CN116846085A - 一种自感知监测智能化配电箱控制系统 - Google Patents

一种自感知监测智能化配电箱控制系统 Download PDF

Info

Publication number
CN116846085A
CN116846085A CN202311127427.3A CN202311127427A CN116846085A CN 116846085 A CN116846085 A CN 116846085A CN 202311127427 A CN202311127427 A CN 202311127427A CN 116846085 A CN116846085 A CN 116846085A
Authority
CN
China
Prior art keywords
distribution box
voltage
current
monitoring
model
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
Application number
CN202311127427.3A
Other languages
English (en)
Inventor
任海寅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanxi Lvliu Technology Co ltd
Original Assignee
Shanxi Lvliu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanxi Lvliu Technology Co ltd filed Critical Shanxi Lvliu Technology Co ltd
Priority to CN202311127427.3A priority Critical patent/CN116846085A/zh
Publication of CN116846085A publication Critical patent/CN116846085A/zh
Pending legal-status Critical Current

Links

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
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • H02J13/00001—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 the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00036—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers

Abstract

本发明涉及配电箱内部电路电流电压监测和控制领域，公开了一种自感知监测智能化配电箱控制系统，包括采集配电箱电流和电压信号的传感器模块和数据采集模块、补偿配电箱环境系数的环境补偿模块、实时监测配电箱电流和电压并通过神经网络模型对监控模型进行优化的神经网络模块、对监测的配电箱电流和电压进行分析和控制的数据分析与调整控制模块、集成可再生能源的多能源管理模块、配电箱增添各模块新功能的可扩展模块、显示配电箱物理参数和神经网络模型的可视化模块，本发明实现了通过两个神经网络模型分别对配电箱电压和配电箱电流的监控进行优化学习。

