CN116169786B - 一种核电配电柜的安全智能监控方法及系统 - Google Patents
一种核电配电柜的安全智能监控方法及系统 Download PDFInfo
- Publication number
- CN116169786B CN116169786B CN202310141683.1A CN202310141683A CN116169786B CN 116169786 B CN116169786 B CN 116169786B CN 202310141683 A CN202310141683 A CN 202310141683A CN 116169786 B CN116169786 B CN 116169786B
- Authority
- CN
- China
- Prior art keywords
- temperature
- parameter
- parameters
- power distribution
- early warning
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000017525 heat dissipation Effects 0.000 claims abstract description 100
- 238000010248 power generation Methods 0.000 claims abstract description 63
- 238000013210 evaluation model Methods 0.000 claims abstract description 28
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 4
- 230000001360 synchronised effect Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 12
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
本发明涉及数据处理技术领域,提供了一种核电配电柜的安全智能监控方法及系统,该方法包括:在当前时间窗口,采集温度参数、湿度参数和散热量;获得预测温度参数;输入安全评估模型,获得预警参数;获取发电规模参数与配电规模参数,输入预警参数阈值调整模型,获得调整参数并调整获得调整预警参数阈值;若预警参数满足调整预警参数阈值,则预警,解决了直接采集的配电柜的温湿度数据无法直接应用于核电配电柜的监测预警的技术问题,实现了同步进行散热量计算,联合温湿度数据,预测确定预测温度数据,为提前进行核电配电柜的监测预警提供支持,进行智能监测预警,为第一时间排除因温度变化产生的核电配电柜的安全隐患提供支持的技术效果。
Description
技术领域
本发明涉及数据处理相关技术领域,具体涉及一种核电配电柜的安全智能监控方法及系统。
背景技术
核电配电柜的正常运行过程中,配电柜内变压器、电柜回路、灯具和电缆都会产生热量,其中,变压器的热量来自铜损(负载损耗)和铁损(空载损耗),配电柜的热量主要来自一次和二次元件的功耗,灯具的热量来自于灯具损耗和热辐射,电缆的热量来自于电阻的损耗。
如发生通风丧失,散热量大大降低,随核电配电柜的运行,温度升高,热量会不断累积,累积到一定程度,核电配电柜会发出误动作,导致核电配电柜的安全受到威胁。
综上所述,现有技术中存在直接采集的配电柜的温湿度数据无法直接应用于核电配电柜的监测预警的技术问题。
发明内容
本申请通过提供了一种核电配电柜的安全智能监控方法及系统,旨在解决现有技术中的直接采集的配电柜的温湿度数据无法直接应用于核电配电柜的监测预警的技术问题。
鉴于上述问题,本申请实施例提供了一种核电配电柜的安全智能监控方法及系统。
本申请公开的第一个方面,提供了一种核电配电柜的安全智能监控方法,其中,所述方法包括:在当前时间窗口,监测采集第一配电柜内的温度和湿度,获得温度参数和湿度参数,其中,所述第一配电柜设置于目标核电站内;基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量;将所述温度参数和所述散热量输入温度预测模型内,获得所述第一配电柜在未来预设时间范围后的温度,获得预测温度参数;将所述温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数;获取所述目标核电站的发电规模参数,以及获取所述第一配电柜的配电规模参数;将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,采用所述调整参数对预警参数阈值进行调整,获得调整预警参数阈值;判断所述预警参数是否满足所述调整预警参数阈值,若是,则进行预警。
