CN113642858B - 一种基于云平台数据库的智慧用电管理系统 - Google Patents
一种基于云平台数据库的智慧用电管理系统 Download PDFInfo
- Publication number
- CN113642858B CN113642858B CN202110853625.2A CN202110853625A CN113642858B CN 113642858 B CN113642858 B CN 113642858B CN 202110853625 A CN202110853625 A CN 202110853625A CN 113642858 B CN113642858 B CN 113642858B
- Authority
- CN
- China
- Prior art keywords
- image
- unit
- data
- generating
- current
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 2
- 230000037431 insertion Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 20
- 230000015654 memory Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 239000000203 mixture Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明涉及用电管理技术领域，具体公开了一种基于云平台数据库的智慧用电管理系统，所述系统包括总控中心端、采样端和监测端，所述总控中心端用于接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果读取应急方案。本发明通过采样端获取供电端口的电流数据，通过总控中心端对这些数据进行处理，并借助监测端获取一线图像，根据所述一线图像生成应急方案；本发明在第一时间了解危险情况的同时，还获取了具体位置并生成了应急处理方案。
Description
技术领域
本发明涉及用电管理技术领域，具体是一种基于云平台数据库的智慧用电管理系统。
背景技术
智慧用电作为智慧消防的重要组成部分，它是电气安全管理的一种新理念，是新形势下用电安全管理创新的一种新模式。智慧用电最重要的标志体现在其功能和服务上，包括视频监控、无线烟感、温度、电压、电流以及故障电弧等。事实上，在打造智慧消防的过程中，各类新兴智慧用电技术被越来越多地应用。据相关资料显示，以智慧用电为基础的数据驱动模式成为城市电气安全管理智慧化发展的核心引擎。
城市范围内的用电管理通常是多个小区域集成而来的，其核心为小区域的用电管理系统；至于小区域究竟以什么为单位，每种用电管理系统是不同的；其中，现有的大部分是以小区为单位的，但是这种方式过于笼统，只能从整体上把握用电状态，对于具体的细节却无法获取，因此，在遇到用电危险时，整体用电状态发生变化，传统系统仅能够检测到有危险，却无法知道危险位置。
发明内容
本发明的目的在于提供一种基于云平台数据库的智慧用电管理系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于云平台数据库的智慧用电管理系统，所述系统包括：
总控中心端，用于接收用户供能请求，获取企业数据，根据所述企业数据生成参考电量并显示；其中，所述企业数据至少包括企业规模和劳动时间；接收用户预测电量，并基于该用户预测电量分析系统供电的风险概率，进而得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果读取应急方案。
采样端，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；定时建立与所述总控中心端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控中心端。
监测端，用于接收总控中心端发送的图像获取指令，获取区域图像并将所述区域图像向总控中心端发送。
作为本发明技术方案进一步的限定，所述总控中心端具体包括：
参考模块，用于接收用户供能请求，获取企业数据，根据所述企业数据生成参考电量并显示；其中，所述企业数据至少包括企业规模和劳动时间；
供电指令生成模块，用于接收用户预测电量，并基于该用户预测电量分析系统供电的风险概率，进而得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；
图像指令生成模块，用于接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；
图像识别模块，用于接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果读取应急方案。
作为本发明技术方案进一步的限定，所述采样端具体包括：
队列生成模块，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；
