CN111505406A - 一种配电柜、线材的监测方法 - Google Patents

Abstract

一种配电柜、线材的监测方法。所述监测方法获取线材的温度；获取所述多根线材的总电流；将未连接有电流监测单元的线材的温度和总电流，输入到负荷预测模型中，以获取对应线材的电流；其中所述负荷预测模型基于连接有电流监测单元的线材的温度、电流和总电流而建立；根据所获取的对应线材的电流，判断是否发出预警信号。本发明通过算法使用温度对线材上的电力负荷进行监控，一旦线材上的电流强度超出其安全范围或者即将超出，则发出警报，提醒工作人员应及时采取相应的措施来进行处理，降低甚至是杜绝线材因超负荷而引起火灾的可能性；本发明的方案易推广和普及，可靠性高。

Description

一种配电柜、线材的监测方法

技术领域

本发明涉及一种配电柜、线材的监测方法。

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。

不同场所的用电情况有所不同，但是不可避免地，都会存在用电高峰期和用电低谷期。在用电高峰期，用电需求量较大，这时候输送的电量也会较大，配电柜中母线上流通的电流也会相应的有所增高，而一旦电流强度超过母线的安全电流范围，就会带来许多的安全隐患，因此需要提醒工作人员及时采取相应的措施来处理。

发明内容

本申请提供一种配电柜、线材的监测方法，下面具体说明。

根据第一方面，一种实施例中提供一种配电柜，包括：

箱体；

多根母线，所述母线设置于所述箱体内；

电流监测单元，其中所述多根母线中的部分母线连接有电流部件，电流部件用于检测与其连接的母线上的电流；

温度监测单元，设置于所述箱体内，用于获取母线的温度；

负荷监测单元，用于获取配电柜的总电流；

处理器，用于将未连接有电流监测单元的母线的温度和总电流，输入到负荷预测模型中，以获取对应母线的电流；所述处理器还根据所获取的对应母线的电流，判断是否发出预警信号；其中所述负荷预测模型基于连接有电流监测单元的母线的温度、电流和总电流而建立。

一实施例中，所述负荷信息预测模型通过以下方式建立：

对于每根连接有电流监测单元的母线，所述处理器获取其第一训练集并利所述第一训练集，通过机器学习，训练得到各连接有电流监测单元的母线的模型，所述第一训练集中的数据为该母线的在多个时间的温度和总电流，数据的标签为该母线对应时间的电流；

所述处理器从连接有电流监测单元的母线的模型中，确定一个模型作为所述负荷信息预测模型。

一实施例中，所述处理器从连接有电流监测单元的母线的模型中，确定一个模型作为所述负荷信息预测模型，包括：

对于任意一个连接有电流监测单元的母线的模型，所述处理器利用其他连接有电流监测单元的母线的温度、电流和总电流，来计算该模型的平均误差；

所述处理器将平均误差最小的模型确定为所述负荷信息预测模型。

一实施例中，所述处理器在将连接有电流监测单元的母线的温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流之前，先判断对应母线的温度是变化温度还是平稳温度；

当判断所述对应母线的温度是平稳温度，则处理器再将该对应母线的温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流；

当判断所述对应母线的温度是变化温度，则处理器先根据该变化温度，预测之后的平稳温度，再将所预测的该对应母线的平稳温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流；其中所述处理器将变化温度，输入到预先建立的温度预测模型中，以预测之后的平稳温度；

其中所述温度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是母线的变化温度，数据的标签为该变化温度平稳后的平稳温度；

利用所述第二训练集，通过机器学习，训练得到所述温度预测模型。

一实施例中，所述处理器将未连接有电流监测单元的母线的温度和总电流，输入到负荷预测模型中，以获取对应母线的电流的过程中，也将模型被确定为所述负荷信息预测模型的母线的温度和总电流输入到所述负荷信息预测模型中，并计算模型被确定为所述负荷信息预测模型的母线，其由负荷信息预测模型获取的电流和由电流监测单元检测的电流的误差，当误差超过误差阈值时，则利用该模型被确定为所述负荷信息预测模型的母线最新一段时间的温度、总电流和电流重新训练以更新所述负荷信息预测模型。

