直流充电机的综合特性测试方法及装置与流程
本技术涉及充电机综合特性测试，特别涉及一种直流充电机的综合特性测试方法及装置。
背景技术：
1、目前，电厂直流系统综合特性测试严格依据相关技术规程和安全要求开展稳态参数检测、蓄电池核对性放电、绝缘性能校验、充电装置精度测试等常规试验，行业主流测试方式以固定式工况测试、均匀等间隔采样、固定阈值数据处理、人工工况配置为核心技术方案，配套商用直流综合测试仪多采用固化测试流程与基础信号处理算法完成数据采集与指标计算。
2、现有技术整体工作流程为：测试前人工选定标准测试用例，预设固定采样频率、放电时长、负荷档位等参数；测试过程中测试仪全程采用等间隔均匀采样模式，对直流母线电压、输出电流、纹波、蓄电池单体参数、对地绝缘电阻等数据进行全覆盖采集；测试结束后依托固定阈值滤波、基础均值降噪方法完成简单数据清洗，直接代入固定公式计算稳压稳流精度、纹波系数、电池容量、均流误差等常规指标，最终输出标准化测试报表。
3、现有传统测试技术方案在工程应用中可满足基础合规性检测需求，但面对电厂直流系统复杂运行工况与高精度测试需求，存在以下固有技术缺陷：
4、1、测试用例固化、采样策略僵化，工况适配性差：
5、现有测试仪均采用预设固定测试工况与均匀采样机制，无法根据直流系统浮充、均充、负荷冲击、交流失电、接地扰动等动态工况自适应调整采样策略。稳态运行阶段存在大量重复冗余采样数据，大幅增加设备存储压力与后期数据分析工作量；而母线电压突变、充放电模式切换、短时负荷冲击等关键瞬态故障工况易出现采样稀疏、特征漏采问题，无法精准捕捉直流系统隐性劣化与瞬态异常缺陷，测试完备性不足。
6、2、全域重复采样机制冗余量大，测试耗时严重、效率极低：
7、传统测试方法为降低单次采样偶然误差，对母线电压、回路电流、纹波参数、蓄电池内阻、绝缘阻抗等所有测试点位，均机械执行固定次数的重复采样与均值计算流程，直接导致直流系统全项目测试周期大幅延长。无法适配电厂直流设备快速校验、批量巡检、缺陷复测的高效运维需求。
8、综上所述，在现有技术中，直流充电机综合特性测试用例固化、采样策略僵化，工况适配性差，且全域重复采样机制冗余量大，测试耗时严重、效率低下，亟待解决。
技术实现思路
1、本技术提供一种直流充电机的综合特性测试方法及装置，以解决在现有技术中，直流充电机综合特性测试用例固化、采样策略僵化，工况适配性差，且全域重复采样机制冗余量大，测试耗时严重、效率低下等问题。
2、本技术第一方面实施例提供一种直流充电机的综合特性测试方法，包括以下步骤：基于预设的多组电气测试采样工况，采集目标充电机输出的多维度实测电气参数，构建五维粒子位置向量和五维粒子速度向量，以建立对应的数字化粒子群算法；基于目标充电机的多个直流指标和所述多维度实测电气参数，构建粒子适应度函数，并基于预设的线性递减惯性权重，对所述数字化粒子群算法中的粒子迭代进行速度、位置更新操作，且通过所述粒子适应度函数对粒子进行适应度评价；在速度、位置更新操作满足预设迭代终止条件后，输出每组电气测试采样工况对应的多个关键采样点，并确定所述多个关键采样点对应的实测采样值和拟合计算值，以建立整体残差优化目标函数，迭代求解所述整体残差优化目标函数，得到拟合校正数据，且基于所述拟合校正数据，生成所述目标充电机对应的测试报告。
3、根据上述技术手段，本技术实施例通过改进粒子群算法对测试用例编码寻优，自适应生成最优测试路径，并采用测试用例优先级排序与加权拟合数据处理方式，对低优先级稳态冗余采样进行智能舍弃，有效减少无效采样次数，显著缩短了整体测试时长。