Description

一种自感知监测智能化配电箱控制系统
技术领域
本发明涉及配电箱内部电路电流电压监控和控制领域，适用于一种自感知监测智能化配电箱控制系统。
背景技术
随着物联网和人工智能技术的发展，配电箱正逐渐智能化。智能配电箱可以通过传感器、数据采集和互联网连接，实现对电力系统的实时监测、故障诊断和远程控制。智能配电箱具备更高的自动化和智能化水平，提高了电力系统的可靠性和安全性。数字化是配电箱发展的另一个重要趋势。数字化配电箱可以实现电能质量监测、数据采集和远程管理等功能。通过数字化技术，配电箱能够提供更准确的电能数据和监测信息，帮助用户更好地了解和管理电力系统。可持续发展是电力行业的重要目标，也影响着配电箱的发展。配电箱的设计和制造越来越注重能源效率、环境友好和资源节约。例如，采用高效节能的电气元件和控制器，以减少能源消耗和碳足迹。配电箱的安全性一直是关注的焦点。现代配电箱在设计和制造过程中注重安全性，采用可靠的断路器、保护装置和隔离机构，以确保电力系统的安全运行。此外，配电箱还采用防火材料和防护措施，以减少火灾风险。配电箱正朝着更高的集成化水平发展。传统的配电箱通常包含分支电路和保护设备，而现代配电箱还集成了数据通信、监测和控制功能。这样的集成化设计简化了安装和维护过程，提高了电力系统的整体效率和可管理性。
例如在申请公开号为CN116054175A的中国专利中公开了一种配电箱及供电控制系统包括多个断路模块，每个所述断路模块的输入端连通供电侧，输出端连接负载；控制模块，根据用户指令设置本户的柔度响应值，收到供电侧的电力调度指令后根据柔度响应值的大小来控制所述断路模块降低负载以满足电力调度要求。在用电高峰时进行柔度响应，可远程切除户用配电柜不必要负载，实现用电高峰调节，减轻电网压力，实现更为科学的用电管理。
又如在申请公开号为CN112615279A的中国专利中公开了涉及电力领域。基于物联网技术的自检测配电箱，包括配电箱本体，配电箱本体内装有电路安装板，电路安装板上安装有发热元器件，配电箱本体的内腔右侧固定连接有安装板，安装板的内侧转动连接有两个V型夹板，且V型夹板斜板的右侧均开设有滑槽，安装板的前侧设置有转轴，且转轴的顶端贯穿两个滑槽，转轴的表面通过连接杆固定连接有第一滑块，第一滑块与安装板前侧滑动连接，V型夹板的左侧相对的一侧之间对称设置有温度传感器，温度传感器与发热元器件的位置对应。该专利可控制温度传感器在需要检测的时候压合在发热元器件上，在不需要检测的时候离开发热元器件，从而避免影响被检测元器件的散热。
上述专利中均存在：配电箱自检测方式单一，可检测配电箱内的参数少，且容错率低，需要人工干预对配电箱进行用电调用或者无法及时处理配电箱内问题，这样会提升各种环境的配电箱发生事故的概率，且无法对配电箱内电流和电压数据进行实时监控，需要人工对配电箱进行检查，未集成可再生资源，增加了配电箱损坏后无法正常工作的损失。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
为解决上述技术问题，本发明的主要目的在于提供一种自感知监测智能化配电箱控制系统，由传感器模块、数据采集模块、环境补偿模块、神经网络模块、数据分析与调整控制模块、多能源管理模块、可扩展模块和可视化模块；
能够有效解决背景技术中的问题：配电箱自检测方式单一，可检测配电箱内的参数少，且容错率低，需要人工干预对配电箱进行用电调用或者无法及时处理配电箱内问题，这样会提升各种环境的配电箱发生事故的概率，且无法对配电箱内电流和电压数据进行实时监控，需要人工对配电箱进行检查，未集成可再生资源，增加了配电箱损坏后无法正常工作的损失
为实现上述目的，发明了一种自感知监测智能化配电箱控制系统：
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：
所述对配电箱进行温度补偿通过建立数学模型对配电箱温度进行补偿；
所述数学模型包括首先对温度传感器采集的配电箱环境温度进行处理、其次利用多项式模型来表示配电箱温度和配电箱工作状态之间的关系并使用拟合算法对多项式模型进行最小二乘法拟合，最后根据多项式模型计算出温度补偿值用于调整配电箱工作状态；
所述湿度补偿通过配电箱环境湿度传感器采集配电箱实时湿度情况，根据不同湿度和数据分析与调整控制模块的输出结果对配电箱进行通风处理。
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：所述多项式模型由配电箱工作状态、配电箱内部温度与配电箱工作初始温度之间的差值组成；
所述配电箱工作状态包括配电箱电压工作状态和配电箱电流工作状态；
所述配电箱内部温度由配电箱环境温度传感器采集，其多项式表达式如下所示:
；
其中，y为配电箱正常温度，为多项式模型温度系数，x为配电箱实际温度，p为配电箱工作初始温度，i为序数取1,2,3，...n为序数取1，2,3，..；
由于不同温度下，多项式模型温度系数会发生变化，故温度系数通过温度函数表示，表达式如下：
；
其中，为温度函数，/>为温度补偿系数，j为序数取1,2,3，...，t为配电箱温度变量；
所述配电箱温度变量为任意时刻配电箱温度值，根据配电箱正常温度确定温度补偿系数，结合数据分析与调整控制模块对配电箱温度进行补偿。
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：
所述电压神经网络模型为电箱电压监控的量化分析模型，通过粗糙集算法对配电箱电压进行统计，然后采用层次分析对电压传感器采集的配电箱电压进行分析，根据分析后的配电箱电压结果采用模糊信息重构和量化回归分析方法建立配电箱电压监控大数据模型，通过配电箱电压监控大数据模型输出的配电箱电压建立配电箱电压监控的量化分析模型；
所述对电压传感器采集的配电箱电压进行分析，通过标准正态分布函数对电压传感器采集配电箱电压提取特征参数，并对电压进行层次分析，特征参数提取表达式如下：
；
其中，γ为特征参数提取函数，为特征参数，K为一个标准的正态分布函数，x为电压传感器采集的电压，i为序数取1,2,3，...，j为序数取1,2,3，...；
特征参数通过约束条件紧固，特征参数约束条件表达式如下所示：
对特征参数提取后的数据进行模糊信息重构，结合量化回归分析方法，构建配电箱电压监控大数据模型，表达式如下所示：
；
其中，γ为配电箱电压，为配电箱电压监控的可靠性权重，n为配电箱最后一个输出电压值；
配电箱电压监控的可靠性权重，取值表达式如下所示：
；
其中，为配电箱电压监控的最大调控系数，/>为配电箱电压监控的最小调控系数，/>为最大控制时间尺度，t为配电箱电压监控的关联性因子；
