CN117761416A - 一种母线槽在线监测系统 - Google Patents
一种母线槽在线监测系统 Download PDFInfo
- Publication number
- CN117761416A CN117761416A CN202310932690.3A CN202310932690A CN117761416A CN 117761416 A CN117761416 A CN 117761416A CN 202310932690 A CN202310932690 A CN 202310932690A CN 117761416 A CN117761416 A CN 117761416A
- Authority
- CN
- China
- Prior art keywords
- data
- bus duct
- module
- early warning
- current
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000004140 cleaning Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000008186 active pharmaceutical agent Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种母线槽在线监测系统，母线槽数据采集模块，用于采集母线槽的当前数据，并发送当前数据至监测终端；监测终端，用于对当前数据进行数据清洗和编码，得到编码数据并发送编码数据至云平台；云平台，用于根据编码数据，基于预设的训练好的LSTM模型进行母线槽运行状态的实时监测，得到检测结果；发送检测结果至监测终端进行分析预警。通过母线槽数据采集模块、监测终端和云平台的配合，实现了母线槽数据的精准采集，基于LSTM模型进行母线槽运行状态的实时监测，整体预测精度高，稳定性高。
Description
技术领域
本发明涉及一种母线槽在线监测系统，属于母线槽监测技术领域。
背景技术
目前对母线槽进行监测通常采用人工测量和记录的方法，人工测量和记录的方法费时、费力且容易出现记录错漏。
其次，目前的母线槽监测只对温度进行监测，无法监测湿度、电压电流等数据，存在用电安全隐患。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种母线槽在线监测系统，通过母线槽数据采集模块、监测终端和云平台的配合，实现了母线槽数据的精准采集，基于LSTM模型进行母线槽运行状态的实时监测，整体预测精度高，稳定性高。
为达到上述目的，本发明是采用下述技术方案实现的：
本发明公开了一种母线槽在线监测系统，包括：
母线槽数据采集模块，用于采集母线槽的当前数据，并发送所述当前数据至监测终端；
监测终端，用于对所述当前数据进行数据清洗和编码，得到编码数据并发送所述编码数据至云平台；
云平台，用于根据所述编码数据，基于预设的训练好的LSTM模型进行母线槽运行状态的实时监测，得到检测结果；发送所述检测结果至监测终端进行分析预警。
进一步的，所述母线槽数据采集模块包括多个多传感器和与所述多传感器对应的信号采集器，其中，一个多传感器对应一个信号采集器。
进一步的，所述当前数据包括温度、湿度、电压、电流的当前数据。
进一步的，所述监测终端包括主控模块、ZigBee射频模块、网络传输模块、限流限电模块和声光预警模块，
所述主控模块通过ZigBee射频模块连接母线槽数据采集模块，用于接收母线槽数据采集模块发送的当前数据并进行数据清洗和编码，得到编码数据；
所述主控模块通过网络传输模块连接云平台，用于发送所述编码数据至云平台，以及接收云平台发送的检测结果；
所述主控模块分别连接限流限电模块和声光预警模块，用于根据所述检测结果，基于预设的预警策略发送预警控制信号至限流限电模块，和/或声光预警模块。
进一步的，所述数据清洗包括数据一致性、有无缺失值、无效值等清洗处理。
进一步的，所述编码数据包括序列号、时间、母线槽编号、温度值、湿度值、电压电流值等信息。
进一步的，所述预设的预警策略包括，
分析所述检测结果中的异常帧数据；
响应于异常帧数据超过预设的异常阈值，发送异常的预警控制信号至限流限电模块，和/或声光预警模块，以控制限流限电模块，和/或声光预警模块启动；
响应于异常帧数据不超过预设的异常阈值，且限流限电模块，和/或声光预警模块处于启动状态，发送正常的预警控制信号至限流限电模块，和/或声光预警模块，以控制限流限电模块，和/或声光预警模块关闭。
进一步的，所述预设的异常阈值包括：
在检测结果中的任一连续多帧数据中检测异常帧数据，异常帧数据占比超过70％，即认定为异常帧数据超过预设的异常阈值。
进一步的，所述LSTM模型的训练方法如下：
获取母线槽的历史数据；
根据所述历史数据，进行数据清洗和编码，得到训练集和测试集；
将所述训练集输入至预构建的LSTM模型中，进行迭代训练，直至满足预设的迭代条件，输出训练好的LSTM模型；
根据所述测试集，对所述训练好的LSTM模型进行测试。
与现有技术相比，本发明所达到的有益效果：
本发明的母线槽在线监测系统，通过母线槽数据采集模块、监测终端和云平台的配合，实现了母线槽数据的精准采集，基于LSTM模型进行母线槽运行状态的实时监测，整体预测精度高，稳定性高。
本发明还融合多传感器采集到的母线槽数据进行分析和预测，精度更高，且误报更少。
本发明的主控模块还分别连接限流限电模块和声光预警模块，在识别到存在用电安全风险可进行干预提醒，提高了系统的安全性。
附图说明
图1是本发明提供的母线槽在线监测系统的结构示意图；
图2是主控模块的原理图；
图3是LSTM模型的预测框架构建示意图；
图4是LSTM模型的训练及预测流程；
图5是母线槽在线监测系统的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本实施例公开了一种母线槽在线监测系统，包括：
母线槽数据采集模块，用于采集母线槽的当前数据，并发送当前数据至监测终端；
监测终端，用于对当前数据进行数据清洗和编码，得到编码数据并发送编码数据至云平台；
云平台，用于根据编码数据，基于预设的训练好的LSTM模型进行母线槽运行状态的实时监测，得到检测结果；发送检测结果至监测终端进行分析预警。
本发明的技术构思为：通过母线槽数据采集模块、监测终端和云平台的配合，实现了母线槽数据的精准采集，基于LSTM模型进行母线槽运行状态的实时监测，整体预测精度高，稳定性高。
如图1所示，本实施例中，针对多个母线槽的情况下，一个云平台对应多个监测终端，一个监测终端对应多个母线槽数据采集模块。
母线槽数据采集模块包括多个多传感器和与多传感器对应的信号采集器，其中，一个多传感器对应一个信号采集器，对应采集温度、湿度、电压、电流的当前数据以及历史数据。
如图2所示，本实施例中的监测终端包括主控模块、ZigBee射频模块、网络传输模块、限流限电模块和声光预警模块，
主控模块通过ZigBee射频模块连接母线槽数据采集模块，用于接收母线槽数据采集模块发送的当前数据并进行数据清洗和编码，得到编码数据；
主控模块通过网络传输模块连接云平台，用于发送编码数据至云平台，以及接收云平台发送的检测结果；
主控模块分别连接限流限电模块和声光预警模块，用于根据检测结果，基于预设的预警策略发送预警控制信号至限流限电模块，和/或声光预警模块。
其中，主控模块采用STM32微处理器。网络传输模块可以通过4G网络传输或5G网络传输实现。
如图5所示，本系统的工作原理如下：
S1：基于母线槽数据采集模块，采集母线槽的当前数据，并发送当前数据至监测终端。
采集的数据包括温度、湿度、电压、电流等多维度数据，并按时间序列初步编码完成后，经由ZigBee射频模块发送给监测终端以进行下一步的数据清洗和编码。
S2：基于监测终端，对当前数据进行数据清洗和编码，得到编码数据并发送编码数据至云平台。
首先，对当前数据进行数据一致性、有无缺失值、无效值等清洗处理。
其次，对清洗完成后的数据通过编码规则进行编码，一般编码包含的字段有：序列号、时间、母线槽编号、温度值、湿度值、电压电流值等信息，形成编码数据。
最后，经由4G网络传输或5G网络传输，定期发送编码数据和心跳信号数据至云平台。
S3：基于云平台，根据编码数据，基于预设的训练好的LSTM模型进行母线槽运行状态的实时监测，得到检测结果；发送检测结果至监测终端。
S31：LSTM模型的构建。
本文构建的LSTM预测模型的整体框架如图3所示，包括输入层、隐藏层、输出层以及网络预测等功能模块。其中，输入层输入温度、湿度、电流的时间序列数据，隐藏层对输入数据进行分析和预测，最终输出层经过迭代预测和反标准化，输出母线槽故障时间序列。
记母线槽的输入温度数据为Tm，湿度数据记为hm，电流数据记为Im，电压数据记为Um，通过提取一段时间内的数据，对经过预处理后的数据Tm，hm，Im，Um，按行编列为4维度向量作为输入向量记为：
Xm＝[TmhmImUm]
经过LSTM网络的预测，输出预测序列为：
Po＝{Pm+1,Pm+2,Pm+3,…,Pn}
S32：LSTM模型的训练。
如图4所示，LSTM模型的训练包括如下步骤：
获取母线槽的历史数据。
根据历史数据，进行数据清洗和编码，得到处理后的数据集，将处理后的数据集按照比例划分为训练集和测试集；其中，本实施例中训练集和测试集的划分比例为7：3，需要说明的是，训练集和测试集是不能有交叉重叠的。模型输入包括训练集和测试集，以及对应的安全事故预警标签集。
将训练集输入至预构建的LSTM模型中，进行迭代训练，直至满足预设的迭代条件，输出训练好的LSTM模型。
如公式model←R-LSTM(DST,DSV，YT，YV，ω)，其中，DST表示训练集；DSV表示测试集；YT表示训练集的状态标签；YV表示测试集的状态标签；ω表示的状态标签。经过LSTM训练后得到模型model，并保存在本地，以备后续验证集测试使用。
对于模型收敛的损失条件，设定了损失函数Loss：其中，N表示在评价模型损失时进行采样验证的样本总数；P表示输出的预测序列；Pi表示真实的序列。该损失函数用来衡量预测值与真实值之间的差距。在模型进行迭代训练时，可以设定迭代停止条件，一般将Loss设定在工业测量中可接受的条件中。例如在本模型中，则将终止训练的Loss阈值条件设为[0.05℃1％RH 0.1mA]。
根据测试集，对训练好的LSTM模型进行测试。
S33：最终，通过训练好的LSTM模型预测得到的序列Po，设计预警策略，在检测结果中的任一连续多帧数据中检测异常帧数据，异常帧数据占比超过70％，即认定为异常帧数据超过预设的异常阈值。
本实施例中，序列连续10帧数据，存在70％以上的数据为异常时，即发出预警信号。
S4：基于监测终端，对检测结果进行分析预警。
主控模块分别连接限流限电模块和声光预警模块，根据检测结果，基于预设的预警策略发送预警控制信号至限流限电模块，和/或声光预警模块。
其中，预设的预警策略包括，
分析检测结果中的异常帧数据；
响应于异常帧数据超过预设的异常阈值，发送异常的预警控制信号至限流限电模块，和/或声光预警模块，以控制限流限电模块，和/或声光预警模块启动。具体的，一方面启动限流限电模块以实现限流限电干预策略，对母线槽用电设备进行限时干预，另一方面启动声光预警模块进而启动本地的声光预警设备，提醒本地电工人员干预。
响应于异常帧数据不超过预设的异常阈值，且限流限电模块，和/或声光预警模块处于启动状态，发送正常的预警控制信号至限流限电模块，和/或声光预警模块，以控制限流限电模块，和/或声光预警模块关闭。具体的，一方面关闭限流限电模块以关闭限流限电干预策略，另一方面关闭声光预警模块进而关闭本地的声光预警设备，保持日常监听状态。
响应于异常帧数据不超过预设的异常阈值，且限流限电模块，和/或声光预警模块处于关闭状态，则保持状态继续监听信号。
本实施例中，序列连续10帧数据，存在70％以上的数据为异常时，即发出预警控制信号。
综上，本发明旨在基于多传感器融合技术的智能化在线监测管理系统，实时采集母线槽的温度、湿度、电压电流等数据，通过无线的方式传给数据采集器，数据采集器按照事先设定好的编码规则，上传至云平台和监测终端，保存在数据库中，当监测终端判定存在事故可能性时，通过下发控制信号到本地，进行及时干预，从而实现对母线槽智慧化管理。
本发明的母线槽在线监测系统，通过母线槽数据采集模块、监测终端和云平台的配合，实现了母线槽数据的精准采集，基于LSTM模型进行母线槽运行状态的实时监测，整体预测精度高，稳定性高。
本发明还融合多传感器采集到的母线槽数据进行分析和预测，精度更高，且误报更少。
本发明的主控模块还分别连接限流限电模块和声光预警模块，在识别到存在用电安全风险可进行干预提醒，提高了系统的安全性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种母线槽在线监测系统，其特征是，包括：
母线槽数据采集模块，用于采集母线槽的当前数据，并发送所述当前数据至监测终端；
监测终端，用于对所述当前数据进行数据清洗和编码，得到编码数据并发送所述编码数据至云平台；
云平台，用于根据所述编码数据，基于预设的训练好的LSTM模型进行母线槽运行状态的实时监测，得到检测结果；发送所述检测结果至监测终端进行分析预警。
2.根据权利要求1所述的母线槽在线监测系统，其特征是，所述母线槽数据采集模块包括多个多传感器和与所述多传感器对应的信号采集器，其中，一个多传感器对应一个信号采集器。
3.根据权利要求1所述的母线槽在线监测系统，其特征是，所述当前数据包括温度、湿度、电压、电流的当前数据。
4.根据权利要求1所述的母线槽在线监测系统，其特征是，所述监测终端包括主控模块、ZigBee射频模块、网络传输模块、限流限电模块和声光预警模块，
所述主控模块通过ZigBee射频模块连接母线槽数据采集模块，用于接收母线槽数据采集模块发送的当前数据并进行数据清洗和编码，得到编码数据；
所述主控模块通过网络传输模块连接云平台，用于发送所述编码数据至云平台，以及接收云平台发送的检测结果；
所述主控模块分别连接限流限电模块和声光预警模块，用于根据所述检测结果，基于预设的预警策略发送预警控制信号至限流限电模块，和/或声光预警模块。
5.根据权利要求4所述的母线槽在线监测系统，其特征是，所述数据清洗包括数据一致性、有无缺失值、无效值等清洗处理。
6.根据权利要求4所述的母线槽在线监测系统，其特征是，所述编码数据包括序列号、时间、母线槽编号、温度值、湿度值、电压电流值等信息。
7.根据权利要求4所述的母线槽在线监测系统，其特征是，所述预设的预警策略包括，
分析所述检测结果中的异常帧数据；
响应于异常帧数据超过预设的异常阈值，发送异常的预警控制信号至限流限电模块，和/或声光预警模块，以控制限流限电模块，和/或声光预警模块启动；
响应于异常帧数据不超过预设的异常阈值，且限流限电模块，和/或声光预警模块处于启动状态，发送正常的预警控制信号至限流限电模块，和/或声光预警模块，以控制限流限电模块，和/或声光预警模块关闭。
8.根据权利要求7所述的母线槽在线监测系统，其特征是，所述预设的异常阈值包括：
在检测结果中的任一连续多帧数据中检测异常帧数据，异常帧数据的占比超过70％，即认定为异常帧数据超过预设的异常阈值。
9.根据权利要求1所述的母线槽在线监测系统，其特征是，所述LSTM模型的训练方法如下：
获取母线槽的历史数据；
根据所述历史数据，进行数据清洗和编码，得到训练集和测试集；
将所述训练集输入至预构建的LSTM模型中，进行迭代训练，直至满足预设的迭代条件，输出训练好的LSTM模型；
根据所述测试集，对所述训练好的LSTM模型进行测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310932690.3A CN117761416A (zh) | 2023-07-27 | 2023-07-27 | 一种母线槽在线监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310932690.3A CN117761416A (zh) | 2023-07-27 | 2023-07-27 | 一种母线槽在线监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117761416A true CN117761416A (zh) | 2024-03-26 |
Family
ID=90320686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310932690.3A Pending CN117761416A (zh) | 2023-07-27 | 2023-07-27 | 一种母线槽在线监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117761416A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117990221A (zh) * | 2024-04-07 | 2024-05-07 | 镇江西门子母线有限公司 | 一种基于rfid的母线测温自动巡检方法及系统 |
-
2023
- 2023-07-27 CN CN202310932690.3A patent/CN117761416A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117990221A (zh) * | 2024-04-07 | 2024-05-07 | 镇江西门子母线有限公司 | 一种基于rfid的母线测温自动巡检方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
| CN109186813A (zh) | 一种温度传感器自检装置及方法 | |
| CN109752646B (zh) | 车载直流接触器评估与预警方法、装置、设备 | |
| CN110414154B (zh) | 一种带有双测点的风机部件温度异常检测和报警方法 | |
| CN113761728B (zh) | 基于车联网平台的机场电动特种车辆故障预警方法 | |
| CN113656938A (zh) | 配电网变压器的监管方法、控制装置、及存储介质 | |
| CN103671190A (zh) | 一种智能早期矿用通风机在线故障诊断系统 | |
| CN104615122B (zh) | 一种工控信号检测系统及检测方法 | |
| 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 | |
| CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
| CN113177646B (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
| CN112734977B (zh) | 一种基于物联网的设备风险预警系统及算法 | |
| CN116520236B (zh) | 一种智能电表的异常检测方法和系统 | |
| CN115640915A (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网系统 | |
| CN114265882A (zh) | 时序信号点异常检测方法、系统、设备及介质 | |
| CN118051863B (zh) | 一种基于数字计量技术的健康数据采集系统及方法 | |
| CN115372816A (zh) | 基于数据分析的配电开关设备运行故障预测系统及方法 | |
| CN116861369A (zh) | 工业互联网异构数据融合的空压机健康评估方法及系统 | |
| CN117169751A (zh) | 基于机器学习的储能电站故障监测管理系统与方法 | |
| CN114579659A (zh) | 一种梯次利用动力电池利用潜力评估及分选系统和方法 | |
| CN117761416A (zh) | 一种母线槽在线监测系统 | |
| CN117192369A (zh) | 基于数字孪生技术的曳引电机监测与诊断方法 | |
| CN114997375A (zh) | 一种空气型开关柜中绝缘子表面金属污秽模型搭建系统 | |
| CN114200334A (zh) | 一种蓄电池预警方法、装置、车辆及介质 | |
| CN112214909A (zh) | 一种电扶梯健康管理及故障诊断的方法及系统 |
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 |