CN110472772A - 一种隔离开关过热预警方法及一种隔离开关过热预警系统 - Google Patents

Abstract

本发明公开了一种隔离开关过热预警方法，将隔离开关温度数据和负载电流数据设置为影响隔离开关过热预警级别的关键影响因子，首先确定了隔离开关温度数据、负载电流数据与隔离开关过热预警级别之间的映射关系，然后通过预测未来隔离开关的温度数据和负载电流数据来预测预警等级。本发明提供的过热预警方法有利于对设备出现故障前进行针对性维护，提高了设备运行安全性，降低了设备运行风险并节约了运维成本。另外，本发明利用预设的函数模型构建了多种状态量与隔离开关过热预警之间的对应关系，实现多种状态量对隔离开关过热预警级别进行综合判断，提高了预测的准确性。本发明还公开了一种隔离开关过热预警系统。

Description

一种隔离开关过热预警方法及一种隔离开关过热预警系统

技术领域

本发明涉及开关过热预警技术领域，尤其涉及一种隔离开关过热预警方法及一种隔离开关过热预警系统。

背景技术

隔离开关是电网输变电中的核心设备，随着我国电网的高速发展，隔离开关数量急速上升。隔离开关一旦出现故障，不仅对城市的供电造成影响，更有可能引起爆炸等造成人员伤亡的故障。过热缺陷是隔离开关最为主要的故障。

近年来，电力设备的在线监测技术已经发展成熟，通过在隔离开关中安装多种传感器，可以准确全面的对隔离开关的各种参数进行实时监测。但如何利用隔离开关的各种实时监测数据对隔离开关的故障进行有效的预警目前还属于探索研究阶段。

目前，行业内主要对隔离开关进行过热报警，即将隔离开关状态量的历史监测数据与预设的阈值进行比较，当隔离开关状态量到达阈值时才实施报警。隔离开关到达阈值才报警留给相关工作人员进行处理的时间往往较短，容易造成处理的不及时。并且，由于现有技术没有提前预警功能，相关工作人员也不能提前对隔离开关进行针对性维护，影响隔离开关使用寿命，还增加了隔离开关运行的风险。

发明内容

本申请提供了一种隔离开关过热预警方法，以解决目前隔离开关仅有过热报警功能没有过热预警功能的现状。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种隔离开关过热预警方法，包括：

利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值组，所述预设函数模型用于描述隔离开关温度数据、负载电流数据和过热预警级别之间的映射关系；

利用样本库中的隔离开关历史温度数据、历史负载电流数据和对应的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的预测温度数据、预测负载电流数据；

将得到的预测温度数据和预测负载电流数据输入到参数值组确定的预设函数模型，得到对应的过热预警级别；

将过热预警级别输出。

相应的，另一方面，本发明还公开了一种隔离开关过热预警系统，包括：样本库模块、数据处理模块、预警等级输出模块，其中：

样本库模块，用于存储若干组对应数据，每组数据至少包括隔离开关的历史温度数据、历史负载电流数据、过热预警级别、隔离开关运行日期和具体运行时间点；

数据处理模块，用于确定预设函数模型并调用样本库中的数据；用于利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值组；用于接收样本库模块中的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的隔离开关温度数据、负载电流数据；还用于将得到未来预设时间的隔离开关温度数据和预测负载电流数据输入给参数值确定的预设函数模块，向预警等级输出模块输出隔离开关过热预警级别；

用于接收数据处理模块传输的过热预警等级，并将过热预警等级输出。

本发明与现有技术相比的有益效果在于：本发明提出了一种隔离开关过热预警方法，将隔离开关温度数据和负载电流数据设置为影响隔离开关过热预警级别的关键影响因子，首先确定了隔离开关温度数据、负载电流数据与隔离开关过热预警级别之间的映射关系，然后通过预测未来隔离开关的温度数据和负载电流数据来预测预警等级。在预测未来隔离开关的温度数据和负载电流数据时主要利用了历史的隔离开关历史温度数据、历史负载电流数据和对应的隔离开关运行日期、具体运行时间点的变化趋势。本发明提供的过热预警方法有利于对设备出现故障前进行针对性维护，提高了设备运行安全性，降低了设备运行风险并节约了运维成本。另外，本发明利用预设的函数模型构建了多种状态量与隔离开关过热预警之间的对应关系，实现多种状态量对隔离开关过热预警级别进行综合判断，提高了预测的准确性。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明实施例一中一种隔离开关过热预警方法的流程图；