本申请公开的另一个方面,提供了一种核电配电柜的安全智能监控系统,其中,所述系统包括:监测采集模块,用于在当前时间窗口,监测采集第一配电柜内的温度和湿度,获得温度参数和湿度参数,其中,所述第一配电柜设置于目标核电站内;散热量采集模块,用于基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量;预测温度参数获得模块,用于将所述温度参数和所述散热量输入温度预测模型内,获得所述第一配电柜在未来预设时间范围后的温度,获得预测温度参数;预警参数获得模块,用于将所述温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数;配电规模参数获得模块,用于获取所述目标核电站的发电规模参数,以及获取所述第一配电柜的配电规模参数;阈值调整模块,用于将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,采用所述调整参数对预警参数阈值进行调整,获得调整预警参数阈值;阈值判断模块,用于判断所述预警参数是否满足所述调整预警参数阈值,若是,则进行预警。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了在当前时间窗口,采集获得温度参数和湿度参数;在当前时间窗口采集散热量;将温度参数和散热量输入温度预测模型内,获得预测温度参数;将温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数;获取发电规模参数与配电规模参数,输入预警参数阈值调整模型内,获得调整参数,对预警参数阈值进行调整,获得调整预警参数阈值;判断预警参数是否满足调整预警参数阈值,若是,则进行预警,实现了同步进行散热量计算,联合温湿度数据,预测确定预测温度数据,为提前进行核电配电柜的监测预警提供支持,进行智能监测预警,为第一时间排除因温度变化产生的核电配电柜的安全隐患提供支持的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种核电配电柜的安全智能监控方法可能的流程示意图;
图2为本申请实施例提供了一种核电配电柜的安全智能监控方法中计算获得散热量可能的流程示意图;
图3为本申请实施例提供了一种核电配电柜的安全智能监控方法中构建获得温度预测模型可能的流程示意图;
图4为本申请实施例提供了一种核电配电柜的安全智能监控系统可能的结构示意图。
附图标记说明:监测采集模块100,散热量采集模块200,预测温度参数获得模块300,预警参数获得模块400,配电规模参数获得模块500,阈值调整模块600,阈值判断模块700。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种核电配电柜的安全智能监控方法及系统,解决了直接采集的配电柜的温湿度数据无法直接应用于核电配电柜的监测预警的技术问题,实现了同步进行散热量计算,联合温湿度数据,预测确定预测温度数据,为提前进行核电配电柜的监测预警提供支持,进行智能监测预警,为第一时间排除因温度变化产生的核电配电柜的安全隐患提供支持的技术效果。
实施例一
如图1所示,本申请实施例提供了一种核电配电柜的安全智能监控方法,其中,所述方法包括:
S10:在当前时间窗口,监测采集第一配电柜内的温度和湿度,获得温度参数和湿度参数,其中,所述第一配电柜设置于目标核电站内;
S20:基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量;
如图2所示,步骤S20包括步骤:
S21:计算获取所述配电柜内变压器、电柜回路、灯具和电缆在未来所述预设时间范围内的散热量,获得第一子散热量、第二子散热量、第三子散热量和第四子散热量;
S22:根据所述第一子散热量、第二子散热量、第三子散热量和第四子散热量,计算获得所述散热量。
具体而言,核电配电柜的正常运转过程中,配电柜内变压器、电柜回路、灯具和电缆都会产生热量,配电柜内需要配置散热装置,热量会随核电配电柜的运行不断累积,需要实时均衡核电配电柜的温度、湿度与散热量,针对保护元件特性参数随温度变化的特点,维持元件工作的柜内环境温度;
在当前时间窗口(所述当前时间窗口包括当前时刻信息),通过温度采集设备(电子温度计)和湿度采集设备(湿度测量仪),监测采集第一配电柜(所述第一配电柜为安全智能监控的目标核电配电柜)内的温度和湿度,获得温度参数和湿度参数,所述第一配电柜设置于目标核电站内;基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量,为后续进行分析提供数据支持;
具体而言,基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量;具体包括:计算获取所述配电柜内变压器、电柜回路、灯具和电缆在未来所述预设时间范围内的散热量(变压器的散热量由铜损和铁损两部分组成,变压器的散热量=变压器的空载损耗+变压器的负载系数×变压器的负载损耗;电柜回路的散热量与实际运行负载的数量和电流有关,电柜回路的散热量=负荷实际电流的平方×负载的一次回路电阻+二次回路散热量;灯具的散热量采用功率密度法,灯具的散热量=K×配电间的面积,K为灯具的单位面积散热量,灯具的单位面积散热量满足《建筑照明设计标准》GB50034﹣2013;电缆的散热量按照设备实际电流进行计算,单根n芯电缆的散热量=n×负载的实际电流的平方×导体的交流电阻×电缆长度),分别代入变压器的散热量计算公式、电柜回路的散热量计算公式、灯具的散热量计算公式与电缆的散热量计算公式,获得第一子散热量、第二子散热量、第三子散热量和第四子散热量;根据所述第一子散热量、第二子散热量、第三子散热量和第四子散热量,进行累加计算,获得所述散热量,为保证散热量的精确性提供支持。
