io；
具体的，根据所测量的实际值以计算损耗P_loss，使得电源滤波器的损耗值直接计算得出，相比通过间接测量，本方案的损耗数据更加准确。
S30：基于已知损耗值的作为参考数据，建立损耗补偿模型及曲线，该模型及曲线将输入电压Vi、输出电压Vo、输出电流Io与实际损耗值相关联；
S40：根据当前的输入电压Vi、输出电压Vo和输出电流Io，使用损耗补偿模型及曲线来计算补偿值；
S50：将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗；
具体的，通过获取电源滤波器中的电流和电压信号，并进行数字化处理，能够实现对电源滤波器损耗的高精度检测，通过数字化转换和数据处理，可以准确地获取电流和电压的数值，从而更准确地计算电源滤波器的损耗，从而实现高精度的损耗测试；利用与损耗补充相关的数据分析技术，对电流和电压数据进行全面分析，提高电源滤波器的损耗检测准确性。
在S30：基于已知损耗值的作为参考数据，建立损耗补偿模型及曲线，该模型及曲线将输入电压Vi、输出电压Vo、输出电流Io与实际损耗值相关联这一步骤中，包括步骤如下：
S301:获取多个已知损耗值的参考数据建立损耗补偿模型及曲线，所述参考数据包括不同输入电压Vi、输出电压Vo和输出电流Io下的损耗值；
具体的，输入不同的输入电压Vi、输出电压Vo和输出电流Io，增加数据的样本容量，便于形成算法，使得补偿值更加精准，从而减少误差值，提高电源滤波器的损耗检测准确性。
S302：使用线性回归、多项式拟合或神经网络算法建立所述损耗补偿模型及曲线；
具体的，损耗补偿模型或曲线的建立采用线性回归、多项式拟合或神经网络等算法，这些算法能够根据输入电压、输出电压和输出电流的实际值，以及与之对应的损耗值参考数据，建立相应的模型或曲线，实现对电源滤波器损耗的准确补偿。
在S301：获取多个已知损耗值的参考数据建立损耗补偿模型及曲线这一步骤中，包括如下步骤：
S3011：获取电源滤波器中的电流和电压信号，并将获取的电流和电压信号进行模数转换，得到数字化的电流和电压数据；
S3012：将数字化的电流和电压数据存储到预设的大数据存储模型中；
S3013：从所述大数据存储模型中提取电流和电压数据；
S3014：对所提取电流和电压数据进行数据预处理；
具体的，数据预处理包括去除噪声、数据平滑和数据插值，增加数据预处理的方法，减少数据噪声而造成的数据误差；数据预处理可以清除电流和电压数据中的异常值、噪声和干扰，提高数据的质量和准确性。通过应用滤波器、平滑算法或异常值检测方法，可以去除数据中的噪声和异常点，使得后续的数据分析和建模更可靠。
S3015：进行特征提取，提取电流和电压数据的频域特征、时域特征和统计特征；
S3016：进行数据关联分析，以分析电流和电压数据之间的关联性和相关性。
在S50：将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗这一步骤之后，包括步骤如下：
S501：进行损耗计算，基于电流和电压数据以及预先建立的损耗模型，计算电源滤波器的损耗；
具体的，损耗补偿模型或曲线基于历史损耗数据和环境参数进行动态调整，以实现对电源滤波器损耗的实时补偿；补偿值根据电源滤波器的工作状态和负载特性进行自适应调整，以提供更准确的损耗补偿；补偿值根据电源滤波器的温度变化进行补偿调整，以考虑温度对损耗的影响，提高损耗测量的准确性；补偿值根据电源滤波器的使用寿命进行补偿调整，以考虑滤波器随时间的损耗变化，提供更可靠的损耗补偿补偿值根据电源滤波器的频率响应特性进行补偿调整，以考虑不同频率下滤波器的损耗变化，优化滤波器的性能。
S502：生成电源滤波器损耗检测报告，包括电流和电压数据的统计摘要、损耗计算结果和建议的维护措施；
S503：对电流和电压数据进行异常检测，检测电流和电压数据中的异常值和异常模式；
通过对电流和电压数据进行统计分析，可以提取关键的统计指标，如平均值、标准差、最大值、最小值等，从而了解电源滤波器的工作状态和性能表现。数据统计摘要可以提供对电源滤波器的整体情况的概览，为后续的分析和判断提供基础；异常情况警示：通过对电流和电压数据进行异常检测和分析，可以发现电源滤波器中存在的异常情况，如电流波动、电压偏离等。异常情况的警示可以及时发现问题并采取相应的措施，避免电源滤波器的进一步损坏或故障；损耗计算结果：基于电流和电压数据，可以计算电源滤波器的损耗情况。损耗计算可以通过电流和电压之间的关系，估计电源滤波器中的能量损耗。损耗计算结果可以提供对电源滤波器的效率和性能的评估，为后续的维护和改进提供依据；建议的维护措施：基于损耗计算结果和异常情况的分析，可以给出针对电源滤波器的维护建议和改进措施；这些建议可以包括定期清洁、更换损坏部件、调整工作参数等，以提高电源滤波器的效率和延长其寿命；维护措施的建议可以帮助用户采取相应的行动，保持电源滤波器的良好工作状态。
S504：若存在异常值或异常模式，则生成异常情况警示报告。
其中，所述电源滤波器损耗检测报告、异常情况警示报告均以可视化界面的形式展示，具体的，实时监测和反馈：可视化界面可以实时显示电源滤波器的损耗情况，使操作人员能够及时监测和了解滤波器的性能状态。通过直观的图表、图形或指示器，操作人员可以快速获得关于损耗水平、趋势和异常情况的信息；
