CN118857504B - 一种基于温度矩阵的智能测温装置及方法 - Google Patents

Abstract

本申请提供一种基于温度矩阵的智能测温装置及方法，属于电力系统温度和热量监测领域，测温装置包括：若干温度传感器、温度采集和存储单元、数据处理单元、温度判断单元、故障识别单元和报警单元；本申请通过将不同精度的测温传感器布置于电力系统待测部件上，同时考虑了成本和测量精度的问题，并通过多传感器数据融合手段提高温度监测的准确性和可靠性；矩阵融合过程中融合权重因子考虑了温度矩阵的历史变化趋势和传感器测量精度使得融合结果更加可靠和实时；在生成完整的温度分布图过程中，引入温度历史趋势因子，可以提高插值的精度和平滑度；通过简单的温度历史趋势因子实现插值计算的易用性和可靠性。

Description

一种基于温度矩阵的智能测温装置及方法

技术领域

本申请涉及电力系统温度和热量监测领域，尤其涉及一种基于温度矩阵的智能测温装置及方法。

背景技术

温度是一个衡量物体所含热能的基本物理量，自然界中的一切过程都与温度有关，许多设备的故障都是是由于异常温升而造成，电力行业尤其重视电气设备的运行温度状况。在用电紧张、负荷增长迅速的情况下，0.4kV～35kV开关柜往往由于制造或使用上的原因，造成触头、母联等电气接头部位的温度异常上升。如果不能及时发现，及时维护，时常会造成严重的设备事故。

对额定电压3kV及以上、频率50Hz长期工作电器，如断路器、隔离开关、封闭式组合电器、金属封闭开关设备、负荷开关等产品，必须进行发热试验，以保证长期通过额定工作电流下，电器各部的温度不超过标准允许的数值。高压开关柜内母线联结处的接触电阻有一定要求，在出厂前用“回路电阻测试仪”离线测试。开关柜出厂后，由于运输、安装、碰击等致使接触恶化，接触电阻增加，特别如手车推入，在插接处接触不良造成事故，造成供电中断的事例发生。

目前对高压开关柜的关键部位温度监测手段仅局限于对接头、本体温度等部位进行人工巡检，自动化程度不高，并且现有变电站设备类多量大，要求大量高素质维护人员进行设备管理。现有温度测量手段中，热成像技术能够提供开关柜内部各部件的温度分布图，直观地识别热点，但是其成本较高，受环境因素影响较大，图像处理复杂，无法连续实时监测；非接触红外温度传感器对于测量角度和距离要求严格，容易受到环境干扰影响精度。因此，电力电气设备亟需一种能够低成本实时监测温度、捕捉温度变化趋势的智能测温装置及方法。

发明内容

本申请的目的是为了解决现有技术中上述的问题，本申请提供了基于温度矩阵的智能测温装置及方法，使用不同精度的测温传感器布置于电力系统待测部件上，同时考虑了成本和测量精度的问题，以全面掌握温度分布情况及时发现异常，在非关键位置使用低精度传感器可以显著减少项目预算，高精度传感器的数据可以作为基准，提高温度矩阵融合的精度。

为了实现上述目的，本申请提出一种基于温度矩阵的智能测温方法，包括：

步骤1，温度传感器布置；在开关柜内的每个待监测部件上布置至少两个温度传感器，且所述至少两个温度传感器的测量精度不全部相同；

步骤2，温度数据采集和存储；布置在所述每个待监测部件上的至少两个温度传感器以一定采样周期采集开关柜内的每个待监测部件的温度数据，并记录下每个时间点的温度值，按传感器位置关系形成至少两个温度矩阵；

