CN116908524A - 基于人工智能的建筑电气系统异常感知监测系统 - Google Patents

基于人工智能的建筑电气系统异常感知监测系统 Download PDF

Info

Publication number
CN116908524A
CN116908524A CN202311176883.7A CN202311176883A CN116908524A CN 116908524 A CN116908524 A CN 116908524A CN 202311176883 A CN202311176883 A CN 202311176883A CN 116908524 A CN116908524 A CN 116908524A
Authority
CN
China
Prior art keywords
current
value
circuit
change
degree
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
Application number
CN202311176883.7A
Other languages
English (en)
Other versions
CN116908524B (zh
Inventor
卢金汉
孙旋
汪茂海
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.)
Jianyan Fire Prevention Technology Co ltd
China Academy of Building Research CABR
Original Assignee
Jianyan Fire Prevention Technology Co ltd
China Academy of Building Research CABR
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 Jianyan Fire Prevention Technology Co ltd, China Academy of Building Research CABR filed Critical Jianyan Fire Prevention Technology Co ltd
Priority to CN202311176883.7A priority Critical patent/CN116908524B/zh
Publication of CN116908524A publication Critical patent/CN116908524A/zh
Application granted granted Critical
Publication of CN116908524B publication Critical patent/CN116908524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/12Measuring rate of change
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/10Pre-processing; Data cleansing
    • G06F18/15Statistical pre-processing, e.g. techniques for normalisation or restoring missing data

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明涉及数据质量增强技术领域,具体涉及基于人工智能的建筑电气系统异常感知监测系统,该系统首先获取各个电路的电流值和负载变化影响下的电流变化值;基于基尔霍夫定律根据各个电路的电流变化值获取干路电路的电流值的异常程度;根据各个支路电路的电流变化响应关系获取各个参考支路电路的电流值的异常程度;基于基尔霍夫定律结合干路电路和各个参考支路电路的异常程度,以及各个电路的电流变化值,获取负载变化支路电路的电流值的异常程度;根据各个电路的电流值的异常程度得到筛除异常电流值数据后的监测电流值数据。本发明根据各个电路的参考异常程度筛除异常电流值数据的方法,对建筑电气系统异常感知监测的准确性更高。

