CN114493070A - 换电站充电电缆的热失控预警方法及系统 - Google Patents
换电站充电电缆的热失控预警方法及系统 Download PDFInfo
- Publication number
- CN114493070A CN114493070A CN202110672790.8A CN202110672790A CN114493070A CN 114493070 A CN114493070 A CN 114493070A CN 202110672790 A CN202110672790 A CN 202110672790A CN 114493070 A CN114493070 A CN 114493070A
- Authority
- CN
- China
- Prior art keywords
- temperature
- abnormal
- measuring point
- temperature measuring
- charging cable
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 claims abstract description 201
- 230000005856 abnormality Effects 0.000 claims abstract description 65
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 120
- 238000009529 body temperature measurement Methods 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000013024 troubleshooting Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000012774 insulation material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000007636 ensemble learning method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004861 thermometry Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
Images
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种换电站充电电缆的热失控预警方法及系统。其中,所述热失控预警方法包括:获取充电电缆上测温点的温度数据;从所述温度数据中提取所述测温点的至少两个温度特征;基于所述测温点的至少两个温度特征,判断所述测温点是否温度异常,以在所述测温点温度异常时进行热失控预警。由于测温点温度异常可以表征充电电缆上该测温点所对应的局部位置温度异常,而充电电缆上局部位置的温度异常往往会导致整根充电电缆的热失控。是以,本发明能够对充电电缆的热失控进行预警,从而能够为充电电缆的及时检修和故障排查提供热失控位置等指导,能够减少换电站充电电缆所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种换电站充电电缆的热失控预警方法及系统。
背景技术
换电站充电电缆是电站电缆单体能量输送的媒介,是换电站重要的基础设施。电缆是由线芯导体、绝缘材料和保护层组成。由于电缆中线芯导体的长期载流发热以及电、机械、水分等因素的影响,容易导致绝缘材料的老化,使绝缘材料失去或降低其绝缘性能和机械性能,因此容易引起击穿和火灾,甚至在电缆全长的许多地方发生燃烧和火灾,更甚至爆炸事故,由此,给换电站带来了巨大的安全隐患和经济损失。然而目前,如何选取合理的指标对换电站充电电缆进行安全监控仍然是个技术难点。
发明内容
本发明要解决的技术问题是为了克服现有技术中难以选取合理的指标对换电站充电电缆进行安全监控的缺陷,提供一种换电站充电电缆的热失控预警方法及系统。
本发明是通过下述技术方案来解决上述技术问题:
一种换电站充电电缆的热失控预警方法,所述热失控预警方法包括:
获取充电电缆上测温点的温度数据;
从所述温度数据中提取所述测温点的至少两个温度特征;
基于所述测温点的至少两个温度特征,判断所述测温点是否温度异常,以在所述测温点温度异常时进行热失控预警。
在本方案中,选取充电电缆上测温点的至少两个温度特征作为对充电电缆进行安全监控的指标。具体地,当根据充电电缆上测温点的至少两个温度特征判断该测温点温度异常时,则可以表征充电电缆上该测温点所对应的局部位置温度异常,而充电电缆上局部位置的温度异常往往会导致整根充电电缆的热失控。是以,本方案能够对充电电缆的热失控进行预警,从而能够为充电电缆的及时检修和故障排查提供热失控位置等指导,能够减少换电站充电电缆所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