S30:将所述温度参数和所述散热量输入温度预测模型内,获得所述第一配电柜在未来预设时间范围后的温度,获得预测温度参数;
步骤S30包括步骤:
S31:获取所述第一配电柜在多个历史时间点的多个样本温度参数,并将所述多个样本温度参数作为多个第一温度节点状态;
S32:获取所述第一配电柜在多个历史时间点后所述预设时间范围内的多个样本散热量;
S33:获取所述第一配电柜在多个历史时间点后所述预设时间范围后的多个样本变化温度参数,并作为多个第二温度节点状态;
S34:采用所述多个第一温度节点状态、多个样本散热量和多个第二温度节点状态,构建所述温度预测模型;
S35:将所述温度参数输入所述温度预测模型,获得第一温度节点状态,将所述散热量输入所述温度预测模型,获得第二温度节点状态,作为所述预测温度参数。
具体而言,将所述温度参数和所述散热量输入温度预测模型内,获得所述第一配电柜在未来预设时间范围后的温度,获得预测温度参数,具体包括:所述多个历史时间点的时间间隔满足均匀分布,所述样本温度参数为多个历史时间点的温度参数,所述预设时间范围为一预设指标参数(预设时间范围的时间长度小于所述多个历史时间点的时间间隔,一般的,可以设置为温度采集设备的采集间隔,温度采集设备的采集间隔与采集频率呈反比,采集频率为10hz,预设时间范围的时间长度为0.1S);
基于核电配电柜的安全智能监控系统的数据存储单元,进行温度参数限制性(限制信息为多个历史时间点)提取,获取所述第一配电柜在多个历史时间点的多个样本温度参数,并将所述多个样本温度参数作为多个第一温度节点状态;基于核电配电柜的安全智能监控系统的数据存储单元,进行散热量限制性(限制信息为多个历史时间点)提取,获取所述第一配电柜在多个历史时间点后所述预设时间范围内的多个样本散热量;
基于核电配电柜的安全智能监控系统的数据存储单元,进行温度参数限制性(限制信息为多个历史时间点后所述预设时间范围后,即遍历所述多个历史时间点,为多个历史时间点逐个加预设时间范围的时间长度,如历史时间点为8时59分40秒,历史时间点后所述预设时间范围后为8时59分40.1秒)提取,获取所述第一配电柜在多个历史时间点后所述预设时间范围后的多个样本变化温度参数,并作为多个第二温度节点状态;采用所述多个第一温度节点状态、多个样本散热量和多个第二温度节点状态,构建所述温度预测模型;将所述温度参数作为输入信息,输入所述温度预测模型,获得第一温度节点状态,将所述散热量作为输入信息,输入所述温度预测模型,获得第二温度节点状态,将第一温度节点状态与第二温度节点状态整体作为所述预测温度参数,为后续进行指标运算提供参考。
如图3所示,步骤S34包括步骤:
S341:基于所述多个第一温度节点状态,构建多个温度预测起点状态;
S342:在所述多个温度预测起点状态内,构建所述多个样本散热量和所述多个样本第二温度状态的多个映射关系;
S343:根据所述映射关系,构建获得所述温度预测模型。
具体而言,采用所述多个第一温度节点状态、多个样本散热量和多个第二温度节点状态,构建所述温度预测模型,具体包括:构建一坐标系,所述坐标系的横坐标与纵坐标分别表示时间点、温度节点状态,将所述多个历史时间点与所述多个第一温度节点状态输入所述坐标系中进行数据统计,将所述多个第一温度节点状态设置为多个温度预测起点状态,进行预测起点标记;在所述多个温度预测起点状态内,在坐标系中,将所述多个样本第二温度状态设置为多个温度预测终点状态,将所述多个样本散热量设置为多个温度预测起点状态-多个温度预测终点状态之间的变化量,构建所述多个样本散热量和所述多个样本第二温度状态的多个映射关系;根据所述映射关系,构建获得所述温度预测模型,所述温度预测模型为关联映射函数模型,为后续进行温度预测提供模型基础。
S40:将所述温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数;
步骤S40包括步骤:
S41:根据所述多个样本温度变化参数,获得多个样本预测温度参数;
S42:获取多个样本湿度参数;
S43:根据所述多个样本温度参数、多个样本预测温度参数和多个样本湿度参数,分别进行配电柜预警等级评估,获得多个样本预警参数;
S44:基于BP神经网络,构建所述安全评估模型,所述安全评估模型的输入数据为温度参数、预测温度参数和湿度参数,输出数据为预警参数;
S45:采用构建数据集,对所述安全评估模型进行迭代监督训练和验证,直到收敛或准确率达到预设要求,其中,所述构建数据集通过对所述多个样本温度参数、多个样本预测温度参数、多个样本湿度参数和多个样本预警参数进行数据标注获得;
S46:将所述温度参数、预测温度参数和湿度参数输入所述安全评估模型,获得所述预警参数。
具体而言,将所述温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数,具体包括:将所述多个样本温度变化参数作为输入信息,输入温度预测模型,获得多个样本预测温度参数;基于核电配电柜的安全智能监控系统的数据存储单元,进行湿度参数限制性(限制信息为多个样本温度变化参数的多个历史样本时间点)提取,获取多个样本湿度参数;根据所述多个样本温度参数、多个样本预测温度参数和多个样本湿度参数,采用配电柜预警规则(配电柜预警规则为预设信息,用户同样可以自定义设定),分别进行配电柜预警等级评估,获得多个样本预警参数;