Description

基于人工智能的建筑电气系统异常感知监测系统
技术领域
本发明涉及数据质量增强技术领域,具体涉及基于人工智能的建筑电气系统异常感知监测系统。
背景技术
建筑电气系统是用于管理建筑用电的一种系统,包括变电和配电系统、动力设备系统、照明系统、弱电系统等;而电流监测作为一种重要的监测手段,能够提供建筑电气系统关键的电气参数信息,进一步地可根据电气参数信息发现潜在的问题并进行改进。但是在电流监测时,由于电磁干扰、采集设备元件参数等外界环境因素的影响,所采集到的电流数据会不可避免的存在噪声,从而对电流监测造成影响,因此需要对电流数据进行处理,减少噪声对电流监测的影响。
现有技术通常通过滤波或移动平均法对电流数据中的噪声进行过滤,但是实际操作过程中,由于建筑电气系统中的负载发生变化的电路通常为支路,而支路的负载发生变化时,不仅会影响当前支路的电流大小,还会对其他支路中的电流造成影响,从而使得其他支路中的电流发生变化,导致通过现有技术中的滤波或移动平均法对电流数据中的噪声进行过滤时,可能会将发生变化的有效电流信息删除,从而使得建筑电气系统异常感知监测的准确性较低。
发明内容
为了解决现有技术中的滤波或移动平均法对电流数据中的噪声进行过滤会导致建筑电气系统异常感知监测的准确性较低的技术问题,本发明的目的在于提供一种基于人工智能的建筑电气系统异常感知监测系统,所采用的技术方案具体如下:
本发明提出了基于人工智能的建筑电气系统异常感知监测系统,所述系统包括:
电流值获取模块,用于获取每个时刻下建筑电气系统中各个电路的电流值,所述电路包括干路电路和各个支路电路;
电流变化值获取模块,用于将负载变化的支路电路作为负载变化支路电路;将负载变化支路外的其他支路电路作为参考支路电路;获取各个电路的电流值在负载变化影响下的电流变化值;
参考异常程度获取模块,用于根据各个电路的电流变化值的分布情况,得到干路电路对应的第一参考异常程度;根据各个支路电路的电流变化值的分布情况,以及各个参考支路电路在负载变化影响前的电流值的分布情况,得到各个参考支路电路对应的第二参考异常程度;根据所述第一参考异常程度、所述第二参考异常程度以及各个电路的电流变化值的分布情况,得到负载变化支路电路对应的第三参考异常程度;
监测电流值数据获取模块,用于根据所有参考异常程度将异常电流值数据筛除,得到建筑电气系统的监测电流值数据。
进一步地,所述第二参考异常程度的获取方法包括:
根据负载变化支路电路的电流变化值、每个参考支路电路在负载变化前的电流值和对应的电流变化值,计算每个参考支路电路的偏离参考系数;
根据每个参考支路电路的偏离参考系数与整体偏离参考系数之间的差异情况,得到每个参考支路电路的变化偏离程度;将所述变化偏离程度与每个参考支路电路的电流变化值之间的乘积的归一化值,作为每个参考支路电路的第二参考异常程度。
进一步地,所述偏离参考系数的获取方法包括:
将负载变化支路电路的电流变化值与每个参考支路电路在负载变化前的电流值之间的比值的归一化值,作为每个参考支路电路的负载变化影响值;根据每个参考支路电路的电流变化值和所述负载变化影响值得到每个参考支路电路的偏离参考系数,其中每个参考支路电路的电流变化值与所述偏离参考系数呈正相关关系,所述负载变化影响值与所述偏离参考系数呈负相关关系。
进一步地,所述根据每个参考支路电路的电流变化值和所述负载变化影响值得到每个参考支路电路的偏离参考系数的方法包括:
计算所述负载变化影响值与预设第四调节参数的和值,将每个参考支路电路的电流变化值与所述和值的比值,作为每个参考支路电路的偏离参考系数。
进一步地,所述变化偏离程度的获取方法包括:
将每个参考支路电路的偏离参考系数与所有偏离参考系数的均值之间的差异,作为每个参考支路电路的参考偏差;将所述参考偏差与所有偏离参考系数的均值之间的比值,作为每个参考支路电路的变化偏离程度。
进一步地,所述第三参考异常程度的计算公式为:
其中,为负载变化支路电路/>对应的第三参考异常程度,/>为负载变化支路电路的电流变化值,/>为干路电路对应的电流变化值,/>为干路电路对应的第一参考异常程度;/>为参考支路电路的数量,/>为第/>个参考支路电路的第二参考异常程度;/>为第/>个参考支路电路的电流变化值,/>为归一化函数,/>为绝对值符号;/>为预设第一调节参数,/>为预设第二调节参数,/>为预设第三调节参数;所述预设第一调节参数、预设第二调节参数和预设三调节参数均大于0。