数据插入模块，用于根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；
数据上传模块，用于定时建立与所述总控中心端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控中心端。
作为本发明技术方案进一步的限定，所述参考模块具体包括：
第一遍历单元，用于建立与供能数据库的连接通道，并基于所述企业数据遍历所述供能数据库；
第一计算单元，用于依次计算所述供能数据库中企业的相似度；
判断单元，用于判断所述相似度与预设的相似阈值之间的大小，基于相似阈值确定相似企业，并读取相应的供能数据；
显示单元，用于根据所述供能数据生成参考电量并显示。
作为本发明技术方案进一步的限定，所述供电指令生成模块具体包括：
第二计算单元，用于接收用户预测电量，将所述用户预测电量输入分析函数，计算得到输电线路的热流量值；
边界确定单元，用于确定工作时间，并计算在所述工作时间内输电线路产生的极限热量值；
概率生成单元，用于根据极限热流量确定风险概率，并根据所述风险概率得到可行概率。
作为本发明技术方案进一步的限定，所述供电指令生成模块还包括：
空气参数获取单元，用于实时获取空气温度数据，并根据所述温度数据生成修正参数；
修正单元，用于将所述修正参数插入分析函数。
作为本发明技术方案进一步的限定，所述图像指令生成模块具体包括：
第一比对单元，用于接收采样端上传的电流数据，比对所述电流数据与预设的电流阈值；
时间生成单元，用于当所述电流数据大于预设的电流阈值时，更新持续时间；
第二比对单元，用于比对所述持续时间与预设的时间阈值；
应急指令生成单元，用于当所述持续时间大于预设的时间阈值时，生成应急指令。
其中，所述持续时间初始为零，在一定时间内未更新时，执行清零操作。
作为本发明技术方案进一步的限定，所述图像指令生成模块还包括：
识别码读取单元，用于接收应急指令，读取队列识别码；
地址确定单元，用于根据所述队列识别码确定采样端地址，基于所述采样端地址确定监测端地址；
指令发送单元，用于根据所述监测端地址向对应监测端发送图像获取指令。
作为本发明技术方案进一步的限定，所述图像识别模块具体包括：
图像库生成单元，用于接收监测端发送的区域图像，基于获取时间对所述区域图像进行排序，生成图像库；
第二遍历单元，用于遍历所述图像库，依次提取所述图像库中的区域图像的特征值，生成特征数组，并根据所述特征数组确定灾情级别；
执行单元，用于建立与应急数据库的连接通道，并根据灾情级别读取应急方案。
作为本发明技术方案进一步的限定，所述第二遍历单元具体包括：
灰度转换子单元，用于遍历所述图像库，依次将所述区域图像转换为灰度图像，并生成灰度数组库；
平均值计算子单元，用于遍历所述灰度数组库，计算平均值，得到平均值数组；其中，所述平均值数组中的每个平均值均对应所述灰度数组库中的一个灰度数组；
级别判断子单元，用于遍历所述平均值数组，并基于平均值计算变化率，基于计算结果判断灾情级别。
与现有技术相比，本发明的有益效果是：本发明通过采样端获取供电端口的电流数据，通过总控中心端对这些数据进行处理，并借助监测端获取一线图像，根据所述一线图像生成应急方案；在第一时间了解危险情况的同时，还获取了具体位置并生成了应急处理方案。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
图1示出了基于云平台数据库的智慧用电管理系统的系统架构图。
图2示出了基于云平台数据库的智慧用电管理系统中总控中心端的组成结构框图。
图3示出了基于云平台数据库的智慧用电管理系统中采样端的组成结构框图。
图4示出了总控中心端中参考模块的组成结构框图。
图5示出了总控中心端中供电指令生成模块的第一组成结构框图。
图6示出了总控中心端中供电指令生成模块的第二组成结构框图。
图7示出了总控中心端中图像指令生成模块的第一组成结构框图。
图8示出了总控中心端中图像指令生成模块的第二组成结构框图。
图9示出了总控中心端中图像识别模块的组成结构框图。
图10示出了图像识别模块中第二遍历单元的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明实施例中可能采用术语第一、第二等来描述不同的模块或单元，但这些模块或单元不应限于这些术语。这些术语仅用来将同一类型的模块或单元彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一遍历单元也可以被称为第二遍历单元，不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。类似地，第二遍历单元也可以被称为第一遍历单元。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
实施例1
图1示出了基于云平台数据库的智慧用电管理系统的系统架构图，本发明实施例中，一种基于云平台数据库的智慧用电管理系统，所述系统包括：
总控中心端30，用于接收用户供能请求，获取企业数据，根据所述企业数据生成参考电量并显示；其中，所述企业数据至少包括企业规模和劳动时间；接收用户预测电量并基于该用户预测电量分析系统供电的风险概率，进而得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果读取应急方案。
