CN116148563A - 用电组件的健康监测方法、云控平台、设备及存储介质 - Google Patents

Abstract

本申请公开了一种用电组件的健康监测方法、云控平台、设备及存储介质，用电组件的健康监测方法包括：获取用电装置中的用电组件在若干个工作时段下的状态信息，状态信息为用电组件的性能参数和/或所处环境参数；分别对各工作时段的状态信息进行评估，得到用电组件在各工作时段下的健康度；基于若干个健康度，预测用电组件的失效时间。上述方案，能够对用电装置中的用电组件进行健康监测。

Description

用电组件的健康监测方法、云控平台、设备及存储介质

技术领域

本申请涉及车辆技术领域，特别是涉及一种用电组件的健康监测方法、云控平台、设备及存储介质。

背景技术

一般情况下，目前行业内的车辆或是在上电后检查仪表亮灯情况判断整车的健康情况，或是在4S店或维修店通过专用诊断工具对整车的状态进行检查。这种检测方式只能检测出当前车辆中的组件是否出现故障，无法得知组件的使用情况。

发明内容

本申请至少提供一种用电组件的健康监测方法、云控平台、设备及存储介质。

本申请提供了一种用电组件的健康监测方法，包括：获取用电装置中的用电组件在若干个工作时段下的状态信息，状态信息为用电组件的性能参数和/或所处环境参数；分别对各工作时段的状态信息进行评估，得到用电组件在各工作时段下的健康度；基于若干个健康度，预测用电组件的失效时间。

在上述方案中，获取用电装置中用电组件在若干个工作时段下的状态信息，然后通过对各工作时段的状态信息进行评估，能够得到用电组件在各工作时段下的健康度，从而方便用户了解用电组件的使用情况。另外，状态信息包括用电组件的性能参数和/或所处环境参数，使得能够根据用电组件本身的参数和/或外部环境的参数确定用电组件的健康度，使得确定得到的健康度更为准确。另外，通过基于若干个健康度，预测用电组件的失效时间，方便用户知晓用电组件大致的失效时间，以便及时做出应对措施。

在一些实施例中，用电组件为继电器，状态信息包括继电器的响应时间、响应次数、工作温度、工作电流中的一个或至少两个。

在上述方案中，继电器在响应时间越长，则表明继电器的老化情况越严重，响应次数越多，继电器的老化情况也越严重，工作温度异常高或异常低，继电器在该环境下的工作负担越严重导致其健康度也越低，另外，工作电流异常高的情况下，有可能导致继电器的出现异常老化等情况，故通过考量其中一个或几个参数对继电器的健康度进行评估，使得评估得到的健康度越准确。

在一些实施例中，状态信息的数量为至少两个，分别对各工作时段的状态信息进行评估，得到用电组件在各工作时段下的健康度，包括：分别确定各状态信息对应的子健康度；根据子健康度确定各工作时段对应的健康度。

在上述方案中，状态信息的数量为至少两个，通过获取各状态信息对应的子健康度，结合各子健康度确定最终的健康度，使得确定得到的健康度更为准确。

在一些实施例中，分别确定各状态信息对应的子健康度的步骤包括：确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度。

在上述方案中，通过预先设定基准值，通过获取各状态信息与预设的基准值之间的差异，能够确定状态信息的健康情况。

在一些实施例中，用电组件为继电器，状态信息包括响应时间，子健康度包括第一子健康度；确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度，包括：确定响应时间与预设的基准时间之间的时间差异；基于时间差异，确定第一子健康度，其中时间差异越大，则第一子健康度越低；和/或，用电组件为继电器，状态信息包括响应次数，子健康度包括第二子健康度，确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度，包括：获取响应次数与用电组件允许的最大响应次数之间的次数差异；基于次数差异确定第二子健康度，次数差异越小，则第二子健康度越低。

在上述方案中，用电组件为继电器的情况下，通过根据其响应时间的长度与预设的基准时间之间的差异，能够大致确定继电器的老化等情况，继而对继电器的健康度进行评估。另外，用电组件为继电器的情况下，通过获取其响应次数的情况下，也能够大致确定继电器的老化等情况，继而对继电器的健康度进行评估。

在一些实施例中，用电组件为继电器，状态信息包括工作温度，子健康度包括第三子健康度，确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度，包括：获取在同一工作时段下的若干个工作温度与预设的基准温度之间的温度差异；基于预先设定的多个温度差异区间，统计差异最大的第一预定数量的温度差异所落入的温度差异区间；基于温度差异的落入次量最大的温度差异区间，确定第三子健康度，其中温度差异区间所限定的温度差异越大，则第三子健康度越低；和/或，用电组件为继电器，状态信息包括工作电流，子健康度包括第四子健康度，确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度，包括：获取同一工作时段下的若干个工作电流与预设的基准电流之间的电流差异；基于预先设定的多个电流差异区间，统计差异最大的第二预定数量的电流差异所落入的电流差异区间；基于电流差异的落入次量最大的电流差异区间，确定第四子健康度，其中电流差异区间所限定的电流差异越大，则第四子健康度越低。

在上述方案中，用电组件为继电器，通过获取工作时段下的多个温度，并确定最大的温度差异落入的温度差异区间，若某个温度差异区间落入的温度较多，则可以认为该温度区间内的温度在工作时段中持续的时间越长，若温度差异大且持续时间长，则可以认为该环境下继电器的健康度越低。另外，电流差异越大，并且持续时间越长，则对继电器的伤害也越大，继而可以确定继电器的健康度越低。