进一步地,所述监测电流值数据的获取方法包括:
将参考异常程度大于预设异常阈值的电路对应的电流数据筛除,得到建筑电气系统的监测电流值数据。
进一步地,所述电流变化值的获取方法包括:
将负载变化支路电路的负载发生变化瞬间的前一个时刻作为变化时刻;在时间顺序上,将每个电路在变化时刻的电流值与负载发生变化瞬间的后一个时刻的电流值之间的差值,作为每个电路的电流变化值。
进一步地,所述第一参考异常程度的获取方法包括:
计算干路电路的电流变化值与所有支路电路的电流变化值累加和之间的比值,将所述比值与预设校正参数的差异,作为干路电路的电流偏离程度,所述预设校正参数大于0;将干路电路的电路变化值与所述电流偏离程度的乘积的归一化值,作为干路电路的第一参考异常程度。
进一步地,所述预设异常阈值设置为0.8。
本发明具有如下有益效果:
本发明对电路中负载变化后各个电路的电流变化进行分析,首先基于基尔霍夫定律根据干路电流和支路电流的关系,分析干路电流的异常程度,也即第一参考异常程度;进一步地考虑到负载变化后各支路电路的电流变化的程度会受到负载变化强度和各个支路电路的负载强度影响,本发明结合各个支路电路的电流变化值的分布情况,以及各个参考支路电路在负载变化影响前的电流值的分布情况,从而得到各个参考支路电路对应的第二参考异常程度,也即负载变化支路外的其他支路电路电流的异常程度;进一步地根据基尔霍夫定律,通过负载变化支路电路外的其他电路的异常程度和电流变化,反馈负载变化电路对应的异常程度,也即得到负载变化支路对应的第三参考异常程度。在得到所有电路的参考异常程度后,对所有参考异常程度进行分析,从而将异常程度较大的电流数据筛除,从而使得所得到的检测电流值数据的质量更好,使得建筑电气系统异常感知监测的准确性更高。综上所述,本发明根据各个电路的参考异常程度筛除异常电流值数据的方法,对建筑电气系统异常感知监测的准确性更高。
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和优点,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的介绍,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获得其它附图。
图1为本发明一个实施例所提供的一种基于人工智能的建筑电气系统异常感知监测系统结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于人工智能的建筑电气系统异常感知监测系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于人工智能的建筑电气系统异常感知监测系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于人工智能的建筑电气系统异常感知监测系统结构框图,该系统包括:电流值获取模块101、电流变化值获取模块102、参考异常程度获取模块103和监测电流值数据获取模块104。
电流值获取模块101,用于获取每个时刻下建筑电气系统中各个电路的电流值,电路包括干路电路和各个支路电路。
本发明旨在提供一种基于人工智能的建筑电气系统异常感知监测系统,用于对负载变化后各个电路的电流值以及对应的电流值变化情况进行分析,获取筛除异常电流值数据后数据质量更高的监测电流值数据,因此首先需要获取数据处理的对象。
本发明实施例首先获取每个时刻下建筑电气系统中各个电路的电流值,电路包括干路电路和各个支路电路。本发明实施例在各个干路电路和支路电路上安装电流传感器,通过电流传感器采集每个电路上的电流值,并将采集到的实时的电流值数据传输到控制系统中,通过控制系统进行后续处理。在本发明实施例中,电流传感器每0.05秒采集一次电流值数据,也即相邻时刻的电流值对应的时间间隔为0.05s。需要说明的是,实施者也可根据具体实时环境通过其他方式采集电流值数据,并且可自行设置采样频率的大小,在此不做进一步赘述。
进一步需要说明的是,干路电路和支路电路均是相对而言的,为了方便表述,本发明实施例中干路电路和支路电路在一条电路回路上,支路电路之间相互并联,且满足基尔霍夫定律的使用条件,即在理论条件下,支路电路流过的电流之和等于干路电流。