较佳地,所述温度数据为实时流式温度数据,所述从所述温度数据中提取所述测温点的至少两个温度特征数据,包括:
从所述实时流式温度数据中提取所述测温点的温值特征、温升特征以及温差特征。
在本方案中,优选从测温点温度数据中提取温值特征、温升特征以及温差特征等特征数据用于温度异常识别,这样可以从测温点温度的绝对值、绝对变化值以及相对变化值等多角度多层面的有效信息来判断对应测温点是否温度异常,能够提高温度异常识别的准确性和有效性。
较佳地,所述温值特征为所述测温点在温度采集时刻ti的温度值Ti;
所述温升特征包括累计温升特征和温升相对变化特征,其中:
所述累计温升特征为温度采集时间段ti-tj的温度值升量Ti-Tj;
所述温升相对变化特征为:
其中,当|Ti-1-Ti-2|<1时,令|Ti-1-Ti-2|=1;
在本方案中,明确了测温点温值特征、温升特征以及温差特征的定义,并且其中,温升特征进一步包括累计温升特征和温升相对变化特征,使得从有限的温度数据中提取出了更多的有效信息,从而能够更加准确地判断对应测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
较佳地,所述基于所述测温点的至少两个温度特征,判断所述测温点是否温度异常,以在所述测温点温度异常时进行热失控预警,包括:
基于所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述测温点是否温度异常;
在所述测温点温度异常时,进行热失控预警。
在本方案中,优选结合至少两个异常检测模型来判断测温点是否温度异常,避免单一异常检测模型识别可能带来的误差,提高温度异常识别准确性。
较佳地,所述异常检测模型的数量为三个且包括一分类向量机(One-class SVM,非高斯分布);所述基于所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述测温点是否温度异常,包括:
将所述测温点的至少两个温度特征作为整体分别输入三个所述异常检测模型,得到各所述异常检测模型输出的异常识别结果;
当至少存在两个表示温度异常的异常识别结果且其中一个表示温度异常的异常识别结果输出自所述一分类向量机时,判定所述测温点温度异常。
在本方案中,由于实验数据表明一分类向量机在判断测温点是否温度异常方面表现占优,这样在选取三个用于判断测温点是否温度异常的异常检测模型时优选包括一分类向量机,这样,当三个异常检测模型输出的三个异常识别结果中的多数表示温度异常且一分类向量机输出的异常识别结果表示温度异常时,才判定测温点温度异常,能够更加准确地判断测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
较佳地,所述在所述测温点温度异常时,进行热失控预警,包括:
在所述测温点温度异常时,根据判定所述测温点温度异常所依据的异常检测模型确定所述测温点的异常类型;
根据所述测温点的异常类型确定所述充电电缆的告警类型并告警。
在本方案中,在判定测温点温度异常时,还可以进一步确定测温点的异常类型,以确定充电电缆的告警类型,从而可以根据不同的告警类型采用不同的处理措施,有利于提高充电电缆热失控的处理效率,其中,测温点的异常类型根据判定该测温点温度异常的异常检测模型对应确定。
较佳地,所述热失控预警方法还包括:
获取各所述温度特征对应的检测阈值;所述检测阈值根据充电电缆上测温点的历史温度数据得到;
在基于所述异常检测模型判定所述测温点温度异常后,采用所述检测阈值二次判定温度异常的测温点是否温度异常;
当采用所述检测阈值判定所述测温点温度异常时,判定所述测温点温度异常。
在本方案中,在基于异常检测模型判定测温点温度异常时,还可以进一步基于预先设置的检测阈值来判断对应温度特征是否异常,以实现对测温点是否温度异常的二次判断,从而能够更加准确地判断测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
一种换电站充电电缆的热失控预警系统,所述热失控预警系统包括:
获取模块,用于获取充电电缆上测温点的温度数据;
提取模块,用于从所述温度数据中提取所述测温点的至少两个温度特征;
预警模块,用于基于所述测温点的至少两个温度特征,判断所述测温点是否温度异常,以在所述测温点温度异常时进行热失控预警。
在本方案中,选取充电电缆上测温点的至少两个温度特征作为对充电电缆进行安全监控的指标。具体地,当根据充电电缆上测温点的至少两个温度特征判断该测温点温度异常时,则可以表征充电电缆上该测温点所对应的局部位置温度异常,而充电电缆上局部位置的温度异常往往会导致整根充电电缆的热失控。是以,本方案能够对充电电缆的热失控进行预警,从而能够为充电电缆的及时检修和故障排查提供热失控位置等指导,能够减少换电站充电电缆所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