采样端10，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；定时建立与所述总控中心端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控中心端。
监测端20，用于接收总控中心端发送的图像获取指令，获取区域图像并将所述区域图像向总控中心端发送；
具体的，检测端20在接收到图像获取指令后，通过热红外成像技术生成监测端的区域图像，并将该区域图像发送至总控中心端30。
图2示出了基于云平台数据库的智慧用电管理系统中总控中心端的组成结构框图，所述总控中心端30具体包括：
参考模块31，用于接收用户供能请求，获取企业数据，根据所述企业数据生成参考电量并显示；其中，所述企业数据至少包括企业规模和劳动时间；
供电指令生成模块32，用于接收用户预测电量并基于该用户预测电量分析系统供电的风险概率，进而得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；
图像指令生成模块33，用于接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；
图像识别模块34，用于接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果读取应急方案。
图3示出了基于云平台数据库的智慧用电管理系统中采样端的组成结构框图，所述采样端10具体包括：
队列生成模块11，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；
数据插入模块12，用于根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；
数据上传模块13，用于定时建立与所述总控中心端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控中心端。
上述队列的运用，其实是提供一个数据缓冲的功能，当然，如果预设长度足够长，长到能够存储一天、一周或更长时间的数据，那么，所述数据缓冲功能也就成为了本地存储的功能。
实施例2
图4示出了总控中心端中参考模块的组成结构框图，所述参考模块31具体包括：
第一遍历单元311，用于建立与供能数据库的连接通道，并基于所述企业数据遍历所述供能数据库；
第一计算单元312，用于依次计算所述供能数据库中企业的相似度；
判断单元313，用于判断所述相似度与预设的相似阈值之间的大小，基于相似阈值确定相似企业，并读取相应的供能数据；
显示单元314，用于根据所述供能数据生成参考电量并显示。
参考模块的核心是相似度比对，在程序设计过程中，这是很容易实现的，但值得一提的是，企业数据中往往有不同的数据，比如员工数量，员工工作时长等等，其权重是不同的，我们在基于所述企业数据遍历所述供能数据库的过程中，可以预先规定一个先后顺序，这也就实现了不同数据的权重不同。当然，具体设计与实际情况的关联性较强，本发明不作赘述。
实施例3
图5示出了总控中心端中供电指令生成模块的第一组成结构框图，所述供电指令生成模块32具体包括：
第二计算单元321，用于接收用户预测电量，将所述用户预测电量输入分析函数，计算得到输电线路的热流量值；
边界确定单元322，用于确定工作时间，并计算在所述工作时间内输电线路产生的极限热量值；
概率生成单元323，用于根据所述极限热量值确定风险概率，并根据所述风险概率得到可行概率。
在进行具体介绍前，我们需要对用户用电量进行一个具体的描述，大部分情况下，用户的用电方式是间歇性持续供电，比如，在白天工作的时候，需要进行供电，在夜晚休息时，可以停止供电。
为了便于说明供电指令生成模块的工作过程，举例如下：用户在使用本系统时，首先会对自己的用电量进行一个简单的判断，比如，一段时间内会使用多少电量，即上述预测电量，由于在此之前，参考模块会生成一个参考电量供用户参考，因此，所述预测电量会在一定幅度内；预测电量确定后，系统便会根据此预测电量进行供电风险分析，在上述实施例中，是通过输电线内产生的热量来确定是否有风险，因为，在持续供电过程中，输电线路一定会产热，而产热又会对供电过程造成影响，还可能导致输电线路故障的发生,从而影响供电的安全性与可靠性，输电线内产生的热量随工作时间的推移而不断地增加，本实施例在通过输电线内热量进行供电风险的判断时，采取的是边界条件判断法，即输电线内热量最大能是多少，如果在最大热量状态下进行供电都是安全的，那么在其它热量状态下进行供电也都是安全的。
具体的，在用户端的预测电量被确定以后，首先，能够通过将该预测电量输入分析函数从而计算得到输电线路在单位时间单位距离内产生的热量值其中，w代表预测电量，u代表用户端的用电电压值，t代表工作时间，ρ代表输电线路电阻率，s代表输电线路的横截面积；接着，计算在工作时间内单位距离输电线路产生的极限热量值/>最后，通过边界条件判断法对输电线路供电的风险进行判断，即通过统计在极限热量值Qlim下系统的历史供电次数n和供电线路发生故障的次数m来推算出供电线路在达到极限热量状态下供电时的风险概率/>进而能够推算得到对用户供电的可行概率τ＝1-μ，当该可行概率τ大于预设的可行阈值时，系统生成供电指令。
