CN115524027A - 无源无线接触式温度监测系统及其方法 - Google Patents
无源无线接触式温度监测系统及其方法 Download PDFInfo
- Publication number
- CN115524027A CN115524027A CN202211349355.2A CN202211349355A CN115524027A CN 115524027 A CN115524027 A CN 115524027A CN 202211349355 A CN202211349355 A CN 202211349355A CN 115524027 A CN115524027 A CN 115524027A
- Authority
- CN
- China
- Prior art keywords
- force signal
- frequency domain
- training
- domain statistical
- electromotive force
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000013598 vector Substances 0.000 claims abstract description 185
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims description 111
- 239000011159 matrix material Substances 0.000 claims description 60
- 238000005259 measurement Methods 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 22
- 238000009529 body temperature measurement Methods 0.000 claims description 20
- 230000029087 digestion Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 230000005764 inhibitory process Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 235000009508 confectionery Nutrition 0.000 claims description 2
- 230000000116 mitigating effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 31
- 238000009826 distribution Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000009434 installation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/16—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/02—Means for indicating or recording specially adapted for thermometers
- G01K1/024—Means for indicating or recording specially adapted for thermometers for remote indication
Abstract
本申请公开了一种无源无线接触式温度监测系统及其方法。其首先对获取的热电动势信号进行傅里叶变换以得到多个频域统计特征值，并将所述多个频域统计特征值通过序列编码器以得到频域统计特征向量，然后，将所述热电动势信号的波形图通过图像编码器以得到热电动势信号波形特征向量，接着，使用优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵，然后，基于所述热电动势信号波形特征矩阵通过解码器得到的生成热电动势信号生成所述测量电阻值，最后，基于所述测量电阻值，生成测量温度值。这样，可以智能准确地监测开关柜的电力系统中关键器件的温度。
Description
技术领域
本申请涉及智能监测技术领域，且更为具体地，涉及一种无源无线接触式温度监测系统及其方法。
背景技术
开关柜是一种电气设备，其主要作用是在在电力系统进行发电、输电、配电和电能转换的过程中，进行开合、控制和保护用电设备。环网柜(Ring Main Unit)是一种常见的开关柜，其核心部分采用负荷开关和熔断器，具有结构简单、体积小、价格低、可提高供电参数和性能以及供电安全等优点。它被广泛使用于城市住宅小区、高层建筑、大型公共建筑、工厂企业等负荷中心的配电站以及箱式变电站中。
环网柜的运行状况是衡量供电质量的关键因素。环网柜汇集和分接电缆线路，柜内的电缆头处一般是电缆线路运行中容易出现问题的位置。环网柜内电缆头处若出现温度过高的情况，极易引发电缆线路故障停电、设备损坏等事故。若能采取有效的温度监测手段，特别对运行中的电缆头温度的测量，则必然能避免电缆线路因温度过高引发的事故，从而减少环网柜运行故障的发生，提升供电可靠性。
现有的无线无源的接触式测温方案，例如热电偶测温的基本原理是两种不同成份的材质导体组成闭合回路，当两端存在温度梯度时，回路中就会有电流通过，此时两端之间就存在电动势——热电动势，由该原理可知热电偶的一个优势是其无需外部供电。另外，热电偶还有测温范围宽、价格便宜、适应各种大气环境等优点，但其缺点是测量精度不高，故在高精度的测量和应用中不宜使用热电偶。
并且，目前在采用无源无线接触式温度传感器进行温度测量时，所采集到的测量信号中会存在着诸多噪声干扰，同时所采集到的信号较于微弱，这样就会严重影响检测的精度。
因此，期望一种优化的无源无线接触式温度监测系统，其能够利用无源无线测温传感器来智能准确地监测电力系统中关键器件的(例如环网柜电缆头)的温度，以保证电气设备的正常运行。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种无源无线接触式温度监测系统及其方法。其首先对获取的热电动势信号进行傅里叶变换以得到多个频域统计特征值，并将所述多个频域统计特征值通过序列编码器以得到频域统计特征向量，然后，将所述热电动势信号的波形图通过图像编码器以得到热电动势信号波形特征向量，接着，使用优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵，然后，基于所述热电动势信号波形特征矩阵通过解码器得到的生成热电动势信号生成所述测量电阻值，最后，基于所述测量电阻值，生成测量温度值。这样，可以智能准确地监测电力系统中关键器件的温度。
根据本申请的一个方面，提供了一种无源无线接触式温度监测系统，其包括：
热电动势信号采集单元，用于获取由测温传感器采集的热电动势信号；
域变换单元，用于对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值；
