CN108537415A - 一种在线式安全用电的配电方法、装置及*** - Google Patents
一种在线式安全用电的配电方法、装置及*** Download PDFInfo
- Publication number
- CN108537415A CN108537415A CN201810229136.8A CN201810229136A CN108537415A CN 108537415 A CN108537415 A CN 108537415A CN 201810229136 A CN201810229136 A CN 201810229136A CN 108537415 A CN108537415 A CN 108537415A
- Authority
- CN
- China
- Prior art keywords
- distribution
- electric power
- parameter information
- electrical equipment
- power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 238000003062 neural network model Methods 0.000 claims abstract description 30
- 230000005611 electricity Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种在线式安全用电的配电方法包括:获取配电装置运行时的用电参数信息;将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;根据所计算得到的估计时间生成报警信息。使得用户或者管理工作人员能够及时的发现和处理可能出现异常的设备,减小用电设备异常所带来的人身和财产的损失。
Description
技术领域
本发明属于电力领域,尤其涉及一种在线式安全用电的配电方法、装置及***。
背景技术
配电装置是指在用电设备正常运行时,通过测量用电设备的功耗,为用电设备分配电能,当用电设备发生故障时,通过检测到发生故障的线路,并通过自动或手动操作,迅速切断故障线路部分,使***恢复正常运行的装置。因此,配电装置是具体实现电气主接线功能的重要装置。
由于目前的配电装置一般功能仅局限于检测用电设备的功率、电流、电压等参数,控制用电设备的电能供给,当用电设备在使用过程中,不能尽早的发现用电设备的异常,可能会由于用电设备异常而使得损害财产或人身安全。
发明内容
有鉴于此,本发明实施例提供了一种在线式安全用电的配电方法、装置及***,以解决现有技术中用电设备在使用过程中,不能尽早的发现用电设备的异常,可能会由于用电设备异常而使得损害财产或人身安全的问题。
本发明实施例的第一方面提供了一种在线式安全用电的配电方法,所述方法包括:
获取配电装置运行时的用电参数信息;
将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
根据所计算得到的估计时间生成报警信息。
结合第一方面,在第一方面的第一种可能实现方式中,在所述将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间的步骤之前,所述方法还包括:
获取历史样本数据,所述历史样本数据包括历史用电参数信息和所述参数对应的设备出现异常的时间;
将所述历史样本数据代入所述配电神经网络模型进行训练,确定所述配电神经网络模型中的参数值。
结合第一方面或第一方面的第一种可能实现方式中,在第一方面的第二种可能实现方式中,所述用电参数信息包括用电电压、用电电流、线路温度、用电设备信息、漏电量、用电功率持续时长、用电时间点、天气湿度、天气干燥度中的一项或者多项。
结合第一方面,在第一方面的第三种可能实现方式中,所述方法还包括:
根据当前获取的配电装置运行时的用电参数信息,结合历史样本数据,查找与当前用电参数信息匹配的配置信息;
根据所查找的配置信息对用电设备进行配电。
结合第一方面,在第一方面的第四种可能实现方式中,所述方法还包括:
查找用电设备所绑定的用户端;
向所述用户端发送包括用电设备出现异常的估计时间的报警信息。
本发明实施例的第二方面提供了一种在线式安全用电的配电装置,所述装置包括:
用电参数信息获取单元,用于获取配电装置运行时的用电参数信息;
计算单元,用于将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
报警信息生成单元,用于根据所计算得到的估计时间生成报警信息。
结合第二方面,在第二方面的第一种可能实现方式中,所述装置还包括:
样本获取单元,用于获取历史样本数据,所述历史样本数据包括历史用电参数信息和所述参数对应的设备出现异常的时间;