较佳地,所述温度数据为实时流式温度数据,所述提取模块具体用于从所述实时流式温度数据中提取所述测温点的温值特征、温升特征以及温差特征。
在本方案中,优选从测温点温度数据中提取温值特征、温升特征以及温差特征等特征数据用于温度异常识别,这样可以从测温点温度的绝对值、绝对变化值以及相对变化值等多角度多层面的有效信息来判断对应测温点是否温度异常,能够提高温度异常识别的准确性和有效性。
较佳地,所述温值特征为所述测温点在温度采集时刻ti的温度值Ti;
所述温升特征包括累计温升特征和温升相对变化特征,其中:
所述累计温升特征为温度采集时间段ti-tj的温度值升量Ti-Tj;
所述温升相对变化特征为:
其中,当|Ti-1-Ti-2|<1时,令|Ti-1-Ti-2|=1;
在本方案中,明确了测温点温值特征、温升特征以及温差特征的定义,并且其中,温升特征进一步包括累计温升特征和温升相对变化特征,使得从有限的温度数据中提取出了更多的有效信息,从而能够更加准确地判断对应测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
较佳地,所述预警模块包括:
判断单元,用于基于所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述测温点是否温度异常;
预警单元,用于在所述测温点温度异常时,进行热失控预警。
在本方案中,优选结合至少两个异常检测模型来判断测温点是否温度异常,避免单一异常检测模型识别可能带来的误差,提高温度异常识别准确性。
较佳地,所述异常检测模型的数量为三个且包括一分类向量机;所述判断单元具体用于:
将所述测温点的至少两个温度特征作为整体分别输入三个所述异常检测模型,得到各所述异常检测模型输出的异常识别结果;
当至少存在两个表示温度异常的异常识别结果且其中一个表示温度异常的异常识别结果输出自所述一分类向量机时,判定所述测温点温度异常。
在本方案中,由于实验数据表明一分类向量机在判断测温点是否温度异常方面表现占优,这样在选取三个用于判断测温点是否温度异常的异常检测模型时优选包括一分类向量机,这样,当三个异常检测模型输出的三个异常识别结果中的多数表示温度异常且一分类向量机输出的异常识别结果表示温度异常时,才判定测温点温度异常,能够更加准确地实现对充电电缆的热失控预警。
较佳地,所述预警单元具体用于:
在所述测温点温度异常时,根据判定所述测温点温度异常所依据的异常检测模型确定所述测温点的异常类型;
根据所述测温点的异常类型确定所述充电电缆的告警类型并告警。
在本方案中,在判定测温点温度异常时,还可以进一步确定测温点的异常类型,以确定充电电缆的告警类型,从而可以根据不同的告警类型采用不同的处理措施,有利于提高充电电缆热失控的处理效率,其中,测温点的异常类型根据判定该测温点温度异常的异常检测模型对应确定。
较佳地,所述判断单元具体还用于:
获取各所述温度特征对应的检测阈值;所述检测阈值根据充电电缆上测温点的历史温度数据得到;
在基于所述异常检测模型判定所述测温点温度异常后,采用所述检测阈值二次判定温度异常的测温点是否温度异常;
当采用所述检测阈值判定所述测温点温度异常时,判定所述测温点温度异常。
在本方案中,在基于异常检测模型判定测温点温度异常时,还可以进一步基于预先设置的检测阈值来判断对应温度特征是否异常,以实现对测温点是否温度异常的二次判断,从而能够更加准确地判断测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种换电站充电电缆的热失控预警方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种换电站充电电缆的热失控预警方法的步骤。
本发明的积极进步效果在于:在本发明中,选取充电电缆上测温点的至少两个温度特征作为对充电电缆进行安全监控的指标。具体地,当根据充电电缆上测温点的至少两个温度特征判断该测温点温度异常时,则可以表征充电电缆上该测温点所对应的局部位置温度异常,而充电电缆上局部位置的温度异常往往会导致整根充电电缆的热失控。是以,本发明能够对充电电缆的热失控进行预警,从而能够为充电电缆的及时检修和故障排查提供热失控位置等指导,能够减少换电站充电电缆所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
附图说明
图1为根据本发明实施例1的换电站充电电缆的热失控预警方法的流程图。
图2为根据本发明实施例1的换电站充电电缆的热失控预警方法中步骤S3的流程图。
图3为根据本发明实施例2的换电站充电电缆的热失控预警系统的模块示意图。