电流变化值获取模块102,用于将负载变化的支路电路作为负载变化支路电路;将负载变化支路外的其他支路电路作为参考支路电路;获取各个电路的电流值在负载变化影响下的电流变化值。
考虑到对于存在干路和支路的电路而言,当其中一个支路电路的负载发生变化时,则负载变化的支路中电流会发生变化,并且会影响干路和其余各个支路的电流,使其发生变化,而干路电流和支路电流不是瞬时变化的,因此可对负载变化后各个电路的电流变化进行分析。
本发明实施例将负载变化的支路电路作为负载变化支路电路;将负载变化支路外的其他支路电路作为参考支路电路;获取各个电路的电流值在负载变化影响下的电流变化值。
优选地,电流变化值的获取方法包括:
将负载变化支路电路的负载发生变化瞬间的前一个时刻作为变化时刻;在时间顺序上,将每个电路在变化时刻的电流值与负载发生变化瞬间的后一个时刻的电流值之间的差值,作为每个电路的电流变化值。在本发明实施例中,为了方便后续分析,将负载变化支路设置为1条,也即只有一个支路电路的负载发生变化。由于变化时刻为负载发生变化对应的时刻,因此在变化时刻的瞬间,各个电路的电流值通常与负载变化前相同,因此通过负载发生变化瞬间的后一个时刻与变化时刻的电流值进行对比,能够得到负载变化后第一个时刻的电流变化值,也即本发明实施例中的电流变化值为负载变化后第一个时刻的电流变化值,实施者可根据具体实施环境自行选择电流变化值对应的时刻,在此不做进一步赘述。
需要说明的是,由于后续所计算出的电流值的异常程度与电流变化值有关,而本发明实施例中的电流变化值为负载变化后第一个时刻的电流变化值,因此根据本发明实施例中的电流变化值所计算出的参考异常程度,表征各个电路在负载变化后第一个时刻的电流值的异常程度;若实施者需要计算其他受到负载变化影响的时刻对应的电流值的异常程度,将其他受到负载变化影响的时刻对应的电流变化值参与计算即可,本发明实施例仅对第一个时刻的电流变化值进行分析,在此不做进一步赘述。
参考异常程度获取模块103,用于根据各个电路的电流变化值的分布情况,得到干路电路对应的第一参考异常程度;根据各个支路电路的电流变化值的分布情况,以及各个参考支路电路在负载变化影响前的电流值的分布情况,得到各个参考支路电路对应的第二参考异常程度;根据第一参考异常程度、第二参考异常程度以及各个电路的电流变化值的分布情况,得到负载变化支路电路对应的第三参考异常程度。
至此,得到每个电路对应的电流值和负载影响下各个电路的电流变化值。基于基尔霍夫定律,各个电路的电流变化值应当满足基尔霍夫定律对应的关系。由于噪声会影响各个电路的电流值,因此各个电路的电流变化值也会受到噪声影响,而噪声影响产生的电流变化值与基尔霍夫定律无关,因此对于干路电路而言,当各个电路的电流变化值越不满足基尔霍夫定律,说明干路电路的电流值在负载影响下第一个时刻的电流值受到噪声影响的程度越大。因此本发明实施例根据各个电路的电流变化值的分布情况,得到干路电路对应的第一参考异常程度。需要说明的是,本发明实施例的实施环境均为适用于基尔霍夫定律应用的环境,也即本发明实施例中的干路和对应的支路满足基尔霍夫定律的条件,在此不做进一步赘述。
优选地,第一参考异常程度的获取方法包括:
计算干路电路的电流变化值与所有支路电路的电流变化值累加和之间的比值,将比值与预设校正参数的差异,作为干路电路的电流偏离程度,预设校正参数大于0;将干路电路的电路变化值与电流偏离程度的乘积的归一化值,作为干路电路的第一参考异常程度。
根据基尔霍夫定律,干路电路的电流变化值应当为各个支路的电流变化值之和。因此干路电路的电流变化值与所有支路电路的电流变化值累加和之间的比值越接近于1,说明越符合基尔霍夫定律,则说明电流数据受到噪声的影响越小,因此本发明实施例将预设校正参数设置为1。即电流偏离程度越接近于0,说明越符合基尔霍夫定律,也即干路电路在负载变化后的第一个时刻受到噪声的影响越小,对应的电流值的异常程度越小。考虑到不同电路的电流变化值不同,因此为了对每个电路的参考异常程度的表征更加准确,进一步地在电流偏离程度的基础上引入干路电路的电流变化值,得到第一参考异常程度。
在本发明实施例中,第一参考异常程度的获取方法在公式上表现为:
