CN117215356B - 一种配电柜的智能控制方法及系统 - Google Patents
一种配电柜的智能控制方法及系统 Download PDFInfo
- Publication number
- CN117215356B CN117215356B CN202311439574.4A CN202311439574A CN117215356B CN 117215356 B CN117215356 B CN 117215356B CN 202311439574 A CN202311439574 A CN 202311439574A CN 117215356 B CN117215356 B CN 117215356B
- Authority
- CN
- China
- Prior art keywords
- power distribution
- temperature
- distribution cabinet
- data
- temperature point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003062 neural network model Methods 0.000 claims abstract description 50
- 238000012546 transfer Methods 0.000 claims abstract description 35
- 230000007613 environmental effect Effects 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000001816 cooling Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 9
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000009529 body temperature measurement Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明涉及配电柜维护技术领域,提供一种配电柜的智能控制方法及系统,方法包括:获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于各配电情况下对应的温度点数据训练预设的神经网络模型,以温度点之间的传热影响关系模型进行修正,得到第二神经网络模型;将当前配电情况和温湿度数据代入第二神经网络模型,得到温度预测曲线,若温度预测曲线大于预设温度阈值,则发出警报,并进行降温控制;通过历史数据来获取配电柜不同配电情况下的温度变化规律,结合环境温湿度进行分析,对配电柜的温度进行预测,提前判断可能出现的过热情况,发出预警,提前进行配电柜的控制,保障配电柜的运行安全。
Description
技术领域
本发明涉及配电柜维护技术领域,尤其涉及一种配电柜的智能控制方法及系统。
背景技术
配电柜是电动机控制中心的统称,配电柜使用在负荷比较分散、回路较少的场合,用于将电能分配给就近的负荷。
目前配电柜的运行状态通过定点测温进行监控,但温度监控仅能对已出现的温度情况进行识别,且随着工程项目对现场用电要求越来越高,以及配电房内温度受自身发热和环境变化影响,配电柜内的温度情况越来越复杂,配电柜中温度的迅速上升使得工作人员难以反应,仅监控实时温度难以保障配电柜的使用安全。
发明内容
本发明提供了一种配电柜的智能控制方法,用于解决现有技术中配电柜的温度情况复杂仅监控温度难以保障配电柜安全的问题。
本发明第一方面提供了一种配电柜的智能控制方法,包括:
获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于数据时间,将历史环境温湿度数据与各配电情况下对应的温度点数据进行匹配;
基于各配电情况下对应的温度点数据训练预设的神经网络模型,得到第一神经网络模型;获取各温度点之间的距离,建立温度点之间的传热影响关系模型,将历史环境温湿度数据代入传热影响关系模型后,对第一神经网络模型进行修正,得到第二神经网络模型;
获取当前配电柜配电情况和当前环境温湿度数据,并代入第二神经网络模型,得到各温度点在当前配电柜配电情况下的温度预测曲线,若温度预测曲线的中存在温度点大于预设温度阈值,则发出警报,并对温度预测曲线对应的温度点所在元器件进行降温控制。
可选的,所述获取各温度点之间的距离之前,还包括:
获取配电柜的元器件数据,并基于元器件数据建立配电柜的数字孪生体;
确定各温度点在数字孪生体上的对应位置,计算各温度点的坐标。
可选的,所述得到各温度点在当前配电柜配电情况下的温度预测曲线之后,还包括:
获取当前各温度点温度,遍历大于预设温度阈值的第一温度点;基于传热影响关系模型以第一温度点对温度预测曲线进行修正。
可选的,还包括:
识别存在异常的温度预测曲线对应的配电柜异常元器件,根据配电柜数字孪生体获取异常元器件所在位置,将对应坐标和异常元器件参数发送至控制终端。
本申请第二方面提供了一种配电柜的智能控制系统,包括:
数据处理模块,用于获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于数据时间,将历史环境温湿度数据与各配电情况下对应的温度点数据进行匹配;
模型训练模块,用于基于各配电情况下对应的温度点数据训练预设的神经网络模型,得到第一神经网络模型;获取各温度点之间的距离,建立温度点之间的传热影响关系模型,将历史环境温湿度数据代入传热影响关系模型后,对第一神经网络模型进行修正,得到第二神经网络模型;
配电柜控制模块,用于获取当前配电柜配电情况和当前环境温湿度数据,并代入第二神经网络模型,得到各温度点在当前配电柜配电情况下的温度预测曲线,若温度预测曲线的中存在温度点大于预设温度阈值,则发出警报,并对温度预测曲线对应的温度点所在元器件进行降温控制。
可选的,所述模型训练模块中,获取各温度点之间的距离之前,还包括:
获取配电柜的元器件数据,并基于元器件数据建立配电柜的数字孪生体;
确定各温度点在数字孪生体上的对应位置,计算各温度点的坐标。
可选的,所述配电柜控制模块中,得到各温度点在当前配电柜配电情况下的温度预测曲线之后,还包括:
获取当前各温度点温度,遍历大于预设温度阈值的第一温度点;基于传热影响关系模型以第一温度点对温度预测曲线进行修正。
可选的,还包括:
异常定位模块,用于识别存在异常的温度预测曲线对应的配电柜异常元器件,根据配电柜数字孪生体获取异常元器件所在位置,将对应坐标和异常元器件参数发送至控制终端。
本申请第三方面提供了一种配电柜的智能控制方法设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行本发明第一方面任一项所述的一种配电柜的智能控制方法。
本申请第四方面提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行本发明第一方面任一项所述的一种配电柜的智能控制方法。
从以上技术方案可以看出,本发明具有以下优点:获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于数据时间,将历史环境温湿度数据与各配电情况下对应的温度点数据进行匹配;基于各配电情况下对应的温度点数据训练预设的神经网络模型,得到第一神经网络模型;获取各温度点之间的距离,建立温度点之间的传热影响关系模型,将历史环境温湿度数据代入传热影响关系模型后,对第一神经网络模型进行修正,得到第二神经网络模型;获取当前配电柜配电情况和当前环境温湿度数据,并代入第二神经网络模型,得到各温度点在当前配电柜配电情况下的温度预测曲线,若温度预测曲线的中存在温度点大于预设温度阈值,则发出警报,并对温度预测曲线对应的温度点所在元器件进行降温控制;通过历史数据来获取配电柜不同配电情况下的温度变化规律,结合环境温湿度进行分析,对配电柜的温度进行预测,提前判断可能出现的过热情况,发出预警,提前进行配电柜的控制,保障配电柜的运行安全。
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,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。
图1为一种配电柜的智能控制方法的第一个流程图;
图2为一种配电柜的智能控制方法的第二个流程图;
图3为一种配电柜的智能控制系统结构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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、完整的描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明提供了一种配电柜的智能控制方法,用于解决现有技术中配电柜的温度情况复杂仅监控温度难以保障配电柜安全的问题。
实施例一
请参阅图1,图1为本发明实施例提供的一种配电柜的智能控制方法的第一个流程图。
S100,获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于数据时间,将历史环境温湿度数据与各配电情况下对应的温度点数据进行匹配;
需要说明的是,配电柜内集成有多种类和多数量的配电元器件,因不同的用电设备需求和配电需求,会导致配电柜内处于不同的配电情况,或根据实时监测的电量数据来区分不同配电情况,如在三相交流50Hz配电系统中实现动力,照明配电设备的电能转换分配及控制的多路动力(照明)配电情况;配电柜内需要对多个关键点进行温度监控,保障配电功能,例如在各触头和线接点处,在不同的配电情况下配电柜内的各温度点的温度不同,根据电能的分配情况,同一元器件处的发热会随电能分配的多少而改变,在历史配电数据中,会记录各温度点的数据,该数据会根据配电情况的不同而呈现阶段性的变化;
配电柜内各元器件密集分布,且配电柜内部空间封闭,在多个元器件发热时候,会存在各元器件互相传热影响温度的情况,而元器件之间一般不会之间接触,而是以空气作为传热介质,因此环境中空气自身的温度和湿度会给元器件之间的传热效果带来影响,本实施例可以根据当地气象台的天气数据或厂房变电站内的湿度温度传感器获取环境温湿度数据;
配电情况下的温度点数据是时间与温度的关系曲线,配电数据中会根据控制中心或工作人员的配电控制指令发出时间,来确定不同配电情况的时间段,根据不同的配电情况对应的时间段建立配电情况与温度点数据的对应关系曲线,在得到历史环境温湿度数据后,将环境温湿度根据时间的变化曲线与配电情况与温度点数据的对应关系曲线结合,即可实现时间上的匹配。
S200,基于各配电情况下对应的温度点数据训练预设的神经网络模型,得到第一神经网络模型;获取各温度点之间的距离,建立温度点之间的传热影响关系模型,将历史环境温湿度数据代入传热影响关系模型后,对第一神经网络模型进行修正,得到第二神经网络模型;
需要说明的是,不同的配电情况下对应各元器件的电能分配情况不同,则各温度点处保持的温度范围也不同,基于各配电情况下对应的温度点数据可以训练得到第一神经网络模型,通过向第一神经网络模型输入配电情况,可得到各温度点处的温度范围,该温度范围可以由时间和温度变化关系曲线中的温度最高值和最低值得到;本实施例中优选BP神经网络模型进行训练,适用于研究配电数据之间的映射关系;
配电柜内部的封闭空间中充斥空气,但即使是静止的空气流体,也会因温度梯度所造成的密度差而产生自然对流,因此,配电柜内各元器件和设备间的热对流与热传导同时发生;空气的温度和湿度会影响传热系数,导致相同的配电情况下空气湿度越大,空气的导热效果越好,高温的温度点处的热量会更容易的影响低温处的温度点,导致原低温的温度点处温度升高;各温度点之间的传热效果与距离成反比,传热影响关系模型即为各温度点之间和空气构成的系统的整体导热系数计算公式,在各元器件的温度差较小时,可以忽略配电柜内部的自然对流,将空气视为完全静止,即传热影响关系模型基于热传导公式计算即可;而在各元器件温度差较大时温度梯度引起的对流情况较明细,需在热传导公式上进一步结合热对流公式,采用传热影响关系模型对第一神经网络模型进行修正,使其进一步考虑到各时间的环境温湿度的影响,精确温度点的温度曲线,得到第二神经网络模型;此时第二神经网络模型在输入环境温湿度以及配电情况后,能得到精准的各温度点温度变化曲线。
S300,获取当前配电柜配电情况和当前环境温湿度数据,并代入第二神经网络模型,得到各温度点在当前配电柜配电情况下的温度预测曲线,若温度预测曲线的中存在温度点大于预设温度阈值,则发出警报,并对温度预测曲线对应的温度点所在元器件进行降温控制。
需要说明的是,实时获取配电柜接收到的配电指令或根据实时监测的电量数据来判断当前的配电情况,通过配电柜所在厂房的检测传感器获取当前环境温湿度数据,或根据当地气象局的通告获取温湿度数据;将配电情况和温湿度数据代入第二神经网络模型后,即可得到温度预测曲线,即配电柜在改变配电情况后,处于当前的温湿度情况下各测温点处的温度预测变化情况,如果该预测曲线内有大于预设温度阈值的情况,则存在高温影响正常工作甚至存在损毁和失火的风险,例如同样的配电情况,在冬天干冷的温湿度情况下各测温点处的温度较低,而在夏天雨季湿热情况,空气比热容高传热效果好,各测温点处温度较高,且高温测温点对低温测温点影响较大,例如高发热量的设备传热至低发热量的导线,影响导线寿命和引起熔化;
曲线上存在某点温度大于预设温度阈值,则需要发出警报,通知配电柜工作人员,执行降温控制可以为风扇降温或空调降温,对异常预测曲线对应的温度预测点所在元器件进行针对性降温控制;曲线中的预设温度阈值可以根据不同的元器件安全温度进行设置。
本实施例中,通过获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于数据时间,将历史环境温湿度数据与各配电情况下对应的温度点数据进行匹配;基于各配电情况下对应的温度点数据训练预设的神经网络模型,得到第一神经网络模型;获取各温度点之间的距离,建立温度点之间的传热影响关系模型,将历史环境温湿度数据代入传热影响关系模型后,对第一神经网络模型进行修正,得到第二神经网络模型;获取当前配电柜配电情况和当前环境温湿度数据,并代入第二神经网络模型,得到各温度点在当前配电柜配电情况下的温度预测曲线,若温度预测曲线的中存在温度点大于预设温度阈值,则发出警报,并对温度预测曲线对应的温度点所在元器件进行降温控制;通过历史数据来获取配电柜不同配电情况下的温度变化规律,结合环境温湿度进行分析,对配电柜的温度进行预测,提前判断可能出现的过热情况,发出预警,提前进行配电柜的控制,保障配电柜的运行安全。
以上为本申请提供的一种配电柜的智能控制方法的第一个实施例的详细说明,下面为本申请提供的一种配电柜的智能控制方法的第二个实施例的详细说明。
实施例二
本实施例中,进一步的提供了一种配电柜的智能控制方法,请参见图2,前述步骤S200中,获取各温度点之间的距离之前,还包括:
S201,获取配电柜的元器件数据,并基于元器件数据建立配电柜的数字孪生体;
需要说明的是,配电柜的元器件数据通过数据库预置信息中获取,或在配电柜装配时记载数据,元器件数据包括各元器件的参数型号数据、元器件尺寸数据、元器件在配电柜内位置等数据,数据解析后,从中提取构建数字孪生体所需的信息;参数数据对应各元器件的名称型号以及安全温度等信息,尺寸数据对应各元器件的长宽高度形状等信息,配电柜内位置为各元器件之间的相对位置,可采用经纬度或北斗网格码进行标注,能够准确的对元器件进行可视化定位;基于元器件数据可映射得到配电柜物理实体的组成、特征、功能和性能的数字化定义,构建得到配电柜的数字孪生体。
S202,确定各温度点在数字孪生体上的对应位置,计算各温度点的坐标;
需要说明的是,预设需要监测温度的各测温点,测温点可以为某些元器件的关键位置,或接线点处,在数字孪生体上识别对应的关键位置后确定温度点的坐标,在数字孪生体中映射元器件的物理实体,能从中获取和计算各温度点的坐标,该坐标是以三维坐标呈现,能计算空间中温度点之间的距离,用于后续获取各温度点之间的距离。
进一步的,步骤S300中,得到各温度点在当前配电柜配电情况下的温度预测曲线之后,还包括,获取当前各温度点温度,遍历大于预设温度阈值的第一温度点;基于传热影响关系模型以第一温度点对温度预测曲线进行修正;
需要说明的是,若在配电柜刚开机或已完成短暂降温措施后,可以仅考虑当前配电情况和当前环境温湿度数据来预测温度变化,配电箱自身元器件可视为温度为室温;但若在配电柜连续工作时切换配电情况,此时各元器件中还留有余热,需考虑余热影响,在前述步骤获取初步的温度预测曲线后,通过配电柜内的检测传感器检测配电柜的当前温度点温度,仅考虑余热温度大于温度点所在元器件预设温度阈值的温度点,然后以传热影响关系模型判断余热对温度点的传热影响;例如切换配电情况后A温度点处监测到的余热温度高于B温度点处的预设温度阈值,则根据AB点之间的距离基于传热影响关系模型判断A给B传导的热量影响,因后续A点处的余热无热源支撑,仅需在温度预测曲线中对短时间的数据进行修正即可,例如温度预测曲线的前2s温度数据修正上升1℃,具体的修正的时间区间根据配电柜的实时环境情况确定。
进一步的,步骤S300之后,还包括,识别存在异常的温度预测曲线对应的配电柜异常元器件,根据配电柜数字孪生体获取异常元器件所在位置,将对应坐标和异常元器件参数发送至控制终端。
需要说明的是,不同温度点对应不同的温度预测曲线,且因不同的温度点所在元器件属性有不同的预设温度阈值,在识别到异常的温度预测曲线后,即需将对应的异常元器件识别出来,发送给控制终端,判断后续是否需要检修或停机,若不可停机则要紧急降温控制;而有的配电柜内部结构复杂,工作人员检修无法第一时间找到元器件位置,因此在数字孪生体中可以直接生成异常元器件的坐标位置,便于后续工作人员识别。
以上为本申请提供的第一方面的一种配电柜的智能控制方法的详细说明,下面为本申请第二方面提供的一种配电柜的智能控制系统的实施例的详细说明。
请参阅图3,图3为一种配电柜的智能控制系统结构图。本实施例提供了一种配电柜的智能控制系统,包括:
数据处理模块10,用于获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于数据时间,将历史环境温湿度数据与各配电情况下对应的温度点数据进行匹配;
模型训练模块20,用于基于各配电情况下对应的温度点数据训练预设的神经网络模型,得到第一神经网络模型;获取各温度点之间的距离,建立温度点之间的传热影响关系模型,将历史环境温湿度数据代入传热影响关系模型后,对第一神经网络模型进行修正,得到第二神经网络模型;
配电柜控制模块30,用于获取当前配电柜配电情况和当前环境温湿度数据,并代入第二神经网络模型,得到各温度点在当前配电柜配电情况下的温度预测曲线,若温度预测曲线的中存在温度点大于预设温度阈值,则发出警报,并对温度预测曲线对应的温度点所在元器件进行降温控制。
进一步的,所述模型训练模块20中,获取各温度点之间的距离之前,还包括:
获取配电柜的元器件数据,并基于元器件数据建立配电柜的数字孪生体;
确定各温度点在数字孪生体上的对应位置,计算各温度点的坐标。
进一步的,所述配电柜控制模块30中,得到各温度点在当前配电柜配电情况下的温度预测曲线之后,还包括:
获取当前各温度点温度,遍历大于预设温度阈值的第一温度点;基于传热影响关系模型以第一温度点对温度预测曲线进行修正。
进一步的,还包括:
异常定位模块40,用于识别存在异常的温度预测曲线对应的配电柜异常元器件,根据配电柜数字孪生体获取异常元器件所在位置,将对应坐标和异常元器件参数发送至控制终端。
本申请第三方面还提供了一种配电柜的智能控制方法设备,包括处理器以及存储器:其中存储器用于存储程序代码,并将程序代码传输给处理器;处理器用于根据程序代码中的指令执行上述一种配电柜的智能控制方法。
本申请第四方面提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述一种配电柜的智能控制方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种配电柜的智能控制方法,其特征在于包括:
获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于数据时间,将历史环境温湿度数据与各配电情况下对应的温度点数据进行匹配;
基于各配电情况下对应的温度点数据训练预设的神经网络模型,得到第一神经网络模型;获取各温度点之间的距离,建立温度点之间的传热影响关系模型,将历史环境温湿度数据代入传热影响关系模型后,对第一神经网络模型进行修正,得到第二神经网络模型;
获取当前配电柜配电情况和当前环境温湿度数据,并代入第二神经网络模型,得到各温度点在当前配电柜配电情况下的温度预测曲线,若温度预测曲线中存在温度点大于预设温度阈值,则发出警报,并对温度预测曲线对应的温度点所在元器件进行降温控制。
2.根据权利要求1所述的一种配电柜的智能控制方法,其特征在于,所述获取各温度点之间的距离之前,还包括:
获取配电柜的元器件数据,并基于元器件数据建立配电柜的数字孪生体;
确定各温度点在数字孪生体上的对应位置,计算各温度点的坐标。
3.根据权利要求1所述的一种配电柜的智能控制方法,其特征在于,所述得到各温度点在当前配电柜配电情况下的温度预测曲线之后,还包括:
获取当前各温度点温度,遍历大于预设温度阈值的第一温度点;基于传热影响关系模型以第一温度点对温度预测曲线进行修正。
4.根据权利要求2所述的一种配电柜的智能控制方法,其特征在于,还包括:
识别存在异常的温度预测曲线对应的配电柜异常元器件,根据配电柜数字孪生体获取异常元器件所在位置,将对应坐标和异常元器件参数发送至控制终端。
5.一种配电柜的智能控制系统,其特征在于,包括:
数据处理模块,用于获取历史配电数据,得到各配电情况下对应的温度点数据;获取历史环境温湿度数据,基于数据时间,将历史环境温湿度数据与各配电情况下对应的温度点数据进行匹配;
模型训练模块,用于基于各配电情况下对应的温度点数据训练预设的神经网络模型,得到第一神经网络模型;获取各温度点之间的距离,建立温度点之间的传热影响关系模型,将历史环境温湿度数据代入传热影响关系模型后,对第一神经网络模型进行修正,得到第二神经网络模型;
配电柜控制模块,用于获取当前配电柜配电情况和当前环境温湿度数据,并代入第二神经网络模型,得到各温度点在当前配电柜配电情况下的温度预测曲线,若温度预测曲线中存在温度点大于预设温度阈值,则发出警报,并对温度预测曲线对应的温度点所在元器件进行降温控制。
6.根据权利要求5所述的一种配电柜的智能控制系统,其特征在于,所述模型训练模块中,获取各温度点之间的距离之前,还包括:
获取配电柜的元器件数据,并基于元器件数据建立配电柜的数字孪生体;
确定各温度点在数字孪生体上的对应位置,计算各温度点的坐标。
7.根据权利要求5所述的一种配电柜的智能控制系统,其特征在于,所述配电柜控制模块中,得到各温度点在当前配电柜配电情况下的温度预测曲线之后,还包括:
获取当前各温度点温度,遍历大于预设温度阈值的第一温度点;基于传热影响关系模型以第一温度点对温度预测曲线进行修正。
8.根据权利要求6所述的一种配电柜的智能控制系统,其特征在于,还包括:
异常定位模块,用于识别存在异常的温度预测曲线对应的配电柜异常元器件,根据配电柜数字孪生体获取异常元器件所在位置,将对应坐标和异常元器件参数发送至控制终端。
9.一种配电柜的智能控制方法设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的一种配电柜的智能控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-4任一项所述的一种配电柜的智能控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311439574.4A CN117215356B (zh) | 2023-11-01 | 2023-11-01 | 一种配电柜的智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311439574.4A CN117215356B (zh) | 2023-11-01 | 2023-11-01 | 一种配电柜的智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117215356A CN117215356A (zh) | 2023-12-12 |
CN117215356B true CN117215356B (zh) | 2024-02-27 |
Family
ID=89039234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311439574.4A Active CN117215356B (zh) | 2023-11-01 | 2023-11-01 | 一种配电柜的智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117215356B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117691750B (zh) * | 2024-01-30 | 2024-04-09 | 深圳市森通电力科技有限公司 | 一种智能电力配电监控方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115201608A (zh) * | 2022-07-26 | 2022-10-18 | 广东粤电靖海发电有限公司 | 一种基于神经网络的电厂设备运行参数监测方法 |
CN115456112A (zh) * | 2022-10-14 | 2022-12-09 | 国网四川省电力公司泸州供电公司 | 一种电气接头热缺陷预测方法、系统、设备及存储介质 |
CN115879607A (zh) * | 2022-11-28 | 2023-03-31 | 国网福建省电力有限公司营销服务中心 | 一种电能表状态预测方法、系统、设备和存储介质 |
CN116169786A (zh) * | 2023-02-21 | 2023-05-26 | 镇江默勒电器有限公司 | 一种核电配电柜的安全智能监控方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11675322B2 (en) * | 2017-04-25 | 2023-06-13 | Johnson Controls Technology Company | Predictive building control system with discomfort threshold adjustment |
-
2023
- 2023-11-01 CN CN202311439574.4A patent/CN117215356B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115201608A (zh) * | 2022-07-26 | 2022-10-18 | 广东粤电靖海发电有限公司 | 一种基于神经网络的电厂设备运行参数监测方法 |