在一些实施例中，基于若干个健康度，预测用电组件的失效时间，包括：对若干个健康度在时间上进行拟合，得到用电组件的健康预测模型；基于健康预测模型随时间的变化趋势，预测用电组件的失效时间，失效时间为健康度小于或等于预设最低健康度对应的时间。

在上述方案中，通过对健康度在时间上进行拟合，确定健康预测模型，并根据健康预测模型随时间的变化趋势，能够大致预测得到用电组件的失效时间。

在一些实施例中，对若干个健康度在时间上进行拟合，得到用电组件的健康预测模型，包括：对从至少两台用电装置获得健康度在时间上进行拟合，得到健康预测模型。

在上述方案中，通过使用至少两台用电装置的健康度在时间上进行拟合，能够得到更为准确的健康预测模型。

在一些实施例中，方法还包括：获取两个健康预测模型，其中两个健康预测模型中的一个由一台用电装置所获取的健康度拟合生成，另一个由同一生产批次或处于同一工况的至少两台用电装置所获取的健康度拟合生成；获取两个健康预测模型之间的模型差异；响应于模型差异大于或等于预设的差异阈值，执行预设告警处理。

在上述方案中，通过获取两个健康预测模型之间的差异，能够确定单台用电装置中的用电组件与同一生产批次下的用电组件之间的使用情况差异，继而在差异过大的情况下，执行告警处理。

在一些实施例中，方法还包括：获取至少两个健康预测模型，其中至少两个健康预测模型分别由不同生产批次或处于不同工况的至少两个用电装置所获取的健康度拟合生成；获取至少两个健康预测模型之间的健康度评估差异，并发送至预定接收方。

在上述方案中，通过获取不同生产批次或不同工况下的健康预测模型，并获取各健康预测模型之间的差异，使得后续开发人员能够基于该差异作为研发参考信息。

本申请提供了一种云控平台，包括：信息获取模块，用于获取用电装置中的用电组件在若干个工作时段下的状态信息，状态信息为用电组件的性能参数和/或所处环境参数；健康度评估模块，用于分别对各工作时段的状态信息进行评估，得到用电组件在各工作时段下的健康度；失效预测模块，用于基于若干个健康度，预测用电组件的失效时间。

本申请提供了一种电子设备，包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述任一项用电组件的健康监测方法。

本申请提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述用电组件的健康监测方法。

在上述方案中，获取用电装置中用电组件在若干个工作时段下的状态信息，然后通过对各工作时段的状态信息进行评估，能够得到用电组件在各工作时段下的健康度，从而方便用户了解用电组件的使用情况。另外，状态信息包括用电组件的性能参数和/或所处环境参数，使得能够根据用电组件本身的参数和/或外部环境的参数确定用电组件的健康度，使得确定得到的健康度更为准确。另外，通过基于若干个健康度，预测用电组件的失效时间，方便用户知晓用电组件大致的失效时间，以便及时做出应对措施。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。

图1是本申请提供的用电组件的健康监测方法一实施例的流程示意图；

图2是图1中步骤S12的子流程示意图；

图3是本申请提供的用电组件的健康预测方法一实施例中健康预测模型的示意图；

图4是本申请提供的云控平台一实施例的结构示意图；

图5是本申请提供的电子设备一实施例的结构示意图；

图6是本申请计算机可读存储介质一实施例的结构示意图。

附图标记：

40-云控平台、41-信息获取模块、42-健康度评估模块、43-失效预测模块、50-电子设备、51-存储器、52-处理器、60-计算机可读存储介质、61-程序指令。

具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

目前行业内的车辆或是在上电后检查仪表亮灯情况判断整车的健康情况，或是在4S店或维修店通过专用诊断工具对整车的状态进行检查。这种检测方式只能检测出当前车辆中的组件是否出现故障，无法得知组件的使用情况。经实验，本案申请人发现可通过对用电组件在工作状态的状态信息获取，并且可以根据该状态信息确定用电组件的使用情况。具体根据用电组件的状态信息确定用电组件的使用情况的方式可参考下述实施例。

请参阅图1，本申请提供的用电组件的健康监测方法可以包括以下步骤S11至步骤S13的内容。步骤S11：获取用电装置中的用电组件在若干个工作时段下的状态信息。步骤S12：分别对各工作时段的状态信息进行评估，得到用电组件在各工作时段下的健康度。步骤S13：基于若干个健康度，预测用电组件的失效时间。

用电装置可以是任意需要用电的装置，例如电动汽车、电动摩托、扫地机器人等等，关于用电装置的具体类型此处不做具体规定。用电组件可以是用电装置任意需要用电的组件，例如用电组件可以是控制器、也可以是负载等。示例性地，用电装置电动车，用电组件为继电器。状态信息可以是用电组件的性能参数和/或所处环境参数。一些应用场景中，状态信息为用电组件在工作过程中的性能参数。一些应用场景中，状态信息可以是用电组件在工作过程中所处环境的环境参数。一些应用场景中，状态信息为用电组件在工作过程中的性能参数以及所处环境的环境参数。所处环境参数可以是用电装置的其他用电组件的性能参数和/或用电装置外的环境的参数。工作时段指的是用电组件处于工作状态以及两个状态之间的响应状态的时段。两个状态之间的响应状态指的是工作状态与未工作状态之间响应控制信号的状态。示例性地，若用电组件原本为未工作状态，其接收并响应控制信号，将未工作状态切换为工作状态，切换过程中也为本实施例所述的工作时段。用电组件的状态信息能够反映用电组件当前的老化等使用情况，通过该使用情况能够确定对应的健康度。其中，健康度越高表示用电组件越健康，老化程度越轻，同理，健康度越低表示用电组件越不健康，老化程度越严重。用电组件的失效时间可以是指用电组件可能产生故障的时间。例如，若用电组件的健康度较高，则用电组件的失效时间则较晚，若用电组件的健康度较低，则用电组件的失效时间则可能越早。在一些实施例中，本实施例提供的用电组件的健康监测方法的执行主体为用电装置。另一些实施例中，用电组件的健康监测方法的执行主体为云控平台。云控平台获取状态信息的方式可以是通过接收用电装置发送的用电组件在若干个工作时段下的状态信息。