其中,为干路电路的第一参考异常程度,/>为支路电路的数量,/>为第/>条支路电路的电流变化值,/>为干路电路的电流变化值;/>为预设校正参数,本发明实施例中预设校正参数设置为1,/>为绝对值符号,/>为归一化函数,本发明实施例中所有的归一化函数均采用线性归一化,后续不做进一步赘述。需要说明的是,由于负载变化后各个支路电路的电流值会受到影响,也即所有支路电路的电流变化值的累加和/>不可能为0。
由于负载变化支路电流的负载变化后,会使得干路电流发生变化,从而进一步使得各个参考支路电路对应的电流也发生变化。但是不同参考支路电路对应的电流值通常不同,因此对应的电流值发生变化的程度也各不相同。而每个参考支路电路对应电流值发生变化的程度通常会受到支路本身负载的强度以及负载变化程度的影响,因此可通过该两个影响因素所量化出的电流值发生变化的程度与对应的电流变化值进行比较,从而反映每个参考支路电路的异常程度。本发明实施例根据各个支路电路的电流变化值的分布情况,以及各个参考支路电路在负载变化影响前的电流值的分布情况,得到各个参考支路电路对应的第二参考异常程度。
优选地,第二参考异常程度的获取方法包括:
根据负载变化支路电路的电流变化值、每个参考支路电路在负载变化前的电流值和对应的电流变化值,计算每个参考支路电路的偏离参考系数。对于每个参考支路电路的电流变化值而言,对应的负载变化前的电流值越大,说明对应支路电路的负载越大,则在受到负载变化影响后,对应理论电流变化值应当越小。而负载变化支路的电流变化值能够反映负载变化的强度,对应的负载变化的强度越大,则对各个参考支路电路的影响越大,也即对应的理论电流变化值越大;理论电流变化值即没有受到噪声影响下的电流变化值。
优选地,偏离参考系数的获取方法包括:
由于参考支路电路负载变化前的电流值越小,负载变化支路的电流变化值越大时,对应的理论电流变化值应当越大。因此本发明实施例将负载变化支路电路的电流变化值与每个参考支路电路在负载变化前的电流值之间的比值的归一化值,作为每个参考支路电路的负载变化影响值。也即负载变化影响值表征理论电流变化值映射后的值,对应的理论电流变化值越大,负载变化影响值越大。需要说明的是,本发明实施例中参考支路电路在负载变化前的电流值即在变化时刻对应的电流值,也即还未受到负载变化影响下的电流值。
进一步地根据每个参考支路电路的电流变化值和负载变化影响值得到每个参考支路电路的偏离参考系数,其中每个参考支路电路的电流变化值与偏离参考系数呈正相关关系,负载变化影响值与偏离参考系数呈负相关关系。优选地,根据每个参考支路电路的电流变化值和负载变化影响值得到每个参考支路电路的偏离参考系数的方法包括:计算负载变化影响值与预设第四调节参数的和值,将每个参考支路电路的电流变化值与和值的比值,作为每个参考支路电路的偏离参考系数。在本发明实施例中,预设第四调节参数设置为0.01,用于防止分母为0,实施者可根据具体实施环境自行设置。
在没有噪声影响下,各个电路的理论电流变化值应当与实际的电流变化值一致,但是本发明实施例所获取的负载变化影响值仅能反映理论电流变化值的大小,因此当通过比值的形式根据参考支路电路的电流变化值和负载变化影响值得到偏离参考系数时,各个参考支路电路的偏离参考系数应当集中分布在一个定值上,并且对应的偏离参考系数与该定值的差异越大,说明对应的参考支路电路的电流值数据越异常。
在本发明实施例中,依次将每个参考支路电路作为第个参考支路电路,则第/>个参考支路电路的偏离参考系数的获取方法在公式上表现为:
其中,为第/>个参考支路电路的偏离参考系数,/>为第/>个参考支路电路的电流变化值,/>为第/>个参考支路电路在负载变化前的电流值,/>为负载变化支路电路/>的电流变化值,/>为归一化函数;/>为预设第四调节调节参数,用于防止分母为0,本发明实施例将其设置为0.01。需要说明的是,由于建筑电气系统是运行的并且能够反映电流值变化,因此参考支路电路在负载变化前的电流值/>不可能为0。
由于各个偏离参考系数通常集中分布,且对应偏离参考系数越靠近集中分布的中心时,对应的参考支路电路的电流值的异常程度越小。本发明实施例根据每个参考支路电路的偏离参考系数与整体偏离参考系数之间的差异情况,得到每个参考支路电路的变化偏离程度。
优选地,变化偏离程度的获取方法包括:
将每个参考支路电路的偏离参考系数与所有偏离参考系数的均值之间的差异,作为每个参考支路电路的参考偏差;将参考偏差与所有偏离参考系数的均值之间的比值,作为每个参考支路电路的变化偏离程度。也即通过所有偏离参考系数的均值表示集中分布的中心,对应的参考偏差越大,说明对应的偏离参考系数距离集中分布的中心越远,也即对应的参考支路电路的电流值的异常程度越大。进一步地在变化偏离程度的基础上引入每个参考支路电路的电流变化值,将变化偏离程度与每个参考支路电路的电流变化值之间的乘积的归一化值,作为每个参考支路电路的第二参考异常程度。
在本发明实施例中,第个参考支路电路的第二参考异常程度的获取方法在公式上表现为:
其中,为第/>个参考支路电路的第二参考异常程度,/>为第/>个参考支路电路的电流变化值,/>为第/>个参考支路电路的偏离参考系数,/>为参考支路电路的数量,/>为归一化函数,/>为所有参考支路电路的偏离参考系数的均值,/>为第/>个参考支路电路的参考偏差,/>为第/>个参考支路电路的变化偏离程度。
至此,得到除负载变化支路电路外其他所有电路的参考异常程度,基于基尔霍夫定律,可根据除负载变化支路电路外其他所有电路的参考异常程度结合对应的电流变化值,来进一步地反馈负载变化支路电路对应的电流数据的异常程度。本发明实施例根据第一参考异常程度、第二参考异常程度以及各个电路的电流变化值的分布情况,得到负载变化支路电路对应的第三参考异常程度。
优选地,第三参考异常程度的计算公式为:
其中,为负载变化支路电路/>对应的第三参考异常程度,/>为负载变化支路电路的电流变化值,/>为干路电路对应的电流变化值,/>为干路电路对应的第一参考异常程度;/>为参考支路电路的数量,/>为第/>个参考支路电路的第二参考异常程度;/>为第/>个参考支路电路的电流变化值,/>为归一化函数,/>为绝对值符号;/>为预设第一调节参数,为预设第二调节参数,/>为预设第三调节参数;预设第一调节参数、预设第二调节参数和预设三调节参数均大于0。在本发明实施例中,预设第一调节参数、预设第二调节参数和预设第三调节参数均设置为0.01,用于防止分母为0的情况。
在第三参考异常程度计算模型中,表征考虑参考异常程度后的干路电路的电流变化值,也即干路电路的理论电流变化值的映射值;/>表征考虑参考异常程度后的各个参考支路电路的电流变化值之和,也即所有参考支路电路的电流变化值的映射值;因此基于基尔霍夫定律,干路电路的电流变化值为所有支路电路的电流变化值之和,因此分母中的/>即可表征负载变化支路电路/>对应的理论电流变化值的映射值,根据干路电路和各个参考支路电路的电流变化值的映射值的获取方法,通过来进一步地表征负载变化支路电路/>的参考异常程度。
监测电流值数据获取模块104,用于根据所有参考异常程度将异常电流值数据筛除,得到建筑电气系统的监测电流值数据。
至此,得到各个电路对应的参考异常程度,也即本发明实施例各个电路在负载变化后第一时刻对应的电流值数据的异常程度,需要说明的是,实施者也可通过改变电流变化值对应的时刻来实现计算负载变化影响下其他时刻的电流值数据的异常程度,在此不做进一步赘述。进一步地根据各个电路的电流值数据的异常程度,将异常程度较高的电流值数据筛除,本发明实施例根据所有参考异常程度将异常电流值数据筛除,得到建筑电气系统的监测电流值数据。
优选地,监测电流值数据的获取方法包括:
将参考异常程度大于预设异常阈值的电路对应的电流数据筛除,得到建筑电气系统的监测电流值数据。在本发明实施例中,监测电流值数据即在负载变化后第一个时刻的所有电路的电流值数据中,删除异常程度较大的电流值数据对应的数据集合。由于各个参考异常程度均为归一化后的值。优选地,本发明实施例将预设异常阈值设置为0.8,实施者可根据具体实施环境自行调整。由于监测电流值数据筛除了受到噪声影响较大的异常电流值数据,因此根据监测电流值数据进行建筑电气系统异常感知监测的准确性更高。
综上所述,本发明首先获取各个电路的电流值和负载变化影响下的电流变化值;基于基尔霍夫定律根据各个电路的电流变化值获取干路电路的电流值的异常程度;根据各个支路电路的电流变化响应关系获取各个参考支路电路的电流值的异常程度;基于基尔霍夫定律结合干路电路和各个参考支路电路的异常程度,以及各个电路的电流变化值,获取负载变化支路电路的电流值的异常程度;根据各个电路的电流值的异常程度得到筛除异常电流值数据后的监测电流值数据。本发明根据各个电路的参考异常程度筛除异常电流值数据的方法,对建筑电气系统异常感知监测的准确性更高。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。