图2是本发明实施例一中一种确定预设函数模型参数值组的方法的流程图；

图3是本发明实施例一中一种预测隔离开关温度数据和负载电流数据方法的流程图；

图4是本发明实施例二中一种隔离开关过热预警系统的结构示意图；

图5是本发明实施例二中一种隔离开关过热预警系统中数据处理模块结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中展示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种隔离开关过热预警方法。

实施例一

如图1所示，在一些实施例中，一种隔离开关过热预警方法包括以下步骤：

S100,利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值组，所述预设函数模型用于描述隔离开关温度数据、负载电流数据和过热预警级别之间的映射关系。

大量实验数据表明，在隔离开关运行过程中，隔离开关发生过热损坏一般都是由隔离开关负载电流过大或者温度过高引起。因此，在本实施例中，将隔离开关温度数据和负载电流数据设置为影响隔离开关过热预警级别的关键影响因子。隔离开关温度数据包括隔离开关运行温度数据和/或隔离开关环境温度数据，隔离开关温度数据包括隔离开关运行温度数据或隔离开关环境温度数据越高则隔离开关温度可能越高。本步骤的核心在于确定能描述隔离开关温度数据、负载电流数据和过热预警级别之间的映射关系的函数模型。当然，也可能存在其余影响隔离开关温度的影响因子，在实际操作中也可以将这些影响因子加入到样本库中。

基于大量实验数据，可以发现有些函数模型能够实现此发明目的，但是函数模型中的具体参数需要确定，因此需利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值组。在本实施例中，函数模型可以为BP神经网路模型或者其他可行的数学模型。隔离开关过热预警等级可以包括4种，按预警严重性高低依次为3级预警、2级预警、1级预警和无需预警。

在一些本实施例中，样本库的生成可以采用多种方式，比如（1）直接获取外部已生成的历史隔离开关温度数据、负载电流数据和对应的隔离开关过热预警级别；或者（2）自主生成所需数据。比如，利用设置在隔离开关预警系统内的温度传感器和电流传感器采集多组隔离开关相关的温度数据、负载电流数据，并将采集的温度数据、负载电流数据与预设的过热预警等级规则进行匹配（预设的过热预警等级规则中一般包括若干条关于“温度-负载电流-预警等级”的数据），得到与当前隔离开关温度数据和负载电流数据对应过热预警等级信息。本发明对样本库的生成方式不做限制。

在一些实施例中，如图2所示，利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值组的方法可以包括：

S101,分别对样本库中的隔离开关温度数据、负载电流数据和过热预警级别进行归一化处理，生成归一化样本库，所述归一化后的样本库数据数值在0-1之间，并且归一化后各样本库数据数值之和为1。

具体的，如表一所示，样本库中包括600组样本，每组样本分别包括隔离开关的运行温度数据、环境温度数据、负载电流数据3个状态量和对应的预警级别。为了方便描述，本实施例中预警级别供4种，所选的600组数据中每种预警级别对应有150组数据。

表一

隔离开关运行温度	隔离开关环境温度	隔离开关负载电流	隔离开关过热预警级别
				A1	B1	C1	无预警
A2	B2	C2	无预警
				A3	B3	C3	无预警
A4	B4	C4	无预警
				……	……	……	……
A151	B151	C151	1级
				……	……	……	……
A301	B301	C301	2级
				……	……	……	……
A599	B599	C599	3级
				A600	B600	C600	3级

首先，为了方便描述，以取三组数据为例进行说明。假设隔离开关的三组运行温度数值分别为{A1=10,A2=20,A3=30},将A1、A2、A3这三组数据求和得到60，然后分别用三组运行温度数据和得到的和进行作商，得到{10/60,20/60,30/60},即这三组数据用归一化处理后数据为{a1=0.17,a2=0.33,a3=0.5}。按照这种方法，本发明实施例需要对600组数据进行归一化处理。