根据第二方面，一种实施例供提供线材的监测方法，线材具为多根且为同类线材，其中部分线材连接有电流监测单元，所述监测方法包括：

获取线材的温度；

获取所述多根线材的总电流；

将未连接有电流监测单元的线材的温度和总电流，输入到负荷预测模型中，以获取对应线材的电流；其中所述负荷预测模型基于连接有电流监测单元的线材的温度、电流和总电流而建立；

根据所获取的对应线材的电流，判断是否发出预警信号。

一实施例中，监测方法，所述负荷信息预测模型通过以下方式建立：

对于每根连接有电流监测单元的线材，获取其第一训练集并利所述第一训练集，通过机器学习，训练得到各连接有电流监测单元的线材的模型，所述第一训练集中的数据为该线材的在多个时间的温度和总电流，数据的标签为该线材对应时间的电流；

从连接有电流监测单元的线材的模型中，确定一个模型作为所述负荷信息预测模型。

一实施例中，所述从连接有电流监测单元的线材的模型中，确定一个模型作为所述负荷信息预测模型，包括：

对于任意一个连接有电流监测单元的线材的模型，利用其他连接有电流监测单元的线材的温度、电流和总电流，来计算该模型的平均误差；

将平均误差最小的模型确定为所述负荷信息预测模型。

一实施例中，在将连接有电流监测单元的线材的温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流之前，先判断对应线材的温度是变化温度还是平稳温度；

当判断所述对应线材的温度是平稳温度，则再将该对应线材的温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流；

当判断所述对应线材的温度是变化温度，则先根据该变化温度，预测之后的平稳温度，再将所预测的该对应线材的平稳温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流；其中将变化温度，输入到预先建立的温度预测模型中，以预测之后的平稳温度；其中所述温度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是线材的变化温度，数据的标签为该变化温度平稳后的平稳温度；

利用所述第二训练集，通过机器学习，训练得到所述温度预测模型。

一实施例中，将未连接有电流监测单元的线材的温度和总电流，输入到负荷预测模型中，以获取对应线材的电流的过程中，也将模型被确定为所述负荷信息预测模型的线材的温度和总电流输入到所述负荷信息预测模型中，并计算模型被确定为所述负荷信息预测模型的线材，其由负荷信息预测模型获取的电流和由电流监测单元检测的电流的误差，当误差超过误差阈值时，则利用该模型被确定为所述负荷信息预测模型的线材最新一段时间的温度、总电流和电流重新训练以更新所述负荷信息预测模型。

根据第三方面，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本文中任一实施例所述的方法。

依据上述实施例的配电柜，通过算法使用温度对母线上的电力负荷进行监控，一旦母线上的电流强度超出其安全范围或者即将超出，则发出警报，提醒工作人员应及时采取相应的措施来进行处理，降低甚至是杜绝母线因超负荷而引起火灾的可能性；本发明的方案易推广和普及，可靠性高。

依据上述实施的线材的监测方法和计算机可读存储介质，通过算法使用温度对线材上的电力负荷进行监控，一旦线材上的电流强度超出其安全范围或者即将超出，则发出警报，提醒工作人员应及时采取相应的措施来进行处理，降低甚至是杜绝线材因超负荷而引起火灾的可能性；本发明的方案易推广和普及，可靠性高。

附图说明

图1为一种实施例的配电柜的电路结构示意图；

图2为一种实施例的配电柜的立体结构示意图；

图3为一种实施例的第一温度监测单元的立体结构示意图；

图4为一种实施例的第一温度监测单元的电路结构示意图；

图5为一种实施例的第一温度监测单元和轨道配合的示意图；

图6为另一种实施例的第一温度监测单元的立体结构示意图；

图7为一种实施例的如何监测母线的负荷信息的原理图；

图8为另一种实施例的如何监测母线的负荷信息的原理图；

图9为一种实施例的线材的监测方法的流程图；

图10为一种实施例的建立负荷信息预测模型的流程图；

图11为另一种实施例的线材的监测方法的流程图；

图12为一种实施例的建立温度预测模型的流程图。

具体实施方式

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和图2，一些实施例中的配电柜包括箱体10、母线20、温度监测单元31、电流监测单元35、负荷监测单元40和处理器50，下面具体说明。