图6示出了总控中心端中供电指令生成模块的第二组成结构框图，所述供电指令生成模块32还包括：
空气参数获取单元324，用于实时获取空气温度数据，并根据所述温度数据生成修正参数；
修正单元325，用于将所述修正参数插入分析函数。
在实践中发现，输电线路内产生的热量会通过输电线路向外部发生热传导，热传导过程会使输电线路内损失一定的热量，进而影响到输电线路内的热量值计算，而热传导过程与空气温度数据是相关的，所以，能够根据空气温度数据对热传导过程的影响，生成一个对输电线路内的热量值的修正参数，并将它插入分析函数中，最后能够根据修正后的分析函数重新计算输电线路内的热流量值，极限热量值，及根据极限热量值对输电线路供电的风险概率进行判断。
具体的，所述修正参数能够表示为其中，Q'代表单位时间单位距离内输电线路通过热传导过程损失的热量值，t1代表输电管线内温度值，t2代表空气温度值，λ代表输电管线的导热系数值，r2代表输电线路中从中心到外壁的半径值，r1代表输电线路中从中心到内壁的半径值；进一步根据该修正参数更新分析函数，并计算得到输电线路在单位时间单位距离内产生的热量值/>其中，w代表预测电量，u代表用户端的用电电压值，t代表工作时间，ρ代表输电线路电阻率，s代表输电线路的横截面积；接着，更新在工作时间内单位距离输电线路产生的极限热量值的计算/>最后，通过边界条件判断法对输电线路供电的风险进行判断，即通过统计在极限热量值Qlim下系统的历史供电次数n和供电线路发生故障的次数m来推算出供电线路在达到极限热量状态下供电时的风险概率/>进而能够推算得到对用户供电的可行概率τ＝1-μ，当该可行概率τ大于预设的可行阈值时，系统生成供电指令。
实施例4
图7示出了总控中心端中图像指令生成模块的第一组成结构框图，所述图像指令生成模块33具体包括：
第一比对单元331，用于接收采样端上传的电流数据，比对所述电流数据与预设的电流阈值；
时间生成单元332，用于当所述电流数据大于预设的电流阈值时，更新持续时间；
第二比对单元333，用于比对所述持续时间与预设的时间阈值；
应急指令生成单元334，用于当所述持续时间大于预设的时间阈值时，生成应急指令。
其中，所述持续时间初始为零，在一定时间内未更新时，执行清零操作。
上述内容中关于持续时间的判定是为了防止某些采样错误所导致的误判，其核心思想类似于按键设计中的“防抖”功能，由两个相关的变量确定应急指令。
图8示出了总控中心端中图像指令生成模块的第二组成结构框图，所述图像指令生成模块33还包括：
识别码读取单元335，用于接收应急指令，读取队列识别码；
地址确定单元336，用于根据所述队列识别码确定采样端地址，基于所述采样端地址确定监测端地址；
指令发送单元337，用于根据所述监测端地址向对应监测端发送图像获取指令。
实施例5
图9示出了总控中心端中图像识别模块的组成结构框图，所述图像识别模块34具体包括：
图像库生成单元341，用于接收监测端发送的区域图像，基于获取时间对所述区域图像进行排序，生成图像库；
第二遍历单元342，用于遍历所述图像库，依次提取所述图像库中的区域图像的特征值，生成特征数组，并根据所述特征数组确定灾情级别；
执行单元343，用于建立与应急数据库的连接通道，并根据灾情级别读取应急方案。
具体的，图像库生成单元341接收来自监测端的区域图像，也即监测端的红外图像，第二遍历单元342通过对红外图像数据进行特征值提取，能够实现检测上述的监测端温度的目的，并根据监测端的不同温度数据，确定监测端由于温度过高而可能导致的灾情的不同级别，执行单元343基于灾情的级别，从数据库中读取出与其相对应的应急方案。
图10示出了图像识别模块中第二遍历单元的组成结构框图，所述第二遍历单元342具体包括：
灰度转换子单元3421，用于遍历所述图像库，依次将所述区域图像转换为灰度图像，并生成灰度数组库；
平均值计算子单元3422，用于遍历所述灰度数组库，计算平均值，得到平均值数组；其中，所述平均值数组中的每个平均值均对应所述灰度数组库中的一个灰度数组；
级别判断子单元3423，用于遍历所述平均值数组，并基于平均值计算变化率，基于计算结果判断灾情级别。
第二遍历单元的详述，实际上是提供了一个具体的特例，即，借助灰度建立图像与数字之间的映射，当然，这种映射建立的方法不唯一，最简单的，人为确定一个映射函数，进而将图像的各像素点进行转换，也是可行的方案；使用灰度的原因是，灰度转换过程较容易实现，这里提供一个非常著名的公式：Gray＝R*0.299+G*0.587+B*0.114。
上述基于云平台数据库的智慧用电管理系统所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述基于云平台数据库的智慧用电管理系统的功能。
