直流电源系统模块化监控与故障预诊断系统的制作方法

本发明属于电力系统监控，具体涉及直流电源系统模块化监控与故障预诊断系统。

背景技术：

1、在电力电子与工业自动化领域，直流电源系统作为核心供电单元，其可靠性与稳定性直接关系到整个用电设备或生产线的安全运行。随着系统规模扩大与复杂度提升，由多个独立电源模块并联或串联构成的模块化直流电源系统已成为主流架构，以实现功率扩展、冗余备份与灵活配置。

2、对直流电源系统的状态监控与故障诊断是保障其长期可靠运行的关键技术方向。该技术旨在通过实时采集各模块的电气参数与运行状态，评估系统健康度，并在故障发生前或初期进行预警与定位，从而避免因单点故障引发的系统性停机。

3、现有技术通常为每个电源模块配置独立的监控单元，采集电压、电流、温度等基础数据并上传至中央控制器进行集中显示与阈值报警。然而，这种集中式监控架构存在以下问题：各模块监控数据彼此孤立，缺乏对模块间电气耦合与热耦合关系的深度分析与建模，导致系统层面故障演化机理不清晰。当某个模块发生隐性故障或性能劣化时，其影响会通过均流环路、总线电压等途径在系统中传播，现有方法难以从纷繁复杂的报警信息中快速追溯并定位故障根源模块。

4、传统的阈值报警属于事后响应，无法对模块参数的渐变趋势进行智能学习与预测，因而无法实现真正的故障预诊断。这导致运维人员面对告警时排查效率低下，且无法在故障造成实质性影响前进行主动干预，系统运行风险居高不下。

技术实现思路

1、本发明的目的在于提供直流电源系统模块化监控与故障预诊断系统，以解决现有集中式监控架构中模块状态数据孤立、无法解析模块间耦合影响、以及缺乏基于趋势学习的故障预测能力，从而导致故障根源定位困难与预警滞后的技术矛盾。

2、本发明提供直流电源系统模块化监控与故障预诊断系统，系统构建于包含至少2个并联或串联运行的电源模块的模块化直流电源系统之上，包括部署于每个电源模块本地的边缘智能代理单元、部署于系统层级的协同诊断服务器以及连接各单元的数据通信网络；

3、所述边缘智能代理单元物理集成于对应的电源模块内部，用于执行本地数据采集、特征提取与初步健康度评估；

4、所述协同诊断服务器用于接收并融合所有边缘智能代理单元上传的数据，执行系统级的耦合关系分析与故障传播推演；

5、所述边缘智能代理单元包含传感采集子单元、嵌入式特征计算子单元以及第一健康度评估子单元；

6、所述协同诊断服务器包含数据融合与存储子单元、系统耦合关系建模子单元、故障传播图谱构建子单元以及第二健康度评估子单元。

7、优选的，所述传感采集子单元以大于1千赫兹的采样频率，同步采集所属电源模块的输出电压、输出电流、关键功率器件结温以及散热器表面温度；

8、所述嵌入式特征计算子单元对采集的原始时序数据进行实时处理，提取包括电压纹波有效值、电流动态调整率、温度上升斜率以及指定频段谐波分量幅值在内的多维特征向量；

9、所述第一健康度评估子单元内置有基于该型号电源模块历史全生命周期数据训练得到的基准健康模型，该基准健康模型定义了在标准工况下各特征向量的正常波动范围；

10、所述第一健康度评估子单元将实时计算得到的多维特征向量输入基准健康模型，输出数值范围为0到100的本地健康指数。

11、优选的，所述数据融合与存储子单元接收并时间对齐所有电源模块的本地健康指数、多维特征向量及原始采样数据片段，形成系统级时空关联数据库；

12、所述系统耦合关系建模子单元基于电路拓扑参数与热设计参数，离线构建并在线更新描述模块间电气与热耦合关系的数学模型，该模型具体表征为任一电源模块的输出电流扰动对其余模块输出电压的影响传递函数矩阵，以及任一电源模块的热耗散对其邻近模块温升的影响系数矩阵；

13、所述故障传播图谱构建子单元基于系统耦合关系建模子单元输出的数学模型以及实时监测到的异常模块信息，动态生成以有向图形式呈现的故障传播图谱，所述有向图的节点代表各电源模块，有向边代表故障或性能劣化可能传播的路径，边的权重由耦合关系模型的强度系数与当前异常模块的本地健康指数共同决定；

14、所述第二健康度评估子单元综合本地健康指数与故障传播图谱信息进行系统级健康状态评估，其评估逻辑为：对于当前本地健康指数小于预设第一阈值的模块标记为疑似异常源；

15、遍历故障传播图谱，计算由该疑似异常源经由耦合路径对其余模块造成的潜在影响度；为每个模块计算由本地健康指数与接收到的所有潜在影响度加权求和得出的综合健康指数。