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。

母线20的数量为一个或多个。母线20也可以称为母盘、汇流排和汇流条等，这个技术术语所对应的英文为bus bar。典型地，母线20可以是长条形的铜板，例如图2中显示的是长条形铜板的母线。母线20在配电柜中是用于传导电流的线材。

温度监测单元31设置于箱体10内，用于获取母线20的温度。一些实施例中，温度监测单元31的数量可以和母线20的数量相同，即一个温度监测单元31与一个母线20对应，各温度监测单元31用于获取对应母线20的温度。一些实施例中，温度监测单元31可以为红外传感器。一实施例中，还可以引入一轨道30来配合温度监测单元31安装于箱体10内，例如请参照图2，温度监测单元31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31时，可以将温度监测单元31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31固定于箱体10内部；另外，温度监测单元31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2中母线20只是用于示意，并不用于限定本发明的母线只能如此。下面对温度监测单元31进一步说明。

请参照图3和图4，一实施例中温度监测单元31可以包括至少一个功能电路模块32，一主壳体33和安装连接部件34。

对于功能电路模块32，每个功能电路模块32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31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——例如通过感应母线区域的热辐射来对所述母线区域温度进行监测。主壳体33围合形成容纳腔，功能电路模块32至少部分地收容于主壳体33的容纳腔。例如各功能电路模块32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33内部。

安装连接部件34则与主壳体33的一侧固定连接——例如主壳体33可以呈长方体的形状，安装连接部件34与主壳体33的底侧固定连接。一实施例中，主壳体33和安装连接部件34可以是一体成型。安装连接部件34以可滑动的方式安装于导轨30，从而使得温度监测单元31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34可以呈倒T形，进一步地，安装连接部件34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31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31来调整其位置时，温度监测单元31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34的倒T形相适配的T型滑槽或滑轨——例如图5就是一个例子，其中图5是温度监测单元31安装于轨道30上的一个侧视图；从图5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34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31。

为了使得用户在导轨30上滑动温度监测单元31来调整其位置时更加方便和有针对性，请参照图6，一实施例中温度监测单元31的主壳体33的一侧——例如顶侧设有瞄准槽31a。用户在导轨30上滑动温度监测单元31时可以通过温度监测单元31的瞄准槽31a来随时查看温度监测单元31是否对准了用户所期望监测的区域例如母线区域，尤其是线材连接处。进一步地，功能电路模块32至少包括红外传感器模块；主壳体33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33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31a的轴向平行。

固定温度监测单元31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33和安装连接部件34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33和安装连接部件34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33和/或安装连接部件34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33和安装连接部件34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31上引入可滑动设置于导轨的安装连接部件34，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31对准用户期望监测的局部区域——例如母线线材连接处温度的目的。

以上是温度监测单元31的一些说明。

由于配电柜是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，因此实际情况中，配电柜中的母线数量是很多的，所以可以考虑在配电柜中的少量母线20上设置电流监测单元35来监测对应母线20的电流。少量母线20其具体数量，可以是10个以下甚至1到2个，或者选取所有母线中的3％到5％的数量的母线。一些实施例中，电流监测单元35可以是电流互感器。

负荷监测单元40用于获取配电柜的总电流。例如一些实施例中，负荷监测单元40可以是电表。

请参照图7，处理器50用于将未连接有电流监测单元35的母线20的温度和总电流，输入到负荷预测模型中，以获取对应母线的电流；其中所述负荷预测模型基于连接有电流监测单元的母线的温度、电流和总电流而建立。