另外，由于过热预警级别不是具体数值，则可以先设定无预警、1级预警、2级预警、3级预警分别对应数值1、2、3、4，然后按照上述方法进行归一化处理。表二示出了归一化后的样本库情况。

表二

隔离开关运行温度	隔离开关环境温度	隔离开关负载电流	隔离开关过热预警级别
				a1	b1	c1	d1
a2	b2	c2	d2
				a3	b3	c3	d3
a4	b4	c4	d4
				……	……	……	……
a151	b151	c151	d151
				……	……	……	……
a301	b301	c301	d301
				……	……	……	……
a599	b599	c599	d599
				a600	b600	c600	d600

S102,将归一化样本库中的一组隔离开关温度数据、电流数据作为预设函数模型的输入，将对应的隔离开关过热预警级别作为输出，计算预设函数模型的参数初值。

具体的，将归一化后样本库中600组数据任一一组，例如将第四组a4、b4、c4作为预设函数的输入，将对应的归一化后的过热预警等级d4作为预设函数模型的输出，预设函数根据样本库中第四组数据的输入、输出，自我学习并调整预设函数模型参数值组，使调整参数值组后的预设函数模型满足输入第四组输入和输出。在本实施例中预设函数模型可以为BP神经网路模型，涉及到的参数值组可以为S型传递函数的参数值等。

S103,将归一化样本库中另一组的隔离开关温度数据、负载电流数据作为输入，带入参数值组确定后的预设函数模型，计算得到过热预警级别。

例如，选取第三组数据中的a3、b3、c3作为步骤S102已确定的函数模型输入，计算得到过热预警级别输出d’3。

S104,将输出的过热预警级别与归一化样本库中相应的过热预警级别进行比较，得到预警级别输出误差。

例如，将步骤S103计算得到的过热预警级别d’3与表二中的d3进行比较，得到预警级别输出误差t。

S105,若得到的预警级别输出误差t不满足预设输出误差T，则将当前处理的这组隔离开关温度数据、电流数据及相应的过热预警级别重新带入预设函数模型，重复执行步骤S102-S105；若满足预设输出误差，则执行步骤S106。

具体的，在步骤S105中，将得到的预警级别输出误差t与预设输出误差T进行比较，若t值不满足T的要求，则说明步骤S102得到的函数参数初值不合适，需要重新计算函数参数初值，将a3、b3、c3作为输入，将d3作为输出带入预设函数模型中，重新确定预设函数模型的参数初值。然后再取另一组的数据，比如第五组，将a5、b5、c5带入参数值组确定后的预设函数模型，计算得到过热预警级别d’5，将输出的过热预警级别d’5与归一化样本库中相应的过热预警级别d5进行比较，得到预警级别输出误差，然后重复步骤S105。

若在步骤S105中，得到的预警级别输出误差t满足预设输出误差T，则说明步骤S102中得到的函数参数初值满足当前这组数据，需要继续判断该参数初值是否满足样本库其余组数据，因此需要重复执行步骤S103-S105。

S106,当存在某一参数初值的预设函数模型使得归一化样本库中各组数据在执行步骤S105时都满足预设输出误差时，则将该参数初值确定为预设函数模型的参数值组。

当样本库中600组数据得到的预警级别输出误差都满足预设输出误差时，该参数初值确定为BP神经网路模型的参数值组。在本实施例中预设输出误差T可以为0.01。

S200,利用样本库中的隔离开关历史温度数据、历史负载电流数据和对应的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的预测温度数据、预测负载电流数据。

通过大量实验证明，隔离开关运行过程中，隔离开关温度数据和负载电流数据与隔离开关运行日期和具体运行时间相关，因此将隔离开关运行日期和具体运行时间作为隔离开关温度数据和负载电流数据的影响因子。在隔离开关运行过程中，可以理解的，与预测时间接近日期的历史隔离开关温度数据和电流数据对于预测影响较大，对于预测时间较远日期的历史隔离开关温度数据和电流数据对于预测影响较小。对于预测未来预设时间对应的预测温度数据和预测负载电流数据，每天不同时间点也会影响预测，一天之中，晚上用电高峰期，电流相较于白天较大，温度也相较于晚上较高。因此，将历史日期和历史具体时间作为预测隔离开关温度数据和预测负载电流数据的影响因子。

