CN116189396A - 电器安全保护方法、装置、电子设备和计算机可读介质 - Google Patents
电器安全保护方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116189396A CN116189396A CN202310477053.1A CN202310477053A CN116189396A CN 116189396 A CN116189396 A CN 116189396A CN 202310477053 A CN202310477053 A CN 202310477053A CN 116189396 A CN116189396 A CN 116189396A
- Authority
- CN
- China
- Prior art keywords
- electrical
- information
- circuit
- abnormal
- target
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本公开的实施例公开了电器安全保护方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图;得到电气特征信息序列集;得到电气异常检测结果集;响应于确定电气异常检测结果集中的电气异常检测结果满足预设异常条件,将电气特征信息序列集中与电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集;基于目标定位距离值集,将异常电气信息集投影至电气定位图中,得到异常电气定位图;对各个目标电路进行控制;将异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。该实施方式提高煤矿开采的安全度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及电器安全保护方法、装置、电子设备和计算机可读介质。
背景技术
针对非漏天煤矿,在开采过程中会伴随着粉尘、瓦斯等有害物质的产生,因此需要保证电路稳定,以使得相应装置(如排气换气装置)能够实时对有害物质进行及时的排气和换气。目前,在对电路故障排除时通常采用的方式时:当电路故障时,通过人工方式进行故障排查。
然而,发明人发现,当采用上述方式对异常电器进行告警时,经常会存在如下技术问题:
第一,人工排查的方式效率低下,使得无法对电路进行有效保护,同时,电路异常时无法对相应装置进行供电以进行有害物质的排气换气,导致煤矿开采安全度低;
第二,由于电路故障的类型有多种,危险气体的类型也有多种,仅通过确定电路出现的单一故障或仅考虑单一危险气体的浓度,会导致确定电器出现异常类型的准确度降低,从而,导致对异常电器进行控制和告警的准确度降低;
第三,电器异常检测往往具有滞后性,难以在电器出现异常的时刻及时发现,会导致难以及时对异常电器进行控制和告警;
第四,查询异常电器的位置的方式仅对异常电器进行定位,而难以对异常电器内的异常电路进行定位,导致对异常电路定位的准确度降低,从而导致对异常电器进行控制和告警的准确度降低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了电器安全保护方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种电器安全保护方法,该方法包括:获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图;对上述电路信息序列集中的每个电路信息和上述通风信息序列集中对应上述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集;将上述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集;响应于确定上述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将上述电气特征信息序列集中与上述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集;基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图;生成针对上述异常电气信息集的电路安全运行控制参数,以及根据上述电路安全运行控制参数对上述各个目标电路进行控制;将上述异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。
第二方面,本公开的一些实施例提供了一种电器安全保护装置,装置包括:获取单元,被配置成获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图;特征融合单元,被配置成对上述电路信息序列集中的每个电路信息和上述通风信息序列集中对应上述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集;输入单元,被配置成将上述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集;确定单元,被配置成响应于确定上述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将上述电气特征信息序列集中与上述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集;投影单元,被配置成基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图;控制单元,被配置成生成针对上述异常电气信息集的电路安全运行控制参数,以及根据上述电路安全运行控制参数对上述各个目标电路进行控制;发送单元,被配置成将上述异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面中任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面中任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的电器安全保护方法,可以提高煤矿开采的安全度。具体来说,造成煤矿开采安全度低的原因在于:人工排查的方式效率低下,使得无法对电路进行有效保护,同时,电路异常时无法对相应装置进行供电以进行有害物质的排气换气。基于此,本公开的一些实施例的电器安全保护方法,首先,获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图。其次,对上述电路信息序列集中的每个电路信息和上述通风信息序列集中对应上述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集。由此,可以综合考虑电路信息和通风信息,得到综合后的电气特征信息。接着,将上述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集。由此,可以确定每个电气特征信息对应的电气是否出现异常。然后,响应于确定上述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将上述电气特征信息序列集中与上述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集。