配电箱电压监控大数据模型输出的配电箱电压建立配电箱电压监控的量化分析模型，表达式如下所示：
；
其中，F为配电箱电压的参数集，R为线路损耗，A为配电箱复功率，为两个节点的压差，i为序数取1,2,3...；
通过约束条件约束配电箱电压监控的量化分析模型，约束条件表达式如下所示：
；
其中，R为线路损耗，为两个节点的压差，i为序数取1,2,3...。
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：通过对配电箱电压监控的量化分析模型输出电压值进行相关特征参数提取和模糊信息重构，提取配电箱电压质量相似度特征量，其表达式如下：
；
其中，M是配电箱电压特征量，为配电箱电压监控大数据模型输出电压通过电压监控函数运算出的第i组值，/>为配电箱电压监控大数据模型输出第i组电压，i为序数取1,2,3，...，/>为配电箱电压监控大数据模型输出电压在配电箱电压评价后的约束指标参量集；
通过约束函数对电压监控函数进行紧固，表达式如下：
其中，m为电压监控统计分析量；
配电箱电压监控序列的特征分解，构建配电箱电压监控的统计分析模型，得到特征分解结果为：
其中，F(x)为特征分解函数，f（x）为特征参数；
结合增益模糊控制方法进行配电箱电压监控的面板数据回归分析，建立卷积神经网络约束项，得到配电箱电压监控的稳健性检验输出为：
当p满足：，结合配电箱电压大数据模型挖掘结果，构建配电箱电压监控的卷积神经网络模型；
通过对配电箱电压进行模糊聚类处理，配电箱电压监控的分段融合特征分布集表达式如下所示：
；
其中，为配电箱特征集合，/>为特征初始节点，/>为特征结束节点前一个节点，β为计数结束特征节点。
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：
所述电流神经网络模型为配电箱电流监控的量化分析模型，首先通过粗糙集算法对配电箱电流进行统计，然后采用层次分析对电流传感器采集的配电箱电流进行分析，根据分析后的配电箱电流结果采用模糊信息重构和量化回归分析方法建立配电箱电流监控大数据模型，通过配电箱电流监控大数据模型输出的配电箱电流建立配电箱电流监控的量化分析模型；
所述对电流传感器采集的配电箱电流进行分析，通过标准正态分布函数对电流传感器采集配电箱电流特征参数提取，特征参数提取表达式如下：
；
其中，为电流特征参数提取函数，/>为第i组电流的特征参数，K为一个标准的正态分布函数，x为电流传感器采集的电流，i为序数取1,2,3，...，j为序数取1,2,3...；
特征参数通过约束条件紧固，特征参数约束条件表达式如下所示：
对特征提取后的数据进行模糊信息重构，结合量化回归分析方法，构建配电箱电流监控大数据模型，表达式如下所示：
；
其中，为电流监控大数据模型，/>为配电箱电流，/>为配电箱电流监控的可靠性权重，n为配电箱最后一组电流值；
配电箱电流监控的可靠性权重，取值表达式如下所示：
；
其中，为配电箱大数据模型模糊信息特征分析强度取值，/>为配电箱电流监控的最大调控系数，/>为配电箱电流监控的最小调控系数，/>为最大控制时间尺度，t为配电箱电流监控的关联性因子；
配电箱电流监控大数据模型输出的配电箱电流建立配电箱电流监控的量化分析模型，表达式如下所示：
；
其中，为配电箱电流的参数集，/>为线路损耗，A为配电箱复功率，/>为两个节点的压差，i为序数；
通过约束条件约束配电箱电流监控的量化分析模型，约束条件表达式如下所示：
；
其中，为线路损耗，/>为两个节点的压差，i为序数取1,2,3，...。
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：
通过对配电箱电流监控的量化分析模型输出电压值进行相关特征参数提取和模糊信息重构，提取配电箱电流相似度特征量，其表达式如下：
；
其中，为配电箱电流特征量，/>为配电箱电流监控大数据模型输出电流通过电流监控函数运算出的值，/>为配电箱电流监控大数据模型输出第i组电流值，i为序数取1,2,3，...，/>为配电箱电流监控大数据模型输出电流在配电箱电流评价后的约束指标参量集；
通过约束函数对电流监控函数进行紧固，表达式如下：
其中，m为电流监控统计分析量；
配电箱电流监控序列的特征分解，构建配电箱电流监控的统计分析模型，得到特征分解结果为：
结合增益模糊控制方法进行配电箱电流监控的面板数据回归分析，建立卷积神经网络约束项，得到配电箱电流监控的稳健性检验输出为：
；
当p满足：，结合配电箱电流大数据模型挖掘结果，构建配电箱电流监控的卷积神经网络模型。
通过对配电箱电流进行模糊聚类处理，配电箱电流监控的分段融合特征分布集，表达式如下所示：
；
其中，为配电箱特征集合，/>为特征初始节点，/>为特征结束节点前一个节点，/>为计数结束特征节点。
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：
所述通过电压神经网络模型对电压传感器采集到配电箱电压进行分析，通过电流神经网络模型对电流传感器模块采集到的配电箱电流进行分析，具体包括通过数据分析与调整控制模块，对配电箱电压监控和配电箱电流监控输出异常电压和异常电流进行电路模块判断，确定电路模块过压、过载、过流、欠流、短路、断路异常情况，通过调整与控制单元对配电箱用电调整和用电智能调度分配。
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：
所述配电箱还包括可视化模块，对配电箱用电调整和用电智能调度分配，通过把电路模块过压、过载、过流、欠流、短路、断路异常情况传输手机APP和Web界面，通过人工处理配电箱电路模块异常和自动智能处理配电箱电路模块异常，对异常电路和处理结果通过可视化模块进行展示。
作为本发明所述一种自感知监测智能化配电箱控制系统的一种优选方案，其中：
所述多能源管理模块，集成太阳能集成单元、风能集成单元和燃气集成单元，通过能源管理反馈配电箱电源。
作为本发明所述一种自感知监测智能化配电箱控制方法的一种优选方案，其中本发明采取的技术方法为：
S1、通过电压传感器采集配电箱电压，电流传感器采集配电箱电流，温度传感器采集配电箱温度，湿度传感器采集配电箱湿度；
S2、采集到的配电箱温度和配电箱湿度通过环境补偿模块进行配电箱温度补偿和配电箱湿度补偿，采集到的配电箱电流通过配电箱电流监控和电流神经网络模型进行实时监控，采集到的配电箱电压通过配电箱电压监控和电压神经网络模型进行实时监控；
S3、若配电箱电流监控和配电箱电压监控检测以及神经网络模型检测出配电箱出现过压、过载、过流、欠流、短路、断路，则对配电箱电流和配电箱电压进行分析，并且实施配电箱电路调整和用电智能调度分配方案；