图4为根据本发明实施例3的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种换电站充电电缆的热失控预警方法,参照图1,本实施例的热失控预警方法包括:
S1、获取充电电缆上测温点的温度数据;
S2、从温度数据中提取测温点的至少两个温度特征;
S3、基于测温点的至少两个温度特征,判断测温点是否温度异常,以在测温点温度异常时进行热失控预警。
在本实施例中,可以利用布控在充电电缆表面的光纤来采集充电电缆上测温点的温度数据,并且温度数据优选为基于时间序列的实时流式温度数据。
在一个具体的实施例中,温度数据如下表所示包括采集时间、站点编号、测温点位置和温度信息等。其中,表1中的具体数值为举例说明,不构成限定。
表1:
在本实施例中,优选先对采集到的温度数据进行数据清洗,再从经数据清洗的温度数据中提取测温点的至少两个温度特征,其中,数据清理的规则例如可以包括删除在光纤采集范围之外的错误数据,以将可能存在质量缺陷的温度数据转化为满足质量要求的温度数据。
在一个实施例中,充电电缆上可存在大量测温点,在对单个测温点判断该测温点温度异常时,便可进行热失控预警。在另外的实施例中,也可在对多个测温点判断这些测温点均温度异常时,才进行热失控预警。
在本实施例中,选取充电电缆上测温点的至少两个温度特征作为对充电电缆进行安全监控的指标。具体地,当根据充电电缆上测温点的至少两个温度特征判断该测温点温度异常时,则可以表征充电电缆上该测温点所对应的局部位置温度异常,而充电电缆上局部位置的温度异常往往会导致整根充电电缆的热失控。是以,本实施例能够对充电电缆的热失控进行预警,从而能够为充电电缆的及时检修和故障排查提供热失控位置等指导,能够减少换电站充电电缆所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
在本实施例中,优选从实时流式数据中提取温值特征、温升特征以及温差特征等特征数据,并且优选根据所提取的温值特征、温升特征以及温差特征等特征数据用于温度异常识别,这样可以从测温点温度的绝对值、绝对变化值以及相对变化值等多角度多层面的有效信息来判断对应测温点是否温度异常,能够提高温度异常识别的准确性和有效性,也即,本实施例优选充电电缆上测温点的温值特征、温升特征以及温差特征这三个互为补充的温度特征作为对充电电缆进行安全监控的指标,以较为全面地覆盖充电电缆热失控前温度变化的所有场景,进而提高对充电电缆进行热失控预警的准确性。基于此,本实施例中步骤S2优选包括从实时流式温度数据中提取测温点的温值特征、温升特征以及温差特征的步骤。
具体地,在本实施例中,温值特征为测温点在温度采集时刻ti的温度值Ti。
具体地,在本实施例中,温升特征优选包括累计温升特征和温升相对变化特征,其中,累计温升特征为温度采集时间段ti-tj的温度值升量Ti-Tj,温升相对变化特征为:
其中,当|Ti-1-Ti-2|<1时,令|Ti-1-Ti-2|=1。
在本实施例中,明确了测温点温值特征、温升特征以及温差特征的定义,并且其中,温升特征进一步包括累计温升特征和温升相对变化特征,使得从有限的温度数据中提取出了更多的有效信息,从而能够更加准确地判断对应测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
参照图2,本实施例中步骤S3可以进一步包括:
S31、基于测温点的至少两个温度特征,并结合至少两个异常检测模型,判断测温点是否温度异常;
S32、在测温点温度异常时,进行热失控预警。
在本实施例中,优选结合至少两个异常检测模型来判断测温点是否温度异常,避免单一异常检测模型识别可能带来的误差,提高温度异常识别准确性。具体地,将测温点的至少两个温度特征作为整体分别输入至少两个训练好的异常检测模型,得到各异常检测模型输出的异常识别结果,进而可以根据至少两个异常检测模型对应输出的异常识别结果来判断测温点是否温度异常,较之仅依赖于单一异常检测模型,能够更加准确地判断对应测温点是否温度异常,也就能够更加准确地实现对充电电缆的热失控预警。此外,在本实施例中,优选设置预设时间段内,只进行一次热失控预警,以避免频繁预警所造成的重复与打扰。
在一个实施例中,在结合至少两个异常检测模型判断单个测温点是否温度异常的场景中,需要至少一半以上的异常检测模型输出异常识别结果时,才判断该测温点温度异常。在另外的实施例中,还需要指定异常检测模型输出异常识别结果时,才判断该测温点温度异常。
具体地,在一种实施方式中,由于实验数据表明一分类向量机在判断测温点是否温度异常方面表现占优,这样在选取三个用于判断测温点是否温度异常的异常检测模型时优选包括一分类向量机,其他两个异常检测模型例如可以选择EllipticEnvelope(基于高斯概率密度的异常点检测)与lsolationForest(基于集成学习方法异常点检测),步骤S31优选包括将测温点的至少两个温度特征作为整体分别输入三个异常检测模型,得到各异常检测模型输出的异常识别结果的步骤,以及当至少存在两个表示温度异常的异常识别结果且其中一个表示温度异常的异常识别结果输出自一分类向量机时,判定测温点温度异常的步骤。