频域统计特征编码单元，用于将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量；
热电动势信号波形编码单元，用于将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量；
特征编码优化单元，用于使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵；
生成单元，用于将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号；
电阻值测量结果生成单元，用于基于所述生成热电动势信号，生成所述测量电阻值；以及
温度测量结果生成单元，用于基于所述测量电阻值，生成测量温度值。
根据本申请的另一个方面，提供了一种无源无线接触式温度监测方法，其包括：
获取由测温传感器采集的热电动势信号；
对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值；
将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量；
将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量；
使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵；
将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号；
基于所述生成热电动势信号，生成所述测量电阻值；以及
基于所述测量电阻值，生成测量温度值。
与现有技术相比，本申请提供的一种无源无线接触式温度监测系统及其方法，其首先对获取的热电动势信号进行傅里叶变换以得到多个频域统计特征值，并将所述多个频域统计特征值通过序列编码器以得到频域统计特征向量，然后，将所述热电动势信号的波形图通过图像编码器以得到热电动势信号波形特征向量，接着，使用优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵，然后，基于所述热电动势信号波形特征矩阵通过解码器得到的生成热电动势信号生成所述测量电阻值，最后，基于所述测量电阻值，生成测量温度值。这样，可以智能准确地监测电力系统中关键器件的温度。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1图示了根据本申请实施例的所述T型插拔头尾塞的结构示意图。
图2图示了根据本申请实施例的无源无线接触式温度监测系统的应用场景图。
图3图示了根据本申请实施例的无源无线接触式温度监测系统的框图示意图。
图4图示了根据本申请实施例的无源无线接触式温度监测系统中的所述频域统计特征编码单元的框图示意图。
图5图示了根据本申请实施例的无源无线接触式温度监测系统中进一步包括的训练模块的框图示意图。
图6图示了根据本申请实施例的无源无线接触式温度监测方法的流程图。
图7图示了根据本申请实施例的无源无线接触式温度监测方法的系统架构的示意图。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
场景概述
如上所述，环网柜的运行状况是衡量供电质量的关键因素。环网柜汇集和分接电缆线路，柜内的电缆头处一般是电缆线路运行中容易出现问题的位置。环网柜内电缆头处若出现温度过高的情况，极易引发电缆线路故障停电、设备损坏等事故。若能采取有效的温度监测手段，特别对运行中的电缆头温度的测量，则必然能避免电缆线路因温度过高引发的事故，从而减少例如环网柜等需要进行接触式温度监测的电气设备运行故障的发生，提升供电可靠性。
现有的无线无源的接触式测温方案，例如热电偶测温的基本原理是两种不同成份的材质导体组成闭合回路，当两端存在温度梯度时，回路中就会有电流通过，此时两端之间就存在电动势——热电动势，由该原理可知热电偶的一个优势是其无需外部供电。另外，热电偶还有测温范围宽、价格便宜、适应各种大气环境等优点，但其缺点是测量精度不高，故在高精度的测量和应用中不宜使用热电偶。
并且，目前在采用无源无线接触式温度传感器进行温度测量时，所采集到的测量信号中会存在着诸多噪声干扰，同时所采集到的信号较于微弱，这样就会严重影响检测的精度。因此，期望一种优化的无源无线接触式温度监测系统，其能够利用无源无线测温传感器来智能准确地监测电力系统中关键器件的(例如环网柜电缆头)的温度，以保证电气设备的正常运行。
相应地，由于考虑到在采用无源无线接触式温度传感器进行温度测量时，所采集到的测量信号中会存在着诸多噪声干扰，以及所采集到的信号较微弱。因此，需要通过适当的方式对于采集到的测量信号进行特征编码，并在滤除噪声干扰以及进行信号增强后再通过解码来得到优化后的检测信号，以实现准确地温度测量。具体地，在本申请的技术方案中，采用基于深度学习的人工智能算法来对于采集到的热电动势信号在高维特征空间中进行频域和时域中的特征编码，以综合所述热电动势信号的时域隐含特征和频域隐含特征来综合得到热电动势高维隐含特征。并且，利用基于对抗生成网络的解码器来生成优化后的热电动势信号，并以此来进行无源无线的温度测量。这样，能够提高无源无线接触式温度传感器对于电力系统环网柜电缆头的温度监测精准度，以保证电气设备的正常运行。
具体地，在本申请的技术方案中，首先，获取由T型插拔头尾塞式测温传感器采集的热电动势信号，其中，所述T型插拔头尾塞式测温传感器被固定于环网柜T型插拔头的电缆头的固定螺母的前部。接着，对于所述热电动势信号的时域特征提取，将所述热电动势信号的波形图通过Clip模型的图像编码器中进行编码，以提取出所述热电动势信号的波形图的局部隐含特征在高维空间中的特征分布表示，即所述热电动势信号的时域隐含变化特征，从而得到热电动势信号波形特征向量。
然后，对于所述热电动势信号的频域特征提取，对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值，也就是，使用傅里叶变换来对于所述热电动势信号进行处理，以将其转化到频域空间中，从而得到多个频域统计特征值。接着，将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量，也就是，使用所述Clip模型的序列编码器中的多尺度邻域特征提取模块来对于所述多个频域统计特征值进行编码，以提取出所述多个频域统计特征值的多尺度邻域关联特征，即所述热电动势信号的频域隐含特征，从而得到频域统计特征向量。
进一步地，使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵。也就是，以所述Clip模型的优化编码器融合所述热电动势信号的频域隐含特征和所述热电动势信号的时域隐含特征信息，并以此来优化所述热电动势信号的高维隐藏特征表达，从而得到热电动势信号波形特征矩阵。
然后，就可以将滤除了噪声干扰并进行特征增强后的所述热电动势信号波形特征矩阵通过解码器中进行解码回归得到优化后的电动势信号。但是，为了能够在生成优化后的热电动势信号过程中对于其精准度进行评估，以得到更加精准地热电动势信号，在本申请的技术方案中，进一步将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号。应可以理解，所述对抗生成网络包括生成器和鉴别器，其中，所述生成器用于生成热电动势信号，所述鉴别器用于计算热电动势信号和真实热电动势信号之间的差异，并通过梯度下降的方向传播算法来更新所述生成器的网络参数以得到具有更为精准的生成器。进一步地，就可以基于所述生成热电动势信号，生成所述测量电阻值。并且，基于所述测量电阻值，生成测量温度值。