一些实施例中，所述负荷信息预测模型通过以下方式建立：

(1)对于每根连接有电流监测单元35的母线20，处理器50获取其第一训练集并利所述第一训练集，通过机器学习，训练得到各连接有电流监测单元35的母线20的模型，所述第一训练集中的数据为该母线的在多个时间的温度和总电流，数据的标签为该母线对应时间的电流。举个例子，可以每5分钟获取一组信息，这组信息中包括母线的温度、电流和配电柜的总电流，将母线的温度和配电柜的总电流作为第一训练集中的数据，其标签为该母线的电流。然后可以利用上述的第一训练集，建立长短期记忆神经网络，训练负荷信息预测模型。

(2)处理器50从连接有电流监测单元的母线的模型中，确定一个模型作为所述负荷信息预测模型。从而处理器50可以通过未连接有电流监测单元35的母线20的温度和总电流，预测对应母线20的电流。一些具体实施例中，处理器50从连接有电流监测单元的母线的模型中，确定一个模型作为所述负荷信息预测模型，包括：对于任意一个连接有电流监测单元35的母线20的模型，处理器50利用其他连接有电流监测单元35的母线20的温度、电流和总电流，来计算该模型的平均误差；处理器50将平均误差最小的模型确定为所述负荷信息预测模型。

举个例子，有三根母线A1、A2和A3，都分别连接有一个电流监测单元35。因此可以精确地得到这三根母线A1、A2和A3的温度、电流和总电流，再利用母线A1自己的温度、电流和总电流，来训练得到母线A1的模型，利用母线A2自己的温度、电流和总电流，来训练得到母线A2的模型，利用母线A3自己的温度、电流和总电流，来训练得到母线A3的模型，然后再从母线A1的模型、母线A2的模型和母线A3的模型中选择一个模型作为负荷信息预测模型。具体地，可以是将母线A2的温度、电流和总电流，以及母线A3的温度、电流和总电流，这些数据输入到母线A1的模型中，来计算由母线A1的模型所预测的电流和实际检测的电流的误差，将进一步计算平均误差；类似地，将母线A1的温度、电流和总电流，以及母线A3的温度、电流和总电流，这些数据输入到母线A2的模型中，来计算由母线A2的模型所预测的电流和实际检测的电流的误差，将进一步计算平均误差；类似地，将母线A1的温度、电流和总电流，以及母线A2的温度、电流和总电流，这些数据输入到母线A3的模型中，来计算由母线A3的模型所预测的电流和实际检测的电流的误差，将进一步计算平均误差；然后将母线A1的模型、母线A2的模型和母线A3的模型中，平均误差最小的模型确定为所述负荷信息预测模型。

在处理器50通过未连接有电流监测单元35的母线20的温度和总电流，预测对应母线20的电流的过程中，即在处理器50使用负荷信息预测模型进行电流预测的过程中，还可以使用连接有电流监测单元35的母线20的数据来校正和更新负荷信息预测模型。因此一些实施例中，处理器50将未连接有电流监测单元35的母线20的温度和总电流，输入到负荷预测模型中，以获取对应母线的电流的过程中，也将模型被确定为所述负荷信息预测模型的母线的温度和总电流输入到所述负荷信息预测模型中，并计算模型被确定为所述负荷信息预测模型的母线，其由负荷信息预测模型获取的电流和由电流监测单元检测的电流的误差，当误差超过误差阈值时，则利用该模型被确定为所述负荷信息预测模型的母线最新一段时间的温度、总电流和电流重新训练以更新所述负荷信息预测模型。

不妨仍以上述母线A1、A2和A3为例，假设母线A1的模型被确定为负荷信息预测模型。在处理器50使用负荷信息预测模型进行电流预测时，也可以将母线A1的温度和总电流输入到所述负荷信息预测模型中，然后计算母线A1由负荷信息预测模型获取的电流和由其电流监测单元所检测的电流的误差，当误差超过误差阈值(例如误差大于检测电流的10％)时，则用母线A1这实时监测的最新的一段时间的温度、总电流和电流重新训练以更新所述负荷信息预测模型。

