CN110426127B - 一种配电柜及其母盘的监测方法、系统、损耗监测方法 - Google Patents
一种配电柜及其母盘的监测方法、系统、损耗监测方法 Download PDFInfo
- Publication number
- CN110426127B CN110426127B CN201910769987.6A CN201910769987A CN110426127B CN 110426127 B CN110426127 B CN 110426127B CN 201910769987 A CN201910769987 A CN 201910769987A CN 110426127 B CN110426127 B CN 110426127B
- Authority
- CN
- China
- Prior art keywords
- temperature
- disc
- master
- wires
- monitored
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 77
- 238000009826 distribution Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012549 training Methods 0.000 claims description 51
- 230000032683 aging Effects 0.000 claims description 32
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 230000003203 everyday effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 11
- 229910052802 copper Inorganic materials 0.000 description 11
- 239000010949 copper Substances 0.000 description 11
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 9
- 239000003063 flame retardant Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 239000011810 insulating material Substances 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 239000004699 Ultra-high molecular weight polyethylene Substances 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 229920000785 ultra high molecular weight polyethylene Polymers 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229920004798 ULTEM® 9085 Polymers 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0003—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiant heat transfer of samples, e.g. emittance meter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/003—Environmental or reliability tests
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B1/00—Frameworks, boards, panels, desks, casings; Details of substations or switching arrangements
- H02B1/24—Circuit arrangements for boards or switchyards
Abstract
一种配电柜极其母盘的监测方法、系统，通过监测母盘的温度，并根据所监测的母盘的温度，判断母盘的损耗情况，从而当判断母盘的损耗情况超过警界损耗度时，发出预警信号；本发明提供了一种可以监测和判断母盘的损耗情况的技术方案。
Description
技术领域
本发明涉及一种配电柜极其母盘的监测方法、系统、损耗监测方法。
背景技术
配电柜是一种电气线路集成和控制的中心，是所有用户用电的总的一个电路分配箱，它是区域电路运行的中枢系统，可以反馈各种电路运行过程中的信息。由于配电柜是集中安装开关和仪表等设备的装置，通过引入配电柜，不仅便于管理电路，而且当发生电路故障时有利于检修。由此可见，配电柜在电气管理中起着相当重要的作用。
配电柜中母盘在使用的过程中，必然伴随着各个部件的损耗，而当损耗达到一定程度以后就会造成事故，所以我们就要时刻掌握部件损耗的程度，并且在损耗达到一定程度的时候进行预警，以通知维修人员检修。
典型地，配电柜中母盘在使用过程中，需要进行定期的检修和更换。例如，母盘中的线材在使用的过程中，会逐渐的老化，而老化后的线材电阻会增大，电流在其中通过时，则会产生更多的做工，造成资源的浪费，严重时还会造成安全事故。再例如，母盘中线材(例如长条的铜板)之间连接处的螺丝，在长久的使用过程中会逐渐的松动，这使得线材与线材连接处的电阻会大大的增强，电流在其中通过时，则会产生更多的做工，造成资源的浪费，严重时还会造成安全事故。
发明内容
为解决上述问题，本申请提供一种配电柜极其母盘的监测方法，可以监测和判断母盘的损耗情况。
根据第一方面，一种实施例中提供一种配电柜母盘的监测方法，包括：
监测母盘的温度；
根据所监测的母盘的温度，判断母盘的损耗情况；
当判断母盘的损耗情况超过警界损耗度时，则发出预警信号。
一实施例中，根据所监测的母盘的温度，判断母盘的损耗情况，包括：根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度；其中所述母盘线材连接处的相对温度指监测的母盘线材连接处的温度与环境温度的差值。
一实施例中，根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度，包括：