特别地，在本申请的技术方案中，由于所述热电动势信号波形特征矩阵是所述Clip模型的优化编码器基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化得到的，在对模型进行训练中，当计算损失函数(例如，所述生成热电动势信号相对于真实热电动势信号的损失函数，比如均方误差损失函数，交叉熵损失函数等)的梯度并向模型进行反向传播时，梯度会分别通过得到所述Clip模型的序列编码器和图像编码器，这时，可能会由于异常的梯度分支而导致所述Clip模型的序列编码器和图像编码器的特征编码模式的消解。
由此，在上述损失函数之外，进一步引入基于预分类器的编码模式消解抑制损失函数以解决特征编码模式的消解，也就是，分别将所述频域统计特征向量V1和所述热电动势信号波形特征向量V2通过预分类器以获得其类概率p1和p2，则所述编码模式消解抑制损失函数表达为：
这里，M1和M2分别是所述预分类器对于所述频域统计特征向量V1和所述热电动势信号波形特征向量V2的权重矩阵，||·||F表示矩阵的F范数，且
表示向量的二范数的平方。
具体地，通过将预分类器相对于不同特征向量的权重矩阵的差异分布与特征向量的真实的特征差异分布保持一致，来保证梯度反向传播时的定向导数在梯度传播的分支点附近得到正则化。也就是，将梯度针对所述CLIP模型的两个分支编码器的特征编码模式进行过加权，这样，就对特征编码模式的消解进行了抑制，提升了所述序列编码器和所述图像编码器在保持特征分布一致性的情况下的特征编码能力，进而提高了解码的准确性。这样，能够利用无源无线测温传感器来智能准确地监测电力系统中关键器件的温度，以保证电气设备的正常运行。
基于此，本申请提供了一种无源无线接触式温度监测系统，其包括：热电动势信号采集单元，用于获取由测温传感器采集的热电动势信号；域变换单元，用于对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值；频域统计特征编码单元，用于将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量；热电动势信号波形编码单元，用于将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量；特征编码优化单元，用于使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵；生成单元，用于将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号；电阻值测量结果生成单元，用于基于所述生成热电动势信号，生成所述测量电阻值；以及，温度测量结果生成单元，用于基于所述测量电阻值，生成测量温度值。
在本申请中，测温传感器可以是T型插拔头尾塞式测温传感器，T型插拔头尾塞式测温传感器包括两种传感器安装方式。在本申请的一个实施例中，在环网柜T型插拔头的电缆头的固定螺母的前部增加环形垫圈形态测温传感器，但垫圈作为紧固配件需要受力，安装时稍有不慎极易造成测温芯片损坏，对安装便捷性造成影响，且环形垫圈更靠近T型头内部，测温芯片的安装位置难以保证信号传递，使信号稳定性降低，另外，环形垫圈手形态所限，必须将厚度控制在一定范围以内，制作工艺复杂。
而在本申请的另一个实施例中，可以设置T型插拔头尾塞(堵头)形态测温传感器，图1图示了根据本申请实施例的所述T型插拔头尾塞的结构示意图。如图1所示，测温芯片13紧贴金属嵌件11浇筑，使所述温芯片13和金属嵌件11被嵌合于所述T型插拔头尾塞10中，形成尾塞形态，尾塞形态可以将测温芯片13紧贴内部金属嵌件11浇筑，制作工艺更简单。进一步地，所述T型插拔头尾塞10作为封闭件，且测温芯片13内筑于所述T型插拔头尾塞10内部，测温芯片13无需直接承受外力，安装时无需特殊关注，且尾塞形态的测温芯片13正对T型插拔头尾盖12，安装后可以获得更好的信号。
应可以理解，在本申请中，测温传感器也可以是其他类型的测温传感器，本申请并不受此所限。
图2图示了根据本申请实施例的无源无线接触式温度监测系统的应用场景图。如图2所示，在该应用场景中，获取由测温传感器(例如，如图2中所示意的F)采集的热电动势信号(例如，如图2中所示意的D)，然后，将获取的所述热电动势信号输入至部署有无源无线接触式温度监测算法的服务器中(例如，图2中所示意的S)，其中，所述服务器能够使用所述无源无线接触式温度监测算法对所述热电动势信号进行处理以生成测量温度值。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性系统
图3图示了根据本申请实施例的无源无线接触式温度监测系统的框图示意图。如图3所示，根据本申请实施例的无源无线接触式温度监测系统100，包括：热电动势信号采集单元110，用于获取由测温传感器采集的热电动势信号；域变换单元120，用于对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值；频域统计特征编码单元130，用于将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量；热电动势信号波形编码单元140，用于将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量；特征编码优化单元150，用于使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵；生成单元160，用于将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号；电阻值测量结果生成单元170，用于基于所述生成热电动势信号，生成所述测量电阻值；以及，温度测量结果生成单元180，用于基于所述测量电阻值，生成测量温度值。
更具体地，在本申请实施例中，所述热电动势信号采集单元110，用于获取由测温传感器采集的热电动势信号。如上所述，环网柜的运行状况是衡量供电质量的关键因素，环网柜汇集和分接电缆线路，柜内的电缆头处一般是电缆线路运行中容易出现问题的位置，环网柜内电缆头处若出现温度过高的情况，极易引发电缆线路故障停电、设备损坏等事故。通过获取由被固定于环网柜T型插拔头的电缆头的固定螺母的前部的T型插拔头尾塞式测温传感器采集的热电动势信号对运行中的电缆头温度进行测量，能够有效的对温度进行监测，以避免电缆线路因温度过高引发的事故。在本申请的一个具体示例中，所述测温传感器可以为T型插拔头尾塞式测温传感器，所述T型插拔头尾塞式测温传感器被固定于环网柜T型插拔头的电缆头的固定螺母的前部。
更具体地，在本申请实施例中，所述域变换单元120，用于对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值。也就是，使用傅里叶变换来对于所述热电动势信号进行处理，以将其转化到频域空间中，从而得到多个频域统计特征值。
更具体地，在本申请实施例中，所述频域统计特征编码单元130，用于将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量。也就是，使用所述Clip模型的序列编码器中的多尺度邻域特征提取模块来对于所述多个频域统计特征值进行编码，以提取出所述多个频域统计特征值的多尺度邻域关联特征，即所述热电动势信号的频域隐含特征，从而得到频域统计特征向量。
相应地，如图4所示，在一个具体示例中，所述频域统计特征编码单元130，包括：第一尺度邻域特征提取子单元131，用于使用所述Clip模型的序列编码器的第一卷积层对所述多个频域统计特征值进行一维卷积编码以得到第一尺度频域统计特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度邻域特征提取子单元132，用于使用所述Clip模型的序列编码器的第二卷积层对所述多个频域统计特征值进行一维卷积编码以得到第二尺度频域统计特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度级联子单元133，用于使用所述Clip模型的序列编码器的级联层对所述第一尺度频域统计特征向量和所述第二尺度频域统计特征向量进行级联以得到频域统计特征向量。
相应地，在一个具体示例中，所述第一尺度邻域特征提取子单元131，进一步用于：使用所述Clip模型的序列编码器的第一卷积层以如下公式对所述多个频域统计特征值进行一维卷积编码以得到第一尺度频域统计特征向量；
其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述多个频域统计特征值；以及，所述第二尺度邻域特征提取子单元132，进一步用于：使用所述Clip模型的序列编码器的第二卷积层以如下公式对所述多个频域统计特征值进行一维卷积编码以得到第二尺度频域统计特征向量；
其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述多个频域统计特征值。
更具体地，在本申请实施例中，所述热电动势信号波形编码单元140，用于将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量。对所述热电动势信号的时域特征进行提取，将所述热电动势信号的波形图通过Clip模型的图像编码器中进行编码，以提取出所述热电动势信号的波形图的局部隐含特征在高维空间中的特征分布表示，即所述热电动势信号的时域隐含变化特征，从而得到热电动势信号波形特征向量。
相应地，在一个具体示例中，所述热电动势信号波形编码单元140，进一步用于：使用所述Clip模型的图像编码器的各层在层的正向传递中对输入数据分别进行二维卷积处理、沿通道维度的池化处理和非线性激活处理以由所述Clip模型的图像编码器的最后一层输出热电动势信号波形特征向量，其中，所述Clip模型的图像编码器的第一层的输入为所述热电动势信号的波形图。
更具体地，在本申请实施例中，所述特征编码优化单元150，用于使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵。也就是，以所述Clip模型的优化编码器融合所述热电动势信号的频域隐含特征和所述热电动势信号的时域隐含特征信息，并以此来优化所述热电动势信号的高维隐藏特征表达，从而得到热电动势信号波形特征矩阵。
相应地，在一个具体示例中，所述特征编码优化单元150，进一步用于：使用所述Clip模型的优化编码器来基于所述频域统计特征向量以如下公式对所述热电动势信号波形特征向量的特征编码进行优化以得到所述热电动势信号波形特征矩阵；
其中，所述公式为：
其中Vs表示所述热电动势信号波形特征向量，
表示所述热电动势信号波形特征向量的转置向量，Vb表示所述频域统计特征向量，Mb表示所述热电动势信号波形特征矩阵，
表示向量相乘。
然后，就可以将滤除了噪声干扰并进行特征增强后的所述热电动势信号波形特征矩阵通过解码器中进行解码回归得到优化后的电动势信号。但是，为了能够在生成优化后的热电动势信号过程中对于其精准度进行评估，以得到更加精准地热电动势信号，在本申请的技术方案中，进一步将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号。
更具体地，在本申请实施例中，所述生成单元160，用于将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号。应可以理解，所述对抗生成网络包括生成器和鉴别器，其中，所述生成器用于生成热电动势信号，所述鉴别器用于计算热电动势信号和真实热电动势信号之间的差异，并通过梯度下降的方向传播算法来更新所述生成器的网络参数以得到具有更为精准的生成器。
进一步地，就可以基于所述生成热电动势信号，生成所述测量电阻值。并且，基于所述测量电阻值，生成测量温度值。
更具体地，在本申请实施例中，所述电阻值测量结果生成单元170，用于基于所述生成热电动势信号，生成所述测量电阻值。
更具体地，在本申请实施例中，所述温度测量结果生成单元180，用于基于所述测量电阻值，生成测量温度值。
相应地，在一个具体示例中，所述的无源无线接触式温度监测系统100，还包括用于对所述Clip模型和所述基于对抗生成网络的解码器进行训练的训练模块200。
相应地，如图5所示，在一个具体示例中，所述训练模块200，包括：训练热电动势信号采集单元201，用于获取训练数据，所述训练数据包括训练热电动势信号，以及，真实热电动势信号；训练域变换单元202，用于对所述训练热电动势信号进行傅里叶变换以得到多个训练频域统计特征值；训练频域统计特征编码单元203，用于将所述多个训练频域统计特征值通过所述Clip模型的序列编码器以得到训练频域统计特征向量；训练热电动势信号波形编码单元204，用于将所述训练热电动势信号的波形图通过所述Clip模型的图像编码器以得到训练热电动势信号波形特征向量；训练特征编码优化单元205，用于使用所述Clip模型的优化编码器来基于所述训练频域统计特征向量对所述训练热电动势信号波形特征向量的特征编码进行优化以得到训练热电动势信号波形特征矩阵；训练生成单元206，用于将所述训练热电动势信号波形特征矩阵通过基于所述对抗生成网络的解码器以得到训练生成热电动势信号；均方误差损失函数值计算单元207，用于计算所述训练生成热电动势信号相对于所述真实热电动势信号的均方误差损失函数值；展开单元208，用于将所述训练热电动势信号波形特征矩阵展开得到训练热电动势信号波形特征向量；编码模式消解抑制损失单元209，用于计算所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的编码模式消解抑制损失函数值；以及，训练单元210，用于以所述均方误差损失函数值和所述编码模式消解抑制损失函数值之间的加权和作为损失函数值对所述Clip模型和所述基于对抗生成网络的解码器进行训练。
特别地，在本申请的技术方案中，由于所述热电动势信号波形特征矩阵是所述Clip模型的优化编码器基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化得到的，在对模型进行训练中，当计算损失函数(例如，所述生成热电动势信号相对于真实热电动势信号的损失函数，比如均方误差损失函数，交叉熵损失函数等)的梯度并向模型进行反向传播时，梯度会分别通过得到所述Clip模型的序列编码器和图像编码器，这时，可能会由于异常的梯度分支而导致所述Clip模型的序列编码器和图像编码器的特征编码模式的消解。由此，在上述损失函数之外，进一步引入基于预分类器的编码模式消解抑制损失函数以解决特征编码模式的消解。
相应地，在一个具体示例中，所述编码模式消解抑制损失单元209，进一步用于：以如下公式计算所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的所述编码模式消解抑制损失函数值；其中，所述公式为：
其中，V1表示所述训练频域统计特征向量，V2表示所述训练热电动势信号波形特征向量，M1和M2分别是预分类器对于所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的权重矩阵，||·||F表示矩阵的F范数，且
表示向量的二范数的平方，
表示按位置差分，exp(·)表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值，p1和p2分别表示所述训练频域统计特征向量和所述训练热电动势信号波形特征向量通过所述预分类器得到的类概率，α和β为超参数。
具体地，通过将预分类器相对于不同特征向量的权重矩阵的差异分布与特征向量的真实的特征差异分布保持一致，来保证梯度反向传播时的定向导数在梯度传播的分支点附近得到正则化。也就是，将梯度针对所述CLIP模型的两个分支编码器的特征编码模式进行过加权，这样，就对特征编码模式的消解进行了抑制，提升了所述序列编码器和所述图像编码器在保持特征分布一致性的情况下的特征编码能力，进而提高了解码的准确性。这样，能够利用无源无线测温传感器来智能准确地监测电力系统中关键器件的温度，以保证电气设备的正常运行。
综上，基于本申请实施例的无源无线接触式温度监测系统100被阐明，其首先对获取的热电动势信号进行傅里叶变换以得到多个频域统计特征值，并将所述多个频域统计特征值通过序列编码器以得到频域统计特征向量，然后，将所述热电动势信号的波形图通过图像编码器以得到热电动势信号波形特征向量，接着，使用优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵，然后，基于所述热电动势信号波形特征矩阵通过解码器得到的生成热电动势信号生成所述测量电阻值，最后，基于所述测量电阻值，生成测量温度值。这样，可以智能准确地监测电力系统中关键器件的温度。
如上所述，根据本申请实施例的所述无源无线接触式温度监测系统100可以实现在各种终端设备中，例如具有无源无线接触式温度监测算法的服务器等。在一个示例中，无源无线接触式温度监测系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该无源无线接触式温度监测系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该无源无线接触式温度监测系统100同样可以是该终端设备的众多硬件模块之一。
替换地，在另一示例中，该无源无线接触式温度监测系统100与该终端设备也可以是分立的设备，并且无源无线接触式温度监测系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
示例性方法
图6图示了根据本申请实施例的无源无线接触式温度监测方法的流程图。如图6所示，根据本申请实施例的无源无线接触式温度监测方法，其包括：S110，获取由测温传感器采集的热电动势信号；S120，对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值；S130，将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量；S140，将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量；S150，使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵；S160，将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号；S170，基于所述生成热电动势信号，生成所述测量电阻值；以及，S180，基于所述测量电阻值，生成测量温度值。
图7图示了根据本申请实施例的无源无线接触式温度监测方法的系统架构的示意图。如图7所示，在所述无源无线接触式温度监测方法的系统架构中，首先，获取由测温传感器采集的热电动势信号；然后，对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值；接着，将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量；然后，将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量；接着，使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵；然后，将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号；接着，基于所述生成热电动势信号，生成所述测量电阻值；最后，基于所述测量电阻值，生成测量温度值。
在一个具体示例中，在上述无源无线接触式温度监测方法中，所述将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量，包括：使用所述Clip模型的序列编码器的第一卷积层对所述多个频域统计特征值进行一维卷积编码以得到第一尺度频域统计特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；使用所述Clip模型的序列编码器的第二卷积层对所述多个频域统计特征值进行一维卷积编码以得到第二尺度频域统计特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，使用所述Clip模型的序列编码器的级联层对所述第一尺度频域统计特征向量和所述第二尺度频域统计特征向量进行级联以得到频域统计特征向量。
在一个具体示例中，在上述无源无线接触式温度监测方法中，所述使用所述Clip模型的序列编码器的第一卷积层对所述多个频域统计特征值进行一维卷积编码以得到第一尺度频域统计特征向量，进一步包括：使用所述Clip模型的序列编码器的第一卷积层以如下公式对所述多个频域统计特征值进行一维卷积编码以得到第一尺度频域统计特征向量；其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述多个频域统计特征值；以及，所述使用所述Clip模型的序列编码器的第二卷积层对所述多个频域统计特征值进行一维卷积编码以得到第二尺度频域统计特征向量，进一步包括：使用所述Clip模型的序列编码器的第二卷积层以如下公式对所述多个频域统计特征值进行一维卷积编码以得到第二尺度频域统计特征向量；其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述多个频域统计特征值。