处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器(Read-Only Memory，ROM)，所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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、分立硬件组件等。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，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/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，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种基于云平台数据库的智慧用电管理系统，其特征在于，所述系统包括：
总控中心端，用于接收用户供能请求，获取企业数据，根据所述企业数据生成参考电量并显示；其中，所述企业数据至少包括企业规模和劳动时间；接收用户预测电量，并基于该用户预测电量分析系统供电的风险概率，进而得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果读取应急方案；
采样端，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；定时建立与所述总控中心端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控中心端；
监测端，用于接收总控中心端发送的图像获取指令，获取区域图像并将所述区域图像向总控中心端发送；
所述总控中心端具体包括：
参考模块，用于接收用户供能请求，获取企业数据，根据所述企业数据生成参考电量并显示；其中，所述企业数据至少包括企业规模和劳动时间；
供电指令生成模块，用于接收用户预测电量，并基于该用户预测电量分析系统供电的风险概率，进而得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；
图像指令生成模块，用于接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；
图像识别模块，用于接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果读取应急方案；
所述供电指令生成模块具体包括：
第二计算单元，用于接收用户预测电量，将所述用户预测电量输入分析函数，计算得到输电线路的热流量值；
边界确定单元，用于确定工作时间，并计算在所述工作时间内输电线路产生的极限热量值；
概率生成单元，用于根据极限热流量确定风险概率，并根据所述风险概率得到可行概率；
所述图像识别模块具体包括：
图像库生成单元，用于接收监测端发送的区域图像，基于获取时间对所述区域图像进行排序，生成图像库；
第二遍历单元，用于遍历所述图像库，依次提取所述图像库中的区域图像的特征值，生成特征数组，并根据所述特征数组确定灾情级别；
执行单元，用于建立与应急数据库的连接通道，并根据灾情级别读取应急方案。
2.根据权利要求1所述的基于云平台数据库的智慧用电管理系统，其特征在于，所述采样端具体包括：
队列生成模块，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；
数据插入模块，用于根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；
数据上传模块，用于定时建立与所述总控中心端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控中心端。
3.根据权利要求2所述的基于云平台数据库的智慧用电管理系统，其特征在于，所述参考模块具体包括：
第一遍历单元，用于建立与供能数据库的连接通道，并基于所述企业数据遍历所述供能数据库；
第一计算单元，用于依次计算所述供能数据库中企业的相似度；
判断单元，用于判断所述相似度与预设的相似阈值之间的大小，基于相似阈值确定相似企业，并读取相应的供能数据；
显示单元，用于根据所述供能数据生成参考电量并显示。
4.根据权利要求3所述的基于云平台数据库的智慧用电管理系统，其特征在于，所述供电指令生成模块还包括：
空气参数获取单元，用于实时获取空气温度数据，并根据所述温度数据生成修正参数；
修正单元，用于将所述修正参数插入分析函数。
5.根据权利要求4所述的基于云平台数据库的智慧用电管理系统，其特征在于，所述图像指令生成模块具体包括：
第一比对单元，用于接收采样端上传的电流数据，比对所述电流数据与预设的电流阈值；
时间生成单元，用于当所述电流数据大于预设的电流阈值时，更新持续时间；
第二比对单元，用于比对所述持续时间与预设的时间阈值；
应急指令生成单元，用于当所述持续时间大于预设的时间阈值时，生成应急指令；
其中，所述持续时间初始为零，在一定时间内未更新时，执行清零操作。
6.根据权利要求5所述的基于云平台数据库的智慧用电管理系统，其特征在于，所述图像指令生成模块还包括：
识别码读取单元，用于接收应急指令，读取队列识别码；
地址确定单元，用于根据所述队列识别码确定采样端地址，基于所述采样端地址确定监测端地址；
指令发送单元，用于根据所述监测端地址向对应监测端发送图像获取指令。