以BP神经网络为模型基础,构建所述安全评估模型,具体包括:模型输入端的输入数据为温度参数、预测温度参数和湿度参数,模型输出端的输出数据为预警参数;通过对所述多个样本温度参数、多个样本预测温度参数、多个样本湿度参数和多个样本预警参数进行数据标注,获得所述构建数据集,以7:3的比例对所述构建数据集进行分组,获取第一构建数据集与第二构建数据集,以第一构建数据集为训练样本,对所述安全评估模型进行迭代监督训练,以第二构建数据集为验证样本,对所述安全评估模型进行验证,直到收敛或准确率(对所述安全评估模型进行验证过程,可以获取准确率,准确率为验证通过次数与验证总次数之比)达到预设要求;将所述温度参数、预测温度参数和湿度参数输入所述安全评估模型,安全评估模型输出所述预警参数,获取安全评估模型,为后续进行安全评估提供模型支持。
S50:获取所述目标核电站的发电规模参数,以及获取所述第一配电柜的配电规模参数;
S60:将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,采用所述调整参数对预警参数阈值进行调整,获得调整预警参数阈值;
S70:判断所述预警参数是否满足所述调整预警参数阈值,若是,则进行预警。
具体而言,获取所述目标核电站的发电规模参数(所述发电规模参数包括日发电量),通过所述第一配电柜的铭牌,进行参数提取,获取所述第一配电柜的配电规模参数;将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,以所述调整参数为调整信息,对预警参数阈值进行调整(调整可以是设置调整比例,示例性的,以8:2的比例进行调整,即预警参数阈值×0.8+调整参数×0.2=调整预警参数阈值),获得调整预警参数阈值;判断所述预警参数是否满足所述调整预警参数阈值,若所述预警参数满足所述调整预警参数阈值,则进行预警,及时进行预警,为排除核电配电柜的安全隐患提供基础。
步骤S60包括步骤:
S61:获取多个样本发电规模参数,以及获取多个样本配电柜的多个配电规模参数;
S62:对所述多个样本发电规模参数和多个配电规模参数进行随机组合,并进行调整参数评估,获得多个样本调整参数;
S63:采用所述多个样本发电规模参数、多个配电规模参数和多个样本调整参数,构建所述预警参数阈值调整模型;
S64:将所述发电规模参数、配电规模参数输入所述预警参数阈值调整模型内,获得所述调整参数。
具体而言,将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,具体包括:遍历多个样本发电核电站,获取多个样本发电规模参数;对多个样本发电核电站的每个样本发电核电站中的多个样本配电柜的铭牌进行参数提取,获取多个样本配电柜的多个配电规模参数(多个样本配电柜的多个配电规模参数与多个样本发电规模参数存在关联映射,关联映射约束为多个样本发电核电站);对所述多个样本发电规模参数和多个配电规模参数进行随机组合(随机组合为现有技术),并进行调整参数评估(随机组合存在组合不合理情况,进行调整参数评估,为向着优化的方向进行参数调整提供基础,所述调整参数评估即对所述多个样本发电规模参数和多个配电规模参数的随机组合进行评估打分,可以以多个样本配电柜的多个配电规模参数、多个样本发电规模参数、发电规模参数、配电规模参数为基础,搭建知识库,构建评估打分专家系统,采用评估打分专家系统,进行调整参数评估),获得多个样本调整参数,采用所述多个样本发电规模参数、多个配电规模参数和多个样本调整参数,构建所述预警参数阈值调整模型;将所述发电规模参数、配电规模参数作为输入信息,输入所述预警参数阈值调整模型内进行调整参数评估,在评估打分满足评估打分阈值(设置评估打分阈值,评估打分阈值为预设参数指标)情况下,获得所述调整参数,所述调整参数包括满足评估打分阈值的多个样本发电规模参数和多个配电规模参数的随机组合,为进行参数优化调整提供支持。
步骤S63包括步骤:
S61:以发电规模参数,作为第一决策特征,以配电规模参数,作为第二决策特征;
S62:基于所述第一决策特征和第二决策特征,构建所述预警参数阈值调整模型的多层决策划分节点,其中,每层决策划分节点内包括发电规模参数决策阈值或配电规模参数决策阈值;
S63:采用所述样本调整参数,作为多个标签,对所述多层决策划分节点的多个决策结果进行标识,获得所述预警参数阈值调整模型。
具体而言,采用所述多个样本发电规模参数、多个配电规模参数和多个样本调整参数,构建所述预警参数阈值调整模型,具体包括:以发电规模参数,作为第一决策特征(内部为判断逻辑,判断所述发电规模参数是否满足发电规模参数决策阈值),以配电规模参数,作为第二决策特征(内部为判断逻辑,判断所述配电规模参数是否满足配电规模参数决策阈值),基于所述第一决策特征和第二决策特征,采用决策树为算法基础,构建所述预警参数阈值调整模型的多层决策划分节点,所述多层决策划分节点的每层决策划分节点内包括发电规模参数决策阈值或配电规模参数决策阈值;采用所述样本调整参数作为多个标签内容,设置多个标签,通过多个标签对所述多层决策划分节点的多个决策结果(多层决策划分节点内部的判断结果,多个决策结果包括所述发电规模参数满足发电规模参数决策阈值、所述配电规模参数满足配电规模参数决策阈值等多种决策可能)进行标识,获得所述预警参数阈值调整模型,构建预警参数阈值调整模型,采用决策判断的方式,确定需要进行优化的指标,为保证参数优化调整的合理性提供支持。