可视化分析和比较：可视化界面可以提供对不同时间段、不同滤波器或不同工作条件下损耗的分析和比较。通过图表、趋势图或对比图，操作人员可以直观地了解不同情况下的损耗变化，识别出潜在的问题或优化机会；
故障诊断和预警：可视化界面可以通过损耗的图形化表示，帮助操作人员进行故障诊断和预警。异常的损耗趋势或突变点可以在可视化界面上得到直观展示，提醒操作人员可能存在的故障或异常情况，从而及时采取措施进行维修或调整；
数据记录和历史分析：可视化界面可以记录和展示电源滤波器损耗的历史数据，以便后续分析和比较。通过可视化界面，操作人员可以查看过去的损耗趋势和变化，识别出长期的性能变化或周期性的问题，并进行相应的改进和优化；
用户友好性和操作便捷性：可视化界面提供了一种直观、易于理解和操作的方式来展示电源滤波器损耗的信息。操作人员可以通过简单的交互操作，调整显示方式、选择感兴趣的参数或时间段，并进行放大、缩小或导出数据等操作，以满足其具体需求和分析目的。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种电源滤波器的损耗测试***，该一种电源滤波器的损耗测试***与上述实施例中一种电源滤波器的损耗测试方法一一对应。如图5所示，该一种电源滤波器的损耗测试***包括测量模块1、数据计算模块2、误差补偿模块3、数据校准模块4和可视化数据模块5，
所述测量模块1用于实时检测电源滤波器的输入电压、输出电压和输出电流的实际值，并将检测数据传输至所述数据计算模块2；
所述数据计算模块2用于接收检测数据并根据检测数据值计算电源滤波器损耗值；
所述误差补偿模块3用于存储所述数据计算模块2的电源滤波器损耗值数据，并建立损耗补偿模型及曲线，用于根据当前的输入电压、输出电压和输出电流计算补偿值；
所述数据校准模块4用于将补偿值应用于所述测量模块1所测量的实际值，以消除误差并使得所述数据计算模块2计算得出更准确的电源滤波器损耗；
所述可视化数据模块5，用于将电源滤波器损耗检测报告、异常情况警示报告均以可视化界面的形式展示。
大数据存储模型可以采用数据压缩和优化技术，减少电流和电压数据的存储空间和存储成本。通过压缩算法和数据编码方式，可以有效地减小数据的存储占用，并在数据提取时进行快速解压缩和恢复，保证数据的完整性和准确性，可视化数据模块5使得检测人员便于解读数据，提高检测的效率
关于一种电源滤波器的损耗测试***的具体限定可以参见上文中对于一种电源滤波器的损耗测试方法的限定，在此不再赘述。上述一种电源滤波器的损耗测试***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机程序被处理器执行时以实现一种电源滤波器的损耗测试方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种电源滤波器的损耗测试方法，其特征在于，包括步骤如下：获取电源滤波器的输入电压Vi、输出电压Vo和输出电流Io的实际值；
根据实际值计算电源滤波器的损耗，使用公式：损耗P_loss= (Vi - Vo)*Io;
基于已知损耗值的作为参考数据，建立损耗补偿模型及曲线，该模型及曲线将输入电压Vi、输出电压Vo、输出电流Io与实际损耗值相关联；
根据当前的输入电压Vi、输出电压Vo和输出电流Io，使用损耗补偿模型及曲线来计算补偿值；
将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗。
2.根据权利要求1所述的一种电源滤波器的损耗测试方法，其特征在于：在基于已知损耗值的作为参考数据，建立损耗补偿模型及曲线，该模型及曲线将输入电压Vi、输出电压Vo、输出电流Io与实际损耗值相关联这一步骤中，包括步骤如下：
获取多个已知损耗值的参考数据建立损耗补偿模型及曲线，所述参考数据包括不同输入电压Vi、输出电压Vo和输出电流Io下的损耗值；
使用线性回归、多项式拟合或神经网络算法建立所述损耗补偿模型及曲线。
3.根据权利要求2所述的一种电源滤波器的损耗测试方法，其特征在于：在获取多个已知损耗值的参考数据建立损耗补偿模型及曲线这一步骤中，包括如下步骤：
获取电源滤波器中的电流和电压信号，并将获取的电流和电压信号进行模数转换，得到数字化的电流和电压数据；
将数字化的电流和电压数据存储到预设的大数据存储模型中；
从所述大数据存储模型中提取电流和电压数据；
对所提取电流和电压数据进行数据预处理；
进行特征提取，提取电流和电压数据的频域特征、时域特征和统计特征；
进行数据关联分析，以分析电流和电压数据之间的关联性和相关性。
4.根据权利要求3所述的一种电源滤波器的损耗测试方法，其特征在于：在将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗这一步骤中，包括步骤如下：
进行损耗计算，基于电流和电压数据以及预先建立的损耗模型，计算电源滤波器的损耗；
生成电源滤波器损耗检测报告，包括电流和电压数据的统计摘要、异常情况的警示、损耗计算结果和建议的维护措施。