由此,可以从电器特征信息中选出异常的电气特征信息,以便后续进行投影。随后,基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图。由此,可以得到异常电器和异常电路的位置信息,以便后续对异常电器进行告警。再然后,生成针对上述异常电气信息集的电路安全运行控制参数,以及根据上述电路安全运行控制参数对上述各个目标电路进行控制。由此,可以对出现异常的电路进行控制。最后,将上述异常电气定位图发送至用户终端以供执行告警操作。由此,可以对异常电器进行告警。因此,本公开的一些电器安全保护方法,可以融合电器中各个目标电路的电路特征信息和通风特征信息,综合考虑了电路信息和通风信息,然后可以通过异常检测模型及时确定目标电路是否出现异常,接着根据异常信息,对异常电路进行安全控制,最后可以将异常电器中异常电路的位置发送给用户终端以对异常电器进行告警,从而,可以对电路进行有效保护,进而,可以提高煤矿开采的安全度。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的电器安全保护方法的一些实施例的流程图;
图2是根据本公开的一个电路监测终端的示意图;
图3是根据本公开的电器安全保护装置的一些实施例的结构示意图;
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的电器安全保护方法的一些实施例的流程100。该电器安全保护方法,包括以下步骤:
步骤101,获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图。
在一些实施例中,电器安全保护方法的执行主体可以通过有线连接或无线连接的方式从各个电路监测终端上获取上述各个目标电路对应的电路信息序列集,从各个通风监测终端上获取上述各个目标电路对应的通风信息序列集,从第一定位终端上获取上述目标定位距离值集,以及从第二定位终端上获取上述电气定位图。其中,上述各个目标电路中的目标电路和上述各个电路监测终端中的电路监测终端可以是一一对应的。上述各个电路监测终端中的电路监测终端和上述各个通风监测终端中的通风监测终端可以是一一对应的。上述各个目标电路可以对应一个电器。上述目标电路可以是用于支撑对应的电路监测终端和对应的通风监测终端运行的电路。上述电路信息序列集中的电路信息可以按时间的先后顺序排序的。上述电路信息可以包括但不限于以下至少一项:输入电路信息、降压电路信息、保护电路信息和输出电路信息。
上述通风信息序列集中的通风信息可以表征通风检测终端所在区域内风速风向信息、瓦斯浓度信息和粉尘浓度信息。上述通风信息序列集中的通风信息可以是按时间的先后顺序排序的。上述通风信息可以包括但不限于以下至少一项:通风风速值、通风风向信息、瓦斯浓度值和粉尘浓度值。上述通风风向信息可以表征上述通风检测终端所在区域内的风向。这里,上述通风风速值可以是上述通风检测终端所在区域的风速值。上述瓦斯浓度值可以是上述通风检测终端所在区域内瓦斯的浓度值。上述粉尘浓度值可以是上述通风检测终端所在区域内粉尘的浓度值。上述目标定位距离值集中的目标定位距离值可以是目标点的光缆距离值。上述电气定位图可以表征电器设备的位置信息。
具体的,上述各个电路监测终端中的任一电路监测终端可以参考图2示出的一个电路监测终端200的示意图。上述电路监测终端200可以包括但不限于以下至少一项:输入电路201,降压电路202,保护电路203,输出电路204和通信端口205。其中,上述输入电路201可以与上述降压电路202和上述通信端口205分别电路连接,可以用于从电源获取电压和电流,以及将电压和电流传输至上述降压电路202。上述降压电路202可以与上述保护电路203和上述通信端口205分别电路连接,可以用于对输入的电压进行降压处理,以及将降压后的电压和电流传输至上述保护电路203。上述降压电路202可以包括但不限于以下至少一项:稳压二极管组。这里,上述稳压二极管组中稳压二极管的数量可以是预设数目(例如,3)。上述稳压二极管可以的电压可以是预设值(例如,3.3伏)。上述保护电路203可以与上述输出电路204和上述通信端口205电路连接,可以用于响应于确定电流大于熔断器的阈值,对电路进行熔断。上述保护电路203可以包括但不限于以下至少一项:熔断器。上述输出电路204可以用于将电压和电流输出。上述通信端口205可以用于分别采集上述输入电路201、降压电路202、保护电路203和输出电路204的电压和电流,然后通过预设的转化算法,将电信号转化为数字信号,以供发送至上述执行主体。
由此,上述电路监测终端可以通过降压电路,降低经过监测终端的电压和电流,可以减少产生的电火花的大小和产生频率,从而可以避免电火花点燃可燃气体,进而,可以提高煤矿开采的的安全度。
作为示例,上述通风监测终端可以包括但不限于以下至少一项:风速风向仪,瓦斯浓度仪和粉尘浓度检测仪。上述第一定位终端可以是OTDR(Optical Time DomainReflectometer,光时域反射仪)。上述第二定位终端可以是GIS(Geographic InformationSystem,地理信息系统)。上述目标点可以是但不限于以下至少一项:机房、拐点、熔接点或塔杆。上述电器设备可以是但不限于以下至少一项:防爆电机、通风机或输送机。上述预设的转换算法可以是FSK(Frequency Shift Keying,频移键控)算法。
可选地,上述电路信息序列集中的电路信息可以是上述执行主体通过以下步骤生成的:
第一步,从输入电路上获取输入电压和输入电流,以及将上述输入电压和上述输入电流融合为输入电路信息。其中,可以通过上述通信端口从上述输入电路上获取输入电压和输入电流,以及将上述输入电压和上述输入电流确定为上述输入电路信息包括的输入电压和输入电流。
第二步,从降压电路上获取降压电压和降压电流,以及将上述降压电压和上述降压电流融合为降压电路信息。其中,可以通过上述通信端口从上述降压电路上获取降压电压和降压电流,以及将上述降压电压和上述降压电流确定为上述输入电路信息包括的降压电压和降压电流。
第三步,从保护电路上获取保护电压和保护电流,以及将上述保护电压和上述保护电流融合为保护电路信息。其中,可以通过上述通信端口从上述保护电路上获取保护电压和保护电流,以及将上述保护电压和上述保护电流确定为上述输入电路信息包括的保护电压和保护电流。
第四步,从输出电路上获取输出电压和输出电流,以及将上述输出电压和上述输出电流融合为输出电路信息。其中,可以通过上述通信端口从上述输出电路上获取输出电压和输出电流,以及将上述输出电压和上述输出电流确定为上述输入电路信息包括的输出电压和输出电流。
第五步,对上述输入电路信息、上述降压电路信息、上述保护电路信息和上述输出电路信息进行融合处理,得到电路信息。其中,可以将上述输入电路信息、上述降压电路信息、上述保护电路信息和上述输出电路信息确定为上述电路信息包括的输入电路信息、降压电路信息、保护电路信息和输出电路信息。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤102,对电路信息序列集中的每个电路信息和通风信息序列集中对应电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集。