训练单元,用于将所述历史样本数据代入所述配电神经网络模型进行训练,确定所述配电神经网络模型中的参数值。
结合第二方面,在第二方面的第二种可能实现方式中,所述用电参数信息包括用电电压、用电电流、线路温度、用电设备信息、漏电量、用电功率持续时长、用电时间点、天气湿度、天气干燥度中的一项或者多项。
本发明实施例的第三方面提供了一种在线式安全用电的配电***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述在线式安全用电的配电方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述在线式安全用电的配电方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:通过获取配电装置运行时的用电参数信息,并将所述配电参数信息代入预先经过训练的配电神经网络模型,从而可以通过云服务器计算得到用电设备出现异常的估计时间,生成包括所述估计时间的报警信息,通过云服务器可以提供强大的后台数据的计算处理,可以提供更为准确的预测结果,使得用户或者管理工作人员能够及时的发现和处理可能出现异常的设备,减小用电设备异常所带来的人身和财产的损失。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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他的附图。
图1是本发明实施例提供的一种在线式安全用电的配电方法的实现流程示意图;
图2是本发明实施例提供的又一种在线式安全用电的配电方法的实现流程示意图;
图3是本发明实施例提供的又一种在线式安全用电的配电方法的实现流程示意图;
图4是本发明实施例提供的在线式安全用电的配电装置的示意图;
图5是本发明实施例提供的在线式安全用电的配电***的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
如图1所示为本申请实施例提供的一种在线式安全用电的配电方法的实现流程示意图,详述如下:
在步骤S101中,获取配电装置运行时的用电参数信息;
具体的,所述用电参数信息可以包括用电电压、用电电流、线路温度、用电设备信息、漏电量、用电功率持续时长、用电时间点、天气湿度、天气干燥度中的一项或者多项。
其中,用电电压可以为整个配电***的用电设备的用电电压,或者为部分配电线路的线路电压。由于异常的电压会影响用电设备的正常使用,甚至会使得用电设备出现损害。比如长时间的超出用电设备的额定电压,损坏用电设备中的电子元器件,甚至引起火灾等。
所述用电电流可以包括配电***的总电流,也可以为不同的配电线路的电流,或者还可以为单个的用电设备的电流。通过检测不同线路的用电电流,并且可以结合该用电线路的用电设备的数量和功率,或者单个用电设备的功率,确定当前用电设备的工作状态,比如正常工作状态或者非额定功率的工作状态等。
所述线路温度的高低与用电线路的用电设备的功率相关,用电线路的用电设备的功率越高,一般情况下所产生的热量也会越高,但是,如果线路出现接触不良、漏电或者其它干扰因素时,也会使得线路温度出现变化。
所述漏电量可以通过回路的输入电流和输出电流的差值进行检测,当回路中的漏电流越大,对用电设备或者发生其它意外的机率也越高。
所述用电设备信息可以包括用电设备的额定功率、额定电压、额定电流等信息。
所述用电功率持续时长可以为整个***,或者单个线路的用电功率在某一值的持续时长。
另外,所述用电参数信息还包括用电时间点、天气湿度、天气干燥度等,不同的时间点会影响人们对用电设备的使用频率、时长等,以及不同的天气会影响用电设备的使用频率、时长等。
在步骤S102中,将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
所述配电神经网络模型包括输入参数和输出结果,其中,输入参数可以包括用电电压、用电电流、线路温度、用电设备信息、漏电量、用电功率持续时长、用电时间点、天气湿度、天气干燥度中的一项或者多项,输出结果为用电设备出现异常的估计时间。
所述配电神经网络模型可以通过历史样本数据进行训练得到。当历史样本数据越丰富,所得到的配电神经网络模型的准确度也会越高,从而能够计算得到更为精确的用电设备出现异常的估计时间。
根据代入参数的不同,计算得到的用电设备出现异常的估计时间的结果也会不同。可选的实施方式中,可以通过***的用电参数信息确定***中的用电设备的出现异常的初步估计时间,然后通过线路的用电参数信息,进一步确定预估会出现异常的用电设备所在的线路,以及用电设备出现异常的进一步估计时间。
优选的实施方式中,所述用电参数信息可以发送至远端的云服务器,由云服务器完成所述估计时间的计算。在云服务器计算完成后,通过查找用电设备所对应的用户端,向用户端发送报警信息。