5.根据权利要求4所述的一种电源滤波器的损耗测试方法，其特征在于：在将补偿值应用于测量结果，以消除误差并得到电源滤波器损耗这一步骤之后，包括如下步骤：
对电流和电压数据进行异常检测，检测电流和电压数据中的异常值和异常模式；
若存在异常值或异常模式，则生成异常情况警示报告。
6.根据权利要求5所述的一种电源滤波器的损耗测试方法，其特征在于：在生成电源滤波器损耗检测报告这一步骤中，所述电源滤波器损耗检测报告以可视化界面的形式展示。
7.一种电源滤波器的损耗测试***，应用于权利要求1-6任一电源滤波器的损耗测试方法，其特征在于：包括测量模块(1)、数据计算模块(2)、误差补偿模块(3)和数据校准模块(4)，
所述测量模块(1)用于实时检测电源滤波器的输入电压、输出电压和输出电流的实际值，并将检测数据传输至所述数据计算模块(2)；
所述数据计算模块(2)用于接收检测数据并根据检测数据值计算电源滤波器损耗值；
所述误差补偿模块(3)用于存储所述数据计算模块(2)的电源滤波器损耗值数据，并建立损耗补偿模型及曲线，用于根据当前的输入电压、输出电压和输出电流计算补偿值；
所述数据校准模块(4)用于将补偿值应用于所述测量模块(1)所测量的实际值，以消除误差并使得所述数据计算模块(2)计算得出更准确的电源滤波器损耗。
8.根据权利要求7所述的一种电源滤波器的损耗测试***，其特征在于：还包括可视化数据模块(5)，用于将电源滤波器损耗检测报告、异常情况警示报告均以可视化界面的形式展示。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述一种电源滤波器的损耗测试方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种电源滤波器的损耗测试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311483701.0A CN117420350B (zh) | 2023-11-08 | 2023-11-08 | 一种电源滤波器的损耗测试方法、***、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311483701.0A CN117420350B (zh) | 2023-11-08 | 2023-11-08 | 一种电源滤波器的损耗测试方法、***、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117420350A true CN117420350A (zh) | 2024-01-19 |
| CN117420350B CN117420350B (zh) | 2024-06-25 |
Family
ID=89524746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311483701.0A Active CN117420350B (zh) | 2023-11-08 | 2023-11-08 | 一种电源滤波器的损耗测试方法、***、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117420350B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117890715A (zh) * | 2024-03-14 | 2024-04-16 | 大连海事大学 | 基于大数据信息分析的滤波器电性能测试*** |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102009037085A1 (de) * | 2009-08-11 | 2011-02-17 | Bayerische Motoren Werke Aktiengesellschaft | Ermittlung einer Verlustleistung eines Energiespeichers |
| CN202948070U (zh) * | 2012-09-27 | 2013-05-22 | 北京中石伟业科技股份有限公司 | 一种测试***损耗的装置 |
| CN204536428U (zh) * | 2015-01-08 | 2015-08-05 | 航天科工防御技术研究试验中心 | 一种emi电源滤波器共模差模***损耗测试工装 |
| CN104977474A (zh) * | 2014-04-14 | 2015-10-14 | Ls产电株式会社 | 用于测量高压直流电的损耗的*** |
| CN109738091A (zh) * | 2019-01-28 | 2019-05-10 | 象谱信息产业有限公司 | 基于公路地理环境预测路面温度的***及方法 |
| CN111442478A (zh) * | 2020-03-10 | 2020-07-24 | 珠海派诺科技股份有限公司 | 空调***优化控制方法、智能终端、存储装置 |