16、优选的，所述协同诊断服务器还包含趋势预测与故障预诊断引擎；

17、所述趋势预测与故障预诊断引擎基于数据融合与存储子单元中积累的长期历史数据，对每个电源模块的关键退化特征进行趋势外推预测；

18、所述趋势预测与故障预诊断引擎采用基于长短期记忆网络的时序预测算法，以每个模块过去连续时间的特征向量序列作为输入，预测未来模块特征向量的演化轨迹；

19、所述趋势预测与故障预诊断引擎将预测轨迹与该电源模块寿命初期基准轨迹进行对比，计算轨迹偏离度；

20、当任一模块的预测轨迹偏离度连续大于3个预测周期均大于预设第二阈值，或预测轨迹显示其本地健康指数将在未来8小时内下降至预设的故障阈值以下时，所述趋势预测与故障预诊断引擎生成针对该电源模块的预诊断警报并预估其剩余有效运行时间。

21、优选的，所述边缘智能代理单元与协同诊断服务器之间的数据交互采用分层通信策略；

22、所述边缘智能代理单元向协同诊断服务器上传其计算得到的本地健康指数与压缩后的特征向量摘要；

23、当本地健康指数小于预设的第一阈值时，所述边缘智能代理单元自动将通信周期缩短至100毫秒，并上传包含高采样率原始数据片段的详细诊断数据包；

24、所述协同诊断服务器在接收到详细诊断数据包后，指令故障传播图谱构建子单元启动针对该电源模块的深度分析流程。

25、优选的，所述系统耦合关系建模子单元的在线更新机制具体如下：

26、系统在每次有电源模块投入、退出或更换后，自动启动一次全系统小信号扰动测试；

27、测试过程中，协同诊断服务器通过数据通信网络向指定的边缘智能代理单元发送指令，使其控制所属电源模块产生幅值可控、持续时间短暂的输出电流阶跃扰动；

28、与此同时，所有边缘智能代理单元同步监测并记录本模块的电压与电流响应；

29、所述系统耦合关系建模子单元收集所有响应数据，通过系统辨识算法重新计算电气耦合的传递函数矩阵与热耦合的影响系数矩阵。

30、优选的，所述故障传播图谱构建子单元在生成图谱时，还引入模块的历史故障记录与维护日志作为先验知识进行权重修正；

31、对于历史上曾因特定类型故障引发过系统级问题的模块，其在图谱中作为异常源节点时，输出边的权重被乘以大于1的增强系数；

32、对于近期刚完成预防性维护或部件更换的模块，其作为受影响节点时，输入边的权重被乘以小于1的衰减系数。

33、优选的，所述趋势预测与故障预诊断引擎还包含预警置信度评估模块；

34、所述预警置信度评估模块对每一次生成的预诊断警报计算置信度分数；

35、所述置信度分数的计算依据包括预测所依赖的历史数据序列的完整性、长短期记忆网络模型在验证集上的近期预测准确率、以及当前预测的轨迹偏离度与历史同类故障前期特征的匹配度；

36、只有当置信度分数大于75%时，系统才会将该预诊断警报提升为最高优先级并触发主动干预流程。

37、优选的，所述第二健康度评估子单元为每个模块计算综合健康指数的具体过程如下：

38、综合健康指数由本地健康指数与接收到的所有潜在影响度加权求和得出。

39、优选的，所述嵌入式特征计算子单元提取的多维特征向量通过对输出电压信号计算纹波有效值、对输出电流信号计算动态调整率、对温度信号计算上升斜率、以及对电压与电流信号进行快速傅里叶变换提取指定频段谐波分量幅值而构成。

40、与现有技术相比，本发明的有益效果在于：

41、1.本发明通过在每个电源模块部署边缘智能代理单元，实现了状态感知与初级诊断的边缘化，大幅提升了数据采集的实时性与粒度。协同诊断服务器则专注于多模块数据的融合与系统级耦合分析，构建了从“模块个体”到“系统整体”的双层健康评估体系。该系统架构从根本上改变了传统监控中数据孤立的局面，使得系统能够精准量化单个模块异常通过电气与热耦合对全局产生的连锁影响，从而实现了故障根源的快速、准确定位，缩短了故障排查时间。

42、2.本发明创新性地引入了基于物理模型的故障传播图谱动态构建机制。该故障传播图谱动态构建机制将抽象的模块间耦合关系转化为可视化的、带权重的有向图模型，不仅清晰揭示了故障在系统内的潜在扩散路径，还能通过计算影响度定量评估各模块的脆弱性。结合历史维护数据的权重修正，使得诊断推理过程更加符合系统的实际运行历史与状态，提升了复杂工况下故障诊断的准确性与智能化水平。

43、3.本发明突破了传统阈值报警的被动模式，通过集成基于长短期记忆网络的趋势预测与故障预诊断引擎，实现了对电源模块性能渐变过程的主动学习与超前预测。系统能够依据长期运行数据预测关键参数的退化轨迹，并在故障发生前数小时发出高置信度的预诊断警报。这一能力使运维从“事后维修”转变为“预测性维护”，允许在计划内安排维护活动，避免了非计划性停机，极大提升了直流电源系统运行的可靠性与可用性，降低了全生命周期运维成本。