CN117200458B - 一种基于智能低压开关柜的数字化管理方法及装置 - Google Patents
一种基于智能低压开关柜的数字化管理方法及装置 Download PDFInfo
- Publication number
- CN117200458B CN117200458B CN202311389969.8A CN202311389969A CN117200458B CN 117200458 B CN117200458 B CN 117200458B CN 202311389969 A CN202311389969 A CN 202311389969A CN 117200458 B CN117200458 B CN 117200458B
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- low
- switch cabinet
- voltage switch
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 37
- 239000013598 vector Substances 0.000 claims description 37
- 238000012544 monitoring process Methods 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000001502 supplementing effect Effects 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 9
- 238000001816 cooling Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009469 supplementation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000006866 deterioration Effects 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 230000009897 systematic effect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Abstract
本发明涉及低压开关柜故障预警技术领域，公开了一种基于智能低压开关柜的数字化管理方法及装置。本发明中采用传感器和以太网搭建数字化低压开关柜管理系统，将低压开关柜中已知故障问题转为数字化特征表示。通过传感器获取低压开关柜的运行数据，采用离散处理获取其正常运行和故障运行的特征值，对特征值利用马氏距离进行计算，进行实时、在线监测其运行状态并判断是否存在故障隐患，不仅可以帮助管理者系统、全面、实时了解配电设备的运行数据，减少人力资源的浪费。管理者根据马氏距离的计算结果也可及时发现故障隐患，做到早发现、早预防、早维护，提高故障处理效率，避免由于隐患继续恶化造成重大的故障事故，减少经济损失，保障安全供电。
Description
技术领域
本发明涉及低压开关柜故障预警技术领域，尤其涉及一种基于智能低压开关柜的数字化管理方法及装置。
背景技术
低压开关柜适用于发电厂、石油、化工、冶金、纺织、高层建筑等行业，作为输电、配电及电能转换之用。低压开关柜由多个不同的测量设备、电路控制和开关组装而成。该装置被广泛应用于配电所中，是保障电力供应的中心，是电力输送和调配的重要载体与供电质量有着直接关系，能大大提高使用的安全性和管理效率。
由于低压开关柜在长时间运行中容易出现多种故障数据，快速准确地检测出设备的故障位置和故障原因是快速恢复电力的主要步骤。现有的低压开关柜的检修需要专业人士（例如厂家）判断低压开关柜的仪表的具体问题，不仅需要花费巨大的人力，还会延误故障信息的及时获取，进而延误了故障抢修及恢复时间。
发明内容
本发明的目的在于提供一种基于智能低压开关柜的数字化管理方法，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
本申请提供了一种基于智能低压开关柜的数字化管理方法，包括：
获取低压开关柜运行状态数据，所述低压开关柜运行状态数据为低压开关柜中每个组成隔间的传感器数据的集合，所述传感器数据至少包括温湿度数据、电流数据和电压数据；
基于所述低压开关柜运行状态数据提取故障信息，得到故障特征参数；