S4、通过手机App和Web界面接收配电箱电路调整和用电智能调度分配方案完成对配电箱的智能自动调度和手动智能调度和调整；
S5、对配电箱整体系统电流、电压、神经网络模型和配电箱智能调度和调整进行可视化展示。
一种计算机设备，包括，存储器，用于存储指令；处理器，用于执行所述指令，使得所述设备执行实现一种自感知监测智能化配电箱控制方法。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被所述处理器执行时，实现一种自感知监测智能化配电箱控制方法。
本发明的有益效果：
本发明对于不同应用环境的自感知监测智能化配电箱，首先应对不同环境进行环境补偿，如高湿度，高温度进行用电智能调配补偿温度。
本发明中其次该配电箱集成多能源管理模块，配备太阳能、风能等可再生资源发电模块，集成可再生能源模块的配电箱可以直接连接到太阳能电池板或风力发电机等可再生能源设备，无需额外的安装和布线，简化了安装过程。同时，集成管理系统可以监测和控制可再生能源的产生和使用，提高能源管理的效率；配电箱集成的可再生能源模块可以将太阳能或风能等可再生能源转化为电能，供应给建筑物或设备使用。这种可再生能源供电方式不仅可以节约传统能源的消耗，还可以减少对电网的依赖，提高能源的可持续性
通过集成可再生能源模块，建筑物或设备可以在停电或电网故障的情况下仍然获得电力供应。这增加了能源的稳定性和可靠性，提高了能源的安全性。
本发明中后该智能化配电箱通过两个神经网络模型分别对配电箱电压和配电箱电流的监控进行优化学习，再通过智能调配配电箱用电情况，降低人工干预调整用电的成本。
解决了配电箱检测方式单一，可检测配电箱内的参数少，且容错率低，需要人工干预对配电箱进行用电调用或者无法及时处理配电箱内问题，无法对配电箱内电流和电压数据进行实时监控，需要人工对配电箱进行维护，未集成可再生资源，增加了配电箱损坏后无法正常工作的损失。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一种自感知监测智能化配电箱控制系统实现流程图。
图2为本发明一种自感知监测智能化配电箱控制系统模块组成图。
图3为本发明一种自感知监测智能化配电箱控制系统配电箱电压监测质量输出。
图4为本发明一种自感知监测智能化配电箱控制系统配电箱电压质量监控统计数据挖掘结果。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例一
参照图1，一种自感知监测智能化配电箱控制系统，包括：
对配电箱进行温度补偿通过建立数学模型对配电箱温度进行补偿；
数学模型包括首先对温度传感器采集的配电箱环境温度进行处理、其次利用多项式模型来表示配电箱温度和配电箱工作状态之间的关系并使用拟合算法对多项式模型进行最小二乘法拟合，最后根据多项式模型计算出温度补偿值用于调整配电箱工作状态；
其中，多项式模型由配电箱工作状态、配电箱内部温度与配电箱工作初始温度之间的差值组成；
进一步的，配电箱内部温度由配电箱环境温度传感器采集，其多项式表达式如下所示:
；
其中，y为配电箱正常温度，为多项式模型温度系数，x为配电箱实际温度，p为配电箱工作初始温度，n为序数；
由于不同温度下，多项式模型温度系数会发生变化，故温度系数通过温度函数表示，表达式如下：
；
其中，为温度补偿系数，j为序数，t为配电箱温度变量；
在某一时刻配电箱温度变量，根据配电箱正常温度确定温度补偿系数，结合数据分析与调整控制模块对配电箱温度进行补偿。
湿度补偿单元通过配电箱环境湿度传感器采集配电箱实时湿度情况，根据不同湿度和数据分析与调整控制模块的输出结果对配电箱进行通风处理。
神经网络模型包括电压神经网络模型、电流神经网络模型、电压监控大数据模型和电流监控大数据模型；
其中，电压神经网络模型为配电箱电压监控的量化分析模型，首先通过粗糙集算法对配电箱电压进行统计，然后采用层次分析对电压传感器采集的配电箱电压进行分析，根据分析后的配电箱电压结果采用模糊信息重构和量化回归分析方法建立配电箱电压监控大数据模型，通过配电箱电压监控大数据模型输出的配电箱电压建立配电箱电压监控的量化分析模型，最后通过电压神经网络对配电箱电压监控模型进行优化；
对电压传感器采集配电箱电压进行分析通过对配电箱电压大小，对配电箱电压大小进行梯度分类；
粗糙算法对配电箱电压进行统计是对电压传感器所采集的配电箱电压定义正域、边界域和负域，通过正域的上近似集和下近似集将采集的配电箱电压集合取至边界域，即为有效电压，超出边界域进入负域的配电箱电压为扰动电压，通过粗糙算法过滤，进而对电压传感器采集的配电箱电压进行统计；
对电压传感器采集的配电箱电压进行分析，通过标准正态分布函数对电压传感器采集配电箱电压提取特征参数，并对电压进行层次分析，特征参数提取表达式如下：
；
其中，γ为特征参数提取函数，为特征参数，K为一个标准的正态分布函数，x为电压传感器采集的电压，i为序数取1,2,3，...，j为序数取1,2,3，...；
特征参数通过约束条件紧固，特征参数约束条件表达式如下所示：
对特征参数提取后的数据进行模糊信息重构，结合量化回归分析方法，构建配电箱电压监控大数据模型，表达式如下所示：
；
其中，γ为配电箱电压，为配电箱电压监控的可靠性权重，n为配电箱最后一个输出电压值；
配电箱电压监控的可靠性权重，优化配电箱电压监控对配电箱大数据模型模糊信息特征分析强度，取值表达式如下所示：
；
其中，为配电箱电压监控的最大调控系数，/>为配电箱电压监控的最小调控系数，/>为最大控制时间尺度，t为配电箱电压监控的关联性因子；
配电箱电压监控大数据模型输出的配电箱电压建立配电箱电压监控的量化分析模型，表达式如下所示：
；
其中，F为配电箱电压的参数集，R为线路损耗，A为配电箱复功率，为两个节点的压差，i为序数取1,2,3...；
通过约束条件约束配电箱电压监控的量化分析模型，约束条件表达式如下所示：
；
其中，R为线路损耗，为两个节点的压差，i为序数取1,2,3...。
通过对配电箱电压监控的量化分析模型输出电压值进行相关特征参数提取和模糊信息重构，提取配电箱电压质量相似度特征量以配电箱电压监控大数据模型作为输入进行自回归分析，建立电压神经网络模型，配电箱电压监控统计分析结果，其表达式如下：
；
其中，M是配电箱电压特征量，为配电箱电压监控大数据模型输出电压通过电压监控函数运算出的第i组值，/>为配电箱电压监控大数据模型输出第i组电压，i为序数取1,2,3，...，/>为配电箱电压监控大数据模型输出电压在配电箱电压评价后的约束指标参量集；