在上述方案中，获取用电装置中用电组件在若干个工作时段下的状态信息，然后通过对各工作时段的状态信息进行评估，能够得到用电组件在各工作时段下的健康度，从而方便用户了解用电组件的使用情况。另外，通过基于若干个健康度，预测用电组件的失效时间，方便用户知晓用电组件大致的失效时间，以便及时做出应对措施。

在一些实施例中，状态信息为用电装置在各工作时段检测到的用电组件的正常状态信息。

示例性地，正常状态信息指的是用电组件在正常工作下检测得到的状态信息。也就是用电组件在未出现故障或未失效的情况下检测得到的状态信息。正常工作可以理解为对用电组件进行故障检测，检测结果为用电组件未出现故障，则可以认为用电组件为正常工作。

在上述方案中，通过获取用电组件的正常状态信息，能够确定用电组件的健康度，并以此预估用电组件的失效时间。

在一些实施例中，用电组件为继电器，状态信息包括继电器的响应时间、响应次数、工作温度、工作电流中的一个或至少两个。

示例性地，用电组件为高压继电器。高压继电器通过吸合或断开的操作实现其控制的回路的导通或断开。一些应用场景中，状态信息为用电组件的性能参数。性能参数包括继电器的响应时间、响应次数、工作温度、工作电流中的一个或至少两个。继电器的响应时间包括吸合用时和/或断开用时。吸合用时指的是继电器响应于用于指示继电器吸合的控制信号，将其状态从断开状态切换为吸合状态所需时长。断开用时指的是继电器响应于用于指示继电器断开的控制信号，将其状态从吸合状态切换为断开状态所需时长。响应次数表示继电器执行吸合和/或断开动作的次数。工作温度可以是继电器工作环境的温度或者继电器对应的控制器的温度。工作电流指的是继电器所处回路中的电流。

在上述方案中，继电器在响应时间越长，则表明继电器的老化情况越严重，响应次数越多，继电器的老化情况也越严重，工作温度异常高或异常低，继电器在该环境下的工作负担越严重导致其健康度也越低，另外，工作电流异常高的情况下，有可能导致继电器的出现异常老化等情况，故通过考量其中一个或几个参数对继电器的健康度进行评估，使得评估得到的健康度越准确。

请参见图2，图2是图1中步骤S12的子流程示意图。如图2所示，在一些实施例中，状态信息的数量为至少两个，上述步骤S12可以包括步骤S121至步骤S122的内容：步骤S121：分别确定各状态信息对应的子健康度。步骤S122：根据子健康度确定各工作时段对应的健康度。

至少两个可以是两个、三个或三个以上等。示例性地，用电组件为继电器，状态信息包括继电器的响应时间、响应次数、工作温度以及工作电流。子健康度分别包括继电器的响应时间对应的子健康度、响应次数对应的子健康度、工作温度对应的子健康度以及工作电流对应的子健康度。如上述，响应时间包括吸合用时和/或断开用时，子健康度包括吸合用时的子健康度和/或断开用时的子健康度。然后，对于每一工作时段，将该工作时段下的各子健康度进行融合，得到各工作时段对应的健康度。

在上述方案中，状态信息的数量为至少两个，通过获取各状态信息对应的子健康度，结合各子健康度确定最终的健康度，使得确定得到的健康度更为准确。

在一些实施例中，上述步骤S122具体可以是：将对应同一工作时段的子健康度按照预设权重进行加权融合，以分别得到与各工作时段对应的健康度。

示例性地，同一工作时段下，各状态信息的子健康度有对应的权重，按照预设权重进行加权融合，能够得到各工作时段对应的健康度。各状态信息的子健康度对应的权重可根据各状态信息对用电组件的健康度影响程度确定。可选地，同一工作时段下，各状态信息的子健康度对应的预设权重之和为1。具体进行加权融合的方式可根据需求制定，例如加权融合的方式可以是加权相加得到最终的健康度。

在上述方案中，状态信息的数量为至少两个，通过获取各状态信息对应的子健康度，并对各子健康度进行加权融合，确定最终的健康度，使得确定得到的健康度更为准确。

在一些实施例中，分别确定各状态信息对应的子健康度的步骤包括：确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度。

预设的基准值的数量与状态信息的数量相同。即，每一状态信息对应一个预设的基准值。示例性地，用电组件为继电器、状态信息包括响应时间，则预设的基准值包括预设的基准时间。示例性地，状态信息包括响应次数，则预设的基准值包括用电组件允许的最大响应次数。示例性地，状态信息包括工作温度则预设的基准值包括预设的基准温度。示例性地，状态信息包括工作电流则预设的基准值包括预设的工作电流。响应时间包括吸合用时和/或断开用时，预设的基准值包括吸合用时对应的吸合基准值和/或断开用时对应的断开基准值。一些应用场景中，高压继电器在设计过程中，会制定标准吸合用时、标准断开用时、标准工作温度、标准工作电流和/或用电组件允许的最大响应次数，可以将制定标准吸合用时、标准断开用时、标准工作温度、标准工作电流和/或用电组件允许的最大响应次数作为预设的基准值。各状态信息与预设的基准值之间的差异可以是二者之间的差值。