一些情况下——例如当负荷变化比较大的时候，母线20上的温度大概率也是处于变化比较大的状态，由于此时母线20上温度也在比较剧烈的变化中，因为其温度很有可能并不是母线上的负荷例如电流所对应的温度，这种情况下，我们可以将温度分为两个阶段或者说状态，一个是变化温度，一个平稳温度；变化温度是指温度处于比较快的变化状态，例如可以设置一个比较阈值，当温度在预设时间内的变化超过该比较阈值时，则认为温度处于变化温度的状态，反之，则认为温度处于平稳温度的状态。一些实施例中，处理器50在将连接有电流监测单元的母线的温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流之前，先判断对应母线的温度是变化温度还是平稳温度。当判断所述对应母线的温度是平稳温度，则处理器50再将该对应母线的温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流；当判断所述对应母线的温度是变化温度，则处理器50先根据该变化温度，预测之后的平稳温度，再将所预测的该对应母线的平稳温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流。一些例子中，请参照图8，处理器50将变化温度，输入到预先建立的温度预测模型中，以预测之后的平稳温度；其中所述温度预测模型通过以下方式建立：

(1)获取第二训练集，所述第二训练集中的数据是母线的变化温度，数据的标签为该变化温度平稳后的平稳温度；

(2)利用所述第二训练集，通过机器学习，训练得到所述温度预测模型。例如利用上述的第二训练集，建立长短期记忆神经网络，训练温度预测模型，来通过变化温度的母线的温度，预测平稳后的母线的温度。

以上是对于如何预测配电柜中母线的负荷信息的一些说明。在获取母线的电流后，处理器50还根据所获取的对应母线的电流，判断是否发出预警信号。例如当预测的母线20的负荷信息超过警界值时，则发出预警信号。

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。一般地，母线的发热量跟电流强度的平方成正比，电流强度超出的越多，发热量更大，引起火灾的可能性也就更大，我们通过算法使用温度对母线上的电力负荷进行监控，一旦母线上的电流强度超出其安全范围或者即将超出，我们发出警报，提醒工作人员应及时采取相应的措施来进行处理，降低甚至是杜绝母线因超负荷而引起火灾的可能性。而如果对配电柜上的每个母线都配置一个例如电流互感器等器件来监测母线的电力负荷，由于母线数量比较多，因此这样做不仅成本比较高，并且如何在本已十分复杂的配电柜内部为每个母线连接上电流互感器并将数据传输出来是一个十分大的挑战，进一步地，这样做的可靠性也比较低，而本发明则通过监测少量母线的电流来训练模型，从而通过模型来监测大量母线的负荷信息。因此，本发明实现了对配电柜母线的负荷信息进行监测，其方案易推广和普及，可靠性高。

进一步地，电气设备例如机房服务器、中低压变压器、控制操动用直流柜、备用不间断电源柜、照明配电柜、功率因数电容补偿柜等，其线材同样的监测的需求，因此本申请一些实施例，还公开了一种线材的监测方法(以下简称监测方法)，下面具体说明。

本发明的线材的监测方法中，线材具有多根且为同类线材。同类线材的含义至少为材料和结构相似，进一步地，还可以是所处环境相同(例如处于同一电气设备中)，典型地，同一配电柜中的各母线为同类线材，机房服务器中的各线材为同类线材等。本发明的线材的监测方法中，其针对的是多根同类线材，其中部分线材连接有电流监测单元例如电流互感器，连接有电流互感器的线材的数量可以是10个以下甚至1到2个，或者选取所针对的同类线材中的3％到5％的数量的线材。

请参照图9，一些实施例中的监测方法包括以下步骤：

步骤100：获取线材的温度。

步骤200：获取监测方法所针的所述多根线材的总电流。

步骤300：将未连接有电流监测单元的线材的温度和总电流，输入到负荷预测模型中，以获取对应线材的电流；其中所述负荷预测模型基于连接有电流监测单元的线材的温度、电流和总电流而建立。

步骤400：根据所获取的对应线材的电流，判断是否发出预警信号。例如当预测的线材的负荷信息超过警界值时，则步骤400发出预警信号.