在一个具体示例中，在上述无源无线接触式温度监测方法中，所述将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量，进一步包括：使用所述Clip模型的图像编码器的各层在层的正向传递中对输入数据分别进行二维卷积处理、沿通道维度的池化处理和非线性激活处理以由所述Clip模型的图像编码器的最后一层输出热电动势信号波形特征向量，其中，所述Clip模型的图像编码器的第一层的输入为所述热电动势信号的波形图。
在一个具体示例中，在上述无源无线接触式温度监测方法中，所述使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵，进一步包括：使用所述Clip模型的优化编码器来基于所述频域统计特征向量以如下公式对所述热电动势信号波形特征向量的特征编码进行优化以得到所述热电动势信号波形特征矩阵；其中，所述公式为：
其中Vs表示所述热电动势信号波形特征向量，
表示所述热电动势信号波形特征向量的转置向量，Vb表示所述频域统计特征向量，Mb表示所述热电动势信号波形特征矩阵，
表示向量相乘。
在一个具体示例中，在上述无源无线接触式温度监测方法中，还包括：对所述Clip模型和所述基于对抗生成网络的解码器进行训练。
在一个具体示例中，在上述无源无线接触式温度监测方法中，所述对所述Clip模型和所述基于对抗生成网络的解码器进行训练，包括：获取训练数据，所述训练数据包括训练热电动势信号，以及，真实热电动势信号；对所述训练热电动势信号进行傅里叶变换以得到多个训练频域统计特征值；将所述多个训练频域统计特征值通过所述Clip模型的序列编码器以得到训练频域统计特征向量；将所述训练热电动势信号的波形图通过所述Clip模型的图像编码器以得到训练热电动势信号波形特征向量；使用所述Clip模型的优化编码器来基于所述训练频域统计特征向量对所述训练热电动势信号波形特征向量的特征编码进行优化以得到训练热电动势信号波形特征矩阵；将所述训练热电动势信号波形特征矩阵通过基于所述对抗生成网络的解码器以得到训练生成热电动势信号；计算所述训练生成热电动势信号相对于所述真实热电动势信号的均方误差损失函数值；将所述训练热电动势信号波形特征矩阵展开得到训练热电动势信号波形特征向量；计算所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的编码模式消解抑制损失函数值；以及，以所述均方误差损失函数值和所述编码模式消解抑制损失函数值之间的加权和作为损失函数值对所述Clip模型和所述基于对抗生成网络的解码器进行训练。
在一个具体示例中，在上述无源无线接触式温度监测方法中，所述计算所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的编码模式消解抑制损失函数值，进一步包括：以如下公式计算所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的所述编码模式消解抑制损失函数值；其中，所述公式为：
其中，V1表示所述训练频域统计特征向量，V2表示所述训练热电动势信号波形特征向量，M1和M2分别是预分类器对于所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的权重矩阵，||·||F表示矩阵的F范数，且
表示向量的二范数的平方，
表示按位置差分，exp(·)表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值，p1和p2分别表示所述训练频域统计特征向量和所述训练热电动势信号波形特征向量通过所述预分类器得到的类概率，α和β为超参数。
这里，本领域技术人员可以理解，上述无源无线接触式温度监测方法中的各个步骤的具体操作已经在上面参考图2到图5的无源无线接触式温度监测系统的描述中得到了详细介绍，并因此，将省略其重复描述。
Claims (10)
1.一种无源无线接触式温度监测系统，其特征在于，包括：
热电动势信号采集单元，用于获取由测温传感器采集的热电动势信号；
域变换单元，用于对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值；
频域统计特征编码单元，用于将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量；
热电动势信号波形编码单元，用于将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量；
特征编码优化单元，用于使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵；
生成单元，用于将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号；
电阻值测量结果生成单元，用于基于所述生成热电动势信号，生成所述测量电阻值；以及
温度测量结果生成单元，用于基于所述测量电阻值，生成测量温度值。
2.根据权利要求1所述的无源无线接触式温度监测系统，其特征在于，所述频域统计特征编码单元，包括：
第一尺度邻域特征提取子单元，用于使用所述Clip模型的序列编码器的第一卷积层对所述多个频域统计特征值进行一维卷积编码以得到第一尺度频域统计特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；
第二尺度邻域特征提取子单元，用于使用所述Clip模型的序列编码器的第二卷积层对所述多个频域统计特征值进行一维卷积编码以得到第二尺度频域统计特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及
多尺度级联子单元，用于使用所述Clip模型的序列编码器的级联层对所述第一尺度频域统计特征向量和所述第二尺度频域统计特征向量进行级联以得到频域统计特征向量。
3.根据权利要求2所述的无源无线接触式温度监测系统，其特征在于，
所述第一尺度邻域特征提取子单元，进一步用于：使用所述Clip模型的序列编码器的第一卷积层以如下公式对所述多个频域统计特征值进行一维卷积编码以得到第一尺度频域统计特征向量；
其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述多个频域统计特征值；以及
所述第二尺度邻域特征提取子单元，进一步用于：使用所述Clip模型的序列编码器的第二卷积层以如下公式对所述多个频域统计特征值进行一维卷积编码以得到第二尺度频域统计特征向量；
其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述多个频域统计特征值。
4.根据权利要求3所述的无源无线接触式温度监测系统，其特征在于，所述热电动势信号波形编码单元，进一步用于：使用所述Clip模型的图像编码器的各层在层的正向传递中对输入数据分别进行二维卷积处理、沿通道维度的池化处理和非线性激活处理以由所述Clip模型的图像编码器的最后一层输出热电动势信号波形特征向量，其中，所述Clip模型的图像编码器的第一层的输入为所述热电动势信号的波形图。
5.根据权利要求4所述的无源无线接触式温度监测系统，其特征在于，所述特征编码优化单元，进一步用于：使用所述Clip模型的优化编码器来基于所述频域统计特征向量以如下公式对所述热电动势信号波形特征向量的特征编码进行优化以得到所述热电动势信号波形特征矩阵；