通过约束函数对电压监控函数进行紧固，表达式如下：/>
其中，m为电压监控统计分析量；
通过配电箱电压自回归，建立配电箱电压监控的卷积神经网络学习，采用卷积神经网络寻优方法进行配电箱电压监控序列的特征分解，构建配电箱电压监控的统计分析模型，得到特征分解结果为：
结合增益模糊控制方法进行配电箱电压监控的面板数据回归分析，建立卷积神经网络约束项，得到配电箱电压监控的稳健性检验输出为：
当x满足：，结合配电箱电压大数据模型挖掘结果，构建配电箱电压监控的卷积神经网络模型。
如图4，通过对配电箱电压进行模糊聚类处理，配电箱电压监控的分段融合特征分布集表达式如下所示：
；
其中，为配电箱特征集合，/>为特征初始节点，/>为特征结束节点前一个节点，β为计数结束特征节点；
提取配电箱电压关联特征信息，确定配电箱电压质量监控智能学习模型，根据特征提取结果，实现对配电箱电压监控的模糊关联规则调度，根据卷积神经网络优化学习方法对配电箱电压监控模型进行监控寻优；
通过可视化模块展示配电箱电流监控和神经网络模型优化。
进一步的，电流神经网络模型为配电箱电流监控的量化分析模型，首先通过粗糙集算法对配电箱电流进行统计，然后采用层次分析对电流传感器采集的配电箱电流进行分析，根据分析后的配电箱电流结果采用模糊信息重构和量化回归分析方法建立配电箱电流监控大数据模型，通过配电箱电流监控大数据模型输出的配电箱电流建立配电箱电流监控的量化分析模型；
所述对电流传感器采集配电箱电流进行分析通过对配电箱电流大小，对配电箱电流大小进行梯度分类；
所述粗糙算法对配电箱电流进行统计是对电流传感器所采集的配电箱电流定义正域、边界域和负域，通过正域的上近似集和下近似集将采集的配电箱电流集合取至边界域，即为有效电流，超出边界域进入负域的配电箱电流为扰动电流，通过粗糙算法过滤，进而对电流传感器采集的配电箱电流进行统计；
所述对电流传感器采集的配电箱电流进行分析，通过标准正态分布函数对电流传感器采集配电箱电流提取特征参数，并对电流进行层次分析，特征提取表达式如下：
；/>
其中，为电流特征参数提取函数，/>为第i组电流的特征参数，K为一个标准的正态分布函数，x为电流传感器采集的电流，i为序数取1,2,3，...，j为序数取1,2,3...；
特征参数通过约束条件紧固，特征参数约束条件表达式如下所示：
对特征提取后的数据进行模糊信息重构，结合量化回归分析方法，构建配电箱电流监控大数据模型，表达式如下所示：
；
其中，为电流监控大数据模型，/>为配电箱电流，/>为配电箱电流监控的可靠性权重，n为配电箱最后一组电流值；
配电箱电流监控的可靠性权重，优化配电箱电流监控对配电箱大数据模型模糊信息特征分析强度，取值表达式如下所示：
；
其中，为配电箱大数据模型模糊信息特征分析强度取值，/>为配电箱电流监控的最大调控系数，/>为配电箱电流监控的最小调控系数，/>为最大控制时间尺度，t为配电箱电流监控的关联性因子；
如图3，配电箱电流监控大数据模型输出的配电箱电流建立配电箱电流监控的量化分析模型，表达式如下所示：
；
其中，为配电箱电流的参数集，/>为线路损耗，A为配电箱复功率，/>为两个节点的压差，i为序数；
通过约束条件约束配电箱电流监控的量化分析模型，约束条件表达式如下所示：
；
其中，为线路损耗，/>为两个节点的压差，i为序数取1,2,3，...。
通过对配电箱电流监控的量化分析模型输出电压值进行相关特征参数提取和模糊信息重构，提取配电箱电流质量相似度特征量以配电箱电流监控大数据模型作为输入进行自回归分析，建立电流神经网络模型，配电箱电流监控统计分析结果，其表达式如下：
；
其中，为配电箱电流特征量，/>为配电箱电流监控大数据模型输出电流通过电流监控函数运算出的值，/>为配电箱电流监控大数据模型输出第i组电流值，i为序数取1,2,3，...，/>为配电箱电流监控大数据模型输出电流在配电箱电流评价后的约束指标参量集；
通过约束函数对电流监控函数进行紧固，表达式如下：
其中，m为电流监控统计分析量；
通过配电箱电流自回归，建立配电箱电流监控的卷积神经网络学习，采用卷积神经网络寻优方法进行配电箱电流监控序列的特征分解，构建配电箱电流监控的统计分析模型，得到特征分解结果为：
结合增益模糊控制方法进行配电箱电流监控的面板数据回归分析，建立卷积神经网络约束项，得到配电箱电流监控的稳健性检验输出为：
；
当p满足：，结合配电箱电流大数据模型挖掘结果，构建配电箱电流监控的卷积神经网络模型。
通过对配电箱电流进行模糊聚类处理，配电箱电流监控的分段融合特征分布集，表达式如下所示：
；
其中，为配电箱特征集合，/>为特征初始节点，/>为特征结束节点前一个节点，/>为计数结束特征节点。
提取配电箱电流关联特征信息，确定配电箱电流质量监控智能学习模型，根据特征提取结果，实现对配电箱电流监控的模糊关联规则调度，根据卷积神经网络优化学习方法对配电箱电流监控模型进行监控寻优；
通过可视化模块展示配电箱电流监控和神经网络模型优化。
神经网络模块对传感器模块采集到的配电箱电压和配电箱电流进行分析，即通过数据分析与调整控制模块，对配电箱电压监控和配电箱电流监控输出异常电压和异常电流进行电路模块判断，确定电路模块过压、过载、过流、欠流、短路、断路异常情况，通过调整与控制单元对配电箱用电调整和用电智能调度分配。
其中，确定电路模块过压、过载、过流、欠流、短路、断路异常情况依据配电箱正常工作参数，过压为配电箱中某一模块输出电压高于配电箱该模块正常工作电压，过流为配电箱中某一模块输出电流高于配电箱该模块正常工作电流，过载为配电箱中某一模块输出功率高于配电箱该模块正常工作功率，欠流为配电箱中某一模块输出电流低于配电箱该模块正常工作电流，短路为配电箱中某一模块工作短路，发生某一模块工作电流过大严重会导致元件击穿或烧毁，甚至引起火灾，断路为配电箱中某一模块发生断路，配电箱工作异常无法对用电器或电路供电。
对配电箱用电调整和用电智能调度分配，通过把电路模块过压、过载、过流、欠流、短路、断路异常情况传输手机APP和Web界面，通过人工处理配电箱电路模块异常和自动智能处理配电箱电路模块异常，对异常电路和处理结果通过可视化模块进行展示。
其中，对配电箱电路模块异常人工处理，即技术人员通过手机APP接收电路模块过压、过载、过流、欠流、短路、断路异常情况，准确找到配电箱某一电路异常，并根据异常情况进行人工检修；
进一步的，自动智能处理配电箱电路模块异常，即配电箱电流监控模块配合电流神经网络，检测某一模块输出电流异常，则通过自动切断和自动调配等方式，缓解异常，配电箱电压监控模块配合电压神经网络，则通过自动切断和自动调配等方式，缓解异常。
多能源管理模块，集成太阳能集成单元、风能集成单元和燃气集成单元，通过能源管理反馈配电箱电源，依据配电箱使用环境不同，集成可再生能源选择不同，通过集成多种可再生能源发电管理，对配电箱电源充电应急断电情况。
其中，太阳能集成单元、风能集成单元和燃气集成单元是依据配电箱使用环境来集成的，这样可以根据不同使用环境的配电箱对配电箱环境中可利用的可再生资源进行合理应用，一方面消除配电箱电源故障不能及时配电，另一方面缓解用电压力，增加能源利用率。
可扩展模块，包括在配电箱传感器模块、数据采集模块、环境补偿模块、神经网络模型、数据分析与调整控制模块、多能源管理模块和可视化模块增加额外扩展排针和扩展接口，使配电箱适应不同环境，增加配电箱功能；
其中，由于配电箱大多处在多使用端口电路模块中，故当用户增加电路或用电器，则可以在配电箱各个模块中增加的可扩展接口进行扩展，减少增加用电设施就更换配电箱的浪费；
进一步的，不同环境中配电箱的使用也不同，则多能源管理模块的可扩展模块可以根据实时环境进行可再生能源发电扩展；
进一步的，随着用电设施增多或减少，对配电箱内其他参数要求时，可在配电箱传感器模块、数据采集模块、环境补偿模块、神经网络模型增加新的元件，以采集、分析和监控以及优化更多的配电箱物理参量，实现配电箱多集成多扩展多智能；
实施例二
一种自感知监测智能化配电箱控制方法，包括以下步骤：
S1、通过电压传感器采集配电箱电压，电流传感器采集配电箱电流，温度传感器采集配电箱温度，湿度传感器采集配电箱湿度；
通过传感器模块采集配电箱电压、配电箱电流、配电箱温度、配电箱湿度，作为原始数据；
S2、采集到的配电箱温度和配电箱湿度通过环境补偿模块进行配电箱温度补偿和配电箱湿度补偿，采集到的配电箱电流通过配电箱电流监控和电流神经网络模型进行实时监控，采集到的配电箱电压通过配电箱电压监控和电压神经网络模型进行实时监控；
采集到的配电箱温度，若需要补偿，则配电箱根据温度补偿系数进行补偿；
进一步的，多项式表达式如下所示:
；
其中，y为配电箱正常温度，为多项式模型温度系数，x为配电箱实际温度，p为配电箱工作初始温度，n为序数；
由于不同温度下，多项式模型温度系数会发生变化，故温度系数通过温度函数表示，表达式如下：
；
其中，为温度补偿系数，j为序数，t为配电箱温度变量；
在某一时刻配电箱温度变量，根据配电箱正常温度确定温度补偿系数，结合数据分析与调整控制模块对配电箱温度进行补偿；
湿度补偿单元通过配电箱环境湿度传感器采集配电箱实时湿度情况，根据不同湿度和数据分析与调整控制模块的输出结果对配电箱进行通风处理；
通过实时采集到的配电箱电压和配电箱电流作为原始数据建立配电箱电压监控大数据模型和配电箱电流大数据监控，并通过配电箱电压监控大数据模型配电箱电压建立电压神经网络模型，电压神经网络模型反过来实时对电压监控大数据模型进行优化，配电箱电流监控大数据模型配电箱电流建立电流神经网络模型，电流神经网络模型反过来实时对电流监控大数据模型进行优化。
S3、若配电箱电流监控和配电箱电压监控检测以及神经网络模型检测出配电箱出现过压、过载、过流、欠流、短路、断路，则配电箱电流和配电箱电压进行分析，并且实施配电箱电路调整和用电智能调度分配方案；
当配电箱电流监控大数据模型和配电箱电压监控大数据模型监控配电箱实时电流和电压出现过压、过载、过流、欠流、短路、断路异常情况，通过数据分析与调整控制模块对配电箱异常情况进行电路调整和用电智能调度。
S4、通过手机App和Web界面接收配电箱电路调整和用电智能调度分配方案完成对配电箱的智能自动调度和手动智能调度和调整；
若配电箱内电路异常情况严重需要人工检修，则手机App可以为检修人员提供准确的需要检修位置，若配电箱内电路异常情况轻缓则可以数据分析与调整控制模块通过配电箱智能自动调整或调配；
S5、对配电箱整体系统电流、电压、神经网络模型和配电箱智能调度和调整进行可视化展示。
对于配电箱系统电流、电压、神经网络模型和配电箱智能调度和调整均可以通过手机App屏幕显示，同时远程可视化屏幕也可以进行显示，方便人工监控随时查看，增加了配电箱安全性。
实施例三
一种计算机服务器，包括：处理器和存储器，其中，
存储器中存储有可供处理器调用的计算机程序；
处理器通过调用存储器中存储的计算机程序，在票据交易后台中执行上述的一种自感知监测智能化配电箱控制方法。
实施例四
一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当计算机程序在计算机设备上运行时，使得计算机设备执行上述的一种自感知监测智能化配电箱控制方法。
通过本实施例能够实现：配电箱检测方式单一，可检测配电箱内的参数少，且容错率低，需要人工干预对配电箱进行用电调用或者无法及时处理配电箱内问题，无法对配电箱内电流和电压数据进行实时监控，需要人工对配电箱进行维护，未集成可再生资源，增加了配电箱损坏后无法正常工作的损失。
重要的是，应注意，在多个不同示例性实施方案中示出的本申请的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了两个实施方案，但参阅此公开内容的人员应容易理解，在实质上不偏离该申请中所描述的主题的新颖教导和优点的前提下，许多改型是可能的例如，各种元件的尺寸、尺度、结构、形状和比例、以及参数值（例如，温度、压力等）、安装布置、材料的使用、颜色、定向的变化等。例如，示出为整体成形的元件可以由多个部分或元件构成，元件的位置可被倒置或以其它方式改变，并且分立元件的性质或数目或位置可被更改或改变。因此，所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。在权利要求中，任何“装置加功能”的条款都旨在覆盖在本文中所描述的执行功能的结构，且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下，可以在示例性实施方案的设计、运行状况和布置中做出其他替换、改型、改变和省略。因此，本发明不限制于特定的实施方案，而是扩展至仍落在所附的权利要求书的范围内的多种改型。
此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征（即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或于实现本发明不相关的那些特征）。
应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，开发努力将是一个设计、制造和生产的常规工作。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (13)