在步骤S103中,根据所计算得到的估计时间生成报警信息。
根据所计算得到的用电设备出现异常的估计时间,并及时的生成包括所述估计时间的报警信息,可以将所述报警信息发送给所述用电设备对应的用户端,可以通过拨打电话、发送短信、发送APP信息等方式,将报警信息传送至用电设备所绑定的用户端。
当然,所述报警信息也可以发送至监控中心,所述报警信息对应的用电参数信息、用电设备可以发送至云服务器存储,方便后续的查询。
本实施例通过获取配电装置运行时的用电参数信息,并将所述配电参数信息代入预先经过训练的配电神经网络模型,从而可以通过云服务器计算得到用电设备出现异常的估计时间,生成包括所述估计时间的报警信息,使得用户或者管理工作人员能够及时的发现和处理可能出现异常的设备,减小用电设备异常所带来的人身和财产的损失。
图2为本申请实施例提供的又一在线式安全用电的配电方法的实现流程示意图,详述如下:
在步骤S201中,获取配电装置运行时的用电参数信息;
在步骤S202中,获取历史样本数据,所述历史样本数据包括历史用电参数信息和所述参数对应的设备出现异常的时间;
具体的,所述历史样本数据的采集或记录需要通过一定时长。比如,在用电设备工作过程中,记录用电设备的用电参数信息,当此时并不清楚用电设备出现异常的时间,需要等到用电设备出现异常后,根据用电设备出现异常的时间,完善之前所记录的用电参数信息所对应的用电设备出现异常的时间。当用电设备出现异常时,根据用电设备出现异常的时间点,可以确定在此之前所记录的用电参数信息所对应的用电设备出现异常的时间。
在步骤S203中,将所述历史样本数据代入所述配电神经网络模型进行训练,确定所述配电神经网络模型中的参数值。
将历史样本数据中的用电参数信息作为输入向量,历史样本数据中的用电设备出现异常的时间作为输出向量,代入配电神经网络模型进行训练,通过反复的训练,逐步完善配电神经网络模型中的参数的数值。
在步骤S204中,将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
在步骤S205中,根据所计算得到的估计时间生成报警信息。
步骤S204-S205与图1中的步骤S102-S103基本相同。
本实施例进一步对历史样本数据的获取方式以及训练方式进行了具体介绍,通过历史数据对配电神经网络模型进行训练,从而能够有效的对未来发生的用电设备出现异常的估计时间进行推测,使得用户能够及时的获取用电设备可能出现异常的信息,有助于减少用电设备的损害。
图3为本申请实施例提供的又一在线式安全用电的配电方法的实现流程,详述如下:
在步骤S301中,获取配电装置运行时的用电参数信息;
在步骤S302中,将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
在步骤S303中,根据所计算得到的估计时间生成报警信息;
步骤S301-S303与图1中的步骤S101-S103基本相同。
在步骤S304中,根据当前获取的配电装置运行时的用电参数信息,结合历史样本数据,查找与当前用电参数信息匹配的配置信息;
所述用电参数信息匹配的配置信息,可以通过确定所述用电参数信息中可改变的参数,比如可以提高用电电压或者降低用电电压、减少或者增加用电设备的数量、增加或者减小用电电流等。可以根据历史的调节数据集合中查找较优的配置信息,或者还可以通过神经网络学习模型的方式,从历史数据中学习得到较佳的配置信息。
当改变用电设备的数量时,可以根据用电设备所对应的用户端,向用户端发送相应的提示信息。
在步骤S305中,根据所查找的配置信息对用电设备进行配电。
通过根据用电参数信息选择相应的配置信息,从而能够有效的减少对电设备造成损害的因素,进一步提高用电设备使用的安全性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图4为本申请实施例提供的一种在线式安全用电的配置装置的结构示意图,所述在线式安全用电的配置装置包括:
用电参数信息获取单元401,用于获取配电装置运行时的用电参数信息;
计算单元402,用于将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
报警信息生成单元403,用于根据所计算得到的估计时间生成报警信息。
优选的,所述装置还包括:
样本获取单元,用于获取历史样本数据,所述历史样本数据包括历史用电参数信息和所述参数对应的设备出现异常的时间;
训练单元,用于将所述历史样本数据代入所述配电神经网络模型进行训练,确定所述配电神经网络模型中的参数值。
优选的,所述用电参数信息包括用电电压、用电电流、线路温度、用电设备信息、漏电量、用电功率持续时长、用电时间点、天气湿度、天气干燥度中的一项或者多项。
图