在本实施例中,实验数据表明一分类向量机较之其他两个异常检测模型在判断测温点是否温度异常方面表现占优,也即,在本实施例中,至少两个异常检测模型并非必然处于完全同等的地位,而是可以按照各自的检测效果处于不完全同等的地位,由此,本方案能够更加准确地判断测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。但是,应当理解,本实施例并不旨在将异常检测模型的数量限制为三个,并且,也不旨在将异常检测模型限定为上述三种类型。
在本实施例中,异常检测模型利用充电电缆上测温点的历史温度数据构建得到,具体地,将从历史温度数据中提取到的至少两个温度特征作为整体来构建得到至少两个异常检测模型,并且,由于实际发生的热失控事件相对于正常的样本极少,即成亿条正常数据中可能存在一条异常数据,因此需要通过将异常检测模型的异常识别结果与实际情况进行对比的方式,来进行异常检测模型的优化与迭代。
在本实施例中,步骤S32优选包括在测温点温度异常时,根据判定测温点温度异常所依据的异常检测模型确定测温点的异常类型的步骤,以及根据测温点的异常类型确定充电电缆的告警类型并告警的步骤。
在本实施例中,在判定测温点温度异常时,还可以进一步确定测温点的异常类型,以确定充电电缆的告警类型,从而可以根据不同的告警类型采用不同的处理措施,有利于提高充电电缆热失控的处理效率,其中,测温点的异常类型根据判定该测温点温度异常的异常检测模型对应确定。例如,可以参照各异常检测模型decision function(决策函数)的数值大小来确定异常类型,其中,数值大小越负的所对应的异常等级越高。
在本实施例中,热失控预警方法还可以包括以下步骤:
获取各温度特征对应的检测阈值;检测阈值根据充电电缆上测温点的历史温度数据得到;
在基于异常检测模型判定测温点温度异常后,采用检测阈值二次判定温度异常的测温点是否温度异常;
当采用检测阈值判定测温点温度异常时,判定测温点温度异常。
在本实施例中,可以利用3sigma原则来确定充电电缆在正常状态下各温度特征对应的检测阈值,并且同样地,由于实际发生的热失控事件相对于正常的样本极少,即成亿条正常数据中可能存在一条异常数据,因此需要通过将采用检测阈值判断得到的结果与实际情况进行对比的方式,来进行检测阈值的优化与迭代。
如此,在本实施例基于异常检测模型判定测温点温度异常时,还可以进一步基于预先设置的检测阈值来判断对应温度特征是否异常,以实现对测温点是否温度异常的二次判断,从而能够更加准确地判断测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
实施例2
本实施例提供一种换电站充电电缆的热失控预警系统,参照图3,本实施例的热失控预警系统包括:
获取模块1,用于获取充电电缆上测温点的温度数据;
提取模块2,用于从温度数据中提取测温点的至少两个温度特征;
预警模块3,用于基于测温点的至少两个温度特征,判断测温点是否温度异常,以在测温点温度异常时进行热失控预警。
在本实施例中,可以利用布控在充电电缆表面的光纤来采集充电电缆上测温点的温度数据,并且温度数据优选为基于时间序列的实时流式温度数据。
在一个具体的实施例中,温度数据如下表所示包括采集时间、站点编号、测温点位置和温度信息等。其中,表1中的具体数值为举例说明,不构成限定。
表1:
在本实施例中,优选先对采集到的温度数据进行数据清洗,再从经数据清洗的温度数据中提取测温点的至少两个温度特征,其中,数据清理的规则例如可以包括删除在光纤采集范围之外的错误数据,以将可能存在质量缺陷的温度数据转化为满足质量要求的温度数据。
在一个实施例中,充电电缆上可存在大量测温点,在对单个测温点判断该测温点温度异常时,便可进行热失控预警。在另外的实施例中,也可在对多个测温点判断这些测温点均温度异常时,才进行热失控预警。
在本实施例中,选取充电电缆上测温点的至少两个温度特征作为对充电电缆进行安全监控的指标。具体地,当根据充电电缆上测温点的至少两个温度特征判断该测温点温度异常时,则可以表征充电电缆上该测温点所对应的局部位置温度异常,而充电电缆上局部位置的温度异常往往会导致整根充电电缆的热失控。是以,本实施例能够对充电电缆的热失控进行预警,从而能够为充电电缆的及时检修和故障排查提供热失控位置等指导,能够减少换电站充电电缆所发生的热失控事件,并且能够达到换电站性能与经济效益的平衡。
在本实施例中,优选从实时流式数据中提取温值特征、温升特征以及温差特征等特征数据,并且优选根据所提取的温值特征、温升特征以及温差特征等特征数据用于温度异常识别,这样可以从测温点温度的绝对值、绝对变化值以及相对变化值等多角度多层面的有效信息来判断对应测温点是否温度异常,能够提高温度异常识别的准确性和有效性,也即,本实施例优选充电电缆上测温点的温值特征、温升特征以及温差特征这三个互为补充的温度特征作为对充电电缆进行安全监控的指标,以较为全面地覆盖充电电缆热失控前温度变化的所有场景,进而提高对充电电缆进行热失控预警的准确性。基于此,本实施例中提取模块2优选具体用于从实时流式温度数据中提取测温点的温值特征、温升特征以及温差特征。