在一些实施例中,上述执行主体可以对上述电路信息序列集中的每个电路信息和上述通风信息序列集中对应上述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集。
在一些实施例的一些可选的实现方式中,上述执行主体对上述电路信息序列集中的每个电路信息和上述通风信息序列集中对应上述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集,可以包括以下步骤:
第一步,对上述电路信息和上述通风信息分别进行归一化处理,得到目标电路信息和目标通风信息。其中,可以通过预设的归一化函数,对上述电路信息包括的各个电压值和电流值以及上述通风信息包括的通风风速值、瓦斯浓度值和粉尘浓度值进行归一化处理,然后可以将归一化后的各个电压值和电流值、通风风速值、瓦斯浓度值和粉尘浓度值分别确定为目标电路信息和目标通风信息。
作为示例,上述归一化函数可以是sigmoid(归一)函数。
第二步,将上述目标电路信息输入至预先训练的电路特征提取模型中,得到目标电路特征向量。其中,上述预先训练的电路特征提取模型可以是以目标电路信息为输入,以目标电路特征向量为输出的模型。上述目标电路特征向量可以表征与上述目标电路信息对应的目标电路出现的故障的类型信息。
第三步,将上述目标通风信息输入至预先训练的通风特征提取模型中,得到目标通风特征向量。其中,上述预先训练的通风特征提取模型可以是以目标通风信息为输入,以目标通风特征向量为输出的模型。
第四步,对上述目标电路特征向量和上述目标通风特征向量进行加权求和处理,得到电气特征向量。其中,可以依据预设的电路权重值和预设的通风权重值,对上述目标电路特征向量和上述目标通风特征向量进行加权求和处理。这里,对于预设的电路权重值和预设的通风权重值的值,不作限定。
第五步,将上述电气特征向量确定为上述电气特征信息。
可选地,上述电路特征提取模型可以是通过以下步骤训练得到的:
第一步,获取电路训练样本集和初始电路特征提取模型。其中,上述电路训练样本集中的电路训练样本包括:样本电路信息和样本电路特征向量。上述初始电路特征提取模型包括:第一初始电路检测模型和第二初始电路检测模型。其中,上述第一初始电路检测模型可以是未经训练的以第一样本电路向量为输入,以第一初始故障概率向量为输出的第一电路检测预定义模型。第一电路检测预定义模型分为三层:
第一层可以是输入层,包括输入网络集。上述输入网络集中输入网络的数量可以是第一预设网络数量。上述输入网络集中的输入网络可以用于将第一样本电路向量传递给第二层。
作为示例,上述第一预设网络数量可以是5。
第二层可以是隐藏层,包括隐藏网络集。上述隐藏网络集中隐藏网络的数量可以是第二预设网络数量。上述隐藏网络集中的隐藏网络可以根据上述输入网络集中各个输入网络和上述隐藏网络之间的网络连接权重值,对上述各个输入网络传递的数据进行加权求和处理,以生成上述隐藏网络输出的第一样本电路隐藏网络值,得到第一样本电路隐藏网络值集。
作为示例,上述第二预设网络数量可以8。
第三层可以是输出层,包括输出网络集。上述输出网络集中输出网络的数量可以是第三预设网络数量。上述输出层可以根据上述隐藏网络集中各个隐藏网络和上述输出层的网络连接权重值,对上述第一样本电路隐藏网络值集中的各个第一样本电路隐藏网络值进行加权求和处理,得到第一初始故障概率值集,然后可以将上述第一初始故障概率值集中的各个第一初始故障概率值组合为第一初始故障概率向量,最后可以将上述第一初始故障概率向量作为上述第一初始电路检测模型的输出。
作为示例,上述第三预设网络数量可以是6。
其中,上述第二初始电路检测模型可以是未经训练的以第二样本电路向量为输入,以第二初始故障概率向量为输出的第二电路检测预定义模型。这里,上述第二电路检测预定义模型的具体实现方式及所带来的技术效果可以参考上述实施例中的步骤102,在此不再赘述。
第二步,从上述电路训练样本集中选取电路训练样本,执行以下第一训练子步骤:
第一子步骤,对电路训练样本包括的样本电路信息进行拆分处理,得到第一样本电路向量和第二样本电路向量。其中,可以将上述样本电路信息包括的输入电压、降压电压、保护电压和输出电压组合为上述第一样本电路向量,可以将上述样本电路信息包括的输入电流、降压电流、保护电流和输出电流组合为上述第二样本电路向量。
第二子步骤,将第一样本电路向量输入至初始电路特征提取模型包括的第一初始电路检测模型,得到第一初始故障概率向量。
第三子步骤,将第二样本电路向量输入至初始电路特征提取模型包括的第二初始电路检测模型,得到第二初始故障概率向量。
第四子步骤,对第一初始故障概率向量和第二初始故障概率向量进行融合处理,得到初始电路特征向量。
可选地,上述执行主体对第一初始故障概率向量和第二初始故障概率向量进行融合处理,得到初始电路特征向量,可以包括以下融合子步骤:
第一融合子步骤,将预设的第一合理概率值集赋予上述第一初始故障概率向量。其中,上述预设的第一合理概率值集中的第一合理概率值与上述第一初始故障概率向量包括的第一初始故障概率值一一对应。
第二融合子步骤,将上述第一初始故障概率向量中每个第一初始故障概率值对应的第一合理概率值的乘积确定为第一故障概率值,得到第一故障概率向量。
第三融合子步骤,将预设的第二合理概率值集赋予上述第二初始故障概率向量。上述预设的第二合理概率值集中的第二合理概率值与上述第二初始故障概率向量包括的第二初始故障概率值一一对应。
第四融合子步骤,将上述第二初始故障概率向量中每个第二初始故障概率值对应的第二合理概率值的乘积确定为第二故障概率值,得到第二故障概率向量。
第五融合子步骤,将上述第一故障概率向量和上述第二故障概率向量的和确定为上述初始电路特征向量。
第五子步骤,基于预设的第一损失函数,确定初始电路特征向量和电路训练样本包括的样本电路特征向量的电路特征差异值。其中,上述预设的第一损失函数可以是交叉熵损失函数。
第六子步骤,响应于确定电路特征差异值小于第一目标值,将初始电路特征提取模型确定为电路特征提取模型。其中,对于上述第一目标值的设定,不作限定。
可选地,上述执行主体还可以响应于确定上述电路特征差异值大于等于第一目标值,调整上述初始电路特征提取模型中的相关参数,将调整后的初始电路特征提取模型作为初始电路特征提取模型,以及从上述电路训练样本集中选取电路训练样本,以供再次执行上述第一训练子步骤。其中,可以通过预设的调整算法,调整上述初始电路特征提取模型中的相关参数。
作为示例,上述预设的调整算法可以是梯度下降算法。
可选地,上述通风特征提取模型可以是通过以下步骤训练得到的:
第一步,获取通风训练样本集和初始通风特征提取模型。其中,上述通风训练样本集中的通风训练样本可以包括:样本通风信息和样本通风特征向量。上述初始通风特征提取模型包括:第一初始通风检测模型和第二初始通风检测模型。其中,上述第一初始通风检测模型可以是未经训练的以第一样本通风向量为输入,以第一初始通风故障概率向量为输出的第一通风检测预定义模型。上述第二初始电路检测模型可以是未经训练的以第二样本通风向量为输入,以第二初始通风故障概率向量为输出的第二通风检测预定义模型。这里,上述第一通风检测预定义模型和上述第二通风检测预定义模型的具体实现方式及所带来的技术效果可以参考上述实施例中的步骤102,在此不再赘述。
第二步,从上述通风训练样本集中选取通风训练样本,执行以下第三训练子步骤:
