CN116106648A - 一种配电柜智能监测方法 - Google Patents

Abstract

本发明提供一种配电柜智能监测方法。一种配电柜智能监测方法，包括：S1、接收维护信息；S2、对待维护设备进行认证，响应于对待维护设备的认证通过，跳至步骤S3；S3、获取设备关联信息，根据设备关联信息，计算得到第一变比值，生成第一配置信息；S4、将第一配置信息发送至配电柜系统；S5、接收由配电柜系统发出的第二配置信息，进行配置校对验证。本发明通过对电流互感器进行认证，并根据电流互感器和多功能电流表的基础信息，计算得到电流互感器的变比值，并根据变比值对电流互感器进行自动化配置，避免在通过人工对电流互感器的变比值进行配置的过程则出现错误，提升对电流互感器的安装配置效率，杜绝人工配置失误导致的测量错误。

Description

一种配电柜智能监测方法

技术领域

本发明涉及配电柜技术领域，特别地涉及一种配电柜智能监测方法。

背景技术

为电力柜安装互感器的过程中，要通过工程师人工的方式识别电流互感器的变比值，并且需要在电力柜的多功能表上进行手工的配置，而且在诸多的人工操作下，可能会设置错互感器变比值，需要解决此类问题时，排查较困难。

发明内容

本申请提供一种配电柜智能监测方法，用于解决上述技术问题。

本发明的技术方案为：一种配电柜智能监测方法，应用于配电柜系统和智能检测终端，包括如下步骤：

S1：接收由配电柜系统发出的维护信息；

维护信息包括第一设备ID、第一设备信息和维护请求时间；

S2：根据维护信息，对待维护设备进行认证，响应于对待维护设备的认证通过，跳至步骤S3；

S3：获取设备关联信息，根据设备关联信息，计算得到第一变比值，根据第一变比值，生成第一配置信息；

S4：将第一配置信息发送至配电柜系统；

S5：接收由配电柜系统发出的第二配置信息，根据第一配置信息和第二配置信息，进行配置校对验证。

进一步地，对待维护设备进行认证，包括：

将第一设备ID在维护设备数据库中进行匹配，在维护设备数据库中查找是否存在第一设备ID；

若不存在，则表示身份认证不能通过，并反馈身份认证失败信息；

若存在，则表示身份认证通过，对维护请求时间进行认证；

判断维护请求时间是否在预设维护时间范围；

若不是，则表示时间认证不通过，并反馈时间认证失败信息；

若是，则表示时间认证通过，反馈对待维护设备的认证通过信息。

进一步地，对于步骤S3，包括：

设备关联信息包括第二设备ID、第二设备信息、第三设备ID和第三设备信息；

根据第三设备ID对待安装设备进行认证；

响应于对待安装设备的认证通过，根据第一设备信息、第二设备信息和第三设备信息计算第一变比值；

根据第一变比值，生成第一配置信息，第一配置信息包括第一变比值和第三设备ID。

进一步地，对于步骤S4，包括：

配电柜系统接收到第一配置信息后，根据第一配置信息中的第一变比值对待安装设备进行自动配置；

配电柜系统获取待安装设备的第二变比值，根据第二变比值生成第二配置信息，将第二配置信息发送至智能检测终端。

进一步地，对于步骤S5，包括：

第二配置信息包括，第二变比值和第三设备ID；

将第一配置信息中的第一变比值和第二配置信息中的第二变比值进行比对，判断第一变比值和第二变比值是否相等；

若是，表示自动配置成功，否则，表示自动配置失败，并反馈自动配置失败信息。

进一步地，还包括：

获取用户的用电数据，根据用电数据进行风险值计算，并对计算得到的风险值，进行越限判断，判断风险值是否大于或等于预设风险阈值，若是则将对应的用电数据标记为异常数据，否则标记为正常数据；

将异常数据输入到预设模型中，通过预设模型预估发生火灾的概率，对发生火灾的概率进行越限判断，判断发生火灾的概率是否大于或等于预设概率阈值，若是则将输电功率降为安全功率，并反馈风险信息。