预先建立第一机器预测模型，所述第一机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第一时间的母盘线材连接处的相对温度；
当在所述未来第一时间所监测的母盘线材连接处的相对温度大于所预测的未来第一时间的母盘线材连接处的相对温度时，则判断母盘线材的老化程度超过警界损耗度，则发出所述预警信号，以及时提醒更换母盘线材。
一实施例中，所述第一机器预测模型通过以下方式建立：
获取第一训练集，所述第一训练集中的数据为多个时间的母盘线材连接处的相对温度，数据的标签为相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材连接处的相对温度；
利用所述第一训练集，通过机器学习，训练得到所述第一机器预测模型。
一实施例中，第一训练集中所述多个时间的母盘线材连接处温度为连续7 天内每天的母盘线材连接处的相对温度最高峰值；相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材温度为第8天的母盘线材连接处的相对温度最高峰值。
一实施例中，根据所监测的母盘的温度，判断母盘的损耗情况，包括：根据所监测的母盘线材连接处的相对温度，判断母盘线材连接松动程度；其中所述母盘线材连接处的相对温度指监测的母盘线材连接处的温度与环境温度的差值。
一实施例中，所述根据所监测的母盘线材连接处的相对温度，判断母盘线材连接松动程度，包括：
预先建立第二机器预测模型，所述第二机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第二时间的母盘线材连接处的相对温度；
当在所述未来第二时间所监测的母盘线材连接处的相对温度大于所预测的未来第二时间的母盘线材连接处的相对温度的预设倍数的值，且所监测的母盘线材连接处的相对温度上升的斜率超过预设斜率，则判断母盘线材连接松动程度超过警界损耗度，则发出所述预警信号，以及时提醒对母盘线材连接的检修。
一实施例中，所述第二机器预测模型通过以下方式建立：
获取第二训练集，所述第二训练集中的数据为多个时间的母盘线材连接处的相对温度，数据的标签为相对所述多个时间中最后一个时间的所述未来第二时间的母盘线材连接处的相对温度；
利用所述第二训练集，通过机器学习，训练得到所述第二机器预测模型。
一实施例中，第二训练集中所述多个时间的母盘线材连接处温度为连续10 分钟内每分钟的母盘线材连接处的相对温度值；相对所述多个时间中最后一个时间的所述未来第二时间的母盘线材连接处温度为第11分钟的母盘线材连接处的相对温度。
一实施例中，所述预设倍数的取值范围为1.5到2。
一实施例中，通过安装在所述配电柜的红外传感器来获取母盘的温度。
根据第二方面，一种实施例中提供一种配电柜，包括：
箱体；
母盘，设置于所述箱体内，所述母盘包括线材和固定件，其中所述线材间通过所述固定件被固定连接；
温度监测单元，设置于所述箱体内，用于获取母盘的温度；
处理器，用于根据所监测的母盘的温度，判断母盘的损耗情况，当判断母盘的损耗情况超过警界损耗度时，则发出预警信号。
根据第三方面，一种实施例中提供一种配电柜母盘的监测系统，包括：
通信模块，用于接收由配电柜发送的所监测到的母盘的温度；
处理器，用于根据所监测的母盘的温度，判断母盘的损耗情况，当判断母盘的损耗情况超过警界损耗度时，则发出预警信号。
根据第四方面，一种实施例提供一种装置的损耗监测方法，包括：
监测装置中预设部件的温度；
根据所监测的预设部件的温度，判断该预设部件的损耗情况；
当判断预设部件的损耗情况超过警界损耗度时，则发出预警信号。
一实施例中，所述根据所监测的预设部件的温度，判断该预设部件的损耗情况，包括：根据所监测的预设部件的相对温度，判断预设部件的损耗情况；其中所述预设部件的相对温度指监测的预设部件的温度与环境温度的差值。
根据第五方面，一种实施例提供一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现如本文中任一实施例所述的方法。
依据上述实施例的配电柜母盘的监测方法、配电柜、配电柜母盘的监测系统和计算机可读存储介质，通过监测母盘的温度，并根据所监测的母盘的温度，判断母盘的损耗情况，从而当判断母盘的损耗情况超过警界损耗度时，发出预警信号，因此本发明提供了一种可以监测和判断母盘的损耗情况的技术方案。
附图说明
图1为一种实施例的配电柜母盘的监测方法的流程图；
图2为一种实施例的判断母盘线材的老化程度的流程图；
图3为一种实施例的建立用于通过所监测到的母盘线材连接处温度，预测未来第一时间的母盘线材连接处温度的第一机器预测模型的流程图；
图4为一种实施例的判断母盘线材连接松动程度的流程图；
图5为一种实施例的建立用于通过所监测到的母盘线材连接处温度，预测未来第二时间的母盘线材连接处温度的第二机器预测模型的流程图；
图6为一种实施例的配电柜的结构示意图；
图7为另一种实施例中包括轨道的配电柜的结构示意图；
图8为一种实施例的温度监测单元的机械结构示意图；
图9为一种实施例的温度监测单元的电气结构示意图；
图10为温度监测单元安装于轨道上的一个侧视图；
图11为又一种实施例的温度监测单元的机械结构示意图；
图12为一种实施例的配电柜母盘的监测系统的结构示意图；
图13为一种实施例的装置的损耗监测方法的流程图。
具体实施方式
先对配电柜中母盘的损耗再详细说明一下。
配电柜中母盘在使用过程中，一般有两个部件需要定期检修和更换，一个是母盘的线材，另一个是母盘中线材与线材连接处的螺丝。
母盘的线材——典型地为长条形的铜板，用于通过较大的电流；母盘的线材在使用的过程中，会逐渐的老化，而老化后的线材电阻会增大，电流在其中通过时，则会产生更多的做工，造成资源的浪费，严重时还会造成安全事故。
母盘线材连接处的固定件——例如用于固定连接长条形铜板与钢板之间的螺丝或螺栓等，在长久的使用下会逐渐的松动，造成松动的原因有多种，一个主要原因是配电网在配电输送时会有一些谐波也就是噪音存在，而变压器对这些噪音有一个阻绝的作用，在变压器对这些噪音进行阻绝的同时会产生振动，这些振动会通过线材传到母盘的螺丝和螺栓处(以下不妨以螺栓为例)，虽然变压器距离母盘的螺栓比较远，振动传至母盘的固定件处时也已经很轻微了，但是水滴石穿，随着日积月累的这种轻微振动的影响，会使得母盘的螺栓产生松动；另一个原因是当变压器在阻绝噪音的时候，也会产生热量，而母盘线材(例如铜板)是热的良导体，因此变压器也产生的这种热量也会传导至母盘的螺栓，使得螺栓温度时高时低，由于热胀冷缩的原理，螺栓的这种温度时高时低的情况也会使得螺栓产生松动；再一个原因就是线材中的负载也会产生变化，这也会导致温度时高时动，从而使得螺栓产生松动；最后就是电流的冲击带来的机械效应，这也会逐渐导致螺栓的松动；不管是什么原因导致螺栓松动，当螺栓松动到一定程度时，母盘线材连接处的电阻就会有一个突然的增大，从而会产生更多的做工，造成资源的浪费，如果螺栓完全松开使得连接的两块铜板贯标直接断开了，甚至会产生火花，引发爆炸起火。