下面对步骤300如何通过模型来预测线材的电流进行说明。

一些实施例中，请参照图10，步骤300中的所述负荷信息预测模型通过以下方式建立：

步骤311：对于每根连接有电流监测单元的线材，获取其第一训练集并利所述第一训练集，通过机器学习，训练得到各连接有电流监测单元的线材的模型，所述第一训练集中的数据为该线材的在多个时间的温度和总电流，数据的标签为该线材对应时间的电流。举个例子，可以每5分钟获取一组信息，这组信息中包括线材的温度、电流和配电柜的总电流，将线材的温度和配电柜的总电流作为第一训练集中的数据，其标签为该线材的电流。然后可以利用上述的第一训练集，建立长短期记忆神经网络，训练负荷信息预测模型

步骤313：从连接有电流监测单元的线材的模型中，确定一个模型作为所述负荷信息预测模型。一些具体实施例中，步骤313从连接有电流监测单元的线材的模型中，确定一个模型作为所述负荷信息预测模型，包括：对于任意一个连接有电流监测单元的线材的模型，利用其他连接有电流监测单元的线材的温度、电流和总电流，来计算该模型的平均误差；将平均误差最小的模型确定为所述负荷信息预测模型。

举个例子，有三根线材A1、A2和A3，都分别连接有一个电流监测单元。因此可以精确地得到这三根线材A1、A2和A3的温度、电流和总电流，再利用线材A1自己的温度、电流和总电流，来训练得到线材A1的模型，利用线材A2自己的温度、电流和总电流，来训练得到线材A2的模型，利用线材A3自己的温度、电流和总电流，来训练得到线材A3的模型，然后再从线材A1的模型、线材A2的模型和线材A3的模型中选择一个模型作为负荷信息预测模型。具体地，可以是将线材A2的温度、电流和总电流，以及线材A3的温度、电流和总电流，这些数据输入到线材A1的模型中，来计算由线材A1的模型所预测的电流和实际检测的电流的误差，将进一步计算平均误差；类似地，将线材A1的温度、电流和总电流，以及线材A3的温度、电流和总电流，这些数据输入到线材A2的模型中，来计算由线材A2的模型所预测的电流和实际检测的电流的误差，将进一步计算平均误差；类似地，将线材A1的温度、电流和总电流，以及线材A2的温度、电流和总电流，这些数据输入到线材A3的模型中，来计算由线材A3的模型所预测的电流和实际检测的电流的误差，将进一步计算平均误差；然后将线材A1的模型、线材A2的模型和线材A3的模型中，平均误差最小的模型确定为所述负荷信息预测模型。

在步骤300通过未连接有电流监测单元的线材的温度和总电流，预测对应线材的电流的过程中，即在步骤300使用负荷信息预测模型进行电流预测的过程中，还可以使用连接有电流监测单元的线材的数据来校正和更新负荷信息预测模型。因此一些实施例中，步骤300将未连接有电流监测单元的线材的温度和总电流，输入到负荷预测模型中，以获取对应线材的电流的过程中，也将模型被确定为所述负荷信息预测模型的线材的温度和总电流输入到所述负荷信息预测模型中，并计算模型被确定为所述负荷信息预测模型的线材，其由负荷信息预测模型获取的电流和由电流监测单元检测的电流的误差，当误差超过误差阈值时，则利用该模型被确定为所述负荷信息预测模型的线材最新一段时间的温度、总电流和电流重新训练以更新所述负荷信息预测模型。

不妨仍以上述线材A1、A2和A3为例，假设线材A1的模型被确定为负荷信息预测模型。在处理器50使用负荷信息预测模型进行电流预测时，也可以将线材A1的温度和总电流输入到所述负荷信息预测模型中，然后计算线材A1由负荷信息预测模型获取的电流和由其电流监测单元所检测的电流的误差，当误差超过误差阈值(例如误差大于检测电流的10％)时，则用线材A1这实时监测的最新的一段时间的温度、总电流和电流重新训练以更新所述负荷信息预测模型。