步骤3，根据所述至少两个温度矩阵的历史变化趋势和传感器测量精度计算所述至少两个温度矩阵的融合权重因子；

步骤4，根据上述至少两个温度矩阵的融合权重因子计算融合温度矩阵；

步骤5，通过所述融合温度矩阵插值估算未布置温度传感器位置的温度，生成完整的温度分布图；

步骤6，根据不同待监测部件的正常工作温度范围，设定温度阈值；

步骤7，计算温度梯度；

步骤8，故障识别；基于温度阈值和温度梯度，识别潜在的故障区域和故障类型；

步骤9，报警机制；当检测到异常温度或温度梯度时，系统自动触发报警。

在一些实施方案中，在多个所述待监测部件上布置前部、中部和后部三个温度传感器，且中部温度传感器的测量精度优于前部温度传感器和后部温度传感器的测量精度。

在一些实施方案中，所有上述前部温度传感器大致位于同一平面内，所有上述中部温度传感器大致位于同一平面内，所有上述后部温度传感器大致位于同一平面内。

在一些实施方案中，通过计算得到前部、中部和后部温度传感器历史趋势矩阵：ΔT_f(t)＝T_f(t)-T_f(t’)，ΔT_m(t)＝T_m(t)-T_m(t’)，ΔT_b(t)＝T_b(t)-T_b(t’)；其中ΔT_f(t)为前部温度传感器历史趋势矩阵，ΔT_m(t)为中部温度传感器历史趋势矩阵，ΔT_b(t)为后部温度传感器历史趋势矩阵，T_f(t)为t时刻的前部温度矩阵，T_f(t’)为t时刻的上一时刻t’时刻的前部温度矩阵，T_m(t)为t时刻的中部温度矩阵，T_m(t’)为t时刻的上一时刻t’时刻的中部温度矩阵，T_b(t)为t时刻的后部温度矩阵，T_b(t’)为t时刻的上一时刻t’时刻的后部温度矩阵；前部、中部和后部温度传感器历史趋势矩阵的均值分别为： 和其中ΔT_f,i(t)、ΔT_m,i(t)和ΔT_b,i(t)分别为前部温度传感器历史趋势矩阵ΔT_m(t)、中部温度传感器历史趋势矩阵ΔT_m(t)和后部温度传感器历史趋势矩阵ΔT_b(t)的第i个元素，n为前部、中部和后部温度传感器历史趋势矩阵元素的个数；前部温度矩阵融合权重因子α、中部温度矩阵融合权重因子β和后部温度矩阵融合权重因子γ的计算公式如下所示：

其中，E_f、E_m和E_b分别为前部、中部和后部温度传感器的测量精度；

融合温度矩阵T_fused(t)＝α×T_f(t)+β×T_m(t)+γ×T_b(t)。

在一些实施方案中，融合温度矩阵中相互邻近的四个温度点的位置坐标和温度值分别为：[(x₁,y₁),T₁₁]、[(x₂,y₁),T₂₁]、[(x₁,y₂),T₁₂]和[(x₂,y₂),T₂₂]；需要插值计算的位置坐标和温度点为[(x,y),T(x,y)]，插值计算公式为：

在一些实施方案中，插值计算公式中可以引入温度历史趋势因子ω₁、ω₂、ω₃和ω₄，将当前的融合温度矩阵T_fused(t)与上一时刻t’时刻的T_fused(t′)相减，得到融合温度矩阵的温度变化量；设T₁₁、T₂₁、T₁₂、T₂₂对应的温度变化量分别为ΔT₁₁、ΔT₂₁、ΔT₁₂、ΔT₂₂，则温度历史趋势因子ω₁、ω₂、ω₃和ω₄分别表示为：

其中，C是平衡系数，平衡系数C是常数。

在一些实施方案中，温度传感器从RTD、热电偶、NTC以及半导体温度传感中选择至少两种。

在一些实施方案中，报警机制包括：

实时报警：系统通过声光报警器、短信、电子邮件等方式通知维护人员；

记录日志：将异常温度点和时间记录在系统日志中，便于后续分析；

生成报告：定期生成温度监测报告，包含故障点、时间、温度值。

本申请还提供一种基于温度矩阵的智能测温装置，包括：

若干温度传感器，在开关柜内的每个待监测部件上布置至少两个温度传感器，且所述至少两个温度传感器的测量精度不全部相同；

温度采集和存储单元，对布置在所述每个待监测部件上的若干温度传感器以一定采样周期采集开关柜内的每个待监测部件的温度数据，并记录下每个时间点的温度值，按传感器位置关系形成至少两个温度矩阵；