在上述方案中，通过预先设定基准值，通过获取各状态信息与预设的基准值之间的差异，能够确定状态信息的健康情况。

在一些实施例中，用电组件为继电器，状态信息包括响应时间，子健康度包括第一子健康度。上述确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度的方式可以是：确定响应时间与预设的基准时间之间的时间差异。然后，基于时间差异，确定第一子健康度。其中时间差异越大，则第一子健康度越低。

时间差异可以是响应时间与预设的基准时间之间的差值。其中，时间差异越大，第一子健康度越低，也就是第一子健康度与时间差异呈负相关。如上述，响应时间包括吸合用时和/或断开用时，预设的基准值包括吸合用时对应的吸合基准值和/或断开用时对应的断开基准值。第一子健康度可以包括吸合用时对应的第一子健康度和/或断开用时的第一子健康度。或对吸合用时对应的第一子健康度与断开用时的第一子健康度进行加权融合，得到响应时间对应的最终第一子健康度。

在上述方案中，用电组件为继电器的情况下，通过根据其响应时间的长度与预设的基准时间之间的差异，能够大致确定继电器的老化等情况，继而对继电器的健康度进行评估。

在一些实施例中，用电组件为继电器，状态信息包括响应次数，子健康度包括第二子健康度。上述确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度的方式可以是：获取响应次数与用电组件允许的最大响应次数之间的次数差异。然后，基于次数差异确定第二子健康度。其中，次数差异越小，则第二子健康度越低。

用电组件允许的最大响应次数之间的次数差异表示若用电组件的响应次数达到该响应次数，很大概率会失效。一些实施例中，响应此处

可以是吸合次数、断开次数或吸合与断开的总次数。次数差异可以是响5应次数与最大响应次数之间的差值。其中，次数差异越大，第二子健康度越高，也就是第二子健康度与次数差异呈正相关。

在上述方案中，用电组件为继电器的情况下，通过获取其响应次数的情况下，也能够大致确定继电器的老化等情况，继而对继电器的健康度进行评估。

0在一些实施例中，用电组件为继电器，状态信息包括工作温度，子健康度包括第三子健康度。上述确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度的方式可以是：获取在同一工作时段下的若干个工作温度与预设的基准温度之间的温度差

异。接着，基于预先设定的多个温度差异区间，统计差异最大的第一预5定数量的温度差异所落入的温度差异区间。然后，基于温度差异的落入

次量最大的温度差异区间，确定第三子健康度。其中温度差异区间所限定的温度差异越大，则第三子健康度越低。

示例性地，预先对温度差异进行划分，得到多个预先设定的温度差

异区间。通过获取工作温度与预设的基准温度之间的温度差异，确定各0温度差异落入的温度差异区间。差异最大的第一预定数量的温度差异具体可以是对获取到的温度差异进行从高到低排序，前第一预定数量个温度差异作为差异最大的第一预定数量的温度差异。第一预定数量可以与若干工作温度的数量相同，也可以小于若干工作温度的数量。本实施例所述的若干指的是两个或两个以上。

5在上述方案中，用电组件为继电器，通过获取工作时段下的多个温度，并确定最大的温度差异落入的温度差异区间，若某个温度差异区间落入的温度较多，则可以认为该温度区间内的温度在工作时段中持续的时间越长，若温度差异大且持续时间长，则可以认为该环境下继电器的健康度越低。

在一些实施例中，用电组件为继电器，状态信息包括工作温度，子健康度包括第三子健康度。上述确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度的方式可以是：获取在同一工作时段下的若干个工作温度与预设的基准温度之间的温度差异。接着，基于预先设定的多个温度差异区间，统计差异最大的第一预定数量的温度差异所落入的温度差异区间。统计所有温度差异所处的温度差异区间，根据落入每一温度差异区间内的温度差异数量确定每一温度差异区间对应的候选子健康度，然后根据各温度差异区间的权重，对各候选子健康度进行加权，得到第三子健康度。温度差异区间所限定的温度差异越大，则第三子健康度越低具体可以是若第一温度差异区间为[0-2)，第二温度差异区间为[2-4)，第二温度差异区间所限定的最小温度差异大于第一温度差异区间所限定的最大温度差异，很显然第二温度差异区间所限定的温度差异大于第一温度差异区间所限定的温度差异。

在一些实施例中，用电组件为继电器，状态信息包括工作电流，子健康度包括第四子健康度。上述确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度的方式可以是：获取同一工作时段下的若干个工作电流与预设的基准电流之间的电流差异。接着，基于预先设定的多个电流差异区间，统计差异最大的第二预定数量的电流差异所落入的电流差异区间。然后，基于电流差异的落入次量最大的电流差异区间，确定第四子健康度，其中电流差异区间所限定的电流差异越大，则第四子健康度越低。

预先对电流差异进行划分，得到多个预先设定的电流差异区间。通过获取工作电流与预设的基准电流之间的电流差异，确定各电流差异落入的电流差异区间。差异最大的第二预定数量的电流差异具体可以是对获取到的电流差异进行从高到低排序，前第二预定数量个电流差异作为差异最大的第二预定数量的电流差异。第二预定数量可以与若干工作电流的数量相同，也可以小于若干工作电流的数量。本实施例所述的若干指的是两个或两个以上。