| CN112710375A (zh) * | 2019-10-25 | 2021-04-27 | 梅特勒-托利多(常州)精密仪器有限公司 | 具有称重传感器的设备零点参数调整方法及存储介质 |
| CN113138373A (zh) * | 2021-03-31 | 2021-07-20 | 苏州玖物互通智能科技有限公司 | 激光雷达测量值修正方法、误差补偿模型以及激光雷达 |
| CN113133679A (zh) * | 2020-01-17 | 2021-07-20 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪设备及其控制方法和装置 |
| CN113984043A (zh) * | 2021-09-14 | 2022-01-28 | 哈尔滨工程大学 | 一种矿用惯导***的动态误差修正方法 |
| CN114484556A (zh) * | 2022-01-22 | 2022-05-13 | 天津大学 | 一种基于目标能耗管控的供水温度调控方法 |
| CN217359997U (zh) * | 2022-04-13 | 2022-09-02 | 北京元六鸿远电子科技股份有限公司 | 一种滤波器损耗测试夹具 |
| CN115091491A (zh) * | 2022-08-29 | 2022-09-23 | 广东电网有限责任公司清远供电局 | 一种配电房巡维机器人及其控制方法 |
| CN115792397A (zh) * | 2022-10-24 | 2023-03-14 | 中国船舶重工集团公司第七一九研究所 | 一种电网emi滤波器***损耗测试方法 |
| CN116047172A (zh) * | 2022-10-26 | 2023-05-02 | 中国船舶重工集团公司第七一九研究所 | 一种电源滤波器***损耗在线测试计算*** |
| CN116827782A (zh) * | 2022-03-22 | 2023-09-29 | 北京邮电大学 | 模型切换方法、装置、电子设备及存储介质 |
| CN116995655A (zh) * | 2023-06-30 | 2023-11-03 | 国电南瑞科技股份有限公司 | 一种光伏短期预测曲线调整方法及*** |
-
2023
- 2023-11-08 CN CN202311483701.0A patent/CN117420350B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102009037085A1 (de) * | 2009-08-11 | 2011-02-17 | Bayerische Motoren Werke Aktiengesellschaft | Ermittlung einer Verlustleistung eines Energiespeichers |
| CN202948070U (zh) * | 2012-09-27 | 2013-05-22 | 北京中石伟业科技股份有限公司 | 一种测试***损耗的装置 |
| CN104977474A (zh) * | 2014-04-14 | 2015-10-14 | Ls产电株式会社 | 用于测量高压直流电的损耗的*** |
| CN204536428U (zh) * | 2015-01-08 | 2015-08-05 | 航天科工防御技术研究试验中心 | 一种emi电源滤波器共模差模***损耗测试工装 |
| CN109738091A (zh) * | 2019-01-28 | 2019-05-10 | 象谱信息产业有限公司 | 基于公路地理环境预测路面温度的***及方法 |
| CN112710375A (zh) * | 2019-10-25 | 2021-04-27 | 梅特勒-托利多(常州)精密仪器有限公司 | 具有称重传感器的设备零点参数调整方法及存储介质 |
| CN113133679A (zh) * | 2020-01-17 | 2021-07-20 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪设备及其控制方法和装置 |
| CN111442478A (zh) * | 2020-03-10 | 2020-07-24 | 珠海派诺科技股份有限公司 | 空调***优化控制方法、智能终端、存储装置 |
| CN113138373A (zh) * | 2021-03-31 | 2021-07-20 | 苏州玖物互通智能科技有限公司 | 激光雷达测量值修正方法、误差补偿模型以及激光雷达 |
| CN113984043A (zh) * | 2021-09-14 | 2022-01-28 | 哈尔滨工程大学 | 一种矿用惯导***的动态误差修正方法 |
| CN114484556A (zh) * | 2022-01-22 | 2022-05-13 | 天津大学 | 一种基于目标能耗管控的供水温度调控方法 |
| CN116827782A (zh) * | 2022-03-22 | 2023-09-29 | 北京邮电大学 | 模型切换方法、装置、电子设备及存储介质 |