具体地,在本实施例中,温值特征为测温点在温度采集时刻ti的温度值Ti。
具体地,在本实施例中,温升特征优选包括累计温升特征和温升相对变化特征,其中,累计温升特征为温度采集时间段ti-tj的温度值升量Ti-Tj,温升相对变化特征为:
其中,当|Ti-1-Ti-2|<1时,令|Ti-1-Ti-2|=1。
在本实施例中,明确了测温点温值特征、温升特征以及温差特征的定义,并且其中,温升特征进一步包括累计温升特征和温升相对变化特征,使得从有限的温度数据中提取出了更多的有效信息,从而能够更加准确地判断对应测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
参照图3,本实施例中预警模块3可以进一步包括:
判断单元31,用于基于测温点的至少两个温度特征,并结合至少两个异常检测模型,判断测温点是否温度异常;
预警单元32,用于在测温点温度异常时,进行热失控预警。
在本实施例中,优选结合至少两个异常检测模型来判断测温点是否温度异常,避免单一异常检测模型识别可能带来的误差,提高温度异常识别准确性。具体地,将测温点的至少两个温度特征作为整体分别输入至少两个训练好的异常检测模型,得到各异常检测模型输出的异常识别结果,进而可以根据至少两个异常检测模型对应输出的异常识别结果来判断测温点是否温度异常,较之仅依赖于单一异常检测模型,能够更加准确地判断对应测温点是否温度异常,也就能够更加准确地实现对充电电缆的热失控预警。此外,在本实施例中,优选设置预设时间段内,只进行一次热失控预警,以避免频繁预警所造成的重复与打扰。
在一个实施例中,在结合至少两个异常检测模型判断单个测温点是否温度异常的场景中,需要至少一半以上的异常检测模型输出异常识别结果时,才判断该测温点温度异常。在另外的实施例中,还需要指定异常检测模型输出异常识别结果时,才判断该测温点温度异常。
具体地,在一种实施方式中,由于实验数据表明一分类向量机在判断测温点是否温度异常方面表现占优,这样在选取三个用于判断测温点是否温度异常的异常检测模型时优选包括一分类向量机,其他两个异常检测模型例如可以选择EllipticEnvelope(基于高斯概率密度的异常点检测)与lsolationForest(基于集成学习方法异常点检测),判断单元31优选具体用于将测温点的至少两个温度特征作为整体分别输入三个异常检测模型,得到各异常检测模型输出的异常识别结果,以及当至少存在两个表示温度异常的异常识别结果且其中一个表示温度异常的异常识别结果输出自一分类向量机时,判定测温点温度异常。
在本实施例中,实验数据表明一分类向量机较之其他两个异常检测模型在判断测温点是否温度异常方面表现占优,也即,在本实施例中,至少两个异常检测模型并非必然处于完全同等的地位,而是可以按照各自的检测效果处于不完全同等的地位,由此,本方案能够更加准确地判断测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。但是,应当理解,本实施例并不旨在将异常检测模型的数量限制为三个,并且,也不旨在将异常检测模型限定为上述三种类型。
在本实施例中,异常检测模型利用充电电缆上测温点的历史温度数据构建得到,具体地,将从历史温度数据中提取到的至少两个温度特征作为整体来构建得到至少两个异常检测模型,并且,由于实际发生的热失控事件相对于正常的样本极少,即成亿条正常数据中可能存在一条异常数据,因此需要通过将异常检测模型的异常识别结果与实际情况进行对比的方式,来进行异常检测模型的优化与迭代。
在本实施例中,预警单元32优选具体用于在测温点温度异常时,根据判定测温点温度异常所依据的异常检测模型确定测温点的异常类型,以及根据测温点的异常类型确定充电电缆的告警类型并告警。
在本实施例中,在判定测温点温度异常时,还可以进一步确定测温点的异常类型,以确定充电电缆的告警类型,从而可以根据不同的告警类型采用不同的处理措施,有利于提高充电电缆热失控的处理效率,其中,测温点的异常类型根据判定该测温点温度异常的异常检测模型对应确定。例如,可以参照各异常检测模型decision function(决策函数)的数值大小来确定异常类型,其中,数值大小越负的所对应的异常等级越高。
在本实施例中,判断单元31具体还用于:
获取各温度特征对应的检测阈值;检测阈值根据充电电缆上测温点的历史温度数据得到;
在基于异常检测模型判定测温点温度异常后,采用检测阈值二次判定温度异常的测温点是否温度异常;
当采用检测阈值判定测温点温度异常时,判定测温点温度异常。