在上述方案中，用电组件为继电器，通过获取工作时段下的多个电流，并确定最大的电流差异落入的电流差异区间，若某个电流差异区间落入的电流较多，则可以认为该电流区间内的电流在工作时段中持续的时间越长，若电流差异大且持续时间长，则可以认为继电器的健康度越低。

在一些实施例中，基于若干个健康度，预测用电组件的失效时间，的方式可以是：对若干个健康度在时间上进行拟合，得到用电组件的健康预测模型。然后，基于健康预测模型随时间的变化趋势，预测用电组件的失效时间。失效时间为健康度小于或等于预设最低健康度对应的时间。

获取得到的健康度为离散的数据，通过对离散的数据进行拟合，能够得到健康度随时间的变化，最终得到健康预测模型。其中，建立的健康预测模型可参考图3，图3是本申请提供的用电组件的健康预测方法一实施例中健康预测模型的示意图。如图3所示，健康预测模型的其中一个轴向为时间，另一个轴向为健康度，健康预测模型能够用于表示用电组件的健康度在时间上的变化。具体拟合的方式可参考任意离散数据的拟合方式，此处不做具体规定。

在上述方案中，通过对健康度在时间上进行拟合，确定健康预测模型，并根据健康预测模型随时间的变化趋势，能够大致预测得到用电组件的失效时间。

在一些实施例中，上述对若干个健康度在时间上进行拟合，得到用电组件的健康预测模型的方式可以是：对从至少两台用电装置获得健康度在时间上进行拟合，得到健康预测模型。

至少两台用电装置可以是属于同一批次或属于同一工况下的用电装置。示例性地，分别获取各用电装置的健康度，对各用电装置的健康度进行统计，例如通过统计每一工作时段各用电装置中用电组件健康度的平均值和方差，能够剔除异常健康度，减少异常健康度对健康预测模型建立的精度影响。或者，还可以剔除各用电装置中用电组件历史最差的健康度、最近一次的健康度等，使用保留的健康度进行健康预测模型的构建。具体通过多台用电装置的健康度拟合一个最终的健康预测模型的方式可以有多种拟合方法，此处不再赘述。工况可以包括地域参数、驾驶习惯参数等。驾驶习惯可根据用电装置的工作参数确定。示例性地，用电装置为车辆，车辆的驾驶习惯可以是车速习惯、加减速习惯等等。

在上述方案中，通过使用至少两台用电装置的健康度在时间上进行拟合，能够得到更为准确的健康预测模型。

在一些实施例中，方法还包括：获取两个健康预测模型，其中两个健康预测模型中的一个由一台用电装置所获取的健康度拟合生成，另一个由同一生产批次或处于同一工况的至少两台用电装置所获取的健康度拟合生成。接着，获取两个健康预测模型之间的模型差异。然后，响应于模型差异大于或等于预设的差异阈值，执行预设告警处理。

也就是，两个健康预测模型中一个健康预测模型是由单台用电装置中的用电组件的健康度拟合得到，另一个健康预测模型是由于该单台用电装置处于同一工况或处于同一生产批次下的至少两台用电装置中的用电组件的健康度拟合得到。两个健康预测模型之间的模型差异可以是两个模型对应的失效时间的差异，或两个模型在时间上的趋势差异等等，该模型差异可根据具体需求确定分析方式，得到对应的模型差异。告警处理可以是将模型差异发送至预设接收方，或者显示提示信息等等，该告警处理可以根据需求自行确定。

在上述方案中，通过获取两个健康预测模型之间的差异，能够确定单台用电装置中的用电组件与同一生产批次下的用电组件之间的使用情况差异，继而在差异过大的情况下，执行告警处理。

在一些实施例中，方法还包括：获取至少两个健康预测模型。其中至少两个健康预测模型分别由不同生产批次或处于不同工况的至少两个用电装置所获取的健康度拟合生成。然后，获取至少两个健康预测模型之间的健康度评估差异，并发送至预定接收方。

一些应用场景中，至少两个健康预测模型包括由不同生产批次下的至少两个用电装置所获取的健康度拟合生成。也即是每一生产批次下的至少两个用电装置中用电组件的健康度进行拟合，得到该生产批次相关的健康预测模型。在此基础上，至少两个健康预测模型之间的健康度评估差异在一定程度上能够表示不同批次之间的用电组件之间的使用情况差异。预定接收方可以是与本方案的执行设备建立通信连接的其他设备。一些应用场景中，至少两个健康预测模型包括由不同工况下的至少两个用电装置所获取的健康度拟合生成。也即是每一工况下的至少两个用电装置中用电组件的健康度进行拟合，得到该工况相关的健康预测模型。在此基础上，至少两个健康预测模型之间的健康度评估差异在一定程度上能够表示不同工况之间的用电组件之间的使用情况差异。不同工况可以包括不同地域、不同驾驶习惯等。驾驶习惯可根据用电装置的工作参数确定。示例性地，用电装置为车辆，车辆的驾驶习惯可以是车速习惯、加减速习惯等等。