第一子步骤,对通风训练样本包括的样本通风信息进行拆分处理,得到第一样本通风向量和第二样本通风向量。其中,可以将上述样本通风信息包括的通风风速值和通风风向信息组合为上述第一样本电路向量,可以将上述样本通风信息包括的瓦斯浓度值和粉尘浓度值组合为上述第二样本电路向量。
第二子步骤,将第一样本通风向量输入至初始通风特征提取模型包括的第一初始通风检测模型,得到第一初始通风异常概率向量。
第三子步骤,将第二样本通风向量输入至初始通风特征提取模型包括的第二初始通风检测模型,得到第二初始通风异常概率向量。
第四子步骤,对第一初始通风异常概率向量和第二初始通风异常概率向量进行融合处理,得到初始通风特征向量。其中,上述对第一初始通风异常概率向量和第二初始通风异常概率向量进行融合处理的具体实现方式及所带来的技术效果可以参考上述实施例中的步骤102,在此不再赘述。
第五子步骤,基于预设的第三损失函数,确定初始通风特征向量和通风训练样本包括的样本通风特征向量的通风特征差异值。其中,上述预设的第三损失函数可以是交叉熵损失函数。
第六子步骤,响应于确定通风特征差异值小于第三目标值,将初始通风特征提取模型确定为通风特征提取模型。其中,对于上述第三目标值的设定,不作限定。
可选地,上述执行主体还可以响应于确定上述通风特征差异值大于等于第三目标值,调整上述初始通风特征提取模型中的相关参数,将调整后的初始通风特征提取模型作为初始通风特征提取模型,以及从上述通风训练样本集中选取通风训练样本,以供再次执行上述第三训练子步骤。其中,可以通过上述预设的调整算法,调整上述初始通风特征提取模型中的相关参数。
步骤102的相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“对异常电器进行控制和告警的准确度降低”。其中,导致了对异常电器进行控制和告警的准确度降低的因素往往如下:由于电路故障的类型有多种,危险气体的类型也有多种,仅通过确定电路出现的单一故障或仅考虑单一危险气体的浓度,会导致确定电器出现异常类型的准确度降低。如果解决了上述因素,就能达到提高提高对异常电器进行控制和告警的准确度的效果。为了达到这一效果,本公开可以对电路信息包括的各个电压值和各个电流值分别进行特征提取处理,然后进行融合处理,得到可以表征电路特征信息的电路特征向量,以及可以对通风信息包括的风速风向信息,瓦斯浓度信息和粉尘浓度信息进行特征提取处理,然后进行融合处理,得到可以表征通风特征信息的通风特征向量,考虑了电路出现各种故障的可能性以及各种危险气体造成电器出现异常的可能性,最后,可以将综合后的电路特征向量和通风特征向量作为可以表征电器异常类型的电气特征信息,可以提高确定电器出现异常的类型的准确度,从而,可以提高对电器异常进行控制和告警的准确度。
步骤103,将上述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集。
在一些实施例中,上述执行主体可以将上述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集。其中,上述预先训练的电气异常检测模型可以是预先训练的以电气特征信息序列为输入,以电气异常检测结果为输出的模型。上述电气异常检测结果可以是表征“有异常”的信息或表征“无异常”的信息。
可选地,上述电气异常检测模型可以是通过以下步骤训练得到的:
第一步,获取样本电气信息集和初始电气异常检测模型。其中,上述样本电气信息集中的样本电气信息包括:样本电气特征信息序列和样本异常检测结果。上述样本电气特征信息序列中的样本电气特征信息包括:样本电气特征向量。上述初始电气异常检测模型包括:初始电气信息预测模型。上述样本电气特征信息序列中的样本电气特征信息可以是按时间的先后顺序排序的。上述初始电气异常检测模型可以是未经训练的以样本电气特征信息序列为输入,以初始电气特征信息为输出的预定义电气预测模型。预定义电气预测模型可以包括:预定义电气预测子模型序列和初始电气预测输出向量。上述预定义电气预测子模型序列中的预定义电气预测子模型可以与上述样本电气特征信息序列中的样本电气特征信息一一对应。上述预定义电气预测子模型分为三层:
第一层可以是输入层。可以用于将上述预定义电气预测子模型的上一个预定义电气预测子模型的电气预测子模型输出向量和上述样本电气特征信息包括的样本电气特征向量传递给第二层。
第二层可以是隐藏层,包括第一隐藏子网络,第二隐藏子网络,第三隐藏子网络和第四隐藏子网络。
具体的,上述第一隐藏子网络,可以依据与第一隐藏子模型对应的第一隐藏权重矩阵和第一隐藏偏置矩阵,对上述电气预测子模型输出向量和上述样本电气特征向量进行加权求和,得到第一样本特征向量,然后可以将上述第一样本特征向量输入至预设的第一隐藏函数,得到第一隐藏输出向量。
上述第二隐藏子网络,可以依据与第二隐藏子模型对应的第二隐藏权重矩阵和第二隐藏偏置矩阵,对上述电气预测子模型输出向量和上述样本电气特征向量进行加权求和,得到第二样本特征向量,然后可以将上述第二样本特征向量输入至预设的第二隐藏函数,得到第二隐藏输出向量。
上述第三隐藏子网络,可以依据与第三隐藏子模型对应的第三隐藏权重矩阵和第三隐藏偏置矩阵,对上述电气预测子模型输出向量和上述样本电气特征向量进行加权求和,得到第三样本特征向量,然后可以将上述第三样本特征向量输入至预设的第三隐藏函数,得到第三隐藏输出向量。
上述第四隐藏子网络,可以依据与第四隐藏子模型对应的第四隐藏权重矩阵和第四隐藏偏置矩阵,对上述电气预测子模型输出向量和上述样本电气特征向量进行加权求和,得到第四样本特征向量,然后可以将上述第四样本特征向量输入至预设的第四隐藏函数,得到第四隐藏输出向量。
作为示例,上述第一隐藏函数可以是sigmoid(归一)函数。上述第二隐藏函数可以是sigmoid(归一)函数。上述第三隐藏函数可以是tanh(双曲正切)函数。上述第一隐藏函数可以是sigmoid(归一)函数。
第三层可以是输出层。可以用于执行以下处理子步骤:
第一子步骤,将上述初始电气预测输出向量和上述第一隐藏输出向量的乘积确定为第一初始电气特征向量。
第二子步骤,将上述第二隐藏输出向量和上述第三隐藏输出向量的乘积确定为第二初始电气特征向量。
第三子步骤,将上述第一初始电气特征向量和上述第二初始电气特征向量的和确定为初始电气预测输出向量。
第四子步骤,将上述第二初始电气特征向量输入至预设的输出函数,得到第三初始电气特征向量。
作为示例,上述预设的输出函数可以是tanh(双曲正切)函数。
第五子步骤,将上述第三初始电气特征向量和上述第四隐藏输出向量的乘积确定为上述预定义电气预测子模型对应的电气预测子模型输出向量。
这里,可以将上述预定义电气预测子模型序列中最后一个预定义电气预测子模型对应的初始电气预测输出向量作为上述初始电气信息预测模型的输出。
第二步,从上述样本电气信息集中选取样本电气信息,执行以下第二训练子步骤:
第一子步骤,将样本电气信息包括的样本电气特征信息序列中的最后一个样本电气特征信息确定为第一样本电气特征信息。其中,上述第一样本电气特征信息可以包括:第一样本电气特征向量。
第二子步骤,将样本电气信息包括的样本电气特征信息序列中除第一样本电气特征信息外的各个样本电气特征信息输入至初始电气异常检测模型包括的初始电气信息预测模型,得到第二样本电气特征信息。其中,上述第二样本电气特征信息可以包括:第二样本电气特征向量。
第三子步骤,基于第一样本电气特征信息和第二样本电气特征信息,生成初始异常检测结果。
第四子步骤,基于预设的第二损失函数,确定样本电气信息包括的样本异常检测结果和初始异常检测结果的异常检测差异值。其中,上述预设的第二损失函数可以是但不限于以下至少一项:均方误差损失函数(MSE)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数或指数损失函数。
第五子步骤,响应于确定异常检测差异值小于第二目标值,将初始电气异常检测模型确定为电气异常检测模型。其中,对于上述第二目标值的设定,不作限定。
可选地,上述执行主体还可以响应于确定上述异常检测差异值大于等于上述第二目标值,调整上述初始电气异常检测模型中的相关参数,将调整后的初始电气异常检测模型作为初始电气异常检测模型,以及从上述样本电气信息集中选取样本电气信息,以供再次执行上述第二训练步骤。其中,可以利用反向传播、梯度下降等方法对上述初始电气异常检测模型中的相关参数进行调整。上述初始电气异常检测模型中的相关参数可以包括但不限于以下至少一项:第一隐藏权重矩阵,第一隐藏偏置矩阵,第二隐藏权重矩阵,第二隐藏偏置矩阵,第三隐藏权重矩阵,第三隐藏偏置矩阵,第四隐藏权重矩阵和第四隐藏偏置矩阵。
在一些实施例的一些可选的实现方式中,上述执行主体基于第一样本电气特征信息和第二样本电气特征信息,生成初始异常检测结果,可以包括以下步骤:
第一步,对上述第一样本电气特征信息包括的第一样本电气特征向量和上述第二样本电气特征信息包括的第二样本电气特征向量分别进行拆分处理,得到第一样本电气特征值集和第二样本电气特征值集。其中,可以将上述第一样本电气特征向量中各个维度的值确定为上述第一样本电气特征值集,将上述第二样本电气特征向量中各个维度的值确定为上述第二样本电气特征值集。
第二步,对于上述第一样本电气特征值集中的每个第一样本电气特征值,将上述第二样本电气特征值集中与上述第一样本电气特征值对应的第二样本电气特征值和上述第一样本电气特征值的乘积确定为第一目标特征值,得到第一目标特征值集。
第三步,将上述第一目标特征值集中各个第一目标特征值的平方根确定为第二目标特征值集。
第四步,将上述第二目标特征值集中的各个第二目标特征值的和确定为目标特征系数。
第五步,基于上述目标特征系数,生成样本电气特征相似度值。其中,可以通过以下公式生成上述样本电气特征相似度值:
第六步,基于上述样本电气特征相似度值,生成上述初始异常检测结果。其中,当上述样本电气特征相似度值大于目标阈值时,可以将表征“有异常”的信息确定为上述初始异常检测结果。当上述样本电气特征相似度值小于等于目标阈值时,可以将表征“无异常”的信息确定为上述初始异常检测结果。这里,对于上述目标阈值的设定,不作限定。
作为示例,上述目标阈值可以是0.8。
实践中,上述生成初始异常检测结果的相关步骤,可以通过确定两个特征向量之间的相似系数,可以降低两个特征向量中包括的对应特征值之间的相似度对特征向量之间的相似度的影响,从而,可以提高确定的特征向量的相似度的准确度,进而,可以提高生成的异常检测结果的准确度。
步骤103的相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题三“难以及时对异常电器进行控制和告警”。其中,导致了难以及时对异常电器进行控制和告警的因素往往如下:电器异常检测往往具有滞后性,难以在电器出现异常的时刻及时发现。如果解决了上述因素,就能达到可以及时对异常电器进行告警的效果。为了达到这一效果,本公开可以通过预先训练的电气异常检测模型,根据过去一定时间段(例如,五秒)内目标电路的电气特征信息,预测当前时刻的电气特征信息,然后,可以将预测的电气特征信息与当前时刻得到的电气特征信息进行对比,确定对应的目标电路是否出现异常,可以及时发现异常电器,从而,可以及时对异常电器进行控制和告警。
步骤104,响应于确定电气异常检测结果集中的电气异常检测结果满足预设异常条件,将电气特征信息序列集中与电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集。
在一些实施例中,上述执行主体可以响应于确定上述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将上述电气特征信息序列集中与上述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集。其中,上述预设异常条件可以是上述电气异常检测结果为表征“有异常”的信息。
步骤105,基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图。
在一些实施例中,上述执行主体可以基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图,可以包括以下步骤:
第一步,获取上述异常电气信息集中每个异常电气信息对应的异常电气距离值,得到异常电气距离值集。其中,可以从上述第一定位终端上获取上述异常电气距离值集。上述异常电气距离值集中的,每个异常电气距离值可以是上述异常电气信息对应的目标电路的光缆距离值。
第二步,对上述异常电气距离值集中的每个异常电气距离值执行以下坐标转换子步骤以生成异常地理坐标集中的异常地理坐标:
第一子步骤,将上述异常电气距离值和上述目标定位距离值集中各个目标定位距离值的差值确定为异常距离值集。
第二子步骤,将上述异常距离值集中最小的异常距离值确定为目标异常距离值。
第三子步骤,将上述目标定位距离值集中与上述目标异常距离值对应的目标定位距离值确定为匹配定位距离值。
第四子步骤,基于上述目标异常距离值和上述匹配定位距离值,确定上述异常电气距离值对应的异常地理坐标。其中,可以将上述目标异常距离值和上述匹配定位距离值发送至上述第二定位终端,以及从上述第二定位终端接收上述异常地理坐标。上述异常地理坐标可以是大地坐标系下的坐标。由此,可以得到上述异常电气信息集中的异常电气信息在大地坐标系下的坐标。
第三步,将上述异常地理坐标集中的各个异常地理坐标投影至上述电气定位图中,得到异常电气定位图。其中,可以通将上述异常地理坐标集发送至上述地理定位系统,以供上述地理定位系统将上述异常地理坐标集中的各个异常地理坐标转换为异常地理图像,以及从上述地理定位系统接收上述异常地理图像。这里,上述异常地理图像可以是表征上述异常地理坐标的位置信息的图像。然后,可以将上述电气定位图和上述异常地理图像分别作为上述异常电气定位图的两个图层进行融合,得到上述异常电气定位图。
步骤105的相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题四“对异常电器进行控制和告警的准确度降低”。其中,导致了对异常电器进行控制和告警的准确度降低的因素往往如下:查询异常电器的位置的方式仅对异常电器进行定位,而难以对异常电器内的异常电路进行定位,导致对异常电路定位的准确度降低。如果解决了上述因素,就能达到减少存储资源的浪费的效果。为了达到这一效果,本公开可以通过上述第一定位系统记录目标点的位置信息,然后对上述第一定位系统测量的异常电气信息对应的异常目标电路的位置信息和目标点的位置信息进行匹配,可以确定距离异常目标电路最近的目标点,随后,可以通过上述第二定位系统,确定异常目标电路的地理位置信息,由此,可以通过测量和转换,对异常电器内的异常电路进行定位,从而,可以提高对异常电路进行定位的准确度,进而,可以提高对异常电器进行控制和告警的准确度。
步骤106,生成针对异常电气信息集的电路安全运行控制参数,以及根据电路安全运行控制参数对各个目标电路进行控制。