在本实施例中,可以利用3sigma原则来确定充电电缆在正常状态下各温度特征对应的检测阈值,并且同样地,由于实际发生的热失控事件相对于正常的样本极少,即成亿条正常数据中可能存在一条异常数据,因此需要通过将采用检测阈值判断得到的结果与实际情况进行对比的方式,来进行检测阈值的优化与迭代。
如此,在本实施例基于异常检测模型判定测温点温度异常时,还可以进一步基于预先设置的检测阈值来判断对应温度特征是否异常,以实现对测温点是否温度异常的二次判断,从而能够更加准确地判断测温点是否温度异常,进而能够更加准确地实现对充电电缆的热失控预警。
实施例3
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1提供的换电站充电电缆的热失控预警方法。
图4示出了本实施例的硬件结构示意图,如图4所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1所提供的换电站充电电缆的热失控预警方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1所提供的换电站充电电缆的热失控预警方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1所述的换电站充电电缆的热失控预警方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种换电站充电电缆的热失控预警方法,其特征在于,所述热失控预警方法包括:
获取充电电缆上测温点的温度数据;
从所述温度数据中提取所述测温点的至少两个温度特征;
基于所述测温点的至少两个温度特征,判断所述测温点是否温度异常,以在所述测温点温度异常时进行热失控预警。
2.如权利要求1所述的换电站充电电缆的热失控预警方法,其特征在于,所述温度数据为实时流式温度数据,所述从所述温度数据中提取所述测温点的至少两个温度特征数据,包括:
从所述实时流式温度数据中提取所述测温点的温值特征、温升特征以及温差特征。
4.如权利要求1所述的换电站充电电缆的热失控预警方法,其特征在于,所述基于所述测温点的至少两个温度特征,判断所述测温点是否温度异常,以在所述测温点温度异常时进行热失控预警,包括:
基于所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述测温点是否温度异常;
在所述测温点温度异常时,进行热失控预警。
5.如权利要求4所述的换电站充电电缆的热失控预警方法,其特征在于,所述异常检测模型的数量为三个且包括一分类向量机;所述基于所述测温点的至少两个温度特征,并结合至少两个异常检测模型,判断所述测温点是否温度异常,包括:
将所述测温点的至少两个温度特征作为整体分别输入三个所述异常检测模型,得到各所述异常检测模型输出的异常识别结果;
当至少存在两个表示温度异常的异常识别结果且其中一个表示温度异常的异常识别结果输出自所述一分类向量机时,判定所述测温点温度异常。
6.如权利要求5所述的换电站充电电缆的热失控预警方法,其特征在于,所述在所述测温点温度异常时,进行热失控预警,包括:
在所述测温点温度异常时,根据判定所述测温点温度异常所依据的异常检测模型确定所述测温点的异常类型;
根据所述测温点的异常类型确定所述充电电缆的告警类型并告警。
7.如权利要求5所述的换电站充电电缆的热失控预警方法,其特征在于,所述热失控预警方法还包括:
获取各所述温度特征对应的检测阈值;所述检测阈值根据充电电缆上测温点的历史温度数据得到;
在基于所述异常检测模型判定所述测温点温度异常后,采用所述检测阈值二次判定温度异常的测温点是否温度异常;
当采用所述检测阈值判定所述测温点温度异常时,判定所述测温点温度异常。
8.一种换电站充电电缆的热失控预警系统,其特征在于,所述热失控预警系统包括:
获取模块,用于获取充电电缆上测温点的温度数据;
提取模块,用于从所述温度数据中提取所述测温点的至少两个温度特征;
预警模块,用于基于所述测温点的至少两个温度特征,判断所述测温点是否温度异常,以在所述测温点温度异常时进行热失控预警。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的换电站充电电缆的热失控预警方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的换电站充电电缆的热失控预警方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011158405 | 2020-10-26 | ||
CN202011158405X | 2020-10-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114493070A true CN114493070A (zh) | 2022-05-13 |
Family