在上述方案中，通过获取不同生产批次或不同工况下的健康预测模型，并获取各健康预测模型之间的差异，使得后续开发人员能够基于该差异作为研发参考信息。

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

一些应用场景中，用电组件的健康检测方法的执行主体为云控平台。用电装置为电动车，用电组件为高压继电器。其中，高压继电器一般包括主正继电器、主负继电器、预充继电器、快充继电器、升压继电器。可以根据上述方案分别确定每一继电器的失效时间和/或健康预测模型。本方案的执行设备为数字孪生云控平台。车辆控制器将高压继电器吸合用时、断开用时、工作温度、工作电流记录并上传数字孪生云控平台。云控平台将高压继电器工作信息存储形成数据库。一些实施例中，车辆先根据获取得到的状态信息判断继电器是否出现故障，在判断结果为未出现故障的情况下，将获取得到的状态信息发送至该云控平台。车辆判断继电器出否出现故障的方式可以是判断继电器的响应时间超过预设的最长响应时间，若判断结果为响应时间超过预设的最长响应时间，则确定继电器出现故障。数字孪生云控平台基于高压继电器的设计标准对高压继电器状态信息进行大数据的分析。例如，设计标准包括标准吸合用时：t1、标准断开用时：t2、标准工作温度：T、标准工作电流：C。

具体地，当高压继电器的实际吸合/断开用时高于t1/t2时，健康度评分就逐步降低，用时越多，降低越多。工作温度的健康度评估分高温和低温两种情况，高温影响大，低温影响小，通过计算不同温度以及所持续的时间得出温度的健康度评分。工作电流的健康度评估是通过计算高于标准工作电流以及所持续的时间得出的，异常电流越大、持续时间越长，健康度评分越低。另外高压继电器吸合/断开的总次数也会影响高压继电器的健康度，总次数越多，健康度越低。

云控平台对吸合用时、断开用时、工作温度、工作电流、总次数5个维度的数据进行评估得出每个维度的评分后，再通过权重综合计算得出本次高压继电器的健康度。通过对高压继电器的健康度进行拟合，得到该车辆的高压继电器的健康预测模型。

一些应用场景中，类推计算出一个批次或一个工况下多个车辆多次工作周期的高压继电器的健康度，云控平台利用这些数据就能训练生成一个批次或一个工况相关的高压继电器健康预测模型，该模型能在不断的训练中进化，使其越来越能准确表达高压继电器全生命周期的健康度变化。

一些应用场景中，云控平台可以根据标准模型对每个实际的高压继电器，按照之前它上传的所有工作周期的数据生成它自身的孪生模型。云控平台能够根据继电器健康度的变化趋势，针对性采取措施：如持续关注、重点监测、提醒人员、主动干预等。

一些应用场景中，有了上述一批次相关或一个工况相关的健康预测模型和各高压继电器健康度数字孪生模型后，云控平台还可以做多个维度的健康度评估，如评估不同批次间高压继电器的健康度差异、不同地域车辆上高压继电器的健康度差异、不同驾驶习惯下高压继电器的健康度差异等，有助于功能研发和质量改善。

在高压继电器健康度数字孪生模型基础上，可以在云控平台上设置不同的工况参数，通过模型模拟获得真实试验中需要较大成本才能获得的健康度耐久性试验数据，能减轻试验工作量、缩短试验周期。也就是根据上述一批次或工况相关的健康预测模型可以模拟不同工况下高压继电器的健康度变化。

一些实施例中，用户可以通过云控平台的健康度数据调取服务查看每台用电装置中各用电组件的健康预测模型或当前健康度等信息。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

请参阅图4，图4是本申请提供的云控平台一实施例的结构示意图。云控平台40包括信息获取模块41、健康度评估模块42、失效预测模块43。信息获取模块41，用于获取用电装置中的用电组件在若干个工作时段下的状态信息，状态信息为用电组件的性能参数和/或所处环境参数；健康度评估模块42，用于分别对各工作时段的状态信息进行评估，得到用电组件在各工作时段下的健康度；失效预测模块43，用于基于若干个健康度，预测用电组件的失效时间。

其中，云控平台可以是数字孪生云控平台。

上述方案，获取用电装置中用电组件在若干个工作时段下的状态信息，然后通过对各工作时段的状态信息进行评估，能够得到用电组件在各工作时段下的健康度，从而方便用户了解用电组件的使用情况。另外，通过基于若干个健康度，预测用电组件的失效时间，方便用户知晓用电组件大致的失效时间，以便及时做出应对措施。

在一些实施例中，状态信息为用电装置在各工作时段检测到的用电组件的正常状态信息。

在上述方案中，通过获取用电组件的正常状态信息，能够确定用电组件的健康度，并以此预估用电组件的失效时间。

在一些实施例中，用电组件为继电器，状态信息包括继电器的响应时间、响应次数、工作温度、工作电流中的一个或至少两个。

在上述方案中，继电器在响应时间越长，则表明继电器的老化情况越严重，响应次数越多，继电器的老化情况也越严重，工作温度异常高或异常低，继电器在该环境下的工作负担越严重导致其健康度也越低，另外，工作电流异常高的情况下，有可能导致继电器的出现异常老化等情况，故通过考量其中一个或几个参数对继电器的健康度进行评估，使得评估得到的健康度越准确。

在一些实施例中，状态信息的数量为至少两个，健康度评估模块42分别对各工作时段的状态信息进行评估，得到用电组件在各工作时段下的健康度，包括：分别确定各状态信息对应的子健康度；根据子健康度确定得到各工作时段对应的健康度。

在上述方案中，状态信息的数量为至少两个，通过获取各状态信息对应的子健康度，结合各子健康度确定最终的健康度，使得确定得到的健康度更为准确。

在一些实施例中，健康度评估模块42分别确定各状态信息对应的子健康度的步骤包括：确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度。