在一些实施例中，具体的，如图3，得到预设函数模型后，利用样本库中的隔离开关历史温度数据、历史负载电流数据和对应的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的预测温度数据、预测负载电流数据方法为：

S201,将样本库中的隔离开关运行日期和隔离开关具体运行时间点作为多元线性回归模型的输入，将隔离开关的历史温度数据或隔离开关的历史电流数据的分别作为多元线性回归模型的输出，确定与隔离开关的历史温度数据对应的第一多元线性回归模型参数组，以及与隔离开关的历史电流数据对应的第二多元线性回归模型参数组。

比如，预设的多元线性回归模型为y＝β0+β1x1+β2x2，其中，y为隔离开关的历史温度数据或隔离开关的历史电流数据，x1为自变量隔离开关对应的运行日期，x2为隔离开关对应的运行具体时间点，以此确定与隔离开关的历史温度数据对应的第一多元线性回归模型参数组{β0、β1、β2}，以及与隔离开关的历史电流数据对应的第二多元线性回归模型参数组{β’0、β’1、β’2}。

S202,将未来预设隔离开关运行日期和具体运行时间点代入参数组确定的多元线性回归模型，分别预测出与未来预设时间对应的隔离开关温度数据和负载电流数据。

即将未来预设隔离开关运行日期x1和具体运行时间点x2代人第一多元线性回归模型y＝β0+β1x1+β2x2，得到未来预设时间对应的隔离开关温度数据y1。

即将未来预设隔离开关运行日期x1和具体运行时间点x2代人第二多元线性回归模型y＝β’0+β’1x1+β’2x2，得到未来预设时间对应的负载电流数据y2。

在本实施例中，步骤S100和步骤S200发生的先后顺序不做限制。

S300,将得到的与未来预设时间对应的预测温度数据和预测负载电流数据输入到参数值组确定的预设函数模型，得到对应的隔离开关过热预警级别。

若步骤S200中得到未来预设时间的隔离开关温度数据y1、负载电流数据y2，则分别将隔离开关温度数据y1、负载电流数据y2作为输入带入步骤S100中确认的BP神经网路模型，得到未来预设时间隔离开关过热预警级别。

S400,将过热预警级别输出。

在一些实施例中，可以利用语音报警装置或指示灯等输出报警级别。例如，过热预警等级可以通过灯光装置进行输出，当接收到过热预警等级为3级时，可以通过红色灯光进行输出，当输出模块接收到过热预警等级为2级时，可以通过黄色灯光进行输出；当输出模块接收到过热预警等级为1级时，可以通过蓝色灯光进行输出；当输出模块接收到过热预警等级为无预警时，无灯光进行输出。

过热预警等级还可以通过语音装置进行输出，根据预警等级不同发出不同的语音内容，过热预警等级还可以通过显示屏装置进行输出，根据预警等级在显示装置上显示对应过热预警内容。可以理解的，过热预警还可以通过灯光设备、语音装置和显示装置进行联合预警。

本发明提出了一种隔离开关过热预警方法，将隔离开关温度数据和负载电流数据设置为影响隔离开关过热预警级别的关键影响因子，首先确定了隔离开关温度数据、负载电流数据与隔离开关过热预警级别之间的映射关系，然后通过预测未来隔离开关的温度数据和负载电流数据来预测预警等级。在预测未来隔离开关的温度数据和负载电流数据时主要利用了历史的隔离开关历史温度数据、历史负载电流数据和对应的隔离开关运行日期、具体运行时间点的变化趋势。本发明提供的过热预警方法有利于对设备出现故障前进行针对性维护，提高了设备运行安全性，降低了设备运行风险并节约了运维成本。另外，本发明利用预设的函数模型构建了多种状态量与隔离开关过热预警之间的对应关系，实现多种状态量对隔离开关过热预警级别进行综合判断，提高了预测的准确性。