申请人提出一种可以监测配电柜母盘损耗情况的方案，这可以使得用户通过算法掌握到配电柜母盘损耗情况，并判断母盘的损耗情况是否超过警界损耗度，这样不仅节省了因母盘损耗所产生的更多做工和资源浪费，也可以提醒检修人员进行相应的检修，节省人力和避免意外事故的发生。
申请人在进行构思时认为：母盘的损耗，不管是线材的老化还是连接线材的固定件的松动，这都会导致电阻的变化，从而使得其产生的温度也会发生变化，因此通过监测母盘的温度，可以判断母盘的损耗情况。
以配电柜母盘线材的老化为例，随着配电柜母盘线材的老化，会使得线材的电阻变大，继而当电流通过中，产生更多的热量，从而在其他条件相同的情况下，线材的温度也会更高，因此可以根据线材温度的上升情况对线材的老化情况进行监测和判断。但是一天中电流可能是变化的，因此这本身就会导致线材的温度不同，为了将这种情况的干扰给排除，申请人进行构思：一天中的用电一般分为高峰期和低峰期，所以线材的温度在一天中随时的变化也是上下的波动图，但是因为线材老化电阻变大的缘故，因为总体上讲，每天的温度波峰会越来越高，所以线材的老化程度是一个与时间很大关系的事件，并且是一个相对较缓慢的事件，所以我们可以以天或周等为单位——不妨以天为单位进行说明，取若干天中每一天的温度最高峰作为特征，取相对上述若干天中的下一天的温度最高峰作为标签，进行机器训练得到一个预测模型，该预测模块可以用于预测未来一天温度最高峰的值，将该预测得到的值与一提前设置的阈值进行比较，如果预测的值大于阈值，则证明线材的老化到了一定程度，即超过了警界损耗的程度，这时候可以提醒检修人员，实现提前进行母盘线材更换的目的。
以配电柜母盘线材连接松动为例，配电柜母盘线材的例如螺栓的松动，是一个由量到质变的过程，一般地检修人员会定期进行检修和拧紧，但是也不排除因某些意见情况，螺栓突然松动到比较大的程度，使得螺栓连接的两块铜板接触不良甚至是没有接触了，这种情况下，连接处的电阻会有一个突增，相应局部温度也会有一个急剧的增高；螺栓突然松动到比较大的程度，这是一个比较短期的过程，因此我们可以以分钟等为单位，取若干分钟的温度数据作为特征，取相对上述若干分钟的下一分钟的温度数据作为标签，进行机器训练得到一个预测模型，当前分钟的实时温度高于预测温度的预设倍数时，则判断螺栓突然松动到了一个比较大的程度，此时可以马上进行预警，通知相关的工作人员进行处理检查。
需要说有的是，用为降低环境温度的干扰，在一实施例中，所用到的温度都是相对温度，例如所监测到的温度与环境温度的差值；环境温度指的是配电柜所处的环境的温度，例如在没有开空调的房间里，环境温度就是指当时的室温，在开空调的房间里，环境温度就由空调的制热或制冷的温度所决定，例如空调制冷的温度为17度，则环境温度就为17度。
可以看到，在总的对母盘损耗监测和判断时，都是通过监测母盘的温度，来监测和判断母盘的损耗情况。而具体到线材老化和线材连接松动这两种损耗时，虽然它们的表现形式都是电阻升高导致温度也上升，但是两者还是有明显的区别的，线材老化的过程是缓慢的，线材每老化一点，电阻就会升高一点，所以其带来的温度上升也是缓慢的，从其温度随时间的变化来看，就是下一个波的波峰会比上一个波的波峰高一点，整体也会上移一点，所以这种损耗我们可以通过长期的监测来对线材老化情况进行一个判断；而线材连接松动例如螺丝和螺栓等固定件的松动虽然也是一个缓慢的过程，但是因为固定件是用来连接两块铜板的，每次定期检修时都是拧得很紧，所以在固定件松动到一定程度前是不会产生什么影响的，这是一个由量变到质变的过程，只有在固定件松动到一定程度时，导致两块铜板连接不良时，甚至是出现断开时，连接处的电阻才会有一个突增，相应地，连接处的温度也会急剧上升，这种温度上升与之前线材老化导致的温度上升不同，不管这个时候温度是处在波谷还是波峰，温度都会急剧的上升，并上升到一个例如远超波峰的高度，并且温度上升以后是不会降下来的，所以两者的区分还是较为明显的。
上面就是本发明的构思的一些说明，下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。
请参照图1，一实施例中提出一种配电柜母盘的监测方法(以下简称监测方法)，该监测方法包括步骤100到步骤300，下面具体说明。
步骤100：监测母盘的温度。
监测配电柜母盘的温度有许多种方法。例如一实施例中可以通过安装在所述配电柜的红外传感器来监测母盘的温度，具体地，可以监测母盘线材连接处的相对温度，例如将红外传感器所监测到的母盘线材连接处温度减去环境温度，得到母盘线材连接处的相对温度。
步骤200：根据所监测的母盘的温度，判断母盘的损耗情况。一实施例中，母盘的损耗情况可以包括母盘线材的老化程度，也可以包括母盘线材连接松动程度，下面分别说明。
先对母盘线材的老化程度的判断进行说明。
一实施例中步骤200根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度。请参照图2，一实施例中步骤200判断母盘线材的老化程度可以具体包括步骤210和步骤220。
步骤210：预先建立第一机器预测模型，所述第一机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第一时间的母盘线材连接处的相对温度。请参照图3，一实施例中，第一机器预测模型通过以下步骤211和 213建立。
步骤211：获取第一训练集，所述第一训练集中的数据为多个时间的母盘线材连接处的相对温度，数据的标签为相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材连接处的相对温度。一实施例中，步骤211中的所述多个时间的母盘线材连接处温度为连续7天内每天的母盘线材连接处的相对温度最高峰值；相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材温度为第8天的母盘线材连接处的相对温度最高峰值。因此，可以获取7天中每一天的母盘线材连接处的相对温度最高峰值作为数据，第8天的母盘线材连接处的相对温度最高峰值作为标签，这样组成一组训练数据，获取多组这样的训练数据组成上述的第一训练集。
步骤213：利用所述第一训练集，通过机器学习，训练得到所述第一机器预测模型。例如利用上述的第一训练集，建立长短期记忆神经网络，训练第一机器预测模型，来预测未来一天母盘线材连接处的相对温度最高峰值。
步骤220：当在所述未来第一时间所监测的母盘线材连接处温度大于所预测的未来第一时间的母盘线材连接处的相对温度时，则判断母盘线材的老化程度超过警界损耗度，则可以执行步骤300，发出预警信号，以及时提醒更换母盘线材。例如可以设置一个线材老化的温度阈值，当预测的的未来第一时间——例如下一天的母盘线材连接处的相对温度超过线材老化的温度阈值，则判断母盘线材的老化程度超过警界损耗度，则发出所述预警信号，以及时提醒更换母盘线材。
再对母盘线材连接松动程度的判断进行说明。
一实施例中步骤200根据所监测的母盘线材连接处的相对温度，判断母盘线材连接松动程度。请参照图4，一实施例中步骤200判断母盘线材连接松动程度可以具体包括步骤230和步骤240。
步骤230：预先建立第二机器预测模型，所述第二机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第二时间的母盘线材连接处的相对温度。请参照图5，一实施例中，第二机器预测模型通过以下步骤231和 233建立。
步骤231：获取第二训练集，所述第二训练集中的数据为多个时间的母盘线材连接处的相对温度，数据的标签为相对所述多个时间中最后一个时间的所述未来第二时间的母盘线材连接处的相对温度。一实施例中，步骤231中的所述多个时间的母盘线材连接处温度为连续10分钟内每分钟的母盘线材连接处的相对温度值；相对所述多个时间中最后一个时间的所述未来第二时间的母盘线材连接处的相对温度为第11分钟的母盘线材连接处温度。因此可以获取连续10 分钟内每分钟的母盘线材连接处的相对温度值作为数据，第11分钟的母盘线材连接处温度值作为标签，这样组成一组训练数据，获取多组这样的训练数据组成上述的第二训练集。
步骤233：利用所述第二训练集，通过机器学习，训练得到所述第二机器预测模型。例如利用上述的第二训练集，建立长短期记忆神经网络，训练第二机器预测模型，来预测未来一分钟母盘线材连接处的相对温度。
步骤240：当在所述未来第二时间所监测的母盘线材连接处的相对温度大于所预测的未来第二时间的母盘线材连接处的相对温度的预设倍数的值，且所监测的母盘线材连接处的相对温度上升的斜率超过预设斜率，则判断母盘线材连接松动程度超过警界损耗度，则可以执行步骤300，发出预警信号，以及时提醒对母盘线材连接的检修。一实施例中所述预设倍数的取值范围为1.5到2。因此，例如实时监测到的当前分钟的母盘线材连接处的相对温度，大于预测的当前分钟的母盘线材连接处的相对温度的预设倍数的值时，且所监测的母盘线材连接处的相对温度上升的斜率超过预设斜率，那么就判断母盘线材连接松动程度超过警界损耗度，则发出所述预警信号，以及时提醒对母盘线材连接的检修。
步骤300：当判断母盘的损耗情况超过警界损耗度时，则发出预警信号。
以上就是本发明的配电柜母盘的监测方法的一些说明，本发明还公开了一种配电柜。请参照图6，一实施例的配电柜包括箱体10、母盘20、温度监测单元40和处理器50。
箱体10是配电柜的外壳，可以起到固定和保护配电柜内部设备和线材的作用，典型地，箱体可以是一个长方体的形状，并且具有柜门，即一门可以打开。
母盘20包括线材和固定件。线材之间可以通过固定件被固定连接。配电柜中的线材，典型地可以是长条形的铜板，例如图7中的长条形铜板的母线21，而固定件可以为螺丝或螺栓等，例如图7中的固定螺栓22；铜板与铜板之间通过螺丝或螺栓固定连接，用于传导电流。
温度监测单元40设置于箱体10内，用于监测母盘的温度。一实施例中温度监测单元40可以为红外传感器。一实施例中可以引入一轨道30来配合温度监测单元40安装于箱体10内，例如请参照图7，温度监测单元40以可滑动的方式安装于所述导轨30；当需要安装一个或多个温度监测单元40时，可以将温度监测单元40安装于导轨30上，十分方便，不用像传统方式一样，通过螺丝等将温度监测单元40固定于箱体10内部；另外，温度监测单元40通过在导轨 30滑动从而被调整位置，也十分地方便。需要说明的是，图7中母盘20只是用于示意，并不用于限定本发明的母盘只能如此。
下面对温度监测单元40进一步说明。
请参照图8和图9，一实施例中温度监测单元40可以包括至少一个功能电路模块41，一主壳体42和安装连接部件43。
对于功能电路模块41，每个功能电路模块41用于完成通过感应预定区域的热辐射来对所述预定区域温度进行监测所需要的至少一种功能，从而最终使得温度监测单元40可以通过感应预定区域的热辐射来对所述预定区域温度进行监测——例如通过感应母盘区域的热辐射来对所述母盘区域温度进行监测。主壳体42围合形成容纳腔，功能电路模块41至少部分地收容于主壳体42的容纳腔。例如各功能电路模块41可以设置于一PCB板上，并通过螺丝等将PCB板的四个角固定于主壳体42内部。
安装连接部件43则与主壳体42的一侧固定连接——例如主壳体42可以呈长方体的形状，安装连接部件43与主壳体42的底侧固定连接。一实施例中，主壳体42和安装连接部件43可以是一体成型。安装连接部件43以可滑动的方式安装于导轨30，从而使得温度监测单元40以可滑动的方式安装于所述导轨 30。一实施例中，安装连接部件43可以呈倒T形，进一步地，安装连接部件43 的倒T形的底端具有梯形的形状，这可以使得温度监测单元40既可以在导轨30 上滑动，又可以当用户停止滑动温度监测单元40来调整其位置时，温度监测单元40可以比较稳定地停留在导轨30上的任意一个位置。而导轨30可以具有与安装连接部件43的倒T形相适配的T型滑槽或滑轨——例如图10就是一个例子，其中图4是温度监测单元40安装于轨道30上的一个侧视图；从图10中可以看到，一些例子中，轨道30的四个方向都可以具有与安装连接部件43的倒T 形相适配的T型滑槽或滑轨，这样一个轨道30可以在四个方向上安装温度监测单元40。
为了使得用户在导轨30上滑动温度监测单元40来调整其位置时更加方便和有针对性，请参照图11，一实施例中温度监测单元40的主壳体42的一侧——例如顶侧设有瞄准槽44。用户在导轨30上滑动温度监测单元40时可以通过温度监测单元40的瞄准槽44来随时查看温度监测单元40是否对准了用户所期望监测的区域例如母盘区域，尤其是线材连接处。进一步地，功能电路模块41 至少包括红外传感器模块；主壳体42的内部设置有安装部(图中未画出)——例如可以是用于固定PCB四个角的螺丝套筒，PCB板通过安装部安装于主壳体 42的内部，以使得红外传感器模块接收预定区域的热辐射的路径与所述瞄准槽 44的轴向平行。
固定温度监测单元40的导轨30如果是金属导轨，那么金属连接件(例如螺丝)与导轨30在配电柜内固定时容易产生金属碎屑粉末，而这种粉末在配电柜内容易导致爆炸，因此一实施例中导轨30由非金属材料制成。一实施例中导轨30可以由阻燃材料和/或绝缘材料制成制成。＝例如以阻燃材料为例，导轨30 可以由超高分子量聚乙烯材料或阻燃PVC材料等制成。不妨以超高分子量聚乙烯制成的导轨为例，其和金属连接件由于硬度不一样，所以不容易产生金属碎屑粉末，在配电柜内安全性会更好；另外，由超高分子量聚乙烯材料制成的导轨30，其阻燃级别为V0级，因此其阻燃性和防火性有非常优异的表现。导轨 30以绝缘材料制成，使得导轨在安装或使用过程中掉落时，不会使得母线的三相或零线短路，十分地安全。
类似地，红外传感器的主壳体42和安装连接部件43中的任意一者或两者也可以由非金属材料制成。一实施例中红外传感器的主壳体42和安装连接部件 43中的任意一者或两者也可以由阻燃材料和/或绝缘材料制成。例如以阻燃材料为例，红外传感器的主壳体42和/或安装连接部件43可以由阻燃ABS材料或 ULTEM 9085树脂材料等制成。
需要说明的是，当导轨30可以由阻燃材料和绝缘材料制成，指的是导轨30 由具有阻燃和绝缘这样特性的材料所制成；类似地，红外传感器的主壳体42和安装连接部件43中的任意一者或两者由阻燃材料和/或绝缘材料制成，也是指由具有阻燃和绝缘这样特性的材料所制成。
在配电柜中引入导轨30以及在温度监测单元40上引入可滑动设置于导轨的安装连接部件43，使得用户可以方便地安装和调整红外传感器的位置，实现将温度监测单元40对准用户期望监测的局部区域——例如母盘线材连接处温度的目的。
以上是温度监测单元40的一些说明。
处理器50用于根据所监测的母盘的温度，判断母盘的损耗情况，当判断母盘的损耗情况超过警界损耗度时，则发出预警信号。母盘的损耗情况可以包括母盘线材的老化程度，也可以包括母盘线材连接松动程度，下面分别说明。
先对母盘线材的老化程度的判断进行说明。
一实施例中处理器50根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度。一实施例中处理器50预先建立第一机器预测模型，所述第一机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第一时间的母盘线材连接处的相对温度；一实施例中第一机器预测模型通过以下方式建立。处理器50获取第一训练集，所述第一训练集中的数据为多个时间的母盘线材连接处的相对温度——例如多个时间比如连续7天内每天的母盘线材连接处的相对温度最高峰值，数据的标签为相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材连接处的相对温度——例如相对所述多个时间中最后一个时间的所述未来第一时间比如第8天的母盘线材连接处的相对温度最高峰值。处理器50再利用所述第一训练集，通过机器学习，训练得到所述第一机器预测模型。例如利用上述的第一训练集，建立长短期记忆神经网络，训练第一机器预测模型，来预测未来一天母盘线材连接处的相对温度最高峰值。
当在所述未来第一时间所监测的母盘线材连接处的相对温度大于所预测的未来第一时间的母盘线材连接处的相对温度时，则处理器50判断母盘线材的老化程度超过警界损耗度，则发出预警信号，以及时提醒更换母盘线材。
再对母盘线材连接松动程度的判断进行说明。
一实施例中处理器50根据所监测的母盘线材连接处的相对温度，判断母盘线材连接松动程度。一实施例中处理器50可以预先建立第二机器预测模型，所述第二机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第二时间的母盘线材连接处的相对温度；一实施例中第二机器预测模型通过以下方式建立。处理器50获取第二训练集，所述第二训练集中的数据为多个时间的母盘线材连接处的相对温度——例如连续10分钟内每分钟的母盘线材连接处的相对温度值，数据的标签为相对所述多个时间中最后一个时间的所述未来第二时间的母盘线材连接处的相对温度——例如第11分钟的母盘线材连接处的相对温度。处理器50利用所述第二训练集，通过机器学习，训练得到所述第二机器预测模型。例如利用上述的第二训练集，建立长短期记忆神经网络，训练第二机器预测模型，来预测未来一分钟母盘线材连接处的相对温度。
当在所述未来第二时间所监测的母盘线材连接处的相对温度大于所预测的未来第二时间的母盘线材连接处的相对温度的预设倍数的值，且所监测的母盘线材连接处温度上升的斜率超过预设斜率，则处理器50判断母盘线材连接松动程度超过警界损耗度，则发出预警信号，以及时提醒对母盘线材连接的检修。一实施例中所述预设倍数的取值范围为1.5到2。
请参照图12，一实施例中还公开了一种配电柜母盘的监测系统，其包括通信模块60和处理器70。
通信模块60用于接收由配电柜发送的所监测到的母盘的温度——例如母盘线材连接处的温度或相对温度。相应地，此时配电柜也有相应的通信接口等来发送其数据。通信模块60可以是有线的通信模块也可以是无线的通信模块。
处理器70则用于根据所监测的母盘的温度，判断母盘的损耗情况，当判断母盘的损耗情况超过警界损耗度时，则发出预警信号。处理器70的功能和技术特征可以参见上文对处理器50的描述，在此不再赘述。
以上是以配电柜的母盘的损耗来例进行说明，以点及面，本发明还可以推广和应用到监测其他装置的损耗，典型地如一些传动设备，像发动机和电梯等。因此一实施例中本发明还提供一种装置的损耗监测方法。请参照图13，该损耗监测方法可以包括步骤1000。
步骤1000：监测装置中预设部件的温度。
步骤1100：根据所监测的预设部件的温度，判断该预设部件的损耗情况。预设部件的损耗情况可以包括预设部件中固定件的松动情况，例如螺丝或螺栓等松动程度，也可以是预设部件中线材等老化程度。
步骤1200：当判断预设部件的损耗情况超过警界损耗度时，则发出预警信号。例如根据所监测的预设部件的相对温度，判断预设部件的损耗情况；其中所述预设部件的相对温度指监测的预设部件的温度与环境温度的差值。
本文参照了各种示范实施例进行说明。然而，本领域的技术人员将认识到，在不脱离本文范围的情况下，可以对示范性实施例做出改变和修正。例如，各种操作步骤以及用于执行操作步骤的组件，可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。另外，如本领域技术人员所理解的，本文的原理可以反映在计算机可读存储介质上的计算机程序产品中，该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用，包括磁存储设备(硬盘、软盘等)、光学存储设备(CD至ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器，使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中，该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行，这样存储在计算机可读存储器中的指令就可以形成一件制造品，包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上，从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程，使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。
虽然在各种实施例中已经示出了本文的原理，但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。
前述具体说明已参照各种实施例进行了描述。然而，本领域技术人员将认识到，可以在不脱离本披露的范围的情况下进行各种修正和改变。因此，对于本披露的考虑将是说明性的而非限制性的意义上的，并且所有这些修改都将被包含在其范围内。同样，有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而，益处、优点、问题的解决方案以及任何能产生这些的要素，或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体，皆属于非排他性包含，这样包括要素列表的过程、方法、文章或设备不仅包括这些要素，还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外，本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。
Claims (11)
1.一种配电柜母盘的监测方法，其特征在于，包括：
监测母盘的温度；
根据所监测的母盘的温度，判断母盘的损耗情况；
当判断母盘的损耗情况超过警界损耗度时，则发出预警信号；
根据所监测的母盘的温度，判断母盘的损耗情况，包括：根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度；其中所述母盘线材连接处的相对温度指监测的母盘线材连接处的温度与环境温度的差值；
根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度，包括：
预先建立第一机器预测模型，所述第一机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第一时间的母盘线材连接处的相对温度；
当在所述未来第一时间所监测的母盘线材连接处的相对温度大于所预测的未来第一时间的母盘线材连接处的相对温度时，则判断母盘线材的老化程度超过警界损耗度，则发出所述预警信号，以及时提醒更换母盘线材；
所述第一机器预测模型通过以下方式建立：
获取第一训练集，所述第一训练集中的数据为多个时间的母盘线材连接处的相对温度，数据的标签为相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材连接处的相对温度，具体地，取若干天中每一天的温度最高峰作为特征，取相对上述若干天中的下一天的温度最高峰作为标签；
利用所述第一训练集，通过机器学习，训练得到所述第一机器预测模型。
2.如权利要求1所述的监测方法，其特征在于，所述多个时间的母盘线材连接处温度为连续7天内每天的母盘线材连接处的相对温度最高峰值；相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材温度为第8天的母盘线材连接处的相对温度最高峰值。
3.如权利要求1所述的监测方法，其特征在于，根据所监测的母盘的温度，判断母盘的损耗情况，包括：根据所监测的母盘线材连接处的相对温度，判断母盘线材连接松动程度；其中所述母盘线材连接处的相对温度指监测的母盘线材连接处的温度与环境温度的差值。
4.如权利要求3所述的监测方法，其特征在于，所述根据所监测的母盘线材连接处的相对温度，判断母盘线材连接松动程度，包括：
预先建立第二机器预测模型，所述第二机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第二时间的母盘线材连接处的相对温度；
当在所述未来第二时间所监测的母盘线材连接处的相对温度大于所预测的未来第二时间的母盘线材连接处的相对温度的预设倍数的值，且所监测的母盘线材连接处的相对温度上升的斜率超过预设斜率，则判断母盘线材连接松动程度超过警界损耗度，则发出所述预警信号，以及时提醒对母盘线材连接的检修。
5.如权利要求4所述的监测方法，其特征在于，所述第二机器预测模型通过以下方式建立：
获取第二训练集，所述第二训练集中的数据为多个时间的母盘线材连接处的相对温度，数据的标签为相对所述多个时间中最后一个时间的所述未来第二时间的母盘线材连接处的相对温度；
利用所述第二训练集，通过机器学习，训练得到所述第二机器预测模型。
6.如权利要求5所述的监测方法，其特征在于，所述多个时间的母盘线材连接处温度为连续10分钟内每分钟的母盘线材连接处的相对温度值；相对所述多个时间中最后一个时间的所述未来第二时间的母盘线材连接处温度为第11分钟的母盘线材连接处的相对温度。
7.如权利要求4所述的监测方法，其特征在于，所述预设倍数的取值范围为1.5到2。
8.如权利要求1所述的监测方法，其特征在于，通过安装在所述配电柜的红外传感器来获取母盘的温度。
9.一种配电柜，其特征在于，包括：
箱体；
母盘，设置于所述箱体内，所述母盘包括线材和固定件，其中所述线材间通过所述固定件被固定连接；
温度监测单元，设置于所述箱体内，用于获取母盘的温度；
处理器，用于根据所监测的母盘的温度，判断母盘的损耗情况，当判断母盘的损耗情况超过警界损耗度时，则发出预警信号；所述根据所监测的母盘的温度，判断母盘的损耗情况，包括根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度；所述根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度，包括：
预先建立第一机器预测模型，所述第一机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第一时间的母盘线材连接处的相对温度；