数据处理单元，根据所述至少两个温度矩阵的历史变化趋势和传感器测量精度计算至少两个温度矩阵的融合权重因子；利用融合权重因子计算得到融合温度矩阵；通过所述融合温度矩阵插值估算未布置温度传感器位置的温度，生成完整的温度分布图；

温度判断单元，将所述温度分布图中关键部位的温度以及计算得到的温度梯度与设置的温度阈值和温度梯度比较；

故障识别单元，基于温度判断单元的比较结果，识别潜在的故障区域和故障类型；

报警单元，当检测到异常温度或温度梯度时，系统自动触发报警。

在一些实施方案中，所有构成某一温度矩阵的温度传感器大致位于同一平面内。

本申请具有如下优点：

(1)本申请使用了不同精度的测温传感器布置于电力系统待测部件上，同时考虑了成本和测量精度的问题，在非关键位置使用低精度传感器可以显著减少项目预算，高精度传感器的数据可以作为基准，提高温度矩阵融合的精度；

(2)通过多传感器数据融合手段提高温度监测的准确性和可靠性，融合权重因子考虑了温度矩阵的历史变化趋势和传感器测量精度使得融合结果更加可靠和实时；

(3)本申请插值估算未布置温度传感器位置的温度，生成完整的温度分布图可以更全面地了解整个系统的温度分布情况；在插值计算公式中可以引入温度历史趋势因子，可以提高插值的精度和平滑度；通过简单的温度历史趋势因子实现插值计算的易用性和可靠性。

附图说明

图1所示为开关柜内母排和电缆进出线安装的结构示意图；

图2所示为本申请的一种基于温度矩阵的智能测温方法的流程示意图；

图3所示为本申请的一种基于温度矩阵的智能测温装置的架构示意图；

图4所示为智能测温装置的应用层后台主页示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。

现有的开关柜温度监测技术通常采用单一类型的温度传感器，布置在少量关键点进行温度监测。这种方式存在以下问题：监测精度不足，由于布置的传感器数量有限，无法全面反映开关柜内的温度分布；响应速度慢，单一类型传感器响应速度有限，无法及时捕捉快速变化的温度；成本高昂，高精度的温度传感器成本较高，无法大规模布置。

本申请提出了一种低成本、高精度的智能测温方法和装置，可以使用不同精度的测温传感器布置于电力系统待测部件上，例如开关柜中母排和电缆接头是最适合布置多个不同精度温度传感器进行温度监控的部件。图1示出了开关柜内母排和电缆进出线安装的结构示意图。母排在电流通过时会发热，其温度分布在不同位置可能有所不同，特别是在连接点处。母排的温度直接影响到开关柜的运行效率和安全性，局部过热可能导致设备故障或火灾风险，因此需要高精度、分布式的温度监测。母排通常具有足够的长度和宽度，可以至少容纳前、中、后三个温度传感器；因此，可以对其前、中、后三个位置进行监测，以全面掌握温度分布情况，及时发现异常。电缆接头的温度监测对于预防电气故障和火灾也非常重要，多点监测有助于及时发现和处理局部过热问题。电缆接头是电流密集区，接触电阻可能导致局部温升，因此需要多点监测其温度分布情况。电缆接头部位通常有一定的长度，其也适合布置至少前、中、后三个温度传感器。本申请将在下面具体实施例中，以开关柜中的母排和电缆接头作为监测对象详细说明本申请的具体技术方案。

如图2所示，一种基于温度矩阵的智能测温方法100，包括：

步骤S101，温度传感器布置；在开关柜内的每个待监测部件(母排、电缆接头以及其它关键部件)上布置至少两个温度传感器，且所述至少两个温度传感器的测量精度不全部相同。

以开关柜内具有9个待监测的母排和/或电缆接头为例，此实施例仅为示例性地示出本申请的技术方案，并不作为对待监测部件数量的限制。母排前部温度传感器选用热电偶(测量精度：±1℃～±2℃)，中部温度传感器选用热敏电阻(测量精度：±0.1℃～±1℃)，后部传感器选用热电偶(测量精度：±1℃～±2℃)；同样的，电缆接头前部温度传感器可选用热电偶，中部温度传感器可选用热敏电阻，后部传感器可选用热电偶；且所有前部温度传感器的测量精度相同，所有中部温度传感器的测量精度相同，所有后部温度传感器的测量精度相同。开关柜的部件中间部分通常是电流和热量集中的区域，温度变化较为剧烈，使用高精度传感器能够更准确地监测这些关键位置的温度变化，及时发现异常；而在非关键位置使用低精度传感器能够显著减少项目预算；高精度传感器的数据可以作为基准，提高整个温度矩阵融合的精度，即使两侧使用低精度传感器，通过融合过程中的加权处理，整体温度分布仍然可以保持较高的准确性。优选地，所有上述前部温度传感器大致位于同一平面内，所有上述中部温度传感器大致位于同一平面内，所有上述后部温度传感器大致位于同一平面内；所述的同一平面可以为任意平面，并不限定为垂直于水平面的垂面。

在选择温度传感器时，需要考虑成本和测量精度的问题，在实际使用中热电偶具有较高的测量精度，热电偶相对于其他高精度温度传感器(如RTD铂电阻温度计)来说成本较低；而与热电偶相比，热敏电阻的成本相对较低，适合在成本控制的情况下进行温度监测，热敏电阻同时还具有较快的响应速度，能够快速捕捉温度变化；对于需要较高精度和快速响应的温度监测应用，热敏电阻是一个不错的选择，其相对较低的成本也使其成为一种经济实惠的解决方案。在其它实施例中，可以依据上述原则从RTD、热电偶(K型)、NTC以及半导体温度传感中选择至少两种。不同测量精度的温度传感器的配合使用，可以极大地降低测温传感器的成本，其虽然损失了部分测温精度的需求，但在后续步骤中可以通过温度数据融合来提高温度监测的准确性和可靠性。

步骤S102，温度数据采集和存储；布置在所述每个待监测部件上的至少两个温度传感器以一定采样周期采集开关柜内的每个待监测部件的温度数据，并记录下每个时间点的温度值，按传感器位置关系形成至少两个温度矩阵。

例如，设置在开关柜内9个待监测的母排和/或电缆接头上的各个前部温度传感器、中部温度传感器和后部温度传感器在当前t时刻对开关柜内的每个待监测部件的温度数据进行采集，得到：前部温度矩阵 中部温度矩阵后部温度矩阵假设，设置在开关柜内9个待监测的母排和电缆接头上的各个前部温度传感器、中部温度传感器和后部温度传感器在当前t时刻的上一时刻t’时刻对开关柜内的每个待监测部件的温度数据进行采集，得到：前部温度矩阵中部温度矩阵后部温度矩阵

步骤S103，根据所述至少两个温度矩阵的历史变化趋势和传感器测量精度计算所述至少两个温度矩阵的融合权重因子。

如前部温度矩阵融合权重因子α、中部温度矩阵融合权重因子β和后部温度矩阵融合权重因子γ。

上述权重因子的计算过程如下：

首先，通过计算得到前部、中部和后部温度传感器历史趋势矩阵：ΔT_f(t)＝T_f(t)-T_f(t’)，ΔT_m(t)＝T_m(t)-T_m(t’)，ΔT_b(t)＝T_b(t)-T_b(t’)；

然后，分别计算前部、中部和后部温度传感器历史趋势矩阵的均值为：

其中，ΔT_f,i(t)为前部温度传感器历史趋势矩阵ΔT_f(t)的第i个元素，n为前部温度传感器历史趋势矩阵ΔT_f(t)元素的个数；

其中，ΔT_m,i(t)为前部温度传感器历史趋势矩阵ΔT_m(t)的第i个元素，n为中部温度传感器历史趋势矩阵ΔT_m(t)元素的个数；

其中，ΔT_b,i(t)为后部温度传感器历史趋势矩阵ΔT_b(t)的第i个元素，n为后部温度传感器历史趋势矩阵ΔT_b(t)元素的个数；

如前所述，开关柜内有9个待监测的母排和/或电缆接头，则n＝9；

最后，前部温度矩阵融合权重因子α、中部温度矩阵融合权重因子β和后部温度矩阵融合权重因子γ的计算公式如下所示：

其中，E_f、E_m和E_b分别为前部、中部和后部温度传感器的测量精度；μ_f、μ_m和μ_b分别为前部、中部和后部温度传感器历史趋势矩阵的均值。

步骤S104，根据上述至少两个温度矩阵的融合权重因子计算融合温度矩阵；

计算上述示例的融合温度矩阵T_fused(t)＝α×T_f(t)+β×T_m(t)+γ×T_b(t)；

融合温度矩阵是将多个温度传感器的数据按照一定的权重和算法融合在一起，生成一个综合的温度矩阵。它通过综合考虑不同传感器的测量结果和特定的权重因子来提供一个更精确和稳定的温度分布图。通过融合不同位置的温度数据，可以减少单一传感器测量误差带来的影响，从而提高整体测量精度。特别是当中部使用高精度传感器，两边使用低精度传感器时，融合矩阵可以有效平衡这些误差。融合温度矩阵可以根据历史趋势参数和传感器精度动态调整权重因子，从而使得融合结果更加可靠和实时。权重因子可以根据历史数据的稳定性和当前传感器的精度进行调整，使得高精度传感器的数据在融合过程中占据更大比重。融合算法还可以平滑温度分布，减少由于个别传感器读数波动带来的误差，这对于形成稳定的温度分布图和趋势分析非常有帮助。

步骤S105，通过所述融合温度矩阵插值估算未布置温度传感器位置的温度，生成完整的温度分布图；

开关柜内某些部件或区域可能由于散热不良或负载过高而出现温度异常，这些热点或冷点可能处于未布置传感器的位置。插值估算可以为开关柜内的这些关键位置提供温度数据，而不仅仅是安装了温度传感器的点，这样可以更全面地了解整个系统的温度分布情况。

假设已知所述融合温度矩阵中相互邻近的四个温度点的位置坐标和温度值，如[(x₁,y₁),T₁₁]、[(x₂,y₁),T₂₁]、[(x₁,y₂),T₁₂]和[(x₂,y₂),T₂₂]；需要插值计算的位置坐标和温度点为[(x,y),T(x,y)]，插值计算公式为：

进一步地，在插值计算公式中可以引入温度历史趋势因子ω₁、ω₂、ω₃和ω₄，将当前的融合温度矩阵T_fused(t)与上一时刻t’时刻的T_fused(t′)相减，得到融合温度矩阵的温度变化量。设T₁₁、T₂₁、T₁₂、T₂₂对应的温度变化量分别为ΔT₁₁、ΔT₂₁、ΔT₁₂、ΔT₂₂，则温度历史趋势因子ω₁、ω₂、ω₃和ω₄分别表示为：

其中，C是平衡系数，平衡系数C是用于调节插值大小的常数，通常根据经验选择合适的平衡系数，本申请中C的取值范围为3.2≤C≤4。

插值计算公式可以优化为：

对于融合温度矩阵中温度值变化较大的位置，需要重点关注；而在插值过程中增加其权重，可以提高插值的精度和平滑度；通过简单的温度历史趋势因子实现插值计算的易用性和可靠性。

使用上述计算方法对未布置温度传感器的位置逐一进行温度估算，从而生成完整的温度分布图。

步骤S106，根据不同待监测部件的正常工作温度范围，设定温度阈值(上限温度阈值：超过此温度值可能表示过热故障；下限温度阈值：低于此温度值可能表示温度传感器故障或其他异常情况)。

步骤S107，计算温度梯度(即温度在空间上的变化率，异常高的温度梯度可能表示局部过热或其他异常情况)。

步骤S108，故障识别；基于温度阈值和温度梯度，识别潜在的故障区域和故障类型。具体步骤如下：

阈值检测：对温度分布图中的各个点，检查其温度是否超过设定的上限温度阈值或者低于下限温度阈值；

温度梯度检测：计算各个点的温度梯度，检查其是否超过预设的梯度阈值；

空间位置相关性：考虑故障点的空间位置相邻性，即多个相邻点都超过温度阈值或者梯度阈值时，更可能表示故障。

步骤S109，报警机制；当检测到异常温度或温度梯度时，系统自动触发报警。报警机制可以包括：

实时报警：系统通过声光报警器、短信、电子邮件等方式通知维护人员；

记录日志：将异常温度点和时间记录在系统日志中，便于后续分析；

生成报告：定期生成温度监测报告，包含故障点、时间、温度值等详细信息。

下面对本申请实施例提供的一种基于温度矩阵的智能测温装置进行介绍，下文描述的智能测温装置与上文描述的基于温度矩阵的智能测温方法可相互对应参照。

图3所示为本申请的一种基于温度矩阵的智能测温装置的架构示意图，温度传感器为测温装置的感知层，网络层承担数据中继功能，它接收到温度传感器的数据之后再通过光纤、RS485、GPRS或者无线等方式传输给数据后台，数据到达后台后，用户可以通过Web访问方式监测现场每个传感器的实时温度、历史温度、设备运行趋势，如果出现超温情况，可以快速定位并及时通知相关调度人员。图4所示为智能测温装置的应用层后台主页示意图，页面可以显示温度传感器的分布情况、实时温度变化、报警信息以及设备运行状态。

本申请实施例提供的一种基于温度矩阵的智能测温装置，包括：

若干温度传感器，在开关柜内的每个待监测部件上布置至少两个温度传感器，且所述至少两个温度传感器的测量精度不全部相同；

温度采集和存储单元，对布置在所述每个待监测部件上的若干温度传感器以一定采样周期采集开关柜内的每个待监测部件的温度数据，并记录下每个时间点的温度值，按传感器位置关系形成至少两个温度矩阵；

数据处理单元，根据所述至少两个温度矩阵的历史变化趋势和传感器测量精度计算至少两个温度矩阵的融合权重因子；利用融合权重因子计算得到融合温度矩阵；通过所述融合温度矩阵插值估算未布置温度传感器位置的温度，生成完整的温度分布图；

温度判断单元，将所述温度分布图中关键部位的温度以及计算得到的温度梯度与设置的温度阈值和温度梯度比较；

故障识别单元，基于温度判断单元的比较结果，识别潜在的故障区域和故障类型；

报警单元，当检测到异常温度或温度梯度时，系统自动触发报警。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，尽管参照前述实施例对本申请进行了详细的说明，对于本领域技术人员来说，其依然可以对前述各实施例所记载的技术方案进行改进，或者对其中部分技术特征进行等同替换。凡在本申请的精神和原则之内，所作的任何修改、等同替换，均应包含在本申请的保护范围之内。

Claims (7)

1.一种基于温度矩阵的智能测温方法，其特征在于，包括：

步骤1，温度传感器布置；在开关柜内的每个待监测部件上布置前部、中部和后部三个温度传感器，且中部温度传感器的测量精度优于前部温度传感器和后部温度传感器的测量精度；

步骤2，温度数据采集和存储；布置在所述每个待监测部件上的三个温度传感器以一定采样周期采集开关柜内的每个待监测部件的温度数据，并记录下每个时间点的温度值，按传感器位置关系形成三个温度矩阵；

步骤3，根据所述三个温度矩阵的历史变化趋势和传感器测量精度计算所述三个温度矩阵的融合权重因子；

通过计算得到前部、中部和后部温度传感器历史趋势矩阵：ΔT_f(t)＝T_f(t)-T_f(t’)，ΔT_m(t)＝T_m(t)-T_m(t’)，ΔT_b(t)＝T_b(t)-T_b(t’)；其中ΔT_f(t)为前部温度传感器历史趋势矩阵，ΔT_m(t)为中部温度传感器历史趋势矩阵，ΔT_b(t)为后部温度传感器历史趋势矩阵，T_f(t)为t时刻的前部温度矩阵，T_f(t’)为t时刻的上一时刻t’时刻的前部温度矩阵，T_m(t)为t时刻的中部温度矩阵，T_m(t’)为t时刻的上一时刻t’时刻的中部温度矩阵，T_b(t)为t时刻的后部温度矩阵，T_b(t’)为t时刻的上一时刻t’时刻的后部温度矩阵；前部、中部和后部温度传感器历史趋势矩阵的均值分别为：和 其中ΔT_f,i(t)、ΔT_m,i(t)和ΔT_b,i(t)分别为前部温度传感器历史趋势矩阵ΔT_m(t)、中部温度传感器历史趋势矩阵ΔT_m(t)和后部温度传感器历史趋势矩阵ΔT_b(t)的第i个元素，n为前部、中部和后部温度传感器历史趋势矩阵元素的个数；前部温度矩阵融合权重因子α、中部温度矩阵融合权重因子β和后部温度矩阵融合权重因子γ的计算公式如下所示：

其中，E_f、E_m和E_b分别为前部、中部和后部温度传感器的测量精度；

步骤4，根据上述三个温度矩阵的融合权重因子计算融合温度矩阵T_fused(t)＝α×T_f(t)+β×T_m(t)+γ×T_b(t)；

步骤5，通过所述融合温度矩阵插值估算未布置温度传感器位置的温度，生成完整的温度分布图；

步骤6，根据不同待监测部件的正常工作温度范围，设定温度阈值；

步骤7，计算温度梯度；

步骤8，故障识别；基于温度阈值和温度梯度，识别潜在的故障区域和故障类型；

步骤9，报警机制；当检测到异常温度或温度梯度时，系统自动触发报警。

2.一种如权利要求1所述的测温方法，其特征在于，所有上述前部温度传感器大致位于同一平面内，所有上述中部温度传感器大致位于同一平面内，所有上述后部温度传感器大致位于同一平面内。

3.一种如权利要求1所述的测温方法，其特征在于，在所述步骤5中，融合温度矩阵中相互邻近的四个温度点的位置坐标和温度值分别为：[(x₁,y₁),T₁₁]、[(x₂,y₁),T₂₁]、[(x₁,y₂),T₁₂]和[(x₂,y₂),T₂₂]；需要插值计算的位置坐标和温度点为[(x,y),T(x,y)]，插值计算公式为：

4.一种如权利要求3所述的测温方法，其特征在于，插值计算公式中引入温度历史趋势因子ω₁、ω₂、ω₃和ω₄，将当前的融合温度矩阵T_fused(t)与上一时刻t’时刻的T_fused(t′)相减，得到融合温度矩阵的温度变化量；设T₁₁、T₂₁、T₁₂、T₂₂对应的温度变化量分别为ΔT₁₁、ΔT₂₁、ΔT₁₂、ΔT₂₂，则温度历史趋势因子ω₁、ω₂、ω₃和ω₄分别表示为：

其中，C是平衡系数，平衡系数C是常数。

5.如权利要求1-4任一项所述的测温方法，其特征在于，温度传感器从RTD、热电偶、NTC以及半导体温度传感中选择至少两种。

6.如权利要求1-4任一项所述的测温方法，其特征在于，报警机制包括：

实时报警：系统通过声光报警器、短信、电子邮件的方式通知维护人员；

记录日志：将异常温度点和时间记录在系统日志中，便于后续分析；

生成报告：定期生成温度监测报告，包含故障点、时间、温度值。

7.一种使用上述权利要求1所述的基于温度矩阵的智能测温方法的智能测温装置，其特征在于，包括：

若干温度传感器，在开关柜内的每个待监测部件上布置三个温度传感器，且所述三个温度传感器的测量精度不全部相同；

温度采集和存储单元，对布置在所述每个待监测部件上的三个温度传感器以一定采样周期采集开关柜内的每个待监测部件的温度数据，并记录下每个时间点的温度值，按传感器位置关系形成三个温度矩阵；

数据处理单元，根据所述三个温度矩阵的历史变化趋势和传感器测量精度计算三个温度矩阵的融合权重因子；利用融合权重因子计算得到融合温度矩阵；通过所述融合温度矩阵插值估算未布置温度传感器位置的温度，生成完整的温度分布图；

温度判断单元，将所述温度分布图中关键部位的温度以及计算得到的温度梯度与设置的温度阈值和温度梯度比较；

故障识别单元，基于温度判断单元的比较结果，识别潜在的故障区域和故障类型；

报警单元，当检测到异常温度或温度梯度时，系统自动触发报警。