实施例二

本发明还公开一种隔离开关过热预警系统，如图4，包括：样本库模块1、数据处理模块2、预警等级输出模块3，其中，

样本库模块1，用于存储若干组隔离开关对应数据，每组数据至少包括隔离开关的历史温度数据、历史负载电流数据、过热预警级别、隔离开关运行日期和具体运行时间点。

样本库模块1的生成可以采用多种方式，比如（1）直接获取外部已生成的历史隔离开关温度数据、负载电流数据和对应的隔离开关过热预警级别；或者（2）自主生成所需数据。在一些实施例中，隔离开关过热预警系统还包括采集子模块，利用设置在隔离开关预警系统内的采集子模块采集多组隔离开关相关的温度数据、负载电流数据，并将采集的温度数据、负载电流数据与预设的过热预警等级规则进行匹配（预设的过热预警等级规则中一般包括若干条关于“温度-负载电流-预警等级”的数据），得到与当前隔离开关温度数据和负载电流数据对应过热预警等级信息。本发明对样本库的生成方式不做限制。

具体的，在本实施例中，如表一所示，样本库模块1用于存储600组样本，每组样本分别包括隔离开关的运行温度数据、环境温度数据、负载电流数据3个状态量和对应的预警级别。为了方便描述，本实施例中预警级别供4种，所选的600组数据中每种预警级别对应有150组数据。如表二所示，样本库模块1还包括按照实施例一归一化处理后对应的隔离开关的运行温度数据、环境温度数据、负载电流数据3个状态量和对应的预警级别。

数据处理模块2，用于确定预设函数模型类型并调用样本库中的数据；利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值，所述预设函数模型用于描述隔离开关温度数据、负载电流数据和过热预警级别之间的映射关系。用于接收样本库模块1中的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的隔离开关温度数据、负载电流数据；还用于将得到未来预设时间的隔离开关温度数据和预测负载电流数据输入给参数值确定的预设函数模块，向预警等级输出模块3输出隔离开关过热预警级别。

数据处理模块2，至少包括预设函数模型子模块21、预测子模块22。

具体的，预设函数模型子模块21用于确定预设函数模型类型并调用样本库中的数据；利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值，所述预设函数模型用于描述隔离开关温度数据、负载电流数据和过热预警级别之间的映射关系。其具体方法为：

S101,分别对样本库中的隔离开关温度数据、负载电流数据和过热预警级别进行归一化处理，生成归一化样本库，所述归一化后的样本库数据数值在0-1之间，并且归一化后各样本库数据数值之和为1，具体实施方法参见实施例一，在此不再赘述。

S102,将归一化样本库中的一组隔离开关温度数据、电流数据作为预设函数模型的输入，将对应的隔离开关过热预警级别作为输出，计算预设函数模型的参数初值，具体实施方法参见实施例一，在此不再赘述。

S103,将归一化样本库中另一组的隔离开关温度数据、负载电流数据作为输入，带入参数值组确定后的预设函数模型，计算得到过热预警级别，具体实施方法参见实施例一，在此不再赘述。

S104,将输出的过热预警级别与归一化样本库中相应的过热预警级别进行比较，得到预警级别输出误差，具体实施方法参见实施例一，在此不再赘述。

S105,若得到的预警级别输出误差t不满足预设输出误差T，则将当前处理的这组隔离开关温度数据、电流数据及相应的过热预警级别重新带入预设函数模型，重复执行步骤S102-S105；若满足预设输出误差，则重复执行步骤S103-S105。S106,当存在某一参数值组确定的预设函数模型使得归一化样本库中各组数据通过此函数模型的输出误差均满足预设输出误差时，将此预设函数模型输出，具体实施方法参见实施例一，在此不再赘述。

预设函数模型子模块21还用于接收预测子模块22传输的未来预设时间的隔离开关温度数据和预测负载电流数据，得到隔离开关过热预警等级，并将隔离开关过热预警等级传输给预警等级输出模块3，其具体方法为：

预设函数模型子模块21，接收预测子模块22传输的未来预设时间的隔离开关温度数据和预测负载电流数据，并将所述数据作为参数值确定的预设函数模型的输入，得到隔离开关过热预警级别的输出，并将隔离开关过热预警级别传输给预警等级输出模块3。