当在所述未来第一时间所监测的母盘线材连接处的相对温度大于所预测的未来第一时间的母盘线材连接处的相对温度时，则判断母盘线材的老化程度超过警界损耗度，则发出所述预警信号，以及时提醒更换母盘线材；
其中，所述第一机器预测模型通过以下方式建立：
获取第一训练集，所述第一训练集中的数据为多个时间的母盘线材连接处的相对温度，数据的标签为相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材连接处的相对温度，具体地，取若干天中每一天的温度最高峰作为特征，取相对上述若干天中的下一天的温度最高峰作为标签；
利用所述第一训练集，通过机器学习，训练得到所述第一机器预测模型。
10.一种配电柜母盘的监测系统，其特征在于，包括：
通信模块，用于接收由配电柜发送的所监测到的母盘的温度；
处理器，用于根据所监测的母盘的温度，判断母盘的损耗情况，当判断母盘的损耗情况超过警界损耗度时，则发出预警信号；所述根据所监测的母盘的温度，判断母盘的损耗情况，包括根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度；所述根据所监测的母盘线材连接处的相对温度，判断母盘线材的老化程度，包括：
预先建立第一机器预测模型，所述第一机器预测模型用于通过所监测到的母盘线材连接处的相对温度，预测未来第一时间的母盘线材连接处的相对温度；
当在所述未来第一时间所监测的母盘线材连接处的相对温度大于所预测的未来第一时间的母盘线材连接处的相对温度时，则判断母盘线材的老化程度超过警界损耗度，则发出所述预警信号，以及时提醒更换母盘线材；
其中，所述第一机器预测模型通过以下方式建立：
获取第一训练集，所述第一训练集中的数据为多个时间的母盘线材连接处的相对温度，数据的标签为相对所述多个时间中最后一个时间的所述未来第一时间的母盘线材连接处的相对温度，具体地，取若干天中每一天的温度最高峰作为特征，取相对上述若干天中的下一天的温度最高峰作为标签；
利用所述第一训练集，通过机器学习，训练得到所述第一机器预测模型。
11.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910769987.6A CN110426127B (zh) | 2019-08-20 | 2019-08-20 | 一种配电柜及其母盘的监测方法、系统、损耗监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910769987.6A CN110426127B (zh) | 2019-08-20 | 2019-08-20 | 一种配电柜及其母盘的监测方法、系统、损耗监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110426127A CN110426127A (zh) | 2019-11-08 |
| CN110426127B true CN110426127B (zh) | 2021-03-02 |
Family
ID=68415311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910769987.6A Active CN110426127B (zh) | 2019-08-20 | 2019-08-20 | 一种配电柜及其母盘的监测方法、系统、损耗监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110426127B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111009837B (zh) * | 2019-12-31 | 2021-09-10 | 汇网电气有限公司 | 一种具有智能自检功能的充气柜及自检调节方法 |
| CN111505406B (zh) * | 2020-03-16 | 2022-03-01 | 剑科云智(深圳)科技有限公司 | 一种配电柜、线材的监测方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201663437U (zh) * | 2010-04-13 | 2010-12-01 | 重庆市电力公司城区供电局 | 低压插接式母线超温保护装置 |
| CN201852640U (zh) * | 2010-11-12 | 2011-06-01 | 河南省电力公司南阳供电公司 | 母线连接面超温告警器 |
| CN102607643A (zh) * | 2012-01-18 | 2012-07-25 | 西安交通大学 | 电气化铁路牵引变电站电气设备过热故障诊断及预警系统及方法 |
| CN104316201A (zh) * | 2014-11-17 | 2015-01-28 | 重庆瑞升康博电气有限公司 | 高压隔离开关触头红外阵列测温监控系统 |
| CN105509893A (zh) * | 2015-12-01 | 2016-04-20 | 广东长电成套电器有限公司 | 热成像在线测温方法 |
| CN105547483A (zh) * | 2015-12-01 | 2016-05-04 | 山东康威通信技术股份有限公司 | 一种用于组网式红外矩阵实时测量开关柜温度的方法 |
| EP3249369A1 (en) * | 2016-05-25 | 2017-11-29 | Elav S.R.L. | Contactless temperature sensor for copper wires in movement |
| CN208270080U (zh) * | 2018-06-19 | 2018-12-21 | 三峡大学 | 变电站隔离开关触头温度在线监测装置 |
| CN109186776A (zh) * | 2018-09-10 | 2019-01-11 | 广州供电局有限公司 | 输电线路线夹发热的检测方法、装置及检测设备 |
| CN109580007A (zh) * | 2019-02-20 | 2019-04-05 | 福州大学 | 一种机房冷通道微环境立体热力分布监测系统及控制方法 |
| CN110017901A (zh) * | 2019-04-01 | 2019-07-16 | 华北电力大学 | 一种电力系统中电气设备运行状态的红外图谱诊断方法 |
-
2019
- 2019-08-20 CN CN201910769987.6A patent/CN110426127B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201663437U (zh) * | 2010-04-13 | 2010-12-01 | 重庆市电力公司城区供电局 | 低压插接式母线超温保护装置 |