| CN217359997U (zh) * | 2022-04-13 | 2022-09-02 | 北京元六鸿远电子科技股份有限公司 | 一种滤波器损耗测试夹具 |
| CN115091491A (zh) * | 2022-08-29 | 2022-09-23 | 广东电网有限责任公司清远供电局 | 一种配电房巡维机器人及其控制方法 |
| CN115792397A (zh) * | 2022-10-24 | 2023-03-14 | 中国船舶重工集团公司第七一九研究所 | 一种电网emi滤波器***损耗测试方法 |
| CN116047172A (zh) * | 2022-10-26 | 2023-05-02 | 中国船舶重工集团公司第七一九研究所 | 一种电源滤波器***损耗在线测试计算*** |
| CN116995655A (zh) * | 2023-06-30 | 2023-11-03 | 国电南瑞科技股份有限公司 | 一种光伏短期预测曲线调整方法及*** |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117890715A (zh) * | 2024-03-14 | 2024-04-16 | 大连海事大学 | 基于大数据信息分析的滤波器电性能测试*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117420350B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109239265B (zh) | 监测设备故障检测方法及装置 | |
| CN117420350B (zh) | 一种电源滤波器的损耗测试方法、***、设备及介质 | |
| US7275018B2 (en) | Method of condition monitoring | |
| JP6540531B2 (ja) | 監視装置及び監視装置の制御方法 | |
| KR102343752B1 (ko) | 프로세스 장치에서 전체 프로세스 섹션의 상태를 자동 모니터링하고 측정하는 컴퓨터 실행 방법 및 시스템 | |
| JP5827425B1 (ja) | 予兆診断システム及び予兆診断方法 | |
| KR102408426B1 (ko) | 설비 노화 지수를 이용한 이상 감지 방법 및 장치 | |
| JP2016128973A (ja) | 予兆診断システム及び予兆診断方法 | |
| CN110852509A (zh) | Igbt模块的故障预测方法、装置及存储介质 | |
| US10846067B2 (en) | Software generation method and software generation system | |
| CN117689270B (zh) | 电力设备生产过程质量管理改进方法、***及存储介质 | |
| CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
| JP6540532B2 (ja) | 監視装置及び監視装置の制御方法 | |
| CN115544803B (zh) | 一种变压器剩余寿命预测方法、装置、设备及存储介质 | |
| CN117607780A (zh) | 一种电能计量装置异常分析***及其分析方法 | |
| JP5138396B2 (ja) | 生産プロセス異常検知方法および生産プロセス異常検知システム、上記生産プロセス異常検知方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| CN107924185B (zh) | 用于维护使用自动化技术的工厂中现场设备的方法和*** | |
| US8510610B2 (en) | Method and system of compressing raw fabrication data for fault determination | |
| CN115526348A (zh) | 设备维护计划生成方法、装置、设备及存储介质 | |
| US11378063B2 (en) | System and method for detecting turbine underperformance and operation anomaly | |
| JP7223947B2 (ja) | 製造条件計算装置、製造条件計算方法及び製造条件計算プログラム | |
| JP2012014222A (ja) | センサ状態判定装置 | |
| JP2012234226A (ja) | プラント機器の運転可能期間評価方法および運転可能期間評価装置 | |
| CN117272844B (zh) | 配电盘工作寿命的预测方法及*** | |
| JP2016045853A (ja) | 異常診断装置及び異常診断方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |