CN117791868A - 用于智能配电柜的温度在线监测方法及系统 - Google Patents
用于智能配电柜的温度在线监测方法及系统 Download PDFInfo
- Publication number
- CN117791868A CN117791868A CN202311835838.8A CN202311835838A CN117791868A CN 117791868 A CN117791868 A CN 117791868A CN 202311835838 A CN202311835838 A CN 202311835838A CN 117791868 A CN117791868 A CN 117791868A
- Authority
- CN
- China
- Prior art keywords
- temperature
- power distribution
- distribution cabinet
- intelligent power
- abnormal
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 156
- 238000012544 monitoring process Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 169
- 230000007613 environmental effect Effects 0.000 claims abstract description 59
- 239000013598 vector Substances 0.000 claims description 89
- 230000005856 abnormality Effects 0.000 claims description 61
- 238000010586 diagram Methods 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000005259 measurement Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 11
- 238000011176 pooling Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供用于智能配电柜的温度在线监测方法及系统,包括:通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图;将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值;根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警,本发明通过异常状态识别模型可以准确计算智能配电柜的温度异常值,从而保证对智能配电柜温度监测的准确性,且进行智能配电柜温度异常感知,得到温度异常原因可以为维修技术人员提供参考,从而减少因智能配电柜温度异常而造成的经济损失。
Description
技术领域
本发明涉及配电柜温度监测技术领域,特别涉及用于智能配电柜的温度在线监测方法及系统。
背景技术
当前随着电力行业发展速度不断加快,电网等级得到了大幅度提升,发电机组的数量也随之增长,大规模发电工作中开始引入新能源技术,实现并网,电力系统运行状态日趋复杂,对温度监测系统的调节能力、转移能力以及支撑能力提出了更高的要求,智能配电柜是供电系统的重要组成部分,对电力系统供电的安全性、稳定性和可靠性等都起到重要作用,智能配电柜出现故障,将会严重影响供供电的可靠性。目前,对于智能配电柜的温度监测方法,还存在温度监测不准确且对于监测到异常温度进行报警不及时以及误报警的情况。
发明内容
为克服上述现有技术的不足,本发明提供用于智能配电柜的温度在线监测方法,包括:
通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图;
将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值;
根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警。
优选的,所述通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图,包括:
将传感器单元与智能配电柜进行无线连接,将所述传感器单元与远程监控平台通过无线主节点进行无线连接;
通过所述传感器单元采集所述智能配电柜的温度数据和环境参数数据;
其中,所述传感器单元包括温湿度传感器节点1、温湿度节点2、…和温湿度传感器节点n;
将所述温度数据和环境参数数据发送至预先设置的无线主节点中,根据温湿度传感器节点数目和所述温度数据和环境参数数据达到所述无线主节点的时间,计算所述传感器单元下次传输数据至所述无线主节点的时间间隙;
基于所述时间间隙,确定所述时间间隙包含的所述温度数据和环境参数数据;
其中,所述时间间隙包含的所述温度数据和环境参数数据为时隙数据;
通过所述无线主节点向温湿度传感器节点发送包含时隙数据的应答信息;
当所述无线主节点发送所述应答信息之后,通过无线网络向远程监控平台发送当前节点所有温度数据和环境参数数据;
通过所述远程监控平台对实时接收到的温度数据和环境参数数据绘制智能配电柜的温度波动图;
其中,所述远程监控平台为预先设置的智能配电柜的温度在线监测设备。
优选的,所述将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值,包括:
将温度波动图输入异常状态识别模型,获取智能配电柜的监测温度数据;
其中,所述监测温度数据包括:智能配电柜的初始温度值、当前温度值、环境温度参数、最低及最高温度值;
根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量;
根据所述特征向量,识别所述温度波动图中的异常点位,以及所述异常点位的类型;
根据所述异常点位和异常点位的类型,计算得到温度异常值;
其中,所述特征向量的元素表示异常点位的类型属于对应类型的置信度;
所述异常点位的类型包括:陡降、陡升、低谷和高峰。
优选的,所述根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量,包括:
将所述智能配电柜的监测温度数据依次通过所述异常状态识别模型的多组卷积核进行卷积运算,得到卷积结果;
将所述卷积结果输入所述异常状态识别模型的最大池化层,得到局部温度异常区域特征值;
将所述局部温度异常区域特征值通过映射网络到输出层输出异常点位的特征向量;
其中,所述异常状态识别模型包括:多组卷积核、最大池化层、映射网络和输出层。
优选的,所述温度异常值计算式如下:
T=M(T1+T2+T3)
式中,T表示温度异常值;T1表示智能配电柜初始时刻到当前时刻之间的温升值;T2表示温度波动图中智能配电柜的温差;T3表示智能配电柜基于环境温度的相对温差;M表示异常点位对应的特征向量的权重值;
其中,T1=t1-t0
式中,t1表示智能配电柜的当前温度值;t0表示智能配电柜的初始温度值;
其中,T2=t1-tmin
式中,t1表示智能配电柜当前温度值;tmin表示智能配电柜的最低温度值;
其中,
式中,ta表示智能配电柜的最高温度值;tb表示温度波动图中异常点位的温升;t表示温度波动图中与异常点位对应点的正常温升;tε表示智能配电柜的环境温度参数;δ表示异常点位类型。
优选的,所述根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警,包括:
基于无线网络协议,根据所述温度异常值,构建温度感应信号编码库;
基于所述温度感应信号编码库构造一个轮换矩阵并随机生成一个行向量,然后由所述行向量做循环移位形成测量矩阵;
用所述测量矩阵表示温度感知信号,根据所述温度感知信号得到智能配电柜的温度异常原因;
通过远程监控平台将所述温度异常原因和检测温度异常的温湿度传感器节点进行对应标记,得到标记信号;
根据所述标记信号进行温度异常报警并在远程监控平台弹出温度过高警报界面显示温度过高的智能配电柜的箱柜号、温湿度传感器节点编号、温度异常类型、温度值、湿度值和温度异常上传时间。
优选的,所述温度感应信号编码库的表达式为:
式中,表示温度感应信号编码库;Wm×1表示温度感知信号正交基下的m维行向量值;βm×1表示m维行向量值降低的向量值。
优选的,所述测量矩阵计算式所示:
αm×n=p(t)
其中,p(t)=αi,k+p(t+τi)
式中,αm×n表示测量矩阵;p(t)表示随机函数;p(t+τi)表示随机函数的随机位移;αi,k表示测量循环矩阵;k表示n维列向量值降低成的K维向量数,且K<<n;i表示m维行向量值降低成的向量数,且i<<m。
优选的,所述用测量矩阵表示感知信号,表达式为:
Ym×1=αm×nWm×1
式中,Ym×1表示m维行向量值对应的感知信号;αm×n表示测量矩阵;Wm×1表示温度感知信号正交基下的m维行向量值。
基于同一发明构思,本发明还提供一种用于智能配电柜的温度在线监测系统,其特征在于,包括:
温度波动图绘制模块,用于通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图;
温度异常值计算模块,用于将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值;
温度异常报警模块,用于根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警。
优选的,所述温度波动图绘制模块具体用于:
将传感器单元与智能配电柜进行无线连接,将所述传感器单元与远程监控平台通过无线主节点进行无线连接;
通过所述传感器单元采集所述智能配电柜的温度数据和环境参数数据;
其中,所述传感器单元包括温湿度传感器节点1、温湿度节点2、…和温湿度传感器节点n;
将所述温度数据和环境参数数据发送至预先设置的无线主节点中,根据温湿度传感器节点数目和所述温度数据和环境参数数据达到所述无线主节点的时间,计算所述传感器单元下次传输数据至所述无线主节点的时间间隙;
基于所述时间间隙,确定所述时间间隙包含的所述温度数据和环境参数数据;
其中,所述时间间隙包含的所述温度数据和环境参数数据为时隙数据;
通过所述无线主节点向温湿度传感器节点发送包含时隙数据的应答信息;
当所述无线主节点发送所述应答信息之后,通过无线网络向远程监控平台发送当前节点所有温度数据和环境参数数据;
通过所述远程监控平台对实时接收到的温度数据和环境参数数据绘制智能配电柜的温度波动图;
其中,所述远程监控平台为预先设置的智能配电柜的温度在线监测设备。
优选的,所述温度异常值计算模块具体用于:
将温度波动图输入异常状态识别模型,获取智能配电柜的监测温度数据;
其中,所述监测温度数据包括:智能配电柜的初始温度值、当前温度值、环境温度参数、最低及最高温度值;
根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量;
根据所述特征向量,识别所述温度波动图中的异常点位,以及所述异常点位的类型;
根据所述异常点位和异常点位的类型,计算得到温度异常值;
其中,所述特征向量的元素表示异常点位的类型属于对应类型的置信度;
所述异常点位的类型包括:陡降、陡升、低谷和高峰。
优选的,所述温度异常值计算模块中根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量,包括:
将所述智能配电柜的监测温度数据依次通过所述异常状态识别模型的多组卷积核进行卷积运算,得到卷积结果;
将所述卷积结果输入所述异常状态识别模型的最大池化层,得到局部温度异常区域特征值;
将所述局部温度异常区域特征值通过映射网络到输出层输出异常点位的特征向量;
其中,所述异常状态识别模型包括:多组卷积核、最大池化层、映射网络和输出层。
优选的,所述温度异常值计算模块中温度异常值计算式如下:
T=M(T1+T2+T3)
式中,T表示温度异常值;T1表示智能配电柜初始时刻到当前时刻之间的温升值;T2表示温度波动图中智能配电柜的温差;T3表示智能配电柜基于环境温度的相对温差;M表示异常点位对应的特征向量的权重值;
其中,T1=t1-t0
式中,t1表示智能配电柜的当前温度值;t0表示智能配电柜的初始温度值;
其中,T2=t1-tmin
式中,t1表示智能配电柜当前温度值;tmin表示智能配电柜的最低温度值;
其中,
式中,ta表示智能配电柜的最高温度值;tb表示温度波动图中异常点位的温升;t表示温度波动图中与异常点位对应点的正常温升;tε表示智能配电柜的环境温度参数;δ表示异常点位类型。
优选的,所述温度异常报警模块具体用于:
基于无线网络协议,根据所述温度异常值,构建温度感应信号编码库;
基于所述温度感应信号编码库构造一个轮换矩阵并随机生成一个行向量,然后由所述行向量做循环移位形成测量矩阵;
用所述测量矩阵表示温度感知信号,根据所述温度感知信号得到智能配电柜的温度异常原因;
通过远程监控平台将所述温度异常原因和检测温度异常的温湿度传感器节点进行对应标记,得到标记信号;
根据所述标记信号进行温度异常报警并在远程监控平台弹出温度过高警报界面显示温度过高的智能配电柜的箱柜号、温湿度传感器节点编号、温度异常类型、温度值、湿度值和温度异常上传时间。
优选的,所述温度异常报警模块中温度感应信号编码库的表达式为:
式中,表示温度感应信号编码库;Wm×1表示温度感知信号正交基下的m维行向量值;βm×1表示m维行向量值降低的向量值。
优选的,所述温度异常报警模块中测量矩阵计算式所示:
αm×n=p(t)
其中,p(t)=αi,k+p(t+τi)
式中,αm×n表示测量矩阵;p(t)表示随机函数;p(t+τi)表示随机函数的随机位移;αi,k表示测量循环矩阵;k表示n维列向量值降低成的K维向量数,且K<<n;i表示m维行向量值降低成的向量数,且i<<m。
优选的,所述温度异常报警模块中用测量矩阵表示感知信号,表达式为:
Ym×1=αm×nWm×1
式中,Ym×1表示m维行向量值对应的感知信号;αm×n表示测量矩阵;Wm×1表示温度感知信号正交基下的m维行向量值。
与最接近的现有技术相比,本发明具有的有益效果如下:
1、本发明提供用于智能配电柜的温度在线监测方法及系统,包括:通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图;将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值;根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警,本发明通过异常状态识别模型可以准确计算智能配电柜的温度异常值,从而保证对智能配电柜温度监测的准确性,且根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因可以为维修技术人员提供参考,从而减少因智能配电柜温度异常而造成的经济损失;
2、本发明通过远程监控平台将所述温度异常原因和检测温度异常的温湿度传感器节点进行对应标记,得到标记信号,能够有效的避免误报警,根据标记信号进行报警,还可以保证报警的准确性,能够及时有效的发现智能配电柜的异常温度;
3、本发明中的无线网络采用ZigBee无线传感器网络,ZigBee协议具有抗干扰能力强、网络容量大、网络的自组织自愈能力强等特点,可以保证数据传输的准确性。
附图说明
图1为本发明提供用于智能配电柜的温度在线监测方法流程图;
图2为本发明中传感器单元与远程监控平台通过无线主节点连接示意图;
图3为本发明提供的用于智能配电柜的温度在线监测系统模块连接图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
实施例1:
本发明提供的用于智能配电柜的温度在线监测方法流程图如图1所示,包括:
步骤1:通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图;
步骤2:将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值;
步骤3:根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警。
具体的,所述步骤1,包括:
如图2所示,将传感器单元与智能配电柜进行无线连接,将所述传感器单元与远程监控平台通过无线主节点进行无线连接;
通过所述传感器单元采集所述智能配电柜的温度数据和环境参数数据;
其中,所述传感器单元包括温湿度传感器节点1、温湿度节点2、…和温湿度传感器节点n;
将所述温度数据和环境参数数据发送至预先设置的无线主节点中,根据温湿度传感器节点数目和所述温度数据和环境参数数据达到所述无线主节点的时间,计算所述传感器单元下次传输数据至所述无线主节点的时间间隙;
基于所述时间间隙,确定所述时间间隙包含的所述温度数据和环境参数数据;
其中,所述时间间隙包含的所述温度数据和环境参数数据为时隙数据;
通过所述无线主节点向温湿度传感器节点发送包含时隙数据的应答信息;
当所述无线主节点发送所述应答信息之后,通过无线网络向远程监控平台发送当前节点所有温度数据和环境参数数据;
通过所述远程监控平台对实时接收到的温度数据和环境参数数据绘制智能配电柜的温度波动图;
其中,所述远程监控平台为预先设置的智能配电柜的温度在线监测设备。
其中,所述传感器单元中的传感器电池电量有限,则大多数时间均处于睡眠状态,平均发送周期较长,发送间隔由无线主节点分配;
所述无线主节点长期处于接收状态,实时接收温湿度传感器节点传输的数据信息;
当无线主节点接收到温湿度传感器节点的温度数据和环境参数数据后,无线主节点将根据当前的温湿度传感器节点数目及上个节点到来的时间为传感器计算下次传送的时隙;
并通过所述无线主节点向温湿度传感器节点发送包含时隙信息的应答信息,其中,所述无线主节点发送的应答信息是为了防止温湿度传感器节点多次重复发送温度数据和环境参数数据;
无线主节点接收到温度数据和环境参数数据后立即通过无线网络将数据发送至远程监控平台,并由远程监控平台对温度数据和环境参数数据进行计算、显示、存储以及报警;
其中,本发明中的无线网络采用ZigBee无线传感器网络,ZigBee协议具有抗干扰能力强、网络容量大、网络的自组织自愈能力强等特点;
本发明将传感器单元与被测智能配电柜进行连接,通过ZigBee无线网络实现无电气联系,从根本上解决了高压绝缘问题;
且本发明通过ZigBee无线网络将传感器单元、无线主节点和远程监测平台进行连接并进行数据传输不仅测温精度高,成本低廉,且安装方便,不受智能配电柜结构的限制;
通过对配电柜运行温度的实时监测,有效提高了配电柜的运行可靠性。
具体的,所述步骤2,包括:
将温度波动图输入异常状态识别模型,获取智能配电柜的监测温度数据;
其中,所述监测温度数据包括:智能配电柜的初始温度值、当前温度值、环境温度参数、最低及最高温度值;
根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量;
根据所述特征向量,识别所述温度波动图中的异常点位,以及所述异常点位的类型;
根据所述异常点位和异常点位的类型,计算得到温度异常值;
其中,所述特征向量的元素表示异常点位的类型属于对应类型的置信度;
所述异常点位的类型包括:陡降、陡升、低谷和高峰。
所述根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量,包括:
将所述智能配电柜的监测温度数据依次通过所述异常状态识别模型的多组卷积核进行卷积运算,得到卷积结果;
将所述卷积结果输入所述异常状态识别模型的最大池化层,得到局部温度异常区域特征值;
将所述局部温度异常区域特征值通过映射网络到输出层输出异常点位的特征向量;
其中,所述异常状态识别模型包括:多组卷积核、最大池化层、映射网络和输出层。
其中,所述异常状态识别模型采用改进的卷积神经网络(Convolutional NeuralNetworks,,以下简称CNN)CNN模型;
所述异常状态识别模型包括3X3卷积核和最大池化层,以及映射网络和输出层,并在所述异常状态识别模型的每一个卷积层之后均进行归一化处理;
通过所述异常状态模型计算智能配电柜的温度异常值时,不仅能够减少模型参数的调取,还能够保证计算准确率更高;
首先通过所述异常状态模型对温度波动图中异常点进行异常识别,对于温度波动图中异常点的识别便于监测人员快速获得并网点异常情况,提高了维护效率;
所述异常状态识别模型的输出为异常点位的特征向量,向量的每个元素表示异常点位的类型属于对应类别的置信度;
根据所述向量中的元素置信度确定所述温度波动图的调制样式,并将该温度波动图进行分类,得到所述温度波动图对应的异常点位的类型。
其中,异常点位的类型的包括:陡降、陡升、低谷和高峰等不平稳点位;
将异常点位和异常点位的类型按照预设时间跨度(所述时间跨度以小时为单位)在远程监控平台进行记录和存储,就可以通过远程监控平台能够精确的查找到相应时刻点的温度数据、温度异常点位及异常点位类型,从而提高监测、识别的精度和速度,便于后期对智能配电柜的维护及数据调取;
所述温度异常值计算式如下:
T=M(T1+T2+T3)
式中,T表示温度异常值;T1表示智能配电柜初始时刻到当前时刻之间的温升值;T2表示温度波动图中智能配电柜的温差;T3表示智能配电柜基于环境温度的相对温差;M表示异常点位对应的特征向量的权重值;
其中,T1=t1-t0
式中,t1表示智能配电柜的当前温度值;t0表示智能配电柜的初始温度值;
其中,T2=t1-tmin
式中,t1表示智能配电柜当前温度值;tmin表示智能配电柜的最低温度值;
其中,
式中,ta表示智能配电柜的最高温度值;tb表示温度波动图中异常点位的温升;t表示温度波动图中与异常点位对应点的正常温升;tε表示智能配电柜的环境温度参数;δ表示异常点位类型。
具体的,所述步骤3,包括:
基于无线网络协议,根据所述温度异常值,构建温度感应信号编码库;
其中,所述无线网络协议是ZigBee网络协议;
基于所述温度感应信号编码库构造一个轮换矩阵并随机生成一个行向量,然后由所述行向量做循环移位形成测量矩阵;
用所述测量矩阵表示温度感知信号,根据所述温度感知信号得到智能配电柜的温度异常原因;
通过远程监控平台将所述温度异常原因和检测温度异常的温湿度传感器节点进行对应标记,得到标记信号;
根据所述标记信号进行温度异常报警并在远程监控平台弹出温度过高警报界面显示温度过高的智能配电柜的箱柜号、温湿度传感器节点编号、温度异常类型、温度值、湿度值和温度异常上传时间。
其中,通过构建温度感应信号编码库,并根据形成的测量矩阵,通过温度感知信号对智能配电柜的温度异常原因进行感知可以及时获取智能配电柜的故障原因,根据得到的原因可以为维修技术人员提供参考,从而减少因智能配电柜温度异常而造成的经济损失;
所述温度感应信号编码库的表达式为:
式中,表示温度感应信号编码库;Wm×1表示温度感知信号正交基下的m维行向量值;βm×1表示m维行向量值降低的向量值。
所述测量矩阵计算式所示:
αm×n=p(t)
其中,p(t)=αi,k+p(t+τi)
式中,αm×n表示测量矩阵;p(t)表示随机函数;p(t+τi)表示随机函数的随机位移;αi,k表示测量循环矩阵;k表示n维列向量值降低成的K维向量数,且K<<n;i表示m维行向量值降低成的向量数,且i<<m。
所述用测量矩阵表示感知信号,表达式为:
Ym×1=αm×nWm×1
式中,Ym×1表示m维行向量值对应的感知信号;αm×n表示测量矩阵;Wm×1表示温度感知信号正交基下的m维行向量值。
本发明通过远程监控平台将所述温度异常原因和检测温度异常的温湿度传感器节点进行对应标记,得到标记信号,能够有效的避免误报警;
根据标记信号进行报警,还可以保证报警的准确性,能够及时有效的发现智能配电柜的异常温度;
在远程监控平台中还提供身份授权人员随时查看超温报警及数据调取的资格;
其中,本发明的远程监控平台设置自动报警和报警信息查询:预报警、过热报警、温升过快、温度异常原因等。
本发明通过对是能配电柜的温度进行实时在线监测的方法,不仅监测及时且准确,还降低了劳动强度,而且解决了传统手持式测温仪偏差大、高压设备内部测温困难、需要人工定时巡检等问题。
实施例2:
本发明提供用于智能配电柜的温度在线监测系统模块连接图如图3:
温度波动图绘制模块,用于通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图;
温度异常值计算模块,用于将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值;
温度异常报警模块,用于根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警。
具体的,所述温度波动图绘制模块具体用于:
将传感器单元与智能配电柜进行无线连接,将所述传感器单元与远程监控平台通过无线主节点进行无线连接;
通过所述传感器单元采集所述智能配电柜的温度数据和环境参数数据;
其中,所述传感器单元包括温湿度传感器节点1、温湿度节点2、…和温湿度传感器节点n;
将所述温度数据和环境参数数据发送至预先设置的无线主节点中,根据温湿度传感器节点数目和所述温度数据和环境参数数据达到所述无线主节点的时间,计算所述传感器单元下次传输数据至所述无线主节点的时间间隙;
基于所述时间间隙,确定所述时间间隙包含的所述温度数据和环境参数数据;
其中,所述时间间隙包含的所述温度数据和环境参数数据为时隙数据;
通过所述无线主节点向温湿度传感器节点发送包含时隙数据的应答信息;
当所述无线主节点发送所述应答信息之后,通过无线网络向远程监控平台发送当前节点所有温度数据和环境参数数据;
通过所述远程监控平台对实时接收到的温度数据和环境参数数据绘制智能配电柜的温度波动图;
其中,所述远程监控平台为预先设置的智能配电柜的温度在线监测设备。
具体的,所述温度异常值计算模块具体用于:
将温度波动图输入异常状态识别模型,获取智能配电柜的监测温度数据;
其中,所述监测温度数据包括:智能配电柜的初始温度值、当前温度值、环境温度参数、最低及最高温度值;
根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量;
根据所述特征向量,识别所述温度波动图中的异常点位,以及所述异常点位的类型;
根据所述异常点位和异常点位的类型,计算得到温度异常值;
其中,所述特征向量的元素表示异常点位的类型属于对应类型的置信度;
所述异常点位的类型包括:陡降、陡升、低谷和高峰。
所述温度异常值计算模块中根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量,包括:
将所述智能配电柜的监测温度数据依次通过所述异常状态识别模型的多组卷积核进行卷积运算,得到卷积结果;
将所述卷积结果输入所述异常状态识别模型的最大池化层,得到局部温度异常区域特征值;
将所述局部温度异常区域特征值通过映射网络到输出层输出异常点位的特征向量;
其中,所述异常状态识别模型包括:多组卷积核、最大池化层、映射网络和输出层。
所述温度异常值计算模块中温度异常值计算式如下:
T=M(T1+T2+T3)
式中,T表示温度异常值;T1表示智能配电柜初始时刻到当前时刻之间的温升值;T2表示温度波动图中智能配电柜的温差;T3表示智能配电柜基于环境温度的相对温差;M表示异常点位对应的特征向量的权重值;
其中,T1=t1-t0
式中,t1表示智能配电柜的当前温度值;t0表示智能配电柜的初始温度值;
其中,T2=t1-tmin
式中,t1表示智能配电柜当前温度值;tmin表示智能配电柜的最低温度值;
其中,
式中,ta表示智能配电柜的最高温度值;tb表示温度波动图中异常点位的温升;t表示温度波动图中与异常点位对应点的正常温升;tε表示智能配电柜的环境温度参数;δ表示异常点位类型。
具体的,所述温度异常报警模块具体用于:
基于无线网络协议,根据所述温度异常值,构建温度感应信号编码库;
基于所述温度感应信号编码库构造一个轮换矩阵并随机生成一个行向量,然后由所述行向量做循环移位形成测量矩阵;
用所述测量矩阵表示温度感知信号,根据所述温度感知信号得到智能配电柜的温度异常原因;
通过远程监控平台将所述温度异常原因和检测温度异常的温湿度传感器节点进行对应标记,得到标记信号;
根据所述标记信号进行温度异常报警并在远程监控平台弹出温度过高警报界面显示温度过高的智能配电柜的箱柜号、温湿度传感器节点编号、温度异常类型、温度值、湿度值和温度异常上传时间。
所述温度异常报警模块中温度感应信号编码库的表达式为:
式中,表示温度感应信号编码库;Wm×1表示温度感知信号正交基下的m维行向量值;βm×1表示m维行向量值降低的向量值。
所述温度异常报警模块中测量矩阵计算式所示:
αm×n=p(t)
其中,p(t)=αi,k+p(t+τi)
式中,αm×n表示测量矩阵;p(t)表示随机函数;p(t+τi)表示随机函数的随机位移;αi,k表示测量循环矩阵;k表示n维列向量值降低成的K维向量数,且K<<n;i表示m维行向量值降低成的向量数,且i<<m。
所述温度异常报警模块中用测量矩阵表示感知信号,表达式为:
Ym×1=αm×nWm×1
式中,Ym×1表示m维行向量值对应的感知信号;αm×n表示测量矩阵;Wm×1表示温度感知信号正交基下的m维行向量值。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
最后应当说明的是,以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解,本领域技术人员阅读本发明后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (10)
1.用于智能配电柜的温度在线监测方法,其特征在于,包括:
通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图;
将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值;
根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警。
2.如权利要求1所述的用于智能配电柜的温度在线监测方法,其特征在于,所述通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图,包括:
将传感器单元与智能配电柜进行无线连接,将所述传感器单元与远程监控平台通过无线主节点进行无线连接;
通过所述传感器单元采集所述智能配电柜的温度数据和环境参数数据;
其中,所述传感器单元包括温湿度传感器节点1、温湿度节点2、…和温湿度传感器节点n;
将所述温度数据和环境参数数据发送至预先设置的无线主节点中,根据温湿度传感器节点数目和所述温度数据和环境参数数据达到所述无线主节点的时间,计算所述传感器单元下次传输数据至所述无线主节点的时间间隙;
基于所述时间间隙,确定所述时间间隙包含的所述温度数据和环境参数数据;
其中,所述时间间隙包含的所述温度数据和环境参数数据为时隙数据;
通过所述无线主节点向温湿度传感器节点发送包含时隙数据的应答信息;
当所述无线主节点发送所述应答信息之后,通过无线网络向远程监控平台发送当前节点所有温度数据和环境参数数据;
通过所述远程监控平台对实时接收到的温度数据和环境参数数据绘制智能配电柜的温度波动图;
其中,所述远程监控平台为预先设置的智能配电柜的温度在线监测设备。
3.如权利要求1所述的用于智能配电柜的温度在线监测方法,其特征在于,所述将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值,包括:
将温度波动图输入异常状态识别模型,获取智能配电柜的监测温度数据;
其中,所述监测温度数据包括:智能配电柜的初始温度值、当前温度值、环境温度参数、最低及最高温度值;
根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量;
根据所述特征向量,识别所述温度波动图中的异常点位,以及所述异常点位的类型;
根据所述异常点位和异常点位的类型,计算得到温度异常值;
其中,所述特征向量的元素表示异常点位的类型属于对应类型的置信度;
所述异常点位的类型包括:陡降、陡升、低谷和高峰。
4.如权利要求3所述的用于智能配电柜的温度在线监测方法,其特征在于,所述根据所述智能配电柜的监测温度数据,获取所述温度波动图中的异常点位对应的特征向量,包括:
将所述智能配电柜的监测温度数据依次通过所述异常状态识别模型的多组卷积核进行卷积运算,得到卷积结果;
将所述卷积结果输入所述异常状态识别模型的最大池化层,得到局部温度异常区域特征值;
将所述局部温度异常区域特征值通过映射网络到输出层输出异常点位的特征向量;
其中,所述异常状态识别模型包括:多组卷积核、最大池化层、映射网络和输出层。
5.如权利要求4所述的用于智能配电柜的温度在线监测方法,其特征在于,所述温度异常值计算式如下:
T=M(T1+T2+T3)
式中,T表示温度异常值;T1表示智能配电柜初始时刻到当前时刻之间的温升值;T2表示温度波动图中智能配电柜的温差;T3表示智能配电柜基于环境温度的相对温差;M表示异常点位对应的特征向量的权重值;
其中,T1=t1-t0
式中,t1表示智能配电柜的当前温度值;t0表示智能配电柜的初始温度值;
其中,T2=t1-tmin
式中,t1表示智能配电柜当前温度值;tmin表示智能配电柜的最低温度值;
其中,
式中,ta表示智能配电柜的最高温度值;tb表示温度波动图中异常点位的温升;t表示温度波动图中与异常点位对应点的正常温升;tε表示智能配电柜的环境温度参数;δ表示异常点位类型。
6.如权利要求1所述的用于智能配电柜的温度在线监测方法,其特征在于,所述根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警,包括:
基于无线网络协议,根据所述温度异常值,构建温度感应信号编码库;
基于所述温度感应信号编码库构造一个轮换矩阵并随机生成一个行向量,然后由所述行向量做循环移位形成测量矩阵;
用所述测量矩阵表示温度感知信号,根据所述温度感知信号得到智能配电柜的温度异常原因;
通过远程监控平台将所述温度异常原因和检测温度异常的温湿度传感器节点进行对应标记,得到标记信号;
根据所述标记信号进行温度异常报警并在远程监控平台弹出温度过高警报界面显示温度过高的智能配电柜的箱柜号、温湿度传感器节点编号、温度异常类型、温度值、湿度值和温度异常上传时间。
7.如权利要求6所述的用于智能配电柜的温度在线监测方法,其特征在于,所述温度感应信号编码库的表达式为:
式中,表示温度感应信号编码库;Wm×1表示温度感知信号正交基下的m维行向量值;βm×1表示m维行向量值降低的向量值。
8.如权利要求7所述的用于智能配电柜的温度在线监测方法,其特征在于,所述测量矩阵计算式所示:
αm×n=p(t)
其中,p(t)=αi,k+p(t+τi)
式中,αm×n表示测量矩阵;p(t)表示随机函数;p(t+τi)表示随机函数的随机位移;αi,k表示测量循环矩阵;k表示n维列向量值降低成的K维向量数,且K<<n;i表示m维行向量值降低成的向量数,且i<<m。
9.如权利要求8所述的用于智能配电柜的温度在线监测方法,其特征在于,所述用测量矩阵表示感知信号,表达式为:
Ym×1=αm×nWm×1
式中,Ym×1表示m维行向量值对应的感知信号;αm×n表示测量矩阵;Wm×1表示温度感知信号正交基下的m维行向量值。
10.用于智能配电柜的温度在线监测系统,其特征在于,包括:
温度波动图绘制模块,用于通过传感器单元采集智能配电柜的温度数据和环境参数数据,在远程监控平台根据所述温度数据和环境参数数据绘制温度波动图;
温度异常值计算模块,用于将所述温度波动图输入异常状态识别模型,对所述温度波动图中异常温度进行计算,获取得到温度异常值;
温度异常报警模块,用于根据所述温度异常值,进行智能配电柜温度异常感知,得到温度异常原因,基于所述温度异常原因进行温度异常报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311835838.8A CN117791868B (zh) | 2023-12-27 | 用于智能配电柜的温度在线监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311835838.8A CN117791868B (zh) | 2023-12-27 | 用于智能配电柜的温度在线监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117791868A true CN117791868A (zh) | 2024-03-29 |
CN117791868B CN117791868B (zh) | 2024-07-05 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102459503B1 (ko) * | 2022-06-09 | 2022-10-27 | 베스트 주식회사 | 듀얼센서를 이용한 감시영역 이상 모니터링 시스템 및 방법 |
CN115755738A (zh) * | 2022-11-22 | 2023-03-07 | 湘煤立达矿山装备股份有限公司 | 矿用智能电力监控系统 |
CN116465504A (zh) * | 2023-03-30 | 2023-07-21 | 国网北京市电力公司 | 一种配电智能测温报警的方法及系统 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102459503B1 (ko) * | 2022-06-09 | 2022-10-27 | 베스트 주식회사 | 듀얼센서를 이용한 감시영역 이상 모니터링 시스템 및 방법 |
CN115755738A (zh) * | 2022-11-22 | 2023-03-07 | 湘煤立达矿山装备股份有限公司 | 矿用智能电力监控系统 |
CN116465504A (zh) * | 2023-03-30 | 2023-07-21 | 国网北京市电力公司 | 一种配电智能测温报警的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4066180A1 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
CN113049142A (zh) | 温度传感器的告警方法、装置、设备及存储介质 | |
CN110647093B (zh) | 一种基于大数据分析的电力系统智能监控系统及监控方法 | |
CN112884199B (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
CN112504511A (zh) | 一种发电机定子温度监测方法、装置及介质 | |
WO2023063887A2 (en) | Method and apparatus for predicting state of wind turbine blade, and device and storage medium therefor | |
CN117390403B (zh) | 一种新能源灯塔发电站的电网故障检测方法及系统 | |
CN117375147B (zh) | 一种储能电站的安全监测预警与运行管理方法及系统 | |
CN110992205A (zh) | 风电机组发电机绕组的状态检测方法、系统及相关组件 | |
CN108093210A (zh) | 一种变压器油位告警系统及其告警方法 | |
CN117791868B (zh) | 用于智能配电柜的温度在线监测方法及系统 | |
CN117312879B (zh) | 一种注塑机生产数据监督预警方法、系统及介质 | |
CN117791868A (zh) | 用于智能配电柜的温度在线监测方法及系统 | |
CN116307700A (zh) | 电力系统及其风险评估装置与方法 | |
CN116247801A (zh) | 一种基于物联网的配电设备群监测系统 | |
CN114089653A (zh) | 机柜动环监控方法及系统 | |
CN111859802B (zh) | 一种架空导线稳态温度计算方法、系统以及设备 | |
CN101969232B (zh) | 电网视频及环境监控系统的自动化测试方法及装置 | |
CN117251804B (zh) | 一种变电室运行状态监测数据处理系统及方法 | |
CN102035253A (zh) | 电网视频及环境监控系统中可记忆学习的测试方法及装置 | |
CN117040137B (zh) | 基于多源数据的环网柜温升预警方法、系统、终端及介质 | |
CN117977816B (zh) | 一种电力安全智能电源系统 | |
CN109269653A (zh) | 温度监控报警系统 | |
CN115719006B (zh) | 一种发电机绕组温度预警方法及装置 | |
CN116488352B (zh) | 用于储能电站的电路安全监测预警方法 |
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 | ||
GR01 | Patent grant |