一些情况下——例如当负荷变化比较大的时候，线材上的温度大概率也是处于变化比较大的状态，由于此时线材上温度也在比较剧烈的变化中，因为其温度很有可能并不是线材上的负荷例如电流所对应的温度，这种情况下，我们可以将温度分为两个阶段或者说状态，一个是变化温度，一个平稳温度；变化温度是指温度处于比较快的变化状态，例如可以设置一个比较阈值，当温度在预设时间内的变化超过该比较阈值时，则认为温度处于变化温度的状态，反之，则认为温度处于平稳温度的状态。因此一些实施例中，请参照图11，所述监测方法包括以下步骤：

步骤301：在将连接有电流监测单元的线材的温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流之前，先判断对应线材的温度是变化温度还是平稳温度。

当判断所述对应线材的温度是平稳温度，则步骤300再将该对应线材的温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流。

当判断所述对应线材的温度是变化温度，则步骤303先根据该变化温度，预测之后的平稳温度，再进步骤步骤300，即再将所预测的该对应线材的平稳温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流。一些例子中步骤303将变化温度，输入到预先建立的温度预测模型中，以预测之后的平稳温度；请参照图12，所述温度预测模型通过以下方式建立：

步骤304：获取第二训练集，所述第二训练集中的数据是线材的变化温度，数据的标签为该变化温度平稳后的平稳温度。

步骤305：利用所述第二训练集，通过机器学习，训练得到所述温度预测模型。例如利用上述的第二训练集，建立长短期记忆神经网络，训练温度预测模型，来通过变化温度的线材的温度，预测平稳后的线材的温度。

以上就是本发明的监测方法的一些说明。

综上所述，本发明实现了对线材的负荷信息进行监测，其方案易推广和普及，可靠性高。

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。

具有本领域技术的人将认识到，在不脱离本发明的基本原理的情况下，可以对上述实施例的细节进行许多改变。因此，本发明的范围应仅由权利要求确定。

Claims (10)

1.一种配电柜，其特征在于，包括：

箱体；

多根母线，所述母线设置于所述箱体内；

电流监测单元，其中所述多根母线中的部分母线连接有电流部件，电流部件用于检测与其连接的母线上的电流；

温度监测单元，设置于所述箱体内，用于获取母线的温度；

负荷监测单元，用于获取配电柜的总电流；

处理器，用于将未连接有电流监测单元的母线的温度和总电流，输入到负荷预测模型中，以获取对应母线的电流；所述处理器还根据所获取的对应母线的电流，判断是否发出预警信号；其中所述负荷预测模型基于连接有电流监测单元的母线的温度、电流和总电流而建立。

2.如权利要求1所述的配电柜，其特征在于，所述负荷信息预测模型通过以下方式建立：

对于每根连接有电流监测单元的母线，所述处理器获取其第一训练集并利所述第一训练集，通过机器学习，训练得到各连接有电流监测单元的母线的模型，所述第一训练集中的数据为该母线的在多个时间的温度和总电流，数据的标签为该母线对应时间的电流；

所述处理器从连接有电流监测单元的母线的模型中，确定一个模型作为所述负荷信息预测模型。

3.如权利要求2所述的配电柜，其特征在于，所述处理器从连接有电流监测单元的母线的模型中，确定一个模型作为所述负荷信息预测模型，包括：

对于任意一个连接有电流监测单元的母线的模型，所述处理器利用其他连接有电流监测单元的母线的温度、电流和总电流，来计算该模型的平均误差；

所述处理器将平均误差最小的模型确定为所述负荷信息预测模型。

4.如权利要求2所述的配电柜，其特征在于，所述处理器在将连接有电流监测单元的母线的温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流之前，先判断对应母线的温度是变化温度还是平稳温度；