| CN201852640U (zh) * | 2010-11-12 | 2011-06-01 | 河南省电力公司南阳供电公司 | 母线连接面超温告警器 |
| CN102607643A (zh) * | 2012-01-18 | 2012-07-25 | 西安交通大学 | 电气化铁路牵引变电站电气设备过热故障诊断及预警系统及方法 |
| CN104316201A (zh) * | 2014-11-17 | 2015-01-28 | 重庆瑞升康博电气有限公司 | 高压隔离开关触头红外阵列测温监控系统 |
| CN105509893A (zh) * | 2015-12-01 | 2016-04-20 | 广东长电成套电器有限公司 | 热成像在线测温方法 |
| CN105547483A (zh) * | 2015-12-01 | 2016-05-04 | 山东康威通信技术股份有限公司 | 一种用于组网式红外矩阵实时测量开关柜温度的方法 |
| EP3249369A1 (en) * | 2016-05-25 | 2017-11-29 | Elav S.R.L. | Contactless temperature sensor for copper wires in movement |
| CN208270080U (zh) * | 2018-06-19 | 2018-12-21 | 三峡大学 | 变电站隔离开关触头温度在线监测装置 |
| CN109186776A (zh) * | 2018-09-10 | 2019-01-11 | 广州供电局有限公司 | 输电线路线夹发热的检测方法、装置及检测设备 |
| CN109580007A (zh) * | 2019-02-20 | 2019-04-05 | 福州大学 | 一种机房冷通道微环境立体热力分布监测系统及控制方法 |
| CN110017901A (zh) * | 2019-04-01 | 2019-07-16 | 华北电力大学 | 一种电力系统中电气设备运行状态的红外图谱诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110426127A (zh) | 2019-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110426127B (zh) | 一种配电柜及其母盘的监测方法、系统、损耗监测方法 | |
| CN110794253B (zh) | 一种开关柜健康状态评价方法及装置 | |
| EP2926428B1 (en) | Monitoring operating condition of electrical component | |
| US11429092B2 (en) | Asset management method for power equipment | |
| RU2438203C2 (ru) | Управляющая система для трансформатора или стабилизатора | |
| US20200134516A1 (en) | Method for asset management of electric power equipment | |
| US8817428B2 (en) | Differential temperature monitoring of electrical devices | |
| Wouters et al. | Remaining lifetime modeling of power transformers: individual assets and fleets | |
| US20150100284A1 (en) | Metrics and Semiparametric Model Estimating Failure Rate and Mean time Between Failures | |
| CN204243896U (zh) | 用于配电网的开关状态监测装置 | |
| KR101943455B1 (ko) | 변전소 자산 관리 방법 | |
| CN110855513A (zh) | 电力设备温度在线监测系统及方法 | |
| Catelani et al. | Measurement and comparison of reliability performance of photovoltaic power optimizers for energy production | |
| KR101550585B1 (ko) | 잔존 수명 예측 관리가 가능한 성능기준 기반의 유지관리형 수배전반 | |
| CN117113044A (zh) | 一种电网线损的智能预测分析方法及系统 | |
| Durocher et al. | Infrared windows applied in switchgear assemblies: Taking another look | |
| Vasquez et al. | Risk‐based approach for power transformer replacement considering temperature, apparent age, and expected capacity | |
| CN103197705B (zh) | 智能温控配电柜 | |
| CN113280481A (zh) | 一种云多联空调机组及其控制方法 | |
| KR101870024B1 (ko) | 배전반의 온도진단 장치 | |
| US11315083B2 (en) | Asset management method for substation | |
| CN1816954A (zh) | 保护电机的装置和方法 | |
| KR20150113359A (ko) | 태양광 인버터 진단 시스템 및 그 방법 | |
| Klaic et al. | Economic imact of power quality disturbances | |
| CN210111374U (zh) | 一种配电柜及其红外传感器 |
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 | ||
| GR01 | Patent grant |