Claims (10)

1.基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述系统包括:
电流值获取模块,用于获取每个时刻下建筑电气系统中各个电路的电流值,所述电路包括干路电路和各个支路电路;
电流变化值获取模块,用于将负载变化的支路电路作为负载变化支路电路;将负载变化支路外的其他支路电路作为参考支路电路;获取各个电路的电流值在负载变化影响下的电流变化值;
参考异常程度获取模块,用于根据各个电路的电流变化值的分布情况,得到干路电路对应的第一参考异常程度;根据各个支路电路的电流变化值的分布情况,以及各个参考支路电路在负载变化影响前的电流值的分布情况,得到各个参考支路电路对应的第二参考异常程度;根据所述第一参考异常程度、所述第二参考异常程度以及各个电路的电流变化值的分布情况,得到负载变化支路电路对应的第三参考异常程度;
监测电流值数据获取模块,用于根据所有参考异常程度将异常电流值数据筛除,得到建筑电气系统的监测电流值数据。
2.根据权利要求1所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述第二参考异常程度的获取方法包括:
根据负载变化支路电路的电流变化值、每个参考支路电路在负载变化前的电流值和对应的电流变化值,计算每个参考支路电路的偏离参考系数;
根据每个参考支路电路的偏离参考系数与整体偏离参考系数之间的差异情况,得到每个参考支路电路的变化偏离程度;将所述变化偏离程度与每个参考支路电路的电流变化值之间的乘积的归一化值,作为每个参考支路电路的第二参考异常程度。
3.根据权利要求2所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述偏离参考系数的获取方法包括:
将负载变化支路电路的电流变化值与每个参考支路电路在负载变化前的电流值之间的比值的归一化值,作为每个参考支路电路的负载变化影响值;根据每个参考支路电路的电流变化值和所述负载变化影响值得到每个参考支路电路的偏离参考系数,其中每个参考支路电路的电流变化值与所述偏离参考系数呈正相关关系,所述负载变化影响值与所述偏离参考系数呈负相关关系。
4.根据权利要求3所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述根据每个参考支路电路的电流变化值和所述负载变化影响值得到每个参考支路电路的偏离参考系数的方法包括:
计算所述负载变化影响值与预设第四调节参数的和值,将每个参考支路电路的电流变化值与所述和值的比值,作为每个参考支路电路的偏离参考系数。
5.根据权利要求2所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述变化偏离程度的获取方法包括:
将每个参考支路电路的偏离参考系数与所有偏离参考系数的均值之间的差异,作为每个参考支路电路的参考偏差;将所述参考偏差与所有偏离参考系数的均值之间的比值,作为每个参考支路电路的变化偏离程度。
6.根据权利要求1所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述第三参考异常程度的计算公式为:
其中,为负载变化支路电路/>对应的第三参考异常程度,/>为负载变化支路电路/>的电流变化值,/>为干路电路对应的电流变化值,/>为干路电路对应的第一参考异常程度;/>为参考支路电路的数量,/>为第/>个参考支路电路的第二参考异常程度;/>为第/>个参考支路电路的电流变化值,/>为归一化函数,/>为绝对值符号;/>为预设第一调节参数,/>为预设第二调节参数,/>为预设第三调节参数;所述预设第一调节参数、预设第二调节参数和预设三调节参数均大于0。
7.根据权利要求1所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述监测电流值数据的获取方法包括:
将参考异常程度大于预设异常阈值的电路对应的电流数据筛除,得到建筑电气系统的监测电流值数据。
8.根据权利要求1所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述电流变化值的获取方法包括:
将负载变化支路电路的负载发生变化瞬间的前一个时刻作为变化时刻;在时间顺序上,将每个电路在变化时刻的电流值与负载发生变化瞬间的后一个时刻的电流值之间的差值,作为每个电路的电流变化值。
9.根据权利要求1所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述第一参考异常程度的获取方法包括:
计算干路电路的电流变化值与所有支路电路的电流变化值累加和之间的比值,将所述比值与预设校正参数的差异,作为干路电路的电流偏离程度,所述预设校正参数大于0;将干路电路的电路变化值与所述电流偏离程度的乘积的归一化值,作为干路电路的第一参考异常程度。
10.根据权利要求7所述的基于人工智能的建筑电气系统异常感知监测系统,其特征在于,所述预设异常阈值设置为0.8。
CN202311176883.7A 2023-09-13 2023-09-13 基于人工智能的建筑电气系统异常感知监测系统 Active CN116908524B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311176883.7A CN116908524B (zh) 2023-09-13 2023-09-13 基于人工智能的建筑电气系统异常感知监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311176883.7A CN116908524B (zh) 2023-09-13 2023-09-13 基于人工智能的建筑电气系统异常感知监测系统

Publications (2)

Publication Number Publication Date
CN116908524A true CN116908524A (zh) 2023-10-20
CN116908524B CN116908524B (zh) 2023-12-01

Family

ID=88351551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311176883.7A Active CN116908524B (zh) 2023-09-13 2023-09-13 基于人工智能的建筑电气系统异常感知监测系统

Country Status (1)

Country Link
CN (1) CN116908524B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117540325A (zh) * 2024-01-05 2024-02-09 杭银消费金融股份有限公司 基于数据变化量捕获的业务数据库异常检测方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110153236A1 (en) * 2008-04-14 2011-06-23 Michel Montreuil Electrical anomaly detection method and system
CN105447321A (zh) * 2015-12-09 2016-03-30 中国原子能科学研究院 一种反应性仪电流离线滤波方法
CN106771448A (zh) * 2016-12-15 2017-05-31 国网天津市电力公司 一种电能表分流分析防窃电预警分析方法
CN113125840A (zh) * 2021-06-18 2021-07-16 武汉华瑞伏安电力科技有限公司 一种交流输电线路异常放电有效电流信号提取方法
WO2022134596A1 (zh) * 2020-12-23 2022-06-30 南京邮电大学 一种计及新能源影响的主动配电网脆弱节点辨识方法
CN114970635A (zh) * 2022-06-09 2022-08-30 北京清大智新科技有限公司 基于类噪声信号的动态负荷主导模型参数辨识方法及系统
CN115420988A (zh) * 2022-11-07 2022-12-02 北京志翔科技股份有限公司 异常用电用户的识别方法、装置、设备及存储介质
CN115600061A (zh) * 2022-12-14 2023-01-13 嘉兴索罗威新能源有限公司(Cn) 基于机器学习的逆变器零压降数据处理方法
CN116131214A (zh) * 2023-04-18 2023-05-16 山东计保电气有限公司 数字化消谐装置的网络管理系统及使用方法
CN116203351A (zh) * 2023-03-07 2023-06-02 千居智人工智能科技昆山有限公司 线路阻抗异常的检测方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110153236A1 (en) * 2008-04-14 2011-06-23 Michel Montreuil Electrical anomaly detection method and system
CN105447321A (zh) * 2015-12-09 2016-03-30 中国原子能科学研究院 一种反应性仪电流离线滤波方法
CN106771448A (zh) * 2016-12-15 2017-05-31 国网天津市电力公司 一种电能表分流分析防窃电预警分析方法
WO2022134596A1 (zh) * 2020-12-23 2022-06-30 南京邮电大学 一种计及新能源影响的主动配电网脆弱节点辨识方法
CN113125840A (zh) * 2021-06-18 2021-07-16 武汉华瑞伏安电力科技有限公司 一种交流输电线路异常放电有效电流信号提取方法
CN114970635A (zh) * 2022-06-09 2022-08-30 北京清大智新科技有限公司 基于类噪声信号的动态负荷主导模型参数辨识方法及系统
CN115420988A (zh) * 2022-11-07 2022-12-02 北京志翔科技股份有限公司 异常用电用户的识别方法、装置、设备及存储介质
CN115600061A (zh) * 2022-12-14 2023-01-13 嘉兴索罗威新能源有限公司(Cn) 基于机器学习的逆变器零压降数据处理方法
CN116203351A (zh) * 2023-03-07 2023-06-02 千居智人工智能科技昆山有限公司 线路阻抗异常的检测方法及系统
CN116131214A (zh) * 2023-04-18 2023-05-16 山东计保电气有限公司 数字化消谐装置的网络管理系统及使用方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117540325A (zh) * 2024-01-05 2024-02-09 杭银消费金融股份有限公司 基于数据变化量捕获的业务数据库异常检测方法及系统
CN117540325B (zh) * 2024-01-05 2024-04-26 杭银消费金融股份有限公司 基于数据变化量捕获的业务数据库异常检测方法及系统

Also Published As

Publication number Publication date
CN116908524B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN116908524B (zh) 基于人工智能的建筑电气系统异常感知监测系统
KR101588035B1 (ko) 조명 장면을 자동으로 연출하는 조명 제어 시스템 및 방법
CN116703183B (zh) 一种新型配电网系统用电负荷评估方法
CN111242391B (zh) 用于电力负荷识别的机器学习模型训练方法及系统
CN106655160A (zh) 一种非侵入式电力负荷分解的辨识决策方法及系统
CN115933787B (zh) 基于室内环境监测的室内多末端智能控制系统
CN108090515B (zh) 一种基于数据融合的环境等级评估方法
CN116226766B (zh) 一种高压电器运行状态监测系统
CN113496089B (zh) 基于人工智能的物联网设备异常状态在线监测方法及系统
CN116054417B (zh) 一种变电站用的监控系统及方法
CN115828170B (zh) 一种基于掘进机电控数据的故障检测方法
CN112016748A (zh) 一种稳控装置运行状态的动态分析与量化评估方法
CN116846085A (zh) 一种自感知监测智能化配电箱控制系统
CN117630558A (zh) 一种机电设备故障智能诊断系统
CN116260250B (zh) 一种高频开关直流电源智能监控系统
CN116255583B (zh) 一种亮度自适应宽动态范围的视频监控led照明灯具
CN116937818A (zh) 对内部进行实时监控的高压直流配电柜监控系统
CN104849654A (zh) 断路器在线监测方法及系统
CN110702972B (zh) 一种模拟信号自适应采样方法及装置
CN107394774A (zh) 一种用电负荷分解融合辨识的方法与系统
CN117633695B (zh) 一种基于电参数时序分析的变压器运行监测方法
CN117388637B (zh) 基于ai的换流站直流系统异常信号辨识与辅助决策方法
CN117596758B (zh) 新能源智慧工厂ba自控系统的故障诊断方法及系统
CN113596229B (zh) 一种基于云化架构的数字家庭的智能手机
CN114353936B (zh) 一种基于互联网的工业设备安全分析装置

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