确定逆变器故障的方法及装置、非易失性存储介质与流程

本申请涉及智能控制领域，具体而言，涉及一种确定逆变器故障的方法及装置、非易失性存储介质。

背景技术：

1、散热系统是逆变器故障率最高的子系统之一，散热系统的故障主要有风扇故障、风道阻塞、换热面脏污等，散热系统发生故障会导致逆变器元器件温度升高，导致逆变器寿命下降，严重的可能导致逆变器所在的设备故障，相关技术中对逆变器故障诊断的方法灵敏度低，无法判断逆变器负荷和外界环境对逆变器温度的影响，且无法判断逆变器的故障类型。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本申请实施例提供了一种确定逆变器故障的方法及装置、非易失性存储介质，以至少解决由于对逆变器故障诊断的相关技术灵敏度低造成的无法判断逆变器负荷和外界环境对逆变器温度的影响，且无法判断逆变器的故障类型的技术问题。

2、根据本申请实施例的一个方面，提供了一种确定逆变器故障的方法，包括：获取逆变器出风口的实际风速，以及逆变器出风口与逆变器进风口之间的实际散热量；确定逆变器出风口的理论风速，以及逆变器出风口与逆变器进风口之间的理论散热量；比较理论风速与实际风速，得到第一比较结果，比较理论散热量与实际散热量，得到第二比较结果；根据第一比较结果和第二比较结果中的至少之一确定逆变器的散热系统是否发生故障，以及发生故障时的故障类型。

3、可选地，确定逆变器出风口的理论风速，包括：获取逆变器中功率模块的模块温度；将模块温度输入第一机器学习模型，得到理论风速。

4、可选地，第一机器学习模型通过以下方法训练得到：将逆变器正常运行时的历史模块温度作为第一机器学习模型的输入参数，将逆变器正常运行时的历史出风口风速作为第一机器学习模型的输出参数；基于第一机器学习模型的输入参数和输出参数对第一机器学习模型进行训练。

5、可选地，确定逆变器出风口与逆变器进风口之间的理论散热量，包括：获取逆变器的机内空气温度，并确定逆变器中功率模块的模块温度与机内空气温度的温度差；将实际风速和温度差输入第二机器学习模型，得到理论散热量。

6、可选地，第二机器学习模型通过以下方法训练得到：将逆变器正常运行时的历史出风口风速，逆变器的历史模块温度与逆变器的历史机内空气温度的历史温度差作为第二机器学习模型的输入参数，将逆变器出风口与逆变器进风口之间的历史散热量作为第二机器学习模型的输出参数；基于第二机器学习模型的输入参数和输出参数对第二机器学习模型进行训练。

7、可选地，比较理论风速与实际风速，得到第一比较结果，比较理论散热量与实际散热量，得到第二比较结果，包括：确定实际风速与理论风速的第一差值，以及实际散热量与理论散热量的第二差值；将第一差值作为第一比较结果，将第二差值作为第二比较结果；根据第一比较结果和第二比较结果中的至少之一确定逆变器的散热系统是否发生故障，包括：如果第一差值大于第一预设值，或者第二差值大于第二预设值，确定逆变器的散热系统发生故障。

8、可选地，根据比较结果确定逆变器的散热系统发生故障时的故障类型，包括：如果第一差值大于第一预设值，确定逆变器的散热系统发生故障时的故障类型为第一类型故障；如果第二差值大于第二预设值，确定逆变器的散热系统发生故障时的故障类型为第二类型故障。

9、根据本申请实施例的另一方面，还提供了一种确定逆变器故障的装置，包括：获取模块，用于获取逆变器出风口的实际风速，以及逆变器出风口与逆变器进风口之间的实际散热量；第一确定模块，用于确定逆变器出风口的理论风速，以及逆变器出风口与逆变器进风口之间的理论散热量；比较模块，用于比较理论风速与实际风速，得到第一比较结果，比较理论散热量与实际散热量，得到第二比较结果；第二确定模块，用于根据第一比较结果和第二比较结果中的至少之一确定逆变器的散热系统是否发生故障，以及发生故障时的故障类型。

10、根据本申请实施例的另一方面，还提供了一种非易失性存储介质，该非易失性存储介质中存储有程序，其中，在程序运行时控制非易失性存储介质所在设备执行上述的确定逆变器故障的方法。

11、根据本申请实施例的另一方面，还提供了一种电子设备，该电子设备包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行上述的确定逆变器故障的方法。

12、在本申请实施例中，采用获取逆变器出风口的实际风速，以及逆变器出风口与逆变器进风口之间的实际散热量；确定逆变器出风口的理论风速，以及逆变器出风口与逆变器进风口之间的理论散热量；比较理论风速与实际风速，得到第一比较结果，比较理论散热量与实际散热量，得到第二比较结果；根据第一比较结果和第二比较结果中的至少之一确定逆变器的散热系统是否发生故障，以及发生故障时的故障类型的方式，通过获取逆变器出风口风速，功率模块温度和逆变器机内空气温度等与散热相关的参数，训练机器学习模型，直接对逆变器的散热系统进行诊断；利用机器学习模型判断逆变器是否故障，达到了提高诊断逆变器故障的灵敏度的目的，并且实现了判断逆变器的故障类型的技术效果，进而解决了由于对逆变器故障诊断的相关技术灵敏度低造成的无法判断逆变器负荷和外界环境对逆变器温度的影响，且无法判断逆变器的故障类型技术问题。

技术特征：

1.一种确定逆变器故障的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，确定所述逆变器出风口的理论风速，包括：

3.根据权利要求2所述的方法，其特征在于，所述第一机器学习模型通过以下方法训练得到：

4.根据权利要求1所述的方法，其特征在于，确定所述逆变器出风口与所述逆变器进风口之间的理论散热量，包括：

5.根据权利要求4所述的方法，其特征在于，所述第二机器学习模型通过以下方法训练得到：

6.根据权利要求1所述的方法，其特征在于，

7.根据权利要求6所述的方法，其特征在于，根据比较结果确定所述逆变器的散热系统发生故障时的故障类型，包括：

8.一种确定逆变器故障的装置，其特征在于，包括：

9.一种非易失性存储介质，其特征在于，所述非易失性存储介质中存储有程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述的确定逆变器故障的方法。

10.一种电子设备，其特征在于，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的确定逆变器故障的方法。

技术总结
本申请公开了一种确定逆变器故障的方法及装置、非易失性存储介质。其中，该方法包括：获取逆变器出风口的实际风速，以及逆变器出风口与逆变器进风口之间的实际散热量；确定逆变器出风口的理论风速，以及逆变器出风口与逆变器进风口之间的理论散热量；比较理论风速与实际风速，得到第一比较结果，比较理论散热量与实际散热量，得到第二比较结果；根据第一比较结果和第二比较结果中的至少之一确定逆变器的散热系统是否发生故障，以及发生故障时的故障类型。本申请解决了由于对逆变器故障诊断的相关技术灵敏度低造成的无法判断逆变器负荷和外界环境对逆变器温度的影响，且无法判断逆变器的故障类型的技术问题。

技术研发人员：高超,周冰钰,方振宇,张锐
受保护的技术使用者：阳光智维科技有限公司
技术研发日：
技术公布日：2024/1/12