综上所述,本申请实施例所提供的一种核电配电柜的安全智能监控方法及系统具有如下技术效果:
1.由于采用了在当前时间窗口,采集获得温度参数和湿度参数;在当前时间窗口采集散热量;将温度参数和散热量输入温度预测模型内,获得预测温度参数;将温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数;获取发电规模参数与配电规模参数,输入预警参数阈值调整模型内,获得调整参数,对预警参数阈值进行调整,获得调整预警参数阈值;判断预警参数是否满足调整预警参数阈值,若是,则进行预警,本申请通过提供了一种核电配电柜的安全智能监控方法及系统,实现了同步进行散热量计算,联合温湿度数据,预测确定预测温度数据,为提前进行核电配电柜的监测预警提供支持,进行智能监测预警,为第一时间排除因温度变化产生的核电配电柜的安全隐患提供支持的技术效果。
2.由于采用了基于多个第一温度节点状态,构建多个温度预测起点状态;在多个温度预测起点状态内,构建多个样本散热量和多个样本第二温度状态的多个映射关系,构建获得温度预测模型,为后续进行温度预测提供模型基础。
实施例二
基于与前述实施例中一种核电配电柜的安全智能监控方法相同的发明构思,如图4所示,本申请实施例提供了一种核电配电柜的安全智能监控系统,其中,所述系统包括:
监测采集模块100,用于在当前时间窗口,监测采集第一配电柜内的温度和湿度,获得温度参数和湿度参数,其中,所述第一配电柜设置于目标核电站内;
散热量采集模块200,用于基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量;
预测温度参数获得模块300,用于将所述温度参数和所述散热量输入温度预测模型内,获得所述第一配电柜在未来预设时间范围后的温度,获得预测温度参数;
预警参数获得模块400,用于将所述温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数;
配电规模参数获得模块500,用于获取所述目标核电站的发电规模参数,以及获取所述第一配电柜的配电规模参数;
阈值调整模块600,用于将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,采用所述调整参数对预警参数阈值进行调整,获得调整预警参数阈值;
阈值判断模块700,用于判断所述预警参数是否满足所述调整预警参数阈值,若是,则进行预警
进一步的,所述系统包括:
散热量获取模块,用于计算获取所述配电柜内变压器、电柜回路、灯具和电缆在未来所述预设时间范围内的散热量,获得第一子散热量、第二子散热量、第三子散热量和第四子散热量;
散热量计算模块,用于根据所述第一子散热量、第二子散热量、第三子散热量和第四子散热量,计算获得所述散热量。
进一步的,所述系统包括:
第一温度节点状态确定模块,用于获取所述第一配电柜在多个历史时间点的多个样本温度参数,并将所述多个样本温度参数作为多个第一温度节点状态;
样本散热量确定模块,用于获取所述第一配电柜在多个历史时间点后所述预设时间范围内的多个样本散热量;
第二温度节点状态确定模块,用于获取所述第一配电柜在多个历史时间点后所述预设时间范围后的多个样本变化温度参数,并作为多个第二温度节点状态;
温度预测模型构建模块,用于采用所述多个第一温度节点状态、多个样本散热量和多个第二温度节点状态,构建所述温度预测模型;
预测温度参数确定模块,用于将所述温度参数输入所述温度预测模型,获得第一温度节点状态,将所述散热量输入所述温度预测模型,获得第二温度节点状态,作为所述预测温度参数。
进一步的,所述系统包括:
温度预测起点状态构建模块,用于基于所述多个第一温度节点状态,构建多个温度预测起点状态;
映射关系构建模块,用于在所述多个温度预测起点状态内,构建所述多个样本散热量和所述多个样本第二温度状态的多个映射关系;
温度预测模型构建模块,用于根据所述映射关系,构建获得所述温度预测模型。
进一步的,所述系统包括:
样本预测温度参数获取模块,用于根据所述多个样本温度变化参数,获得多个样本预测温度参数;
样本湿度参数获取模块,用于获取多个样本湿度参数;
样本预警参数获得模块,用于根据所述多个样本温度参数、多个样本预测温度参数和多个样本湿度参数,分别进行配电柜预警等级评估,获得多个样本预警参数;
预警参数输出模块,用于基于BP神经网络,构建所述安全评估模型,所述安全评估模型的输入数据为温度参数、预测温度参数和湿度参数,输出数据为预警参数;
监督训练和验证模块,用于采用构建数据集,对所述安全评估模型进行迭代监督训练和验证,直到收敛或准确率达到预设要求,其中,所述构建数据集通过对所述多个样本温度参数、多个样本预测温度参数、多个样本湿度参数和多个样本预警参数进行数据标注获得;
预警参数获得模块,用于将所述温度参数、预测温度参数和湿度参数输入所述安全评估模型,获得所述预警参数。
进一步的,所述系统包括:
配电规模参数获得模块,用于获取多个样本发电规模参数,以及获取多个样本配电柜的多个配电规模参数;