基于马氏距离计算法，根据故障特征参数与预设故障参数计算相似度，所述预设故障参数是低压开关柜已知各种故障问题对应的标准化特征值；
基于所述相似度进行智能低压开关柜的数字化管理。
本申请提供了一种基于智能低压开关柜的数字化管理装置，包括获取模块、提取模块、计算模块和管理模块，其中：
获取模块：用于获取低压开关柜运行状态数据，所述低压开关柜运行状态数据为低压开关柜中每个组成隔间的传感器数据的集合，所述传感器数据至少包括温湿度数据、电流数据和电压数据；
提取模块：用于基于所述低压开关柜运行状态数据提取故障信息，得到故障特征参数；
计算模块：用于基于马氏距离计算法，根据故障特征参数与预设故障参数计算相似度，所述预设故障参数是低压开关柜已知各种故障问题对应的标准化特征值；
管理模块：用于基于所述相似度进行智能低压开关柜的数字化管理。
本发明的有益效果为：
本发明中采用传感器和以太网搭建数字化低压开关柜管理系统，将低压开关柜中已知故障问题转为数字化特征表示，设计一种低压开关柜运行状态与故障在线监测系统。该系统通过传感器获取低压开关柜的运行数据，采用离散处理获取其正常运行和故障运行的特征值，对特征值利用马氏距离进行计算，进行实时、在线监测其运行状态并判断是否存在故障隐患，不仅可以帮助管理者通过这些真实、有效、准确的运行数据系统、全面、实时了解配电设备的运行数据，后勤管理者都可以做到心中有数，减少人力资源的浪费。管理者根据马氏距离的计算结果也可及时发现故障隐患，便于合理安排配电巡视的重点部位，确定设备维修保护的最佳时期，做到早发现、早预防、早维护，提高故障处理效率，避免由于隐患继续恶化造成重大的故障事故，减少经济损失，保障安全供电。
本发明中基于不同传感器所采集数据进行奇异值的剔除预处理，防止这些非正常低压开关柜运行状态数据对后续数据分析的干扰。并基于预处理后完整的低压开关柜运行状态数据，经过时间尺度因子进行离散化处理形成一个个的离散型故障信号，并通过时间序列化获得不同时间长度下的时间序列向量。用时间序列向量替代原始的检测数据，表征各个系统的运行故障特征。时间因子尺度可根据不同的数据特征进行调整以便于对故障信息进行精准定位，提高故障识别率。而且，本发明在选择数据进行分析时，是针对不同低压开关柜故障问题对应原因影响程度大小确定关切值，并基于该关切值选择与该故障问题影响最大的数据进行分析，使得分析数据轻量化减少计算机运算的同时，还能提高数据的信噪比进而提升数据准确性。
本发明中根据不同传感器采集数据本身所具有的价值大小，基于数据价值的牛顿冷却定律计算传感器采集数据从入库时每个不同时刻对应的数据温度，从而可以在任意时刻根据温度值（即活跃程度）的大小进行划分，将传感器采集数据实时的划分为热数据、温数据、冷数据，基于冷热特性为数据的分层存储提供坚实的基础，有助于将数据价值高的数据放在高速存储设备中，将数据价值低的数据放在低速存储设备中，通过这种方式能够有效降低数据管理终端中海量数据的存储成本。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本实施例中基于智能低压开关柜的数字化管理方法的框图；
图2为本实施例中基于智能低压开关柜的数字化管理装置的框图；
图3为本实施例中基于智能低压开关柜的数字化管理设备结构示意图。
图中：710-获取模块；711-截取单元；712-第一处理单元；713-第二处理单元；714-第三处理单元；720-提取模块；721-判断单元；7211-选取单元；7212-采集单元；7213-第四处理单元；7214-补充单元；722-离散单元；723-构建单元；724-差异计算单元；725-筛选单元；730-计算模块；731-第五处理单元；732-第六处理单元；733-第七处理单元；740-管理模块；800-基于智能低压开关柜的数字化管理设备；801-处理器；802-存储器；803-多媒体组件；804-I/O接口；805-通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域图像普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1：
本实施例提供了一种基于智能低压开关柜的数字化管理方法，参见图1，图中示出了本方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取低压开关柜运行状态数据，所述低压开关柜运行状态数据为低压开关柜中每个组成隔间的传感器数据的集合，所述传感器数据至少包括温湿度数据、电流数据和电压数据。