4、可选地，在本技术的一个实施例中，所述基于预设的多组电气测试采样工况，采集目标充电机输出的多维度实测电气参数，构建五维粒子位置向量和五维粒子速度向量，包括：将每组电气测试采样工况定义为一个粒子，且采集所述目标充电机输出的多维度实测电气参数，并将所述多维度实测电气参数转化为对应的标准化特征量，以构建所述五维粒子位置向量，且建立所述五维粒子位置向量对应的五维粒子速度向量，其中，所述多维度实测电气参数包括当前输出电流、输出电压、测试点位、频率和输出时长。
5、根据上述技术手段，本技术实施例引入智能优化粒子群算法，通过拆解电厂直流系统标准测试流程，提取测试项目类型、采样频率、持续测试时长、模拟负荷工况、关键测试点位、故障校验场景等核心测试要素，对“测试要素”转化为测试用例的特征值，从而构成可参与算法迭代的标准化特征值，为后续适应度函数的构建和算法迭代提供坚实的数据指导和依据。
6、可选地，在本技术的一个实施例中，所述基于目标充电机的多个直流指标和所述多维度实测电气参数，构建粒子适应度函数，并基于预设的线性递减惯性权重，对所述数字化粒子群算法中的粒子迭代进行速度、位置更新操作，且通过所述粒子适应度函数对粒子进行适应度评价，包括：基于所述目标充电机的多个直流指标和所述多维度实测电气参数，结合预设的测试要素工况覆盖度函数和采样策略适配度函数，构建对应的粒子适应度函数，其中，所述多个直流指标包括稳流精度、稳压精度和纹波系数；确定迭代过程中单粒子历史最优测试工况和种群全局最优测试工况组合，并获取迭代过程中的惯性权重最大值、惯性权重最小值和最大迭代次数，以计算当前迭代轮次对应的线性递减惯性权重；基于所述五维粒子位置向量、所述五维粒子速度向量、所述线性递减惯性权重、所述单粒子历史最优测试工况和所述种群全局最优测试工况组合，结合预设的学习因子，对数字化粒子群中的粒子迭代进行速度与位置更新操作，且求解所述粒子适应度函数，计算当前迭代轮次的粒子适应度值。
7、根据上述技术手段，本技术实施例通过引入线性递减自适应惯性权重，有效平衡全工况大范围搜索能力与局部高精度寻优能力，杜绝算法早熟收敛、陷入局部最优、工况寻优不全面等缺陷，解决了传统粒子群算法全局搜索与局部寻优能力失衡问题。
8、可选地，在本技术的一个实施例中，所述在速度、位置更新操作满足预设迭代终止条件后，输出每组电气测试采样工况对应的多个关键采样点，并确定所述多个关键采样点对应的实测采样值和拟合计算值，以建立整体残差优化目标函数，迭代求解所述整体残差优化目标函数，得到拟合校正数据，且基于所述拟合校正数据，生成所述目标充电机对应的测试报告，包括：迭代求解所述粒子适应度函数，并判断当前迭代轮次的粒子适应度值是否为目标最优解，响应于当前迭代轮次的粒子适应度值为所述目标最优解的情况下，输出对应的多个关键采样点；确定每个关键采样点对应的实测采样值，并利用最小二乘多项式对所述多个关键采样点进行拟合校正，以得到对应的拟合计算值；基于所述实测采样值、所述拟合计算值和有效采样点数，构建所述整体残差优化目标函数，并迭代求解所述整体残差优化目标函数，以得到所述拟合校正数据，且根据所述拟合校正数据计算所述多个直流指标，并统计工况覆盖度、采样优化效率、性能偏差阈值、扰动影响程度，以生成所述测试报告。
9、根据上述技术手段，本技术实施例实现了测试用例优化、自适应采样、智能数据处理一体化全自动测试，减少人工干预与人为误差，可在机组并网、设备投运前完成直流系统全维度精准校验，提前排查隐性异常，避免设备投运后因测试不全、参数不匹配导致的返工整改、停机检修问题，有效提升了电厂直流系统运行稳定性与机组整体安全可靠性。
10、可选地，在本技术的一个实施例中，所述根据所述拟合校正数据计算所述多个直流指标，包括：通过所述拟合校正数据提取试验全过程中输出电流的最大波动极限偏差值、试验过程中输出电压最大波动极限值、直流电压脉动峰值、直流电压脉动谷值和直流电压平均值；基于所述试验全过程中输出电流的最大波动极限偏差值和预设的装置输出电流整定值，计算所述稳流精度；基于所述试验过程中输出电压最大波动极限值和预设的装置输出电压整定值，计算所述稳压精度；基于所述直流电压脉动峰值、所述直流电压脉动谷值和所述直流电压平均值，计算所述纹波系数。