调整参数评估模块,用于对所述多个样本发电规模参数和多个配电规模参数进行随机组合,并进行调整参数评估,获得多个样本调整参数;
预警参数阈值调整模型构建模块,用于采用所述多个样本发电规模参数、多个配电规模参数和多个样本调整参数,构建所述预警参数阈值调整模型;
调整参数获得模块,用于将所述发电规模参数、配电规模参数输入所述预警参数阈值调整模型内,获得所述调整参数。
进一步的,所述系统包括:
决策特征确定模块,用于以发电规模参数,作为第一决策特征,以配电规模参数,作为第二决策特征;
多层决策划分节点构建模块,用于基于所述第一决策特征和第二决策特征,构建所述预警参数阈值调整模型的多层决策划分节点,其中,每层决策划分节点内包括发电规模参数决策阈值或配电规模参数决策阈值;
预警参数阈值调整模型获得模块,用于采用所述样本调整参数,作为多个标签,对所述多层决策划分节点的多个决策结果进行标识,获得所述预警参数阈值调整模型。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种核电配电柜的安全智能监控方法,其特征在于,所述方法包括:
在当前时间窗口,监测采集第一配电柜内的温度和湿度,获得温度参数和湿度参数,其中,所述第一配电柜设置于目标核电站内;
基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量;
将所述温度参数和所述散热量输入温度预测模型内,获得所述第一配电柜在未来预设时间范围后的温度,获得预测温度参数;
将所述温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数;
获取所述目标核电站的发电规模参数,以及获取所述第一配电柜的配电规模参数;
将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,采用所述调整参数对预警参数阈值进行调整,获得调整预警参数阈值;
判断所述预警参数是否满足所述调整预警参数阈值,若是,则进行预警。
2.根据权利要求1所述的方法,其特征在于,基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量,包括:
计算获取所述配电柜内变压器、电柜回路、灯具和电缆在未来所述预设时间范围内的散热量,获得第一子散热量、第二子散热量、第三子散热量和第四子散热量;
根据所述第一子散热量、第二子散热量、第三子散热量和第四子散热量,计算获得所述散热量。
3.根据权利要求1所述的方法,其特征在于,将所述温度参数和所述散热量输入温度预测模型内,获得所述第一配电柜在未来预设时间范围后的温度,获得预测温度参数包括:
获取所述第一配电柜在多个历史时间点的多个样本温度参数,并将所述多个样本温度参数作为多个第一温度节点状态;
获取所述第一配电柜在多个历史时间点后所述预设时间范围内的多个样本散热量;
获取所述第一配电柜在多个历史时间点后所述预设时间范围后的多个样本变化温度参数,并作为多个第二温度节点状态;
采用所述多个第一温度节点状态、多个样本散热量和多个第二温度节点状态,构建所述温度预测模型;
将所述温度参数输入所述温度预测模型,获得第一温度节点状态,将所述散热量输入所述温度预测模型,获得第二温度节点状态,作为所述预测温度参数。
4.根据权利要求3所述的方法,其特征在于,采用所述多个第一温度节点状态、多个样本散热量和多个第二温度节点状态,构建所述温度预测模型,包括:
基于所述多个第一温度节点状态,构建多个温度预测起点状态;
在所述多个温度预测起点状态内,构建所述多个样本散热量和所述多个样本第二温度状态的多个映射关系;
根据所述映射关系,构建获得所述温度预测模型。
5.根据权利要求3所述的方法,其特征在于,将所述温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数,包括:
根据所述多个样本温度变化参数,获得多个样本预测温度参数;
获取多个样本湿度参数;
根据所述多个样本温度参数、多个样本预测温度参数和多个样本湿度参数,分别进行配电柜预警等级评估,获得多个样本预警参数;
基于BP神经网络,构建所述安全评估模型,所述安全评估模型的输入数据为温度参数、预测温度参数和湿度参数,输出数据为预警参数;
采用构建数据集,对所述安全评估模型进行迭代监督训练和验证,直到收敛或准确率达到预设要求,其中,所述构建数据集通过对所述多个样本温度参数、多个样本预测温度参数、多个样本湿度参数和多个样本预警参数进行数据标注获得;
将所述温度参数、预测温度参数和湿度参数输入所述安全评估模型,获得所述预警参数。
6.根据权利要求1所述的方法,其特征在于,将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,包括:
获取多个样本发电规模参数,以及获取多个样本配电柜的多个配电规模参数;
对所述多个样本发电规模参数和多个配电规模参数进行随机组合,并进行调整参数评估,获得多个样本调整参数;
采用所述多个样本发电规模参数、多个配电规模参数和多个样本调整参数,构建所述预警参数阈值调整模型;
将所述发电规模参数、配电规模参数输入所述预警参数阈值调整模型内,获得所述调整参数。