进一步地，对于预设模型，包括：

预设模型为神经网络模型，对预设模型的构建与训练包括：

构建神经网络模型；

获取用电数据集，对用电数据集中的数据进行分类并标记得到风险数据与正常数据，将标记好的用电数据集制作为训练数据集，按照预设比例将训练数据集分为训练集和测试集；

用训练集对神经网络模型进行训练，并用测试集对神经网络模型进行测试，得到训练好的神经网络模型。

进一步地，还包括：

按照预设频率周期性地获取温度信息，每一次获取到温度信息后，判断温度信息中的最大温度是否大于预设温度阈值；

若是则表示存在风险，并反馈预警信息，否则，反馈温度正常信息。

本发明具有以下优点：

1、本发明通过对电流互感器进行认证，并根据电流互感器和多功能电流表的基础信息，计算得到电流互感器的变比值，并根据变比值对电流互感器进行自动化配置，避免在通过人工对电流互感器的变比值进行配置的过程则出现错误，提升对电流互感器的安装配置效率，杜绝人工配置失误导致的测量错误。

2、本发明通过预设模型预估发生火灾的概率和周期性的获取配电柜的温度，降低了发生火灾的概率，实现对配电柜的智能监测。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明实施例中提供的一种配电柜智能监测方法的流程示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请部分实施例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用以解释本申请，并不用于限定本申请。然而，本领域的普通技术人员可以理解，在本申请的各实施例中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本申请所要求保护的技术方案。

实施例1

参见图1，本发明实施例1提供一种配电柜智能监测方法，应用于配电柜系统和智能检测终端，包括如下步骤：

S1：接收由配电柜系统发出的维护信息；

其中，维护信息至少包括第一设备ID、第一设备信息和维护请求时间，第一设备ID表示配电柜的唯一身份标识，第一设备信息具体为配电柜的基础信息，例如配电柜的规格、配电柜的工作参数等，维护请求时间为发出维护请求的时间。

S2：根据维护信息，对待维护设备进行认证，响应于对待维护设备的认证通过，跳至步骤S3；

其中，对待维护设备进行认证包括对待维护设备的身份认证和时间认证。

S3：获取设备关联信息，根据设备关联信息，计算得到第一变比值，根据第一变比值，生成第一配置信息；

其中，设备关联信息包括第二设备ID、第二设备信息、第三设备ID和第三设备信息，第二设备ID表示多功能电流表的唯一身份标识，第二设备信息具体为多功能电流表的基础信息，例如多功能电流表的量程、工作频率等，第三设备ID表示电流互感器的唯一身份标识，第三设备信息具体为电流互感器的基础信息，例如变比值调节范围等。

S4：将第一配置信息发送至配电柜系统；

其中，配电柜系统接收到第一配置信息，根据第一配置信息生成第二配置信息，并将第二配置信息发送至智能检测终端。

S5：接收由配电柜系统发出的第二配置信息，根据第一配置信息和第二配置信息，进行配置校对验证。

本发明实施例1提供的一种配电柜智能监测方法，通过设备ID对电流互感器进行认证，并根据电流互感器和多功能电流表的基础信息，计算得到电流互感器的变比值，并根据变比值对电流互感器进行自动化配置，避免在通过人工对电流互感器的变比值进行配置的过程则出现错误，提升对电流互感器的安装配置效率，杜绝人工配置失误导致的测量错误。