当判断所述对应母线的温度是平稳温度，则处理器再将该对应母线的温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流；

当判断所述对应母线的温度是变化温度，则处理器先根据该变化温度，预测之后的平稳温度，再将所预测的该对应母线的平稳温度和总电流输入到所述负荷信息预测模型中，以获取对应母线的电流；其中所述处理器将变化温度，输入到预先建立的温度预测模型中，以预测之后的平稳温度；

其中所述温度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是母线的变化温度，数据的标签为该变化温度平稳后的平稳温度；

利用所述第二训练集，通过机器学习，训练得到所述温度预测模型。

5.如权利要求2至4中任一项所述的配电柜，其特征在于，所述处理器将未连接有电流监测单元的母线的温度和总电流，输入到负荷预测模型中，以获取对应母线的电流的过程中，也将模型被确定为所述负荷信息预测模型的母线的温度和总电流输入到所述负荷信息预测模型中，并计算模型被确定为所述负荷信息预测模型的母线，其由负荷信息预测模型获取的电流和由电流监测单元检测的电流的误差，当误差超过误差阈值时，则利用该模型被确定为所述负荷信息预测模型的母线最新一段时间的温度、总电流和电流重新训练以更新所述负荷信息预测模型。

6.一种线材的监测方法，线材具为多根且为同类线材，其中部分线材连接有电流监测单元，其特征在于，所述监测方法包括：

获取线材的温度；

获取所述多根线材的总电流；

将未连接有电流监测单元的线材的温度和总电流，输入到负荷预测模型中，以获取对应线材的电流；其中所述负荷预测模型基于连接有电流监测单元的线材的温度、电流和总电流而建立；

根据所获取的对应线材的电流，判断是否发出预警信号。

7.如权利要求6所述的监测方法，其特征在于，所述负荷信息预测模型通过以下方式建立：

对于每根连接有电流监测单元的线材，获取其第一训练集并利所述第一训练集，通过机器学习，训练得到各连接有电流监测单元的线材的模型，所述第一训练集中的数据为该线材的在多个时间的温度和总电流，数据的标签为该线材对应时间的电流；

从连接有电流监测单元的线材的模型中，确定一个模型作为所述负荷信息预测模型。

8.如权利要求7所述的监测方法，其特征在于，所述从连接有电流监测单元的线材的模型中，确定一个模型作为所述负荷信息预测模型，包括：

对于任意一个连接有电流监测单元的线材的模型，利用其他连接有电流监测单元的线材的温度、电流和总电流，来计算该模型的平均误差；

将平均误差最小的模型确定为所述负荷信息预测模型。

9.如权利要求7所述的监测方法，其特征在于，在将连接有电流监测单元的线材的温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流之前，先判断对应线材的温度是变化温度还是平稳温度；

当判断所述对应线材的温度是平稳温度，则再将该对应线材的温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流；

当判断所述对应线材的温度是变化温度，则先根据该变化温度，预测之后的平稳温度，再将所预测的该对应线材的平稳温度和总电流输入到所述负荷信息预测模型中，以获取对应线材的电流；其中将变化温度，输入到预先建立的温度预测模型中，以预测之后的平稳温度；其中所述温度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是线材的变化温度，数据的标签为该变化温度平稳后的平稳温度；

利用所述第二训练集，通过机器学习，训练得到所述温度预测模型。

10.如权利要求7至9中任一项所述的监测方法，其特征在于，将未连接有电流监测单元的线材的温度和总电流，输入到负荷预测模型中，以获取对应线材的电流的过程中，也将模型被确定为所述负荷信息预测模型的线材的温度和总电流输入到所述负荷信息预测模型中，并计算模型被确定为所述负荷信息预测模型的线材，其由负荷信息预测模型获取的电流和由电流监测单元检测的电流的误差，当误差超过误差阈值时，则利用该模型被确定为所述负荷信息预测模型的线材最新一段时间的温度、总电流和电流重新训练以更新所述负荷信息预测模型。

Images