7.根据权利要求6所述的基于云平台数据库的智慧用电管理系统，其特征在于，所述第二遍历单元具体包括：
灰度转换子单元，用于遍历所述图像库，依次将所述区域图像转换为灰度图像，并生成灰度数组库；
平均值计算子单元，用于遍历所述灰度数组库，计算平均值，得到平均值数组；其中，所述平均值数组中的每个平均值均对应所述灰度数组库中的一个灰度数组；
级别判断子单元，用于遍历所述平均值数组，并基于平均值计算变化率，基于计算结果判断灾情级别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110853625.2A CN113642858B (zh) | 2021-07-29 | 2021-07-29 | 一种基于云平台数据库的智慧用电管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110853625.2A CN113642858B (zh) | 2021-07-29 | 2021-07-29 | 一种基于云平台数据库的智慧用电管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113642858A CN113642858A (zh) | 2021-11-12 |
| CN113642858B true CN113642858B (zh) | 2024-02-27 |
Family
ID=78418731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110853625.2A Active CN113642858B (zh) | 2021-07-29 | 2021-07-29 | 一种基于云平台数据库的智慧用电管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113642858B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114186876B (zh) * | 2021-12-14 | 2022-11-22 | 广州淏华实业有限公司 | 一种智慧式用电安全监管与电能管理方法及系统 |
| CN114442704B (zh) * | 2021-12-31 | 2023-03-28 | 华能山东发电有限公司 | 一种基于大数据的智能电力生产监控方法及系统 |
| CN115102798B (zh) * | 2022-06-20 | 2023-08-22 | 镇江港务集团有限公司 | 一种用于设备断电用应急数据备份系统 |
| CN115982577B (zh) * | 2023-03-20 | 2023-09-08 | 山东华网合众信息技术有限公司 | 一种智慧用电实时监测方法和系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013252037A (ja) * | 2012-06-04 | 2013-12-12 | Sharp Corp | 電力管理システムおよび電力管理装置の制御方法 |
| CN104574217A (zh) * | 2015-01-22 | 2015-04-29 | 国家电网公司 | 一种智能配电网在线风险评估方法 |
| CN105305497A (zh) * | 2015-11-20 | 2016-02-03 | 施剑鸿 | 一种低损耗智能电网的管理系统及方法 |
| CN105719466A (zh) * | 2016-04-29 | 2016-06-29 | 邹平县供电公司 | 一种基于配电系统的远程抄表系统 |
| CN109637067A (zh) * | 2019-01-23 | 2019-04-16 | 北京交通大学 | 一种充电站用电安全监测装置及预警方法 |
| CN208873967U (zh) * | 2018-07-26 | 2019-05-17 | 广东可心物联科技有限公司 | 模块化智能安全管理装置 |
| CN110673079A (zh) * | 2019-08-23 | 2020-01-10 | 北京中电飞华通信股份有限公司 | 一种台区末端感知系统及方法 |
| CN111275270A (zh) * | 2020-03-09 | 2020-06-12 | 南京中电科能技术有限公司 | 基于边缘计算和神经网络预测区域电气火灾风险的方法 |
| CN111398740A (zh) * | 2020-04-29 | 2020-07-10 | 国网湖南省电力有限公司 | 一种低压配电网窃漏电检测装置、监测系统和监测方法 |
| WO2020157832A1 (ja) * | 2019-01-29 | 2020-08-06 | 日本電気株式会社 | 電気製品管理システム |
-
2021
- 2021-07-29 CN CN202110853625.2A patent/CN113642858B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013252037A (ja) * | 2012-06-04 | 2013-12-12 | Sharp Corp | 電力管理システムおよび電力管理装置の制御方法 |