11、根据上述技术手段，本技术实施例通过针对电厂直流充电浮充电装置核心稳态性能开展稳流精度、稳压精度、纹波系数等试验研究，从而明确各试验工况条件、测试原理与计算方法，为直流系统综合性能量化评估提供标准依据。
12、可选地，在本技术的一个实施例中，所述粒子适应度函数的数学表达式为：
13、
14、其中，为粒子适应度值；为稳流精度；为稳压精度；纹波系数；表示测试要素工况覆盖度函数；表示采样策略适配度函数；、表示归一化权重系数；表示第
i组直流充电机测试用例对应的粒子位置。
15、根据上述技术手段，本技术实施例通过将直流充电机稳流精度、稳压精度、纹波系数三大核心量化指标嵌入适应度函数，打破了传统固定权重适应度机制，从而实现了直流性能工况约束下的自适应寻优，优先筛选高扰动、高风险、边界极限工况。
16、本技术第二方面实施例提供一种直流充电机的综合特性测试装置，包括：采集模块，用于基于预设的多组电气测试采样工况，采集目标充电机输出的多维度实测电气参数，构建五维粒子位置向量和五维粒子速度向量，以建立对应的数字化粒子群算法；迭代模块，用于基于目标充电机的多个直流指标和所述多维度实测电气参数，构建粒子适应度函数，并基于预设的线性递减惯性权重，对所述数字化粒子群算法中的粒子迭代进行速度、位置更新操作，且通过所述粒子适应度函数对粒子进行适应度评价；拟合模块，用于在速度、位置更新操作满足预设迭代终止条件后，输出每组电气测试采样工况对应的多个关键采样点，并确定所述多个关键采样点对应的实测采样值和拟合计算值，以建立整体残差优化目标函数，迭代求解所述整体残差优化目标函数，得到拟合校正数据，且基于所述拟合校正数据，生成所述目标充电机对应的测试报告。
17、本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上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程序，以实现如上述实施例所述的直流充电机的综合特性测试方法。
18、本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的直流充电机的综合特性测试方法。
19、本技术第五方面实施例提供一种计算机程序产品，包括计算机程序，该程序被执行时实现如上的直流充电机的综合特性测试方法。
20、本技术实施例通过基于预设的多组电气测试采样工况，采集目标充电机输出的多维度实测电气参数，构建五维粒子位置向量和五维粒子速度向量，以建立对应的数字化粒子群算法；基于目标充电机的多个直流指标和多维度实测电气参数，构建粒子适应度函数，并基于预设的线性递减惯性权重，对数字化粒子群算法中的粒子迭代进行速度、位置更新操作，且通过粒子适应度函数对粒子进行适应度评价；在速度、位置更新操作满足预设迭代终止条件后，输出每组电气测试采样工况对应的多个关键采样点，并确定多个关键采样点对应的实测采样值和拟合计算值，以建立整体残差优化目标函数，迭代求解整体残差优化目标函数，得到拟合校正数据，且基于拟合校正数据，生成目标充电机对应的测试报告。本技术通过改进粒子群算法对测试用例编码寻优，自适应生成最优测试路径，并采用测试用例优先级排序与加权拟合数据处理方式，对低优先级稳态冗余采样进行智能舍弃，有效减少无效采样次数，显著缩短了整体测试时长。由此，解决了在现有技术中，直流充电机综合特性测试用例固化、采样策略僵化，工况适配性差，且全域重复采样机制冗余量大，测试耗时严重、效率低下等问题。
21、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。