预测子模块22，用于接收样本库模块1中的隔离开关温度数据、负载电流数据和对应的运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的隔离开关温度数据、负载电流数据；其具体方法可以为：

S201,将样本库中的隔离开关运行日期和隔离开关具体运行时间点作为多元线性回归模型的输入，将隔离开关的历史温度数据或隔离开关的历史电流数据的分别作为多元线性回归模型的输出。确定与隔离开关的历史温度数据对应的第一多元线性回归模型参数组，以及与隔离开关的历史电流数据对应的第二多元线性回归模型参数组。

S202,将未来预设隔离开关运行日期和具体运行时间点代入参数组确定的多元线性回归模型，分别预测出与未来预设时间对应的隔离开关温度数据和负载电流数据。

预测子模块22还用于将得到未来预设时间的隔离开关温度数据和预测负载电流数据输入给预设函数模型子模块21。

预警等级输出模块3，用于接收数据处理模块2传输的过热预警等级，并将过热预警等级输出。在一些实施例中，预警等级输出模块3为语音报警装置或灯光装置或显示装置。例如，过热预警等级可以通过灯光装置进行输出，当接收到过热预警等级为3级时，可以通过红色灯光进行输出，当输出模块接收到过热预警等级为2级时，可以通过黄色灯光进行输出；当输出模块接收到过热预警等级为1级时，可以通过蓝色灯光进行输出；当输出模块接收到过热预警等级为无预警时，无灯光进行输出。过热预警等级还可以通过语音装置进行输出，根据预警等级不同发出不同的语音内容。根据预警等级还可以通过显示装置显示对应的过热预警等级。可以理解的，过热预警还可以通过灯光设备、语音装置和显示装置进行联合预警。

本发明提出了一种隔离开关过热预警系统，该系统处能通过隔离开关运行日期、具体运行时间点预测未来预设时间隔离开关温度数据和负载电流数据，还能通过预测得到的未来预设时间隔离开关温度数据和负载电流数据，预测隔离开关过热预警等级。本发明提供的过热预警系统有利于对设备出现故障前进行针对性维护，提高了设备运行安全性，降低了设备运行风险并节约了运维成本。另外，本发明利用预设的函数模型构建了多种状态量与隔离开关过热预警之间的对应关系，实现多种状态量对隔离开关过热预警级别进行综合判断，提高了预测的准确性。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。

对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性。

Claims (10)

1.一种隔离开关过热预警方法，其特征在于，包括：

利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值组，所述预设函数模型用于描述隔离开关温度数据、负载电流数据和过热预警级别之间的映射关系；

利用样本库中的隔离开关历史温度数据、历史负载电流数据和对应的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的预测温度数据、预测负载电流数据；

将得到的预测温度数据和预测负载电流数据输入到参数值组确定的预设函数模型，得到对应的过热预警级别；

将过热预警级别输出。

2.根据权利要求1所述的方法，其特征在于，利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应过热预警级别确定预设函数模型的参数值组的方法包括：

S101,分别对样本库中的隔离开关温度数据、电流数据和过热预警级别进行归一化处理，得到归一化样本库；

S102,将归一化样本库中的一组隔离开关温度数据、电流数据作为预设函数模型的输入，将对应的隔离开关过热预警级别作为输出，计算预设函数模型的参数初值；

S103,将归一化样本库中另一组的隔离开关温度数据、负载电流数据作为输入，将得到的参数初值作为参数值组，带入预设函数模型，计算得到过热预警级别；

S104,将输出的过热预警级别与归一化样本库中相应的过热预警级别进行比较，得到预警级别输出误差；

S105,若得到的预警级别输出误差不满足预设输出误差，则将当前处理的这组隔离开关温度数据、电流数据及相应的过热预警级别重新带入预设函数模型，重复执行步骤S102-S105；若满足预设输出误差，则执行步骤S106；

S106,当存在参数初值使得归一化样本库中各组数据在执行步骤S105时都满足预设输出误差时，则将该参数初值确定为预设函数模型的参数值组。

3.根据权利要求1所述的方法，其特征在于，利用预设样本库中的隔离开关历史温度数据、历史负载电流数据和对应的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的预测温度数据和预测负载电流数据的具体方法为：