| CN104574217A (zh) * | 2015-01-22 | 2015-04-29 | 国家电网公司 | 一种智能配电网在线风险评估方法 |
| CN105305497A (zh) * | 2015-11-20 | 2016-02-03 | 施剑鸿 | 一种低损耗智能电网的管理系统及方法 |
| CN105719466A (zh) * | 2016-04-29 | 2016-06-29 | 邹平县供电公司 | 一种基于配电系统的远程抄表系统 |
| CN208873967U (zh) * | 2018-07-26 | 2019-05-17 | 广东可心物联科技有限公司 | 模块化智能安全管理装置 |
| CN109637067A (zh) * | 2019-01-23 | 2019-04-16 | 北京交通大学 | 一种充电站用电安全监测装置及预警方法 |
| WO2020157832A1 (ja) * | 2019-01-29 | 2020-08-06 | 日本電気株式会社 | 電気製品管理システム |
| CN110673079A (zh) * | 2019-08-23 | 2020-01-10 | 北京中电飞华通信股份有限公司 | 一种台区末端感知系统及方法 |
| CN111275270A (zh) * | 2020-03-09 | 2020-06-12 | 南京中电科能技术有限公司 | 基于边缘计算和神经网络预测区域电气火灾风险的方法 |
| CN111398740A (zh) * | 2020-04-29 | 2020-07-10 | 国网湖南省电力有限公司 | 一种低压配电网窃漏电检测装置、监测系统和监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113642858A (zh) | 2021-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113642858B (zh) | 一种基于云平台数据库的智慧用电管理系统 | |
| CN108985057B (zh) | 一种webshell检测方法及相关设备 | |
| CN112148577A (zh) | 数据异常检测方法、装置、电子设备及存储介质 | |
| CN105404896A (zh) | 标注数据处理方法和标注数据处理系统 | |
| US20180164794A1 (en) | Methods and Systems for Discovery of Prognostic Subsequences in Time Series | |
| CN114548832B (zh) | 一种基于大数据的风电设备状态评估方法及系统 | |
| CN113268403B (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
| CN115549313B (zh) | 基于人工智能的用电监测方法及系统 | |
| CN110751445B (zh) | 一种库区货物管控方法、装置及存储介质 | |
| CN110942021A (zh) | 环境监测方法、装置、设备以及存储介质 | |
| CN108629310B (zh) | 一种工程管理监督方法及装置 | |
| CN112070180B (zh) | 基于信息物理双侧数据的电网设备状态判断方法及装置 | |
| CN117274177A (zh) | 一种基于图像识别的输电线路防外破方法及装置 | |
| US20220342667A1 (en) | Method and Device for Detecting Dysfunction of Vehicle Embedded Computer | |
| CN113110804B (zh) | 重复图片删除方法、装置、设备及存储介质 | |
| JP2000299945A (ja) | 電力消費状況の遠隔自動診断システム | |
| CN114034972A (zh) | 基于图像数据的智能电缆故障确定方法和装置 | |
| CN111538914B (zh) | 地址信息的处理方法和装置 | |
| CN111186333B (zh) | 电动车充电识别方法、装置、终端设备及存储介质 | |
| CN114039279A (zh) | 轨道交通站内的控制柜监控方法及系统 | |
| CN113469386A (zh) | 一种基于大数据的城市管道管理系统及方法 | |
| CN109560964B (zh) | 一种设备合规检查方法及装置 | |
| CN113986700A (zh) | 数据采集频率的优化方法、系统、装置及存储介质 | |
| CN113688987A (zh) | 光伏监测模型的训练方法、光伏设备的监测方法及设备 | |
| CN115829337B (zh) | 一种存储区风险预警方法及系统 |
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 |