在上述方案中，通过预先设定基准值，通过获取各状态信息与预设的基准值之间的差异，能够确定状态信息的健康情况。

在一些实施例中，用电组件为继电器，状态信息包括响应时间，子健康度包括第一子健康度；健康度评估模块42确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度，包括：确定响应时间与预设的基准时间之间的时间差异；基于时间差异，确定第一子健康度，其中时间差异越大，则第一子健康度越低；和/或，用电组件为继电器，状态信息包括响应次数，子健康度包括第二子健康度，健康度评估模块42确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度，包括：获取响应次数与用电组件允许的最大响应次数之间的次数差异；基于次数差异确定第二子健康度，次数差异越小，则第二子健康度越低。

在上述方案中，用电组件为继电器的情况下，通过根据其响应时间的长度与预设的基准时间之间的差异，能够大致确定继电器的老化等情况，继而对继电器的健康度进行评估。另外，用电组件为继电器的情况下，通过获取其响应次数的情况下，也能够大致确定继电器的老化等情况，继而对继电器的健康度进行评估。

在一些实施例中，用电组件为继电器，状态信息包括工作温度，子健康度包括第三子健康度，健康度评估模块42确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度，包括：获取在同一工作时段下的若干个工作温度与预设的基准温度之间的温度差异；基于预先设定的多个温度差异区间，统计差异最大的第一预定数量的温度差异所落入的温度差异区间；基于温度差异的落入次量最大的温度差异区间，确定第三子健康度，其中温度差异区间所限定的温度差异越大，则第三子健康度越低；和/或，用电组件为继电器，状态信息包括工作电流，子健康度包括第四子健康度，健康度评估模块42确定各状态信息与预设的基准值之间的差异，并基于差异确定各状态信息对应的子健康度，包括：获取同一工作时段下的若干个工作电流与预设的基准电流之间的电流差异；基于预先设定的多个电流差异区间，统计差异最大的第二预定数量的电流差异所落入的电流差异区间；基于电流差异的落入次量最大的电流差异区间，确定第四子健康度，其中电流差异区间所限定的电流差异越大，则第四子健康度越低。

在上述方案中，用电组件为继电器，通过获取工作时段下的多个温度，并确定最大的温度差异落入的温度差异区间，若某个温度差异区间落入的温度较多，则可以认为该温度区间内的温度在工作时段中持续的时间越长，若温度差异大且持续时间长，则可以认为该环境下继电器的健康度越低。另外，电流差异越大，并且持续时间越长，则对继电器的伤害也越大，继而可以确定继电器的健康度越低。

在一些实施例中，基于若干个健康度，失效预测模块43预测用电组件的失效时间，包括：对若干个健康度在时间上进行拟合，得到用电组件的健康预测模型；基于健康预测模型随时间的变化趋势，预测用电组件的失效时间，失效时间为健康度小于或等于预设最低健康度对应的时间。

在上述方案中，通过对健康度在时间上进行拟合，确定健康预测模型，并根据健康预测模型随时间的变化趋势，能够大致预测得到用电组件的失效时间。

在一些实施例中，失效预测模块43对若干个健康度在时间上进行拟合，得到用电组件的健康预测模型，包括：对从至少两台用电装置获得健康度在时间上进行拟合，得到健康预测模型。

在上述方案中，通过使用至少两台用电装置的健康度在时间上进行拟合，能够得到更为准确的健康预测模型。

在一些实施例中，失效预测模块43还用于：获取两个健康预测模型，其中两个健康预测模型中的一个由一台用电装置所获取的健康度拟合生成，另一个由同一生产批次或处于同一工况的至少两台用电装置所获取的健康度拟合生成；获取两个健康预测模型之间的模型差异；响应于模型差异大于或等于预设的差异阈值，执行预设告警处理。

在上述方案中，通过获取两个健康预测模型之间的差异，能够确定单台用电装置中的用电组件与同一生产批次下的用电组件之间的使用情况差异，继而在差异过大的情况下，执行告警处理。

在一些实施例中，失效预测模块43还用于：获取至少两个健康预测模型，其中至少两个健康预测模型分别由不同生产批次或处于不同工况的至少两个用电装置所获取的健康度拟合生成；获取至少两个健康预测模型之间的健康度评估差异，并发送至预定接收方。

在上述方案中，通过获取不同生产批次或不同工况下的健康预测模型，并获取各健康预测模型之间的差异，使得后续开发人员能够基于该差异作为研发参考信息。

请参阅图5，图5是本申请提供的电子设备一实施例的结构示意图。车辆50包括存储器51和处理器52，处理器52用于执行存储器51中存储的程序指令，以实现上述用电组件的健康监测方法实施例中的步骤。

其中，电子设备可以是安装有云控平台的设备，或电子设备为用电装置。云控平台可以是数字孪生云控平台。具体而言，处理器52用于控制其自身以及存储器51以实现上述用电组件的健康监测方法实施例中的步骤。处理器52还可以称为CPU(Central ProcessingUnit，中央处理单元)。处理器52可能是一种集成电路芯片，具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器52可以由集成电路芯片共同实现。

上述方案，获取用电装置中用电组件在若干个工作时段下的状态信息，然后通过对各工作时段的状态信息进行评估，能够得到用电组件在各工作时段下的健康度，从而方便用户了解用电组件的使用情况。另外，通过基于若干个健康度，预测用电组件的失效时间，方便用户知晓用电组件大致的失效时间，以便及时做出应对措施。

请参阅图6，图6是本申请计算机可读存储介质一实施例的结构示意图。如图6所示，本实施例提供的计算机可读存储介质60存储有程序指令61，程序指令被处理器运行的程序指令61，程序指令61用于实现上述任一用电组件的健康监测方法实施例中的步骤。