其中，所述公式为：
其中Vs表示所述热电动势信号波形特征向量，
表示所述热电动势信号波形特征向量的转置向量，Vb表示所述频域统计特征向量，Mb表示所述热电动势信号波形特征矩阵，
表示向量相乘。
6.根据权利要求5所述的无源无线接触式温度监测系统，其特征在于，还包括用于对所述Clip模型和所述基于对抗生成网络的解码器进行训练的训练模块。
7.根据权利要求6所述的无源无线接触式温度监测系统，其特征在于，所述训练模块，包括：
训练热电动势信号采集单元，用于获取训练数据，所述训练数据包括训练热电动势信号，以及，真实热电动势信号；
训练域变换单元，用于对所述训练热电动势信号进行傅里叶变换以得到多个训练频域统计特征值；
训练频域统计特征编码单元，用于将所述多个训练频域统计特征值通过所述Clip模型的序列编码器以得到训练频域统计特征向量；
训练热电动势信号波形编码单元，用于将所述训练热电动势信号的波形图通过所述Clip模型的图像编码器以得到训练热电动势信号波形特征向量；
训练特征编码优化单元，用于使用所述Clip模型的优化编码器来基于所述训练频域统计特征向量对所述训练热电动势信号波形特征向量的特征编码进行优化以得到训练热电动势信号波形特征矩阵；
训练生成单元，用于将所述训练热电动势信号波形特征矩阵通过基于所述对抗生成网络的解码器以得到训练生成热电动势信号；
均方误差损失函数值计算单元，用于计算所述训练生成热电动势信号相对于所述真实热电动势信号的均方误差损失函数值；
展开单元，用于将所述训练热电动势信号波形特征矩阵展开得到训练热电动势信号波形特征向量；
编码模式消解抑制损失单元，用于计算所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的编码模式消解抑制损失函数值；以及
训练单元，用于以所述均方误差损失函数值和所述编码模式消解抑制损失函数值之间的加权和作为损失函数值对所述Clip模型和所述基于对抗生成网络的解码器进行训练。
8.根据权利要求7所述的无源无线接触式温度监测系统，其特征在于，所述编码模式消解抑制损失单元，进一步用于：以如下公式计算所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的所述编码模式消解抑制损失函数值；
其中，所述公式为：
其中，V1表示所述训练频域统计特征向量，V2表示所述训练热电动势信号波形特征向量，M1和M2分别是预分类器对于所述训练频域统计特征向量和所述训练热电动势信号波形特征向量的权重矩阵，||·||F表示矩阵的F范数，且
表示向量的二范数的平方，
表示按位置差分，exp(·)表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值，p1和p2分别表示所述训练频域统计特征向量和所述训练热电动势信号波形特征向量通过所述预分类器得到的类概率，α和β为超参数。
9.一种无源无线接触式温度监测方法，其特征在于，包括：
获取由测温传感器采集的热电动势信号；
对所述热电动势信号进行傅里叶变换以得到多个频域统计特征值；
将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量；
将所述热电动势信号的波形图通过所述Clip模型的图像编码器以得到热电动势信号波形特征向量；
使用所述Clip模型的优化编码器来基于所述频域统计特征向量对所述热电动势信号波形特征向量的特征编码进行优化以得到热电动势信号波形特征矩阵；
将所述热电动势信号波形特征矩阵通过基于对抗生成网络的解码器以得到生成热电动势信号；
基于所述生成热电动势信号，生成所述测量电阻值；以及
基于所述测量电阻值，生成测量温度值。
10.根据权利要求9所述的无源无线接触式温度监测方法，其特征在于，所述将所述多个频域统计特征值通过Clip模型的序列编码器以得到频域统计特征向量，包括：
使用所述Clip模型的序列编码器的第一卷积层对所述多个频域统计特征值进行一维卷积编码以得到第一尺度频域统计特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；
使用所述Clip模型的序列编码器的第二卷积层对所述多个频域统计特征值进行一维卷积编码以得到第二尺度频域统计特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及
使用所述Clip模型的序列编码器的级联层对所述第一尺度频域统计特征向量和所述第二尺度频域统计特征向量进行级联以得到频域统计特征向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211349355.2A CN115524027A (zh) | 2022-10-31 | 2022-10-31 | 无源无线接触式温度监测系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211349355.2A CN115524027A (zh) | 2022-10-31 | 2022-10-31 | 无源无线接触式温度监测系统及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115524027A true CN115524027A (zh) | 2022-12-27 |
Family
ID=84703786
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211349355.2A Pending CN115524027A (zh) | 2022-10-31 | 2022-10-31 | 无源无线接触式温度监测系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115524027A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116015274A (zh) * | 2023-01-06 | 2023-04-25 | 温州艾玛朵电气有限公司 | 基于无线控制的智能开关 |
| CN116320459A (zh) * | 2023-01-08 | 2023-06-23 | 南阳理工学院 | 一种基于人工智能的计算机网络通信数据处理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109580022A (zh) * | 2019-01-28 | 2019-04-05 | 中国船舶工业综合技术经济研究院 | 一种温度监测装置 |
| CN111387974A (zh) * | 2020-02-19 | 2020-07-10 | 杭州电子科技大学 | 基于深度自编码的脑电特征优化与癫痫发作检测方法 |
| CN113049922A (zh) * | 2020-04-22 | 2021-06-29 | 青岛鼎信通讯股份有限公司 | 一种采用卷积神经网络的故障电弧信号检测方法 |
| CN114866427A (zh) * | 2022-04-22 | 2022-08-05 | 杭州雅深科技有限公司 | 全屋路由组网方法及其系统 |
-
2022
- 2022-10-31 CN CN202211349355.2A patent/CN115524027A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109580022A (zh) * | 2019-01-28 | 2019-04-05 | 中国船舶工业综合技术经济研究院 | 一种温度监测装置 |
| CN111387974A (zh) * | 2020-02-19 | 2020-07-10 | 杭州电子科技大学 | 基于深度自编码的脑电特征优化与癫痫发作检测方法 |
| CN113049922A (zh) * | 2020-04-22 | 2021-06-29 | 青岛鼎信通讯股份有限公司 | 一种采用卷积神经网络的故障电弧信号检测方法 |
| CN114866427A (zh) * | 2022-04-22 | 2022-08-05 | 杭州雅深科技有限公司 | 全屋路由组网方法及其系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王正英: "面向设备管理的机电设备状态监测与故障诊断技术研究", 博士论文全文库, 15 July 2009 (2009-07-15) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116015274A (zh) * | 2023-01-06 | 2023-04-25 | 温州艾玛朵电气有限公司 | 基于无线控制的智能开关 |
| CN116015274B (zh) * | 2023-01-06 | 2023-12-22 | 温州艾玛朵电气有限公司 | 基于无线控制的智能开关 |
| CN116320459A (zh) * | 2023-01-08 | 2023-06-23 | 南阳理工学院 | 一种基于人工智能的计算机网络通信数据处理方法及系统 |
| CN116320459B (zh) * | 2023-01-08 | 2024-01-23 | 南阳理工学院 | 一种基于人工智能的计算机网络通信数据处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115524027A (zh) | 无源无线接触式温度监测系统及其方法 | |
| Liu et al. | Dynamic state estimation‐based fault locating on transmission lines | |
| Judd et al. | Partial discharge monitoring of power transformers using UHF sensors. Part I: sensors and signal interpretation | |
| Joorabian et al. | Accurate fault locator for EHV transmission lines based on radial basis function neural networks | |
| Duan et al. | Method of inter‐turn fault detection for next‐generation smart transformers based on deep learning algorithm | |
| CN115456012A (zh) | 风电场风机大部件状态监测系统及其方法 | |
| Du et al. | Continuous harmonic state estimation of power systems | |
| Das et al. | Application of compressive sampling in synchrophasor data communication in WAMS | |
| Guillén et al. | Algorithm for transformer differential protection based on wavelet correlation modes | |
| Jiang et al. | Stochastic subspace identification‐based approach for tracking inter‐area oscillatory modes in bulk power system utilising synchrophasor measurements | |
| Kumar Murugan et al. | Power transformer protection using chirplet transform | |
| CN108805107B (zh) | 一种基于prps信号的gis内部局部放电缺陷识别方法 | |
| CN104635109A (zh) | 一种从故障录波数据中直接计算提取电网暂态非周期分量幅值和时间常数的高精度方法 | |
| CN115797708A (zh) | 一种输配电同步数据采集方法 | |
| Davydova et al. | Travelling wave protection with disturbance classification for distribution grids with distributed generation | |
| AU2014413585A1 (en) | Temperature measurement in switchgear stations | |
| CN117110798A (zh) | 智能配电网的故障检测方法和系统 | |
| Jena et al. | Sampled value‐based bus zone protection scheme with dq‐components | |
| Akhlaghi et al. | Starting point selection approach for power system model validation using event playback | |
| CN116125133A (zh) | 非接触式电流电压一体化测量在线监测方法及系统 | |
| CN110161389A (zh) | 一种电力设备绝缘缺陷识别方法及aevb自编码器 | |
| CN112630634B (zh) | 开关动作特性测量装置和方法 | |
| Daryani et al. | Evidence theory‐based identification of aging for capacitive voltage transformers | |
| CN114114001A (zh) | 一种gis设备隔离开关机械状态监测方法及系统 | |
| Lopes et al. | Performance evaluation of the travelling wave‐based differential protection when applied on Hybrid Transmission Lines |
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 |