7.根据权利要求6所述的方法,其特征在于,采用所述多个样本发电规模参数、多个配电规模参数和多个样本调整参数,构建所述预警参数阈值调整模型,包括:
以发电规模参数,作为第一决策特征,以配电规模参数,作为第二决策特征;
基于所述第一决策特征和第二决策特征,构建所述预警参数阈值调整模型的多层决策划分节点,其中,每层决策划分节点内包括发电规模参数决策阈值或配电规模参数决策阈值;
采用所述样本调整参数,作为多个标签,对所述多层决策划分节点的多个决策结果进行标识,获得所述预警参数阈值调整模型。
8.一种核电配电柜的安全智能监控系统,其特征在于,用于实施权利要求1-7任一一项所述的一种核电配电柜的安全智能监控方法,包括:
监测采集模块,用于在当前时间窗口,监测采集第一配电柜内的温度和湿度,获得温度参数和湿度参数,其中,所述第一配电柜设置于目标核电站内;
散热量采集模块,用于基于所述当前时间窗口,采集所述第一配电柜在未来预设时间范围内的散热量;
预测温度参数获得模块,用于将所述温度参数和所述散热量输入温度预测模型内,获得所述第一配电柜在未来预设时间范围后的温度,获得预测温度参数;
预警参数获得模块,用于将所述温度参数、预测温度参数和湿度参数输入安全评估模型,获得预警参数;
配电规模参数获得模块,用于获取所述目标核电站的发电规模参数,以及获取所述第一配电柜的配电规模参数;
阈值调整模块,用于将所述发电规模参数、配电规模参数输入预警参数阈值调整模型内,获得调整参数,采用所述调整参数对预警参数阈值进行调整,获得调整预警参数阈值;
阈值判断模块,用于判断所述预警参数是否满足所述调整预警参数阈值,若是,则进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310141683.1A CN116169786B (zh) | 2023-02-21 | 2023-02-21 | 一种核电配电柜的安全智能监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310141683.1A CN116169786B (zh) | 2023-02-21 | 2023-02-21 | 一种核电配电柜的安全智能监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116169786A CN116169786A (zh) | 2023-05-26 |
CN116169786B true CN116169786B (zh) | 2023-10-31 |
Family
ID=86421611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310141683.1A Active CN116169786B (zh) | 2023-02-21 | 2023-02-21 | 一种核电配电柜的安全智能监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116169786B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116937819B (zh) * | 2023-09-19 | 2023-12-08 | 北京松岛菱电设备有限公司 | 一种具有学习功能的远程配电柜监控系统 |
CN117215356B (zh) * | 2023-11-01 | 2024-02-27 | 广州市枫祺软件科技有限责任公司 | 一种配电柜的智能控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110726494A (zh) * | 2019-11-27 | 2020-01-24 | 成都比善科技开发有限公司 | 高压开关柜温度监测系统及监测方法 |
CN112698676A (zh) * | 2020-12-09 | 2021-04-23 | 泽恩科技有限公司 | 一种基于ai和数字孪生技术的智能配电房运营方法 |
EP3881157A1 (de) * | 2018-11-15 | 2021-09-22 | Seifert Systems Ltd. | Anordnung zur regelung der temperatur und/oder luftfeuchtigkeit |
CN114692433A (zh) * | 2022-04-28 | 2022-07-01 | 中原环保股份有限公司 | 一种配电柜表面温度巡检的故障分析方法 |
CN115388955A (zh) * | 2022-10-25 | 2022-11-25 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 配电柜监控方法及系统 |
CN115700355A (zh) * | 2022-10-27 | 2023-02-07 | 华能吉林发电有限公司九台电厂 | 励磁系统的超温预警方法及其装置 |
-
2023
- 2023-02-21 CN CN202310141683.1A patent/CN116169786B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3881157A1 (de) * | 2018-11-15 | 2021-09-22 | Seifert Systems Ltd. | Anordnung zur regelung der temperatur und/oder luftfeuchtigkeit |