可以理解的是，在本步骤中，在线监测系统通过信息传感器获得低压开关柜运行状态相关数据，通过数据传输网络将相关数据传输到数据库，实现数据分析和人机交互。其中，低压开关柜的结构一般由继电器仪表室、电缆室、断路器手车室和母线室四部分组成，并且开关柜不同的组成部分有着非常显著的差异，因此需要对低压开关柜采用不同的数据采集模块来采集多种数据，如利用电压互感器采集电压数据，利用电流互感器采集电流数据，利用温度、湿度传感器采集温湿度数据，利用相机采集相关视频数据，利用GIS获取杆塔坐标数据等。
上述获取低压开关柜运行状态数据的步骤包括步骤S11、步骤S12、步骤S13和步骤S14。
步骤S11、获取监测数据及其关切值，所述监测数据包括每个所述传感器数据采集的数据、数据入库时对应的温度参数和时间戳；所述关切值为所述传感器数据在不同故障问题中对应的相关度权重。
可以理解的是，在本步骤中，根据低压开关柜运行状态数据分别获取每种采集设备对应采集数据入库时的时间戳，并设置每种不同数据入库时的温度值。同时基于不同的故障问题分析主要原因，并根据该原因与故障的相关度对应设置不同采集数据的关切值，得到监测数据。基于不同的故障问题从监测数据中挑选主要数据进行分析，使得数据分析轻量化，减少计算机的运算。
步骤S12、基于牛顿冷却定律，根据所述监测数据计算所述传感器数据对应更新后的所述温度参数。
可以理解的是，在本步骤中，基于牛顿冷却定律计算出监测数据从入库后在不同时刻下对应的温度，可以在任意时刻根据监测数据对应温度值（即活跃程度）的大小进行热数据、温数据、冷数据的划分，有利于根据监测数据的冷热特性进行分层存储。根据公式（1）计算传感器数据对应更新后的温度参数：
（1）
其中，为传感器数据在tn时刻对应的温度参数；为传感器数据在tn-1时刻对应的温度参数，其中的初始值为传感器数据入库时设置的初始温度值；e为自然常数；c为牛顿衰减系数。
步骤S13、基于更新后的所述温度参数和所述关切值的乘积，得到数据价值参数。
可以理解的是，在本步骤中，根据传感器数据对不同故障问题本身所具有的价值大小（即关切值），同时基于步骤S12中监测数据的冷热特性，有助于将数据价值高的数据放在高速存储设备中，将数据价值低的数据放在低速存储设备中，通过这种方式能够有效降低数据管理终端中海量数据的存储成本。
步骤S14、基于所述数据价值参数的最大值构成低压开关柜运行状态数据。
可以理解的是，在本步骤中，根据数据价值参数筛选最大温度值对应的传感器数据，构成低压开关柜运行状态数据。
步骤S2、基于所述低压开关柜运行状态数据提取故障信息，得到故障特征参数。
可以理解的是，在本步骤中，根据低压开关柜运行状态数据进行量化处理，并对每个监测点数据在时间序列上的关联特征和每个监测点之间的关联特征进行分析、比较，针对低压开关柜中已知的异常曲线和各种异常状态提取故障信息，得到故障特征参数。
提取故障信息的方法包括步骤S21、步骤S22、步骤S23、步骤S24和步骤S25。
步骤S21、基于所述低压开关柜运行状态数据进行滤波和剔除奇异值的预处理后判断是否完整，若预处理后的所述低压开关柜运行状态数据不完整则进行数据补充，若预处理后的所述低压开关柜运行状态数据完整，则利用时间因子进行变换得到时间序列向量。
可以理解的是，在本步骤中，利用滤波器和标准方差统计法分别进行奇异值的剔除预处理，防止这些非正常低压开关柜运行状态数据对后续数据分析的干扰。然后判断预处理后的低压开关柜运行状态数据是否完整，若不完整则进行数据补充以提高数据的信噪比进而提升数据准确性。
上述对预处理后的低压开关柜运行状态数据进行数据补充方法的步骤包括步骤S211、步骤S212、步骤S213和步骤S214。
步骤S211、基于低压开关柜运行状态数据对应的所述时间戳，获取所述低压开关柜运行状态数据中的残缺段信息。
可以理解的是，在本步骤中，根据时间戳对应判断是否存在数据缺失，并获取所有的残缺段信息。
步骤S212、基于所述残缺段信息，获取所述残缺段信息首尾两端的所述监测数据。
可以理解的是，在本步骤中，根据残缺段信息分别获取首、尾段对应的时间戳、采集的低压开关柜运行状态数据及其对应的入库温度参数。
步骤S213、根据所述残缺段信息首尾两端的所述监测数据计算，得到插值系数。
可以理解的是，在本步骤中，设残缺段信息首尾两端的监测数据中有数据为（a1、b1）和（a2、b2），根据上述两个数据参数按照公式（2）计算插值系数，公式（2）如下：
（2）
其中：为插值系数；a为残缺段信息中间任意一点采集的低压开关柜运行状态数据，a1为残缺段信息首端对应采集的低压开关柜运行状态数据，a2为残缺段信息尾端对应采集的低压开关柜运行状态数据。