CN115456112A (zh) * | 2022-10-14 | 2022-12-09 | 国网四川省电力公司泸州供电公司 | 一种电气接头热缺陷预测方法、系统、设备及存储介质 |
CN115879607A (zh) * | 2022-11-28 | 2023-03-31 | 国网福建省电力有限公司营销服务中心 | 一种电能表状态预测方法、系统、设备和存储介质 |
CN116169786A (zh) * | 2023-02-21 | 2023-05-26 | 镇江默勒电器有限公司 | 一种核电配电柜的安全智能监控方法及系统 |
Non-Patent Citations (1)
Title |
---|
谢东日 ; 徐敏捷 ; 刘孙相与 ; 王艺钦 ; .高压开关柜改进型温湿度预警与在线监测系统.微型机与应用.2013,(第24期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117215356A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117215356B (zh) | 一种配电柜的智能控制方法及系统 | |
CN108592352B (zh) | 水冷空调系统运行状态健康度的预测方法、装置及系统 | |
CN102768321B (zh) | 一种电力电缆载流量监测方法 | |
CN108518804A (zh) | 一种机房温湿度环境预测方法及系统 | |
CN105182122B (zh) | 一种随机性电源接入设备的故障预警方法 | |
RU2008102140A (ru) | Система и способ централизованого мониторинга и управления режимом работы силовых трансформаторов, установленных на разных подстанциях и в центрах мониторинга | |
CN105956752A (zh) | 用于绿色公共建筑运营阶段的能效评估与诊断分析方法 | |
WO2021204970A1 (en) | Probabilistic determination of transformer end of life | |
WO2017116655A1 (en) | Prognostic and health monitoring systems for circuit breakers | |
CN115979349B (zh) | 一种电力站空间环境监测方法及系统 | |
CN105183616A (zh) | 一种处理器温度监控装置及方法 | |
CN111308251B (zh) | 基于大数据的家庭用电安全监控系统 | |
CN111678557A (zh) | 一种电气化铁道牵引变压器智能监测系统及方法 | |
CN110907064A (zh) | 一种gis隔离开关触头温度预测方法、装置及可读存储介质 | |
CN115327264A (zh) | 一种数据中心的异常检测方法、装置、电子设备和介质 | |
CN108957304A (zh) | 断路器载流故障预测方法 | |
CN110673561A (zh) | 热源系统服役质量管控系统 | |
CN109655678B (zh) | 一种用于用电器件的散热性能评估方法及系统 | |
KR20210045753A (ko) | 배전설비 관리 방법 | |
CN111948534B (zh) | 发电机状态预警方法及系统 | |
CN107461881B (zh) | 一种医院空调机房的制冷主机能效诊断方法及其系统 | |
CN111562450B (zh) | 一种用于监测电抗器寿命的系统及方法 | |
KR101692533B1 (ko) | 전력 사용량 예측 시스템 및 방법 | |
KR20160020657A (ko) | 전력용 변압기 수명 예측 시스템 및 방법 | |
Tippannavar et al. | Smart Transformer-An Analysis of Recent Technologies for Monitoring Transformer |
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 |