上述方案，获取用电装置中用电组件在若干个工作时段下的状态信息，然后通过对各工作时段的状态信息进行评估，能够得到用电组件在各工作时段下的健康度，从而方便用户了解用电组件的使用情况。另外，通过基于若干个健康度，预测用电组件的失效时间，方便用户知晓用电组件大致的失效时间，以便及时做出应对措施。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (13)

1.一种用电组件的健康监测方法，其特征在于，

获取用电装置中的用电组件在若干个工作时段下的状态信息，所述状态信息为所述用电组件的性能参数和/或所处环境参数；

分别对各所述工作时段的状态信息进行评估，得到所述用电组件在各所述工作时段下的健康度；

基于若干个所述健康度，预测所述用电组件的失效时间。

2.根据权利要求1所述的方法，其特征在于，所述用电组件为继电器，所述状态信息包括所述继电器的响应时间、响应次数、工作温度、工作电流中的一个或至少两个。

3.根据权利要求1或2所述的方法，其特征在于，所述状态信息的数量为至少两个，所述分别对各所述工作时段的状态信息进行评估，得到所述用电组件在各所述工作时段下的健康度，包括：

分别确定各所述状态信息对应的子健康度；

根据所述子健康度确定各所述工作时段对应的健康度。

4.根据权利要求3所述的方法，其特征在于，所述分别确定各所述状态信息对应的子健康度，包括：

确定各所述状态信息与预设的基准值之间的差异，并基于所述差异确定各所述状态信息对应的子健康度。

5.根据权利要求4所述的方法，其特征在于，所述用电组件为继电器，所述状态信息包括响应时间，所述子健康度包括第一子健康度，所述确定各所述状态信息与预设的基准值之间的差异，并基于所述差异确定各所述状态信息对应的子健康度，包括：

确定所述响应时间与预设的基准时间之间的时间差异；

基于所述时间差异，确定所述第一子健康度，其中所述时间差异越大，则所述第一子健康度越低；

和/或，所述用电组件为继电器，所述状态信息包括响应次数，所述子健康度包括第二子健康度，所述确定各所述状态信息与预设的基准值之间的差异，并基于所述差异确定各所述状态信息对应的子健康度，包括：

获取所述响应次数与所述用电组件允许的最大响应次数之间的次数差异；

基于所述次数差异确定所述第二子健康度，所述次数差异越小，则所述第二子健康度越低。

6.根据权利要求4或5所述的方法，其特征在于，所述用电组件为继电器，所述状态信息包括工作温度，所述子健康度包括第三子健康度，所述确定各所述状态信息与预设的基准值之间的差异，并基于所述差异确定各所述状态信息对应的子健康度，包括：

获取在同一所述工作时段下的若干个所述工作温度与预设的基准温度之间的温度差异；

基于预先设定的多个温度差异区间，统计差异最大的第一预定数量的温度差异所落入的温度差异区间；

基于所述温度差异的落入次量最大的所述温度差异区间，确定所述第三子健康度，其中所述温度差异区间所限定的温度差异越大，则所述第三子健康度越低；和/或，

所述用电组件为继电器，所述状态信息包括工作电流，所述子健康度包括第四子健康度，所述确定各所述状态信息与预设的基准值之间的差异，并基于所述差异确定各所述状态信息对应的子健康度，包括：

获取同一所述工作时段下的若干个工作电流与预设的基准电流之间的电流差异；

基于预先设定的多个电流差异区间，统计差异最大的第二预定数量的电流差异所落入的电流差异区间；

基于所述电流差异的落入次量最大的所述电流差异区间，确定所述第四子健康度，其中所述电流差异区间所限定的电流差异越大，则所述第四子健康度越低。

7.根据权利要求1-6任意一项所述的方法，其特征在于，所述基于若干个所述健康度，预测所述用电组件的失效时间，包括：

对所述若干个健康度在时间上进行拟合，得到所述用电组件的健康预测模型；

基于所述健康预测模型随时间的变化趋势，预测所述用电组件的失效时间，所述失效时间为健康度小于或等于预设最低健康度对应的时间。

8.根据权利要求7所述的方法，其特征在于，所述对所述若干个健康度在时间上进行拟合，得到所述用电组件的健康预测模型，包括：

对从至少两台所述用电装置获得所述健康度在时间上进行拟合，得到所述健康预测模型。

9.根据权利要求7或8所述的方法，其特征在于，所述方法还包括：

获取两个所述健康预测模型，其中所述两个健康预测模型中的一个由一台所述用电装置所获取的所述健康度拟合生成，另一个由同一生产批次或处于同一工况的至少两台所述用电装置所获取的所述健康度拟合生成；

获取所述两个健康预测模型之间的模型差异；

响应于所述模型差异大于或等于预设的差异阈值，执行预设告警处理。

10.根据权利要求7-9任意一项所述的方法，其特征在于，所述方法还包括：

获取至少两个所述健康预测模型，其中至少两个所述健康预测模型分别由不同生产批次或处于不同工况的至少两个所述用电装置所获取的所述健康度拟合生成；

获取所述至少两个健康预测模型之间的健康度评估差异，并发送至预定接收方。

11.一种云控平台，其特征在于，包括：

信息获取模块，用于获取用电装置中的用电组件在若干个工作时段下的状态信息，所述状态信息为所述用电组件的性能参数和/或所处环境参数；

健康度评估模块，用于分别对各所述工作时段的状态信息进行评估，得到所述用电组件在各所述工作时段下的健康度；

失效预测模块，用于基于若干个所述健康度，预测所述用电组件的失效时间。

12.一种电子设备，其特征在于，包括存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至10任意一项所述的方法。

13.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至10任意一项所述的健康监测方法。

Images