步骤S214、根据所述监测数据和所述插值系数，对所述残缺段信息进行补充。
可以理解的是，在本步骤中，所述监测数据和插值系数按照公式（3）对残缺段信息进行填充，公式（3）如下：
（3）
其中：y为残缺段信息中间任意时刻对应采集的低压开关柜运行状态数据，为插值系数，y0为残缺段信息首端对应采集的低压开关柜运行状态数据，y1为残缺段信息尾端对应采集的低压开关柜运行状态数据。
若预处理后的低压开关柜运行状态数据完整，则利用时间因子根据公式（4）进行变换得到时间序列向量，便于后期的离散处理：
（4）
其中：为时间序列向量；为时间因子；m为需要监测的低压开关柜运行状态数据总个数；n为时间序列中的时间分隔点数；k为不同的低压开关柜运行状态数据的总维度；为第k种低压开关柜运行状态数据对应的m个监测数据的时间序列。
步骤S22、基于所述时间序列向量进行离散化处理，得到离散型信息。
可以理解的是，在本步骤中，经过时间尺度因子进行离散化处理形成一个个的离散型故障信号，并通过时间序列化获得不同时间长度下的时间序列向量。用时间序列向量替代原始的检测数据，表征各个系统的运行故障特征，并在此基础上根据公式（5）进行故障特征的有效提取：
（5）
其中：p为离散信号；xi为低压开关柜运行状态数据对应的时间序列向量；i为时间序列的总时间段；N为的离散点个数。
步骤S23、基于不同类型的所述传感器数据对应的所述离散型信息，构建多维度复合向量。
可以理解的是，在本步骤中，根据公式（5）对多个不同维度的时间序列向量进行求解多变量样本熵，构建多维度复合向量。
步骤S24、基于所述多维度复合向量和对应的预设样本故障向量计算样本偏差；所述预设样本故障向量是已知的每种不同类型故障对应的向量值。
步骤S25、基于所述样本偏差和预设阈值，得到故障特征参数；所述预设阈值是每种不同类型所述传感器数据对应的故障设定数值。
可以理解的是，在本步骤中，根据样本偏差将超过预设阈值对应的传感器数据标记为故障值，对数据进行粗选取便于后期快速对故障类型进行定位，以便及时采取相应的拯救措施，减少人力的投入，提高故障处理效率。
步骤S3、基于马氏距离计算法，根据故障特征参数与预设故障参数计算相似度，所述预设故障参数是低压开关柜已知各种故障问题对应的标准化特征值。
可以理解的是，在本步骤中，引入低压开关柜已知故障样本对应的标准化特征值，构成预设故障参数集合，并将其与各监测设备现场采集的故障特征参数通过马氏距离算法进行比较，观察其相似度，通过相似度来判断低压开关柜的运行状态和可能的故障种类，对低压开关柜常见故障进行诊断，提高故障判断效率和准确度。
上述相似度的计算方法包括步骤S31、步骤S32和步骤S33。
步骤S31、基于所述故障特征参数进行标准化处理，得到标准化后的特征值。
可以理解的是，在本步骤中，根据公式（6）进行标准化处理：
（6）
其中：为第i组故障特征参数中第j个标准化后的特征值；为第i组故障特征参数中第j个特征值；n为不同种类（维度）的故障特征参数的总数。
步骤S32、基于所述预设故障参数构建协方差矩阵。
可以理解的是，在本步骤中，根据公式（7）构建协方差矩阵：
（7）
其中：E为协方差矩阵；N为不同种类（维度）的预设故障特征参数的总数；为预设故障参数特征矩阵的转置；为预设故障矩阵。
步骤S33、基于所述标准化后的特征值、所述协方差矩阵和所述预设故障参数计算马氏距离，得到相似度。
可以理解的是，在本步骤中，采用了马氏距离的计算方法计算采集故障样本值与预设故障样本值之间的相似度，在马氏距离中使用协方差矩阵来协助进行数据处理，能够减小冗余数据对于数据分析的影响，同时考虑到数据之间的关联性，因此通过马氏距离算法能够较好地处理低压开关柜的检测和故障诊断问题。其中根据公式（8）计算马氏距离：
（8）
其中：为马氏距离；g为传感器数据对应的标准化后的特征值；为预设故障特征参数；C为协方差矩阵；N为不同种类（维度）的预设故障特征参数的总数；为预设故障参数特征矩阵的转置。
步骤S4、基于所述相似度进行智能低压开关柜的数字化管理。
可以理解的是，在本步骤中，基于已知故障与采集故障样本值之间的相似度，并根据马氏距离阈值通过计算马氏距离的方法分析其是否处于故障阶段，若处理故障阶段则根据相似度的最大值对应的低压开关柜故障原因进行定位，可以很明显判定当前发生故障为拒动、误动故障，开断与关合故障，绝缘故障，载流故障以及其他故障中的一种，并将该故障上报客户端，以便于客户端管理者采取相应的措施进行管理。该方法能够实时、在线监测低压开关柜运行状态的系统，该系统通过获取数据和来源推断出故障的具体原因，大大节省人力资源和提高电力故障处理的效率。