在一些实施例中,上述执行主体可以生成针对上述异常电气信息集的电路安全运行控制参数,以及根据上述电路安全运行控制参数对上述各个目标电路进行控制。
作为示例,当上述异常电气信息集中的异常电气信息表征电路发生短路时,可以生成控制电路断开的电路安全运行控制参数,当上述异常电气信息集中的异常电气信息表征目标电路对应的瓦斯浓度大于一定阈值时,可以生成控制排风扇打开的电路安全运行控制参数。
步骤107,将异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。
在一些实施例中,上述执行主体可以将上述异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。其中,上述告警处理可以是显示警告性的文字或控制扬声器发出提示音。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的电器安全保护方法,可以提高煤矿开采的安全度。具体来说,造成煤矿开采安全度低的原因在于:人工排查的方式效率低下,使得无法对电路进行有效保护,同时,电路异常时无法对相应装置进行供电以进行有害物质的排气换气。基于此,本公开的一些实施例的电器安全保护方法,首先,获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图。其次,对上述电路信息序列集中的每个电路信息和上述通风信息序列集中对应上述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集。由此,可以综合考虑电路信息和通风信息,得到综合后的电气特征信息。接着,将上述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集。由此,可以确定每个电气特征信息对应的电气是否出现异常。然后,响应于确定上述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将上述电气特征信息序列集中与上述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集。由此,可以从电器特征信息中选出异常的电气特征信息,以便后续进行投影。随后,基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图。由此,可以得到异常电器和异常电路的位置信息,以便后续对异常电器进行告警。再然后,生成针对上述异常电气信息集的电路安全运行控制参数,以及根据上述电路安全运行控制参数对上述各个目标电路进行控制。由此,可以对出现异常的电路进行控制。最后,将上述异常电气定位图发送至用户终端以供执行告警操作。由此,可以对异常电器进行告警。因此,本公开的一些电器安全保护方法,可以融合电器中各个目标电路的电路特征信息和通风特征信息,综合考虑了电路信息和通风信息,然后可以通过异常检测模型及时确定目标电路是否出现异常,接着根据异常信息,对异常电路进行安全控制,最后可以将异常电器中异常电路的位置发送给用户终端以对异常电器进行告警,从而,可以对电路进行有效保护,进而,可以提高煤矿开采的安全度。
进一步参考图3,作为对上述各图所示方法的实现,本公开提供了一种电器安全保护装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该电器安全保护装置具体可以应用于各种电子设备中。
如图3所示,一些实施例的电器安全保护装置300包括:获取单元301、特征融合单元302、输入单元303、确定单元304、投影单元305、控制单元306和发送单元306。其中,获取单元301,被配置成获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图;特征融合单元302,被配置成对上述电路信息序列集中的每个电路信息和上述通风信息序列集中对应上述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集;输入单元303,被配置成将上述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集;确定单元304,被配置成响应于确定上述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将上述电气特征信息序列集中与上述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集;投影单元305,被配置成基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图;控制单元306,被配置成生成针对上述异常电气信息集的电路安全运行控制参数,以及根据上述电路安全运行控制参数对上述各个目标电路进行控制;发送单元307,被配置成将上述异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。
可以理解的是,该电器安全保护装置300中记载的诸单元与参考图1描述的电器安全保护方法中的各个步骤相对应。由此,上文针对电器安全保护方法描述的操作、特征以及产生的有益效果同样适用于电器安全保护装置300及其中包含的单元,在此不再赘述。
下面参考图4,其示出了适于用来实现本公开的一些实施例的电子设备400的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的终端设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图;对上述电路信息序列集中的每个电路信息和上述通风信息序列集中对应上述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集;将上述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集;响应于确定上述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将上述电气特征信息序列集中与上述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集;基于上述目标定位距离值集,将上述异常电气信息集投影至上述电气定位图中,得到异常电气定位图;生成针对上述异常电气信息集的电路安全运行控制参数,以及根据上述电路安全运行控制参数对上述各个目标电路进行控制;将上述异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、特征融合单元、输入单元、确定单元、投影单元、控制单元和发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种电器安全保护方法,包括:
获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图;
对所述电路信息序列集中的每个电路信息和所述通风信息序列集中对应所述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集;
将所述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集;
响应于确定所述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将所述电气特征信息序列集中与所述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集;
基于所述目标定位距离值集,将所述异常电气信息集投影至所述电气定位图中,得到异常电气定位图;
生成针对所述异常电气信息集的电路安全运行控制参数,以及根据所述电路安全运行控制参数对所述各个目标电路进行控制;
将所述异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。
2.根据权利要求1所述的方法,其中,所述电路信息序列集中的电路信息是通过以下步骤生成的:
从输入电路上获取输入电压和输入电流,以及将所述输入电压和所述输入电流融合为输入电路信息;
从降压电路上获取降压电压和降压电流,以及将所述降压电压和所述降压电流融合为降压电路信息;
从保护电路上获取保护电压和保护电流,以及将所述保护电压和所述保护电流融合为保护电路信息;
从输出电路上获取输出电压和输出电流,以及将所述输出电压和所述输出电流融合为输出电路信息;
对所述输入电路信息、所述降压电路信息、所述保护电路信息和所述输出电路信息进行融合处理,得到电路信息。
3.根据权利要求2所述的方法,其中,所述对所述电路信息序列集中的每个电路信息和所述通风信息序列集中对应所述电路信息的通风信息进行特征融合处理以生成电气特征信息,包括:
对所述电路信息和所述通风信息分别进行归一化处理,得到目标电路信息和目标通风信息;
将所述目标电路信息输入至预先训练的电路特征提取模型中,得到目标电路特征向量;
将所述目标通风信息输入至预先训练的通风特征提取模型中,得到目标通风特征向量;
对所述目标电路特征向量和所述目标通风特征向量进行加权求和处理,得到电气特征向量;
将所述电气特征向量确定为所述电气特征信息。
4.根据权利要求3所述的方法,其中,所述基于所述目标定位距离值集,将所述异常电气信息集投影至所述电气定位图中,得到异常电气定位图,包括:
获取所述异常电气信息集中每个异常电气信息对应的异常电气距离值,得到异常电气距离值集;
对所述异常电气距离值集中的每个异常电气距离值执行以下坐标转换步骤以生成异常地理坐标集中的异常地理坐标:
将所述异常电气距离值和所述目标定位距离值集中各个目标定位距离值的差值确定为异常距离值集;
将所述异常距离值集中最小的异常距离值确定为目标异常距离值;
将所述目标定位距离值集中与所述目标异常距离值对应的目标定位距离值确定为匹配定位距离值;
基于所述目标异常距离值和所述匹配定位距离值,确定所述异常电气距离值对应的异常地理坐标;
将所述异常地理坐标集中的各个异常地理坐标投影至所述电气定位图中,得到异常电气定位图。
5.根据权利要求4所述的方法,其中,所述电气异常检测模型是通过以下步骤训练得到的:
获取样本电气信息集和初始电气异常检测模型,其中,所述样本电气信息集中的样本电气信息包括:样本电气特征信息序列和样本异常检测结果,所述初始电气异常检测模型包括:初始电气信息预测模型;
从所述样本电气信息集中选取样本电气信息,执行以下第二训练步骤:
将样本电气信息包括的样本电气特征信息序列中的最后一个样本电气特征信息确定为第一样本电气特征信息;
将样本电气信息包括的样本电气特征信息序列中除第一样本电气特征信息外的各个样本电气特征信息输入至初始电气异常检测模型包括的初始电气信息预测模型,得到第二样本电气特征信息;
基于第一样本电气特征信息和第二样本电气特征信息,生成初始异常检测结果;
基于预设的第二损失函数,确定样本电气信息包括的样本异常检测结果和初始异常检测结果的异常检测差异值;
响应于确定异常检测差异值小于第二目标值,将初始电气异常检测模型确定为电气异常检测模型。
6.根据权利要求5所述的方法,其中,所述方法还包括:
响应于确定所述异常检测差异值大于等于所述第二目标值,调整所述初始电气异常检测模型中的相关参数,将调整后的初始电气异常检测模型作为初始电气异常检测模型,以及从所述样本电气信息集中选取样本电气信息,以供再次执行所述第二训练步骤。
7.一种电器安全保护装置,包括:
获取单元,被配置成获取各个目标电路对应的电路信息序列集,通风信息序列集,目标定位距离值集和电气定位图;
特征融合单元,被配置成对所述电路信息序列集中的每个电路信息和所述通风信息序列集中对应所述电路信息的通风信息进行特征融合处理以生成电气特征信息,得到电气特征信息序列集;
输入单元,被配置成将所述电气特征信息序列集中的每个电气特征信息序列输入至预先训练的电气异常检测模型以生成电气异常检测结果,得到电气异常检测结果集;
确定单元,被配置成响应于确定所述电气异常检测结果集中的电气异常检测结果满足预设异常条件,将所述电气特征信息序列集中与所述电气异常检测结果对应的电气特征信息确定为异常电气特征信息,得到异常电气信息集;
投影单元,被配置成基于所述目标定位距离值集,将所述异常电气信息集投影至所述电气定位图中,得到异常电气定位图;
控制单元,被配置成生成针对所述异常电气信息集的电路安全运行控制参数,以及根据所述电路安全运行控制参数对所述各个目标电路进行控制;
发送单元,被配置成将所述异常电气定位图和安全保护提醒信息发送至用户终端以供执行告警操作。
8.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310477053.1A CN116189396B (zh) | 2023-04-28 | 2023-04-28 | 电器安全保护方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310477053.1A CN116189396B (zh) | 2023-04-28 | 2023-04-28 | 电器安全保护方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116189396A true CN116189396A (zh) | 2023-05-30 |
CN116189396B CN116189396B (zh) | 2023-07-18 |
Family
ID=86447496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310477053.1A Active CN116189396B (zh) | 2023-04-28 | 2023-04-28 | 电器安全保护方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116189396B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995237A (zh) * | 2014-05-09 | 2014-08-20 | 南京航空航天大学 | 一种卫星电源系统在线故障诊断方法 |
CN104490376A (zh) * | 2014-12-29 | 2015-04-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种基于穿戴设备的提示方法、装置及穿戴设备 |
CN109916921A (zh) * | 2019-03-29 | 2019-06-21 | 北京百度网讯科技有限公司 | 电路板缺陷处理方法、装置及设备 |
US20190228312A1 (en) * | 2018-01-25 | 2019-07-25 | SparkCognition, Inc. | Unsupervised model building for clustering and anomaly detection |
CN110531215A (zh) * | 2019-08-29 | 2019-12-03 | 哈尔滨理工大学 | 铁心电抗器匝绝缘故障定位方法及在线监测系统 |
CN113280265A (zh) * | 2020-02-20 | 2021-08-20 | 中国石油天然气股份有限公司 | 工况识别方法、装置、计算机设备以及存储介质 |
WO2022037136A1 (zh) * | 2020-08-17 | 2022-02-24 | 珠海格力电器股份有限公司 | 安全预警方法、系统及装置、电子设备及存储介质 |
CN115184728A (zh) * | 2022-07-13 | 2022-10-14 | 西南交通大学 | 一种交直流混合配电网的故障识别方法 |
CN115599640A (zh) * | 2022-11-29 | 2023-01-13 | 北京国电通网络技术有限公司(Cn) | 异常供应端告警方法、电子设备和介质 |
CN115774951A (zh) * | 2022-10-02 | 2023-03-10 | 中国三峡新能源(集团)股份有限公司陕西分公司 | 一种光伏电站阵列的故障快速甄别方法 |
-
2023
- 2023-04-28 CN CN202310477053.1A patent/CN116189396B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995237A (zh) * | 2014-05-09 | 2014-08-20 | 南京航空航天大学 | 一种卫星电源系统在线故障诊断方法 |
CN104490376A (zh) * | 2014-12-29 | 2015-04-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种基于穿戴设备的提示方法、装置及穿戴设备 |
US20190228312A1 (en) * | 2018-01-25 | 2019-07-25 | SparkCognition, Inc. | Unsupervised model building for clustering and anomaly detection |
CN109916921A (zh) * | 2019-03-29 | 2019-06-21 | 北京百度网讯科技有限公司 | 电路板缺陷处理方法、装置及设备 |
CN110531215A (zh) * | 2019-08-29 | 2019-12-03 | 哈尔滨理工大学 | 铁心电抗器匝绝缘故障定位方法及在线监测系统 |
CN113280265A (zh) * | 2020-02-20 | 2021-08-20 | 中国石油天然气股份有限公司 | 工况识别方法、装置、计算机设备以及存储介质 |
WO2022037136A1 (zh) * | 2020-08-17 | 2022-02-24 | 珠海格力电器股份有限公司 | 安全预警方法、系统及装置、电子设备及存储介质 |
CN115184728A (zh) * | 2022-07-13 | 2022-10-14 | 西南交通大学 | 一种交直流混合配电网的故障识别方法 |
CN115774951A (zh) * | 2022-10-02 | 2023-03-10 | 中国三峡新能源(集团)股份有限公司陕西分公司 | 一种光伏电站阵列的故障快速甄别方法 |
CN115599640A (zh) * | 2022-11-29 | 2023-01-13 | 北京国电通网络技术有限公司(Cn) | 异常供应端告警方法、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116189396B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9721457B2 (en) | Global positioning system equipped with hazard detector and a system for providing hazard alerts thereby | |
CN114091617A (zh) | 联邦学习建模优化方法、电子设备、存储介质及程序产品 | |
CN108831121B (zh) | 矿井安全生产的预警方法及装置 | |
CN113765928B (zh) | 物联网入侵检测方法、设备及介质 | |
KR102329984B1 (ko) | 통신 시스템에서 디바이스 제어 방법 및 장치 | |
CN115357470A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN111897904A (zh) | 用于确定船舶是否进入台风圈的方法、装置、电子设备 | |
CN116189396B (zh) | 电器安全保护方法、装置、电子设备和计算机可读介质 | |
CN115766401B (zh) | 工业告警信息解析方法、装置、电子设备与计算机介质 | |
CN116088537B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
CN114333214A (zh) | 用于储油罐的火灾预警方法、装置、电子设备及介质 | |
CN117978612B (zh) | 网络故障检测方法、存储介质以及电子设备 | |
CN117092933B (zh) | 转动机械设备控制方法、装置、设备和计算机可读介质 | |
CN117131366B (zh) | 变压器维修设备控制方法、装置、电子设备和可读介质 | |
CN110489262A (zh) | 系统出错模块的自动定位方法、系统、介质和电子设备 | |
CN115941357B (zh) | 基于工业安全的流量日志检测方法、装置与电子设备 | |
CN118536021B (zh) | 基于多传感器的实时地下水水位动态监测系统 | |
CN115840016B (zh) | 色谱分析系统的备份还原方法、装置、设备和计算机介质 | |
CN116862118B (zh) | 碳排放信息生成方法、装置、电子设备和计算机可读介质 | |
CN115376261B (zh) | 消防提示信息生成方法、装置、设备和计算机可读介质 | |
CN117824974B (zh) | 交换机跌落测试方法、装置、电子设备与计算机可读介质 | |
CN118449279B (zh) | 基于云服务的智慧安全用电管理系统 | |
CN118630911A (zh) | 电化学储能电站智慧安全监测系统及方法 | |
CN116859184B (zh) | 电网故障检测方法、装置、电子设备和计算机可读介质 | |
CN114978794B (zh) | 网络接入方法、装置、存储介质以及电子设备 |
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 |