将样本库中的隔离开关运行日期和隔离开关具体运行时间点作为多元线性回归模型的输入，将隔离开关的历史温度数据或隔离开关的历史电负载流数据分别作为多元线性回归模型的输出，确定与隔离开关的历史温度数据对应的第一多元线性回归模型参数组，以及与隔离开关的历史负载电流数据对应的第二多元线性回归模型参数组；

将未来预设隔离开关运行日期和具体运行时间点代入参数组确定的第一多元线性回归模型、第二多元线性回归模型，分别预测出与未来预设时间对应的隔离开关温度数据和负载电流数据。

4.根据权利要求1所述的方法，其特征在于,所述样本库中隔离开关的温度数据包括隔离开关运行温度数据和隔离开关环境温度数据。

5.根据权利要求1所述的方法，其特征在于,所述预设函数模型为BP神经网络模型。

6.一种隔离开关过热预警系统，其特征在于，包括：样本库模块、数据处理模块、预警等级输出模块，其中：

样本库模块，用于存储若干组对应数据，每组数据至少包括隔离开关的历史温度数据、历史负载电流数据、过热预警级别、隔离开关运行日期和具体运行时间点；

数据处理模块，用于确定预设函数模型并调用样本库中的数据；用于利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应的过热预警级别确定预设函数模型的参数值组；用于接收样本库模块中的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的隔离开关温度数据、负载电流数据；还用于将得到未来预设时间的隔离开关温度数据和预测负载电流数据输入给参数值确定的预设函数模块，向预警等级输出模块输出隔离开关过热预警级别；

用于接收数据处理模块传输的过热预警等级，并将过热预警等级输出。

7.根据权利要求6所述的系统，其特征在于，所述隔离开关过热预警系统还包括：采集模块，采集模块将采集到的隔离开关温度数据和负载电流数据传输给样本库模块。

8.根据权利要求6所述的系统，其特征在于，所述输出模块为语音报警装置或灯光装置或显示装置。

9.根据权利要求6所述的系统，其特征在于，所述数据处理模块利用样本库中的隔离开关的历史温度数据、历史负载电流数据和对应过热预警级别确定预设函数模型的参数值组的方法包括：

S101,分别对样本库中的隔离开关温度数据、电流数据和过热预警级别进行归一化处理，生成归一化样本库；

S102,将归一化样本库中的一组隔离开关温度数据、电流数据作为预设函数模型的输入，将对应的隔离开关过热预警级别作为输出，计算预设函数模型的参数初值；

S103,将归一化样本库中另一组的隔离开关温度数据、负载电流数据作为输入，将得到的参数初值作为参数值组，带入预设函数模型，计算得到过热预警级别；

S104,将输出的过热预警级别与归一化样本库中相应的过热预警级别进行比较，得到预警级别输出误差；

S105,若得到的预警级别输出误差不满足预设输出误差，则将当前处理的这组隔离开关温度数据、电流数据及相应的过热预警级别重新带入预设函数模型，重复执行步骤S102-S105；若满足预设输出误差，则执行步骤S106；

S106,当存在参数初值使得归一化样本库中各组数据在执行步骤S105时都满足预设输出误差时，则将该参数初值确定为预设函数模型的参数值组。

10.根据权利要求6所述的系统，其特征在于，所述数据处理模块利用样本库中的隔离开关历史温度数据、历史负载电流数据和对应的隔离开关运行日期、具体运行时间点，通过多元线性回归模型分别预测未来预设时间对应的预测温度数据和预测负载电流数据的具体方法为：

将样本库中的隔离开关运行日期和隔离开关具体运行时间点作为多元线性回归模型的输入，将隔离开关的历史温度数据或隔离开关的历史电流数据的分别作为多元线性回归模型的输出，确定与隔离开关的历史温度数据对应的第一多元线性回归模型参数组，以及与隔离开关的历史电流数据对应的第二多元线性回归模型参数组；

将未来预设隔离开关运行日期和具体运行时间点代入参数组确定的第一多元线性回归模型、第二多元线性回归模型，分别预测出与未来预设时间对应的隔离开关温度数据和负载电流数据。