在一种更进一步的实施方案中，对待维护设备进行认证，包括：

将第一设备ID在维护设备数据库中进行匹配，在维护设备数据库中查找是否存在第一设备ID；

若不存在，则表示身份认证不能通过，并反馈身份认证失败信息；

若存在，则表示身份认证通过，对维护请求时间进行认证；

需要补充的是，维护设备数据库中记录了需要进行维护的配电柜的设备ID和对应的基础信息，通过将第一设备ID在维护设备数据库中进行匹配实现对配电柜的身份认证。

对维护请求时间进行认证包括：

判断维护请求时间是否在预设维护时间范围；

若不是，则表示时间认证不通过，并反馈时间认证失败信息；

若是，则表示时间认证通过，反馈对待维护设备的认证通过信息。

需要补充的是，预设维护时间范围为预先设定的维护时间范围，可以根据实际情况合理地设定。

在一种更进一步的实施方案中，对于步骤S3，包括：

根据第三设备ID对待安装设备进行认证；

响应于对待安装设备的认证通过，根据第一设备信息、第二设备信息和第三设备信息计算第一变比值；

根据第一变比值，生成第一配置信息，第一配置信息包括第一变比值和第三设备ID。

需要补充的是，待安装设备具体为电流互感器，根据电流互感器数据库对待安装设备进行认证，第一设备信息、第二设备信息和第三设备信息中分别包括了配电柜、多功能电流表和电流互感器的基础信息，可根据配电柜、多功能电流表和电流互感器的基础信息计算得到用于对电流互感器进行自动配置的第一变比值，将第一变比值与第三设备ID关联后生成第一配置信息。

在一种更进一步的实施方案中，对于步骤S4，包括：

配电柜系统接收到第一配置信息后，根据第一配置信息中的第一变比值对待安装设备进行自动配置；

配电柜系统获取待安装设备的第二变比值，根据第二变比值生成第二配置信息，将第二配置信息发送至智能检测终端。

需要补充的是，配电柜系统根据第一配置信息中的第一变比值对电流互感器的变比值进行自动调节，实现对电流互感器的自动配置，将第二变比值与第三设备ID关联后生成第二配置信息。

在一种更进一步的实施方案中，对于步骤S5，包括：

第二配置信息包括，第二变比值和第三设备ID；

将第一配置信息中的第一变比值和第二配置信息中的第二变比值进行比对，判断第一变比值和第二变比值是否相等；

若是，表示自动配置成功，否则，表示自动配置失败，并反馈自动配置失败信息。

需要补充的是，在将第一配置信息中的第一变比值和第二配置信息中的第二变比值进行比对之前，先判断第一配置信息中的设备ID是否与第二配置信息中的设备ID相同，在第一配置信息中的设备ID是否与第二配置信息中的设备ID相同的条件下，再将第一配置信息中的第一变比值和第二配置信息中的第二变比值进行比对。

在一种更进一步的实施方案中，还包括：

获取用户的用电数据，根据用电数据进行风险值计算，并对计算得到的风险值，进行越限判断，判断风险值是否大于或等于预设风险阈值，若是则将对应的用电数据标记为异常数据，否则标记为正常数据；

将异常数据输入到预设模型中，通过预设模型预估发生火灾的概率，对发生火灾的概率进行越限判断，判断发生火灾的概率是否大于或等于预设概率阈值，若是则将输电功率降为安全功率，并反馈风险信息。

需要补充的是，预设风险阈值为预先设定的风险参考值，若风险值大于或等于预设风险阈值，则表示有一定概率发生火灾，预设模型为神经网络模型，通过预设模型对异常数据进行进一步地分析，提升预估的准确度。

具体地，对预设模型的构建与训练包括：

构建预设模型，预设模型为神经网络模型；

获取用电数据集，对用电数据集中的数据进行分类并标记得到风险数据与正常数据，将标记好的用电数据集制作为训练数据集，按照预设比例将训练数据集分为训练集和测试集；其中，本实施例中预设比例为9:1；

用训练集对神经网络模型进行训练，当满足收敛条件后，停止对神经网络的训练，并用测试集对停止训练后的神经网络模型进行测试，得到训练好的神经网络模型。

在一种更进一步的实施方案中，还包括：

按照预设频率周期性地获取温度信息，每一次获取到温度信息后，判断温度信息中的最大温度是否大于预设温度阈值；

若是则表示存在风险，并反馈预警信息，否则，反馈温度正常信息。

需要补充的是，通过周期性地获取配电柜的温度信息，实现对配电柜的智能监测，降低出现火灾的概率。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。