ID=81491694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110672790.8A Pending CN114493070A (zh) | 2020-10-26 | 2021-06-17 | 换电站充电电缆的热失控预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114493070A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115371837A (zh) * | 2022-10-25 | 2022-11-22 | 高勘(广州)技术有限公司 | 动力电缆的温度检测方法、装置、系统及存储介质 |
-
2021
- 2021-06-17 CN CN202110672790.8A patent/CN114493070A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115371837A (zh) * | 2022-10-25 | 2022-11-22 | 高勘(广州)技术有限公司 | 动力电缆的温度检测方法、装置、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2015176565A1 (zh) | 一种基于多维时间序列的电气设备故障预测方法 | |
CN114487856A (zh) | 换电站电池的热失控预警方法及系统 | |
CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
CN108921424B (zh) | 一种电力数据异常检测方法、装置、设备及可读存储介质 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
KR101893563B1 (ko) | 사물인터넷 기반 화재 블랙박스 시스템 및 그 운용 방법 | |
WO2022143903A1 (zh) | 车用电池的安全评估方法、系统、设备及可读存储介质 | |
CN112816881B (zh) | 电池压差异常检测方法、装置及计算机存储介质 | |
CN114325405A (zh) | 电池组一致性分析方法、建模方法、装置、设备及介质 | |
CN116572747B (zh) | 电池故障检测方法、装置、计算机设备和存储介质 | |
CN114148216A (zh) | 电池自放电率异常检测方法、系统、设备及存储介质 | |
CN109919335A (zh) | 基于深度学习的磁盘故障预测系统 | |
CN110493176B (zh) | 一种基于非监督机器学习的用户可疑行为分析方法及系统 | |
CN112951311A (zh) | 一种基于变权重随机森林的硬盘故障预测方法及系统 | |
CN114493070A (zh) | 换电站充电电缆的热失控预警方法及系统 | |
Almounajjed et al. | Fault diagnosis and investigation techniques for induction motor | |
CN115561546A (zh) | 电力系统异常检测报警系统 | |
Kummerow et al. | Cyber-physical data stream assessment incorporating Digital Twins in future power systems | |
CN112882898B (zh) | 基于大数据日志分析的异常检测方法、系统、设备及介质 | |
Chen et al. | Combination of Support Vector Regression with Particle Swarm Optimization for Hot-spot temperature prediction of oil-immersed power transformer | |
CN117031182A (zh) | 配电站所终端遥测值异常检测方法及系统 | |
CN115718861A (zh) | 高耗能行业中用电用户的分类与异常行为监测方法及系统 | |
Al Rashdan et al. | Development of a Technology Roadmap for Online Monitoring of Nuclear Power Plants | |
CN114118208A (zh) | 基于多元信息的变压器故障判断方法、装置及电子设备 | |
CN115936658A (zh) | 一种电力设备异常检测方法、系统、可读存储介质 |
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 |