1.一种自感知监测智能化配电箱控制系统，其特征在于：包括，
传感器模块，包括电压传感器、电流传感器、温度传感器和湿度传感器；
数据采集模块，从传感器模块中获取配电箱电压、配电箱电流、配电箱环境温度和配电箱环境湿度；
神经网络模块，接收配电箱电压和配电箱电流的时序数据，建立配电箱电压监控大数据模型、配电箱电流监控大数据模型、配电箱电压神经网络模型和配电箱电流神经网络模型，通过电压神经网络模型对电压传感器采集到配电箱电压进行分析，通过电流神经网络模型对电流传感器模块采集到的配电箱电流进行分析；
数据分析与调整控制模块，接收由配电箱电压监控大数据模型、配电箱电流监控大数据模型、配电箱电压神经网络模型和配电箱电流神经网络模型输出的配电箱实时电压和电流，对配电箱电压、配电箱电流进行实时监控、分析和预测，并通过网络反馈至手机APP和Web界面；
环境补偿模块，将配电箱环境温度和配电箱环境湿度分别输入到数据分析与调整控制模块进行数据分析，并分别对配电箱进行温度补偿和湿度补偿。
2.根据权利要求1所述的一种自感知监测智能化配电箱控制系统，其特征在于：
对所述配电箱进行温度补偿包括通过建立数学模型对配电箱温度进行补偿；
所述数学模型首先对温度传感器采集的配电箱环境温度进行处理、其次利用多项式模型来表示配电箱温度和配电箱工作状态之间的关系并使用拟合算法对多项式模型进行最小二乘法拟合，最后根据多项式模型计算出温度补偿值用于调整配电箱工作状态；
所述湿度补偿通过配电箱环境湿度传感器采集配电箱实时湿度情况，根据不同湿度和数据分析与调整控制模块的输出结果对配电箱进行通风处理。
3.根据权利要求2所述的一种自感知监测智能化配电箱控制系统，其特征在于：
所述多项式模型由配电箱工作状态、配电箱内部温度与配电箱工作初始温度之间的差值组成；
所述配电箱工作状态包括配电箱电压工作状态和配电箱电流工作状态；
所述配电箱内部温度由配电箱环境温度传感器采集，其多项式表达式如下所示:
；
其中，y为配电箱正常温度，为多项式模型温度系数，x为配电箱实际温度，p为配电箱工作初始温度，i为序数取1,2,3,...,n；
由于不同温度下，多项式模型温度系数会发生变化，故温度系数通过温度函数表示，表达式如下：
；
其中，为温度函数，/>为温度补偿系数，j为序数取1,2,3，...，t为配电箱温度变量；
所述配电箱温度变量为任意时刻配电箱温度值，根据配电箱正常温度确定温度补偿系数，结合数据分析与调整控制模块对配电箱温度进行补偿。
4.根据权利要求1所述的一种自感知监测智能化配电箱控制系统，其特征在于：
所述电压神经网络模型为电箱电压监控的量化分析模型，通过粗糙集算法对配电箱电压进行统计，然后采用层次分析对电压传感器采集的配电箱电压进行分析，根据分析后的配电箱电压结果采用模糊信息重构和量化回归分析方法建立配电箱电压监控大数据模型，通过配电箱电压监控大数据模型输出的配电箱电压建立配电箱电压监控的量化分析模型；
所述对电压传感器采集的配电箱电压进行分析，通过标准正态分布函数对电压传感器采集配电箱电压提取特征参数，并对电压进行层次分析，特征参数提取表达式如下：
；
其中，γ为特征参数提取函数，为特征参数，K为一个标准的正态分布函数，x为电压传感器采集的电压，i为序数取1,2,3，...，j为序数取1,2,3，...；
特征参数通过约束条件紧固，特征参数约束条件表达式如下所示：
；
对特征参数提取后的数据进行模糊信息重构，结合量化回归分析方法，构建配电箱电压监控大数据模型，表达式如下所示：
；
其中，γ为配电箱电压，为配电箱电压监控的可靠性权重，n为配电箱最后一个输出电压值；
配电箱电压监控的可靠性权重，取值表达式如下所示：
；
其中，为配电箱电压监控的最大调控系数，/>为配电箱电压监控的最小调控系数，/>为最大控制时间尺度，t为配电箱电压监控的关联性因子；
配电箱电压监控大数据模型输出的配电箱电压建立配电箱电压监控的量化分析模型，表达式如下所示：
；
其中，F为配电箱电压的参数集，R为线路损耗，A为配电箱复功率，为两个节点的压差，i为序数取1,2,3...；
通过约束条件约束配电箱电压监控的量化分析模型，约束条件表达式如下所示：
；
其中，R为线路损耗，为两个节点的压差，i为序数取1,2,3...。
5.根据权利要求4所述的一种自感知监测智能化配电箱控制系统，其特征在于：
通过对所述配电箱电压监控的量化分析模型输出的电压值进行相关特征参数提取和模糊信息重构，提取配电箱电压质量相似度特征量，其表达式如下：
；
其中，M是配电箱电压特征量，为配电箱电压监控大数据模型输出电压通过电压监控函数运算出的第i组值，/>为配电箱电压监控大数据模型输出第i组电压，i为序数取1,2,3，...，/>为配电箱电压监控大数据模型输出电压在配电箱电压评价后的约束指标参量集；
通过约束函数对电压监控函数进行紧固，表达式如下：；
其中，m为电压监控统计分析量；
配电箱电压监控序列的特征分解，构建配电箱电压监控的统计分析模型，得到特征分解结果为：
；
其中，F(x)为特征分解函数，f（x）为特征参数；
结合增益模糊控制方法进行配电箱电压监控的面板数据回归分析，建立卷积神经网络约束项，得到配电箱电压监控的稳健性检验输出为：
；
当p满足：p满足与输出正常电压值的正态分布，结合配电箱电压大数据模型挖掘结果，构建配电箱电压监控的卷积神经网络模型；
通过对配电箱电压进行模糊聚类处理，配电箱电压监控的分段融合特征分布集表达式如下所示：
；
其中，为配电箱特征集合，/>为特征初始节点，/>为特征结束节点前一个节点，β为计数结束特征节点。
6.根据权利要求5所述的一种自感知监测智能化配电箱控制系统，其特征在于：
所述电流神经网络模型为配电箱电流监控的量化分析模型，首先通过粗糙集算法对配电箱电流进行统计，然后采用层次分析对电流传感器采集的配电箱电流进行分析，根据分析后的配电箱电流结果采用模糊信息重构和量化回归分析方法建立配电箱电流监控大数据模型，通过配电箱电流监控大数据模型输出的配电箱电流建立配电箱电流监控的量化分析模型；
所述对电流传感器采集的配电箱电流进行分析，通过标准正态分布函数对电流传感器采集配电箱电流特征参数提取，特征参数提取表达式如下：
；
其中，为电流特征参数提取函数，/>为第i组电流的特征参数，K为一个标准的正态分布函数，x为电流传感器采集的电流，i为序数取1,2,3，...，j为序数取1,2,3...；
特征参数通过约束条件紧固，特征参数约束条件表达式如下所示：
；
对特征提取后的数据进行模糊信息重构，结合量化回归分析方法，构建配电箱电流监控大数据模型，表达式如下所示：
；
其中，为电流监控大数据模型，/>为配电箱电流，/>为配电箱电流监控的可靠性权重，n为配电箱最后一组电流值；
配电箱电流监控的可靠性权重，取值表达式如下所示：
；
其中，为配电箱大数据模型模糊信息特征分析强度取值，/>为配电箱电流监控的最大调控系数，/>为配电箱电流监控的最小调控系数，/>为最大控制时间尺度，t为配电箱电流监控的关联性因子；
配电箱电流监控大数据模型输出的配电箱电流建立配电箱电流监控的量化分析模型，表达式如下所示：
；
其中，为配电箱电流的参数集，/>为线路损耗，A为配电箱复功率，/>为两个节点的压差，i为序数；
通过约束条件约束配电箱电流监控的量化分析模型，约束条件表达式如下所示：
；
其中，为线路损耗，/>为两个节点的压差，i为序数取1,2,3，...。
7.根据权利要求6所述的一种自感知监测智能化配电箱控制系统，其特征在于：
通过对配电箱电流监控的量化分析模型输出电压值进行相关特征参数提取和模糊信息重构，提取配电箱电流相似度特征量，其表达式如下：
；
其中，为配电箱电流特征量，/>为配电箱电流监控大数据模型输出电流通过电流监控函数运算出的值，/>为配电箱电流监控大数据模型输出第i组电流值，i为序数取1,2,3，...，/>为配电箱电流监控大数据模型输出电流在配电箱电流评价后的约束指标参量集；
通过约束函数对电流监控函数进行紧固，表达式如下：；
其中，m为电流监控统计分析量；
配电箱电流监控序列的特征分解，构建配电箱电流监控的统计分析模型，得到特征分解结果为：
；
结合增益模糊控制方法进行配电箱电流监控的面板数据回归分析，建立卷积神经网络约束项，得到配电箱电流监控的稳健性检验输出为：
；
当p满足：，结合配电箱电流大数据模型挖掘结果，构建配电箱电流监控的卷积神经网络模型；
通过对配电箱电流进行模糊聚类处理，配电箱电流监控的分段融合特征分布集，表达式如下所示：
；
其中，为配电箱特征集合，/>为特征初始节点，/>为特征结束节点前一个节点，/>为计数结束特征节点。
8.根据权利要求1所述的一种自感知监测智能化配电箱控制系统，其特征在于：
所述通过电压神经网络模型对电压传感器采集到配电箱电压进行分析，通过电流神经网络模型对电流传感器模块采集到的配电箱电流进行分析，具体包括通过数据分析与调整控制模块，对配电箱电压监控和配电箱电流监控输出异常电压和异常电流进行电路模块判断，确定电路模块过压、过载、过流、欠流、短路、断路异常情况，通过调整与控制单元对配电箱用电调整和用电智能调度分配。
9.根据权利要求1所述的一种自感知监测智能化配电箱控制系统，其特征在于：
所述配电箱还包括可视化模块，对配电箱用电调整和用电智能调度分配，通过把电路模块过压、过载、过流、欠流、短路、断路异常情况传输手机APP和Web界面，通过人工处理配电箱电路模块异常和自动智能处理配电箱电路模块异常，对异常电路和处理结果通过可视化模块进行展示。
10.根据权利要求1所述的一种自感知监测智能化配电箱控制系统，其特征在于：所述配电箱还包括：
多能源管理模块，集成太阳能集成单元、风能集成单元和燃气集成单元，通过能源管理反馈配电箱电源。
11.一种自感知监测智能化配电箱控制方法，其基于权利要求1-10任一所述的一种自感知监测智能化配电箱控制系统实现，其特征在于：
S1、通过电压传感器采集配电箱电压，电流传感器采集配电箱电流，温度传感器采集配电箱温度，湿度传感器采集配电箱湿度；
S2、采集到的配电箱温度和配电箱湿度通过环境补偿模块进行配电箱温度补偿和配电箱湿度补偿，采集到的配电箱电流通过配电箱电流监控和电流神经网络模型进行实时监控，采集到的配电箱电压通过配电箱电压监控和电压神经网络模型进行实时监控；
S3、若配电箱电流监控和配电箱电压监控检测以及神经网络模型检测出配电箱出现过压、过载、过流、欠流、短路、断路，则对配电箱电流和配电箱电压进行分析，并且实施配电箱电路调整和用电智能调度分配方案；
S4、通过手机App和Web界面接收配电箱电路调整和用电智能调度分配方案完成对配电箱的智能自动调度和手动智能调度和调整；
S5、对配电箱整体系统电流、电压、神经网络模型和配电箱智能调度和调整进行可视化展示。
12.一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，该计算机程序被处理器执行时，实现如权利要求11中所述的一种自感知监测智能化配电箱控制方法。
13.一种电子设备，其特征在于，包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述设备执行实现如权利要求11中所述的一种自感知监测智能化配电箱控制方法。
CN202311127427.3A 2023-09-04 2023-09-04 一种自感知监测智能化配电箱控制系统 Pending CN116846085A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311127427.3A CN116846085A (zh) 2023-09-04 2023-09-04 一种自感知监测智能化配电箱控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311127427.3A CN116846085A (zh) 2023-09-04 2023-09-04 一种自感知监测智能化配电箱控制系统