Claims (8)

1.一种配电柜智能监测方法，其特征在于，应用于配电柜系统和智能检测终端，包括如下步骤：

S1：接收由配电柜系统发出的维护信息；

维护信息包括第一设备ID、第一设备信息和维护请求时间；

S2：根据维护信息，对待维护设备进行认证，响应于对待维护设备的认证通过，跳至步骤S3；

S3：获取设备关联信息，根据设备关联信息，计算得到第一变比值，根据第一变比值，生成第一配置信息；

S4：将第一配置信息发送至配电柜系统；

S5：接收由配电柜系统发出的第二配置信息，根据第一配置信息和第二配置信息，进行配置校对验证。

2.如权利要求1所述的一种配电柜智能监测方法，其特征在于，对待维护设备进行认证，包括：

将第一设备ID在维护设备数据库中进行匹配，在维护设备数据库中查找是否存在第一设备ID；

若不存在，则表示身份认证不能通过，并反馈身份认证失败信息；

若存在，则表示身份认证通过，对维护请求时间进行认证；

判断维护请求时间是否在预设维护时间范围；

若不是，则表示时间认证不通过，并反馈时间认证失败信息；

若是，则表示时间认证通过，反馈对待维护设备的认证通过信息。

3.如权利要求2所述的一种配电柜智能监测方法，其特征在于，对于步骤S3，包括：

设备关联信息包括第二设备ID、第二设备信息、第三设备ID和第三设备信息；

根据第三设备ID对待安装设备进行认证；

响应于对待安装设备的认证通过，根据第一设备信息、第二设备信息和第三设备信息计算第一变比值；

根据第一变比值，生成第一配置信息，第一配置信息包括第一变比值和第三设备ID。

4.如权利要求3所述的一种配电柜智能监测方法，其特征在于，对于步骤S4，包括：

配电柜系统接收到第一配置信息后，根据第一配置信息中的第一变比值对待安装设备进行自动配置；

配电柜系统获取待安装设备的第二变比值，根据第二变比值生成第二配置信息，将第二配置信息发送至智能检测终端。

5.如权利要求4所述的一种配电柜智能监测方法，其特征在于，对于步骤S5，包括：

第二配置信息包括，第二变比值和第三设备ID；

将第一配置信息中的第一变比值和第二配置信息中的第二变比值进行比对，判断第一变比值和第二变比值是否相等；

若是，表示自动配置成功，否则，表示自动配置失败，并反馈自动配置失败信息。

6.如权利要求1所述的一种配电柜智能监测方法，其特征在于，还包括：

获取用户的用电数据，根据用电数据进行风险值计算，并对计算得到的风险值，进行越限判断，判断风险值是否大于或等于预设风险阈值，若是则将对应的用电数据标记为异常数据，否则标记为正常数据；

将异常数据输入到预设模型中，通过预设模型预估发生火灾的概率，对发生火灾的概率进行越限判断，判断发生火灾的概率是否大于或等于预设概率阈值，若是则将输电功率降为安全功率，并反馈风险信息。

7.如权利要求6所述的一种配电柜智能监测方法，其特征在于，对于预设模型，包括：

预设模型为神经网络模型，对预设模型的构建与训练包括：

构建神经网络模型；

获取用电数据集，对用电数据集中的数据进行分类并标记得到风险数据与正常数据，将标记好的用电数据集制作为训练数据集，按照预设比例将训练数据集分为训练集和测试集；

用训练集对神经网络模型进行训练，并用测试集对神经网络模型进行测试，得到训练好的神经网络模型。

8.如权利要求1所述的一种配电柜智能监测方法，其特征在于，还包括：

按照预设频率周期性地获取温度信息，每一次获取到温度信息后，判断温度信息中的最大温度是否大于预设温度阈值；

若是则表示存在风险，并反馈预警信息，否则，反馈温度正常信息。

Images