CN110726494A (zh) * | 2019-11-27 | 2020-01-24 | 成都比善科技开发有限公司 | 高压开关柜温度监测系统及监测方法 |
CN112698676A (zh) * | 2020-12-09 | 2021-04-23 | 泽恩科技有限公司 | 一种基于ai和数字孪生技术的智能配电房运营方法 |
CN114692433A (zh) * | 2022-04-28 | 2022-07-01 | 中原环保股份有限公司 | 一种配电柜表面温度巡检的故障分析方法 |
CN115388955A (zh) * | 2022-10-25 | 2022-11-25 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 配电柜监控方法及系统 |
CN115700355A (zh) * | 2022-10-27 | 2023-02-07 | 华能吉林发电有限公司九台电厂 | 励磁系统的超温预警方法及其装置 |
Non-Patent Citations (2)
Title |
---|
"开关柜温度在线监测与预测系统设计";刘耀巍;《全国硕士毕业论文全文库工程科技II辑》(第3期);全文 * |
变电站温度测控系统的设计与开发;贺平;《电子世界》(第16期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116169786A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116169786B (zh) | 一种核电配电柜的安全智能监控方法及系统 | |
Karimi et al. | Dynamic thermal rating of transmission lines: A review | |
CN105512448B (zh) | 一种配电网健康指数的评估方法 | |
CN111080072A (zh) | 配电变压器健康指数评估方法、装置及系统 | |
Serrano-Guerrero et al. | Statistical methodology to assess changes in the electrical consumption profile of buildings | |
Villacci et al. | The role of learning methods in the dynamic assessment of power components loading capability | |
CN112947158B (zh) | 一种楼宇智能电气控制系统 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN105093047A (zh) | 电力线路载流量监测预警系统 | |
CN111047169A (zh) | 一种电网调度用故障分析检测系统 | |
CN106295240A (zh) | 一种基于模糊数学的电力变压器状态评估方法 | |
CN107180273B (zh) | 一种基于大数据统计分析的变电站厂界噪声预测评估方法 | |
Seier et al. | Data-driven thermal modeling of residential service transformers | |
KR102315580B1 (ko) | 건물의 화재 예측 분석 장치 및 방법 | |
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析系统 | |
CN107527123B (zh) | 一种基于分布式关联规则的扰动事件预测方法及装置 | |
CN116805068A (zh) | 一种基于大数据的故障监测预警系统及方法 | |
CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
Halilcevic et al. | Prediction of power system security levels | |
CN106651206A (zh) | 一种继电保护测试性评估指标体系的评估方法 | |
CN117498559A (zh) | 配电网低电压预警分析方法及系统 | |
KR101133884B1 (ko) | 배전변압기 부하 관리장치 및 방법 | |
Djokic et al. | A new method for classification and presentation of voltage reduction events | |
CN112506982A (zh) | 一种线路和配变的最大负载预测的方法 | |
CN204906010U (zh) | 输电线路动态监测预警系统 |
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 |