Publications (1)

Publication Number Publication Date
CN116846085A true CN116846085A (zh) 2023-10-03

Family

ID=88163866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311127427.3A Pending CN116846085A (zh) 2023-09-04 2023-09-04 一种自感知监测智能化配电箱控制系统

Country Status (1)

Country Link
CN (1) CN116846085A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117239906A (zh) * 2023-11-10 2023-12-15 南京思宇电气技术有限公司 一种配用电终端后备电源的控制系统及方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102221651A (zh) * 2011-03-11 2011-10-19 太原理工大学 一种矿用隔爆型干式变压器故障在线诊断及预警方法
US20140358317A1 (en) * 2011-12-28 2014-12-04 Fuji Electric Co., Ltd. Output value correction method for physical quantity sensor apparatus, output correction method for physical quantity sensor, physical quantity sensor apparatus and output value correction apparatus for physical quantity sensor
CN108233529A (zh) * 2016-12-21 2018-06-29 上海佳岚智能科技有限公司 智能远程用电监控模数化装置及系统
US20190238138A1 (en) * 2018-01-26 2019-08-01 Seiko Epson Corporation Integrated Circuit Device, Oscillator, Electronic Device, And Vehicle
CN111551258A (zh) * 2020-05-08 2020-08-18 电子科技大学 一种基于自适应加权的多红外传感器测温校正方法
CN112418662A (zh) * 2020-11-20 2021-02-26 西安热工研究院有限公司 一种利用人工神经网络的配电网运行可靠性分析方法
CN114132203A (zh) * 2020-09-04 2022-03-04 南京国电南思科技发展股份有限公司 基于温湿度智能调节的充电桩控制系统
CN114696466A (zh) * 2022-04-29 2022-07-01 北京航天鸣镝科技有限公司 适用于低压台区配电的状态监测系统及方法
CN115308465A (zh) * 2022-07-28 2022-11-08 杭州电力设备制造有限公司 基于bp-som组合神经网络的供电安全隐患智能诊断系统及方法
CN115800551A (zh) * 2022-12-30 2023-03-14 河海大学 用于防爆配电箱的远程监控系统及方法
CN116505656A (zh) * 2023-04-27 2023-07-28 国网河南省电力公司信阳供电公司 基于5g物联网技术的风-光-储多能互补智慧用电系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102221651A (zh) * 2011-03-11 2011-10-19 太原理工大学 一种矿用隔爆型干式变压器故障在线诊断及预警方法
US20140358317A1 (en) * 2011-12-28 2014-12-04 Fuji Electric Co., Ltd. Output value correction method for physical quantity sensor apparatus, output correction method for physical quantity sensor, physical quantity sensor apparatus and output value correction apparatus for physical quantity sensor
CN108233529A (zh) * 2016-12-21 2018-06-29 上海佳岚智能科技有限公司 智能远程用电监控模数化装置及系统
US20190238138A1 (en) * 2018-01-26 2019-08-01 Seiko Epson Corporation Integrated Circuit Device, Oscillator, Electronic Device, And Vehicle
CN111551258A (zh) * 2020-05-08 2020-08-18 电子科技大学 一种基于自适应加权的多红外传感器测温校正方法
CN114132203A (zh) * 2020-09-04 2022-03-04 南京国电南思科技发展股份有限公司 基于温湿度智能调节的充电桩控制系统
CN112418662A (zh) * 2020-11-20 2021-02-26 西安热工研究院有限公司 一种利用人工神经网络的配电网运行可靠性分析方法
CN114696466A (zh) * 2022-04-29 2022-07-01 北京航天鸣镝科技有限公司 适用于低压台区配电的状态监测系统及方法
CN115308465A (zh) * 2022-07-28 2022-11-08 杭州电力设备制造有限公司 基于bp-som组合神经网络的供电安全隐患智能诊断系统及方法
CN115800551A (zh) * 2022-12-30 2023-03-14 河海大学 用于防爆配电箱的远程监控系统及方法
CN116505656A (zh) * 2023-04-27 2023-07-28 国网河南省电力公司信阳供电公司 基于5g物联网技术的风-光-储多能互补智慧用电系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈健 等: ""基于卷积神经优化的配电网电压质量模型的研究"", 《电子设计工程》, vol. 28, no. 23, pages 163 - 167 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117239906A (zh) * 2023-11-10 2023-12-15 南京思宇电气技术有限公司 一种配用电终端后备电源的控制系统及方法

Similar Documents

Publication Publication Date Title
CN111010084B (zh) 一种光伏电站智能监控分析平台及方法
CN102170124B (zh) 一种电能质量稳态指标预警方法
CN113904448B (zh) 一种基于多维监控智能配电运维服务系统
CN104020754A (zh) 一种变电站一次主设备状态监测信息接入调控系统的方法
CN102866313A (zh) 电力隧道电缆运行状态综合监控方法
CN107798395A (zh) 一种电网事故信号自动诊断方法及系统
CN116846085A (zh) 一种自感知监测智能化配电箱控制系统
CN106226621A (zh) 一种基于灰色关联分析的二次设备故障诊断和预警方法
CN112632148B (zh) 一种考虑极端气候条件下配电网元器件智能预警方法
CN112737503A (zh) 一种光伏电站监控系统、方法及存储介质
CN117078017A (zh) 一种用于电力电网设备监控智能化决策分析系统
CN110751338A (zh) 一种配变台区重过载特征模型的构建和预警的方法
CN108448721A (zh) 电力系统主站监控信号与标准信号自动匹配的方法
CN115453267A (zh) 一种电力信息系统故障诊断系统
CN109613372B (zh) 一种基于多元电网数据库的电网故障诊断方法
CN112924813B (zh) 基于电气数据的配电网短路故障监控方法及装置
CN116308306B (zh) 一种基于5g的新能源场站智慧管理系统及方法
CN112559967A (zh) 一种基于二次设备光强趋势分析的状态检修方法、系统及存储介质
CN116882595A (zh) 一种变电站综合性能预测方法及系统
CN111598377A (zh) 一种地区电网基准风险在线获取方法与系统
CN104849654A (zh) 断路器在线监测方法及系统
CN105678460B (zh) 雷电灾害与设备过载及断面越限的关联度分析方法
CN111313355B (zh) 一种人工监督下的监控信号事件规则更新的方法
CN114069865A (zh) 换流站运行监测系统、方法、装置、计算机设备及介质
CN112434955A (zh) 一种基于多数据融合的配网线路运行风险感知方法

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