实施例2：
请参照图2，图2所示为本实施例的基于智能低压开关柜的数字化管理装置，基于智能低压开关柜的数字化管理装置包括获取模块710、提取模块720、计算模块730和管理模块740，其中：
获取模块710：用于获取低压开关柜运行状态数据，所述低压开关柜运行状态数据为低压开关柜中每个组成隔间的传感器数据的集合，所述传感器数据至少包括温湿度数据、电流数据和电压数据；
优选地，上述获取模块710包括截取单元711、第一处理单元712、第二处理单元713和第三处理单元714，其中：
截取单元711：用于获取监测数据及其关切值，所述监测数据包括每个所述传感器数据采集的数据、数据入库时对应的温度参数和时间戳；所述关切值为所述传感器数据在不同故障问题中对应的相关度权重；
第一处理单元712：用于基于牛顿冷却定律，根据所述监测数据计算所述传感器数据对应更新后的所述温度参数；
第二处理单元713：用于基于更新后的所述温度参数和所述关切值的乘积，得到数据价值参数；
第三处理单元714：用于基于所述数据价值参数的最大值构成低压开关柜运行状态数据。
提取模块720：用于基于所述低压开关柜运行状态数据提取故障信息，得到故障特征参数；
优选地，上述提取模块720包括判断单元721、离散单元722、构建单元723、差异计算单元724和筛选单元725，其中：
判断单元721：用于基于所述低压开关柜运行状态数据进行滤波和剔除奇异值的预处理后判断是否完整，若预处理后的所述低压开关柜运行状态数据不完整则进行数据补充，若预处理后的所述低压开关柜运行状态数据完整，则利用时间因子进行变换得到时间序列向量；
进一步地，上述判断单元721包括选取单元7211、采集单元7212、第四处理单元7213和补充单元7214，其中：
选取单元7211：用于基于低压开关柜运行状态数据对应的所述时间戳，获取所述低压开关柜运行状态数据中的残缺段信息；
采集单元7212：用于基于所述残缺段信息，获取所述残缺段信息首尾两端的所述监测数据；
第四处理单元7213：用于根据所述残缺段信息首尾两端的所述监测数据计算，得到插值系数；
补充单元7214：用于根据所述监测数据和所述插值系数，对所述残缺段信息进行补充。
离散单元722：用于基于所述时间序列向量进行离散化处理，得到离散型信息；
构建单元723：用于基于不同类型的所述传感器数据对应的所述离散型信息，构建多维度复合向量；
差异计算单元724：用于基于所述多维度复合向量和对应的预设样本故障向量计算样本偏差；所述预设样本故障向量是已知的每种不同类型故障对应的向量值；
筛选单元725：用于基于所述样本偏差和预设阈值，得到故障特征参数；所述预设阈值是每种不同类型所述传感器数据对应的故障设定数值。
计算模块730：用于基于马氏距离计算法，根据故障特征参数与预设故障参数计算相似度，所述预设故障参数是低压开关柜已知各种故障问题对应的标准化特征值；
优选地，上述计算模块730包括第五处理单元731、第六处理单元732和第七处理单元733，其中：
第五处理单元731：用于基于所述故障特征参数进行标准化处理，得到标准化后的特征值；
第六处理单元732：用于基于所述预设故障参数构建协方差矩阵；
第七处理单元733：用于基于所述标准化后的特征值、所述协方差矩阵和所述预设故障参数计算马氏距离，得到相似度。
管理模块740：用于基于所述相似度进行智能低压开关柜的数字化管理。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3：
相应于上面的方法实施例，本实施例中还提供了基于智能低压开关柜的数字化管理设备，下文描述的基于智能低压开关柜的数字化管理设备与上文描述的基于智能低压开关柜的数字化管理方法可相互对应参照。
图3是根据示例性实施例示出的基于智能低压开关柜的数字化管理设备800的框图。如图3所示，该基于智能低压开关柜的数字化管理设备800可以包括：处理器801，存储器802。该基于智能低压开关柜的数字化管理设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该基于智能低压开关柜的数字化管理设备800的整体操作，以完成上述的基于智能低压开关柜的数字化管理方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该基于智能低压开关柜的数字化管理设备800的操作，这些数据例如可以包括用于在该基于智能低压开关柜的数字化管理设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static RandomAccess Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-OnlyMemory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该基于智能低压开关柜的数字化管理设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，基于智能低压开关柜的数字化管理设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital SignalProcessing Device，简称DSPD)、可编程逻辑器件(ProgrammableLogic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的基于智能低压开关柜的数字化管理方法。
实施例4：
相应于上面的方法实施例，本实施例中还提供了一种存储介质，下文描述的一种存储介质与上文描述的基于智能低压开关柜的数字化管理方法可相互对应参照。
一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的基于智能低压开关柜的数字化管理方法的步骤。
该存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等各种可存储程序代码的存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于智能低压开关柜的数字化管理方法，其特征在于，包括：
获取低压开关柜运行状态数据，所述低压开关柜运行状态数据为低压开关柜中每个组成隔间的传感器数据的集合，所述传感器数据至少包括温湿度数据、电流数据和电压数据；
基于所述低压开关柜运行状态数据提取故障信息，得到故障特征参数；
基于马氏距离计算法，根据故障特征参数与预设故障参数计算相似度，所述预设故障参数是低压开关柜已知各种故障问题对应的标准化特征值；
基于所述相似度进行智能低压开关柜的数字化管理；
其中，所述获取低压开关柜运行状态数据包括：
获取监测数据及其关切值，所述监测数据包括每个所述传感器数据采集的数据、数据入库时对应的温度参数和时间戳；所述关切值为所述传感器数据在不同故障问题中对应的相关度权重；
基于牛顿冷却定律，根据所述监测数据计算所述传感器数据对应更新后的所述温度参数；更新后的所述温度参数是基于牛顿冷却定律计算出监测数据从入库后在不同时刻下对应的温度，更新后的所述温度参数的计算公式如下：
；
其中，为传感器数据在tn时刻对应的温度参数；为传感器数据在tn-1时刻对应的温度参数，且的初始值为传感器数据入库时设置的初始温度值；e为自然常数；c为牛顿衰减系数；
基于更新后的所述温度参数和所述关切值的乘积，得到数据价值参数；
基于所述数据价值参数最大值对应的所述监测数据，筛选每个所述传感器数据构成低压开关柜运行状态数据。
2.根据权利要求1所述的方法，其特征在于，基于所述低压开关柜运行状态数据提取故障信息，得到故障特征参数包括：
基于所述低压开关柜运行状态数据进行滤波和剔除奇异值的预处理后判断是否完整，若预处理后的所述低压开关柜运行状态数据不完整则进行数据补充，若预处理后的所述低压开关柜运行状态数据完整，则利用时间因子进行变换得到时间序列向量；
基于所述时间序列向量进行离散化处理，得到离散型信息；
基于不同类型的所述传感器数据对应的所述离散型信息，构建多维度复合向量；
基于所述多维度复合向量和对应的预设样本故障向量计算样本偏差；所述预设样本故障向量是已知的每种不同类型故障对应的向量值；
基于所述样本偏差和预设阈值，得到故障特征参数；所述预设阈值是每种不同类型所述传感器数据对应的故障设定数值。
3.根据权利要求2所述的方法，其特征在于，若预处理后的所述低压开关柜运行状态数据不完整则进行数据补充包括：
基于低压开关柜运行状态数据对应的所述时间戳，获取所述低压开关柜运行状态数据中的残缺段信息；
基于所述残缺段信息，获取所述残缺段信息首尾两端的所述监测数据；
根据所述残缺段信息首尾两端的所述监测数据计算，得到插值系数；
根据所述监测数据和所述插值系数，对所述残缺段信息进行补充。
4.根据权利要求1所述的方法，其特征在于，所述基于马氏距离计算法，根据故障特征参数与预设故障参数计算相似度包括：
基于所述故障特征参数进行标准化处理，得到标准化后的特征值；
基于所述预设故障参数构建协方差矩阵；
基于所述标准化后的特征值、所述协方差矩阵和所述预设故障参数计算马氏距离，得到相似度。
5.一种基于智能低压开关柜的数字化管理装置，其特征在于，包括：
获取模块：用于获取低压开关柜运行状态数据，所述低压开关柜运行状态数据为低压开关柜中每个组成隔间的传感器数据的集合，所述传感器数据至少包括温湿度数据、电流数据和电压数据；
提取模块：用于基于所述低压开关柜运行状态数据提取故障信息，得到故障特征参数；
计算模块：用于基于马氏距离计算法，根据故障特征参数与预设故障参数计算相似度，所述预设故障参数是低压开关柜已知各种故障问题对应的标准化特征值；
管理模块：用于基于所述相似度进行智能低压开关柜的数字化管理；
其中，所述获取模块包括：
截取单元：用于获取监测数据及其关切值，所述监测数据包括每个所述传感器数据采集的数据、数据入库时对应的温度参数和时间戳；所述关切值为所述传感器数据在不同故障问题中对应的相关度权重；
第一处理单元：用于基于牛顿冷却定律，根据所述监测数据计算所述传感器数据对应更新后的所述温度参数；更新后的所述温度参数是基于牛顿冷却定律计算出监测数据从入库后在不同时刻下对应的温度，更新后的所述温度参数的计算公式如下：
；
其中，为传感器数据在tn时刻对应的温度参数；为传感器数据在tn-1时刻对应的温度参数，且的初始值为传感器数据入库时设置的初始温度值；e为自然常数；c为牛顿衰减系数；
第二处理单元：用于基于更新后的所述温度参数和所述关切值的乘积，得到数据价值参数；
第三处理单元：用于基于所述数据价值参数最大值对应的所述监测数据，筛选每个所述传感器数据构成低压开关柜运行状态数据。
6.根据权利要求5所述的基于智能低压开关柜的数字化管理装置，其特征在于，所述提取模块包括：
判断单元：用于基于所述低压开关柜运行状态数据进行滤波和剔除奇异值的预处理后判断是否完整，若预处理后的所述低压开关柜运行状态数据不完整则进行数据补充，若预处理后的所述低压开关柜运行状态数据完整，则利用时间因子进行变换得到时间序列向量；
离散单元：用于基于所述时间序列向量进行离散化处理，得到离散型信息；
构建单元：用于基于不同类型的所述传感器数据对应的所述离散型信息，构建多维度复合向量；
差异计算单元：用于基于所述多维度复合向量和对应的预设样本故障向量计算样本偏差；所述预设样本故障向量是已知的每种不同类型故障对应的向量值；
筛选单元：用于基于所述样本偏差和预设阈值，得到故障特征参数；所述预设阈值是每种不同类型所述传感器数据对应的故障设定数值。
7.根据权利要求6所述的基于智能低压开关柜的数字化管理装置，其特征在于，所述判断单元包括：
选取单元：用于基于低压开关柜运行状态数据对应的所述时间戳，获取所述低压开关柜运行状态数据中的残缺段信息；
采集单元：用于基于所述残缺段信息，获取所述残缺段信息首尾两端的所述监测数据；
第四处理单元：用于根据所述残缺段信息首尾两端的所述监测数据计算，得到插值系数；
补充单元：用于根据所述监测数据和所述插值系数，对所述残缺段信息进行补充。
8.根据权利要求5所述的基于智能低压开关柜的数字化管理装置，其特征在于，所述计算模块包括：
第五处理单元：用于基于所述故障特征参数进行标准化处理，得到标准化后的特征值；
第六处理单元：用于基于所述预设故障参数构建协方差矩阵；
第七处理单元：用于基于所述标准化后的特征值、所述协方差矩阵和所述预设故障参数计算马氏距离，得到相似度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311389969.8A CN117200458B (zh) | 2023-10-25 | 一种基于智能低压开关柜的数字化管理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311389969.8A CN117200458B (zh) | 2023-10-25 | 一种基于智能低压开关柜的数字化管理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117200458A CN117200458A (zh) | 2023-12-08 |
| CN117200458B true CN117200458B (zh) | 2024-07-05 |
Family
ID=
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102788812A (zh) * | 2012-08-07 | 2012-11-21 | 深圳供电局有限公司 | 一种高压开关柜内母排复合换热表面传热系数的测量系统 |
| CN109724646A (zh) * | 2019-01-11 | 2019-05-07 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网开关柜电缆接头监控方法、服务器及系统 |
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102788812A (zh) * | 2012-08-07 | 2012-11-21 | 深圳供电局有限公司 | 一种高压开关柜内母排复合换热表面传热系数的测量系统 |
| CN109724646A (zh) * | 2019-01-11 | 2019-05-07 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网开关柜电缆接头监控方法、服务器及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111368890A (zh) | 故障检测方法及装置、信息物理融合系统 | |
| CN111898669B (zh) | 一种基于机器学习的直流矿热炉异常事件预警系统 | |
| CN115048591B (zh) | 一种基于人工智能的配电网全息数据可视化智能展示分析系统 | |
| CN111209934B (zh) | 风机故障预报警方法及系统 | |
| CN102063651A (zh) | 一种基于在线采集数据的城市电网风险评估系统 | |
| CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
| CN114723285A (zh) | 一种电网设备安全性评估预测方法 | |
| CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
| CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析系统 | |
| CN114254818A (zh) | 一种基于风险评估模型的低压配电网连锁故障预警方法 | |
| CN113379252A (zh) | 基于多尺度排列熵值的贝叶斯网络高压开关柜健康系统评估方法 | |
| CN116029699A (zh) | 一种基于数据孪生的电力信息系统及运维方法 | |
| CN111999591B (zh) | 一种配电网一次设备异常状态的识别方法 | |
| CN105634781B (zh) | 一种多故障数据解耦方法和装置 | |
| CN117200458B (zh) | 一种基于智能低压开关柜的数字化管理方法及装置 | |
| CN117612345A (zh) | 一种电力设备状态监测报警系统及方法 | |
| CN117200458A (zh) | 一种基于智能低压开关柜的数字化管理方法及装置 | |
| CN116467592A (zh) | 一种基于深度学习的生产设备故障智能监测方法及系统 | |
| CN116170200A (zh) | 电力监控系统时间序列异常检测方法、系统、设备及存储介质 | |
| CN113971777A (zh) | 一种设备故障预测方法、装置及服务器 | |
| Iqbal et al. | Intelligent analysis of digital evidences in large-scale logs in power systems attributed to the attacks | |
| CN111814325A (zh) | 燃煤发电装备非平稳运行的单变量报警阈值优化方法 | |
| CN117893955B (zh) | 一种环网柜故障检测系统 | |
| CN117978837B (zh) | 一种电力数据采集传输方法及其系统 | |
| Amoateng et al. | An Intelligent Event Detection Framework To Improve Situational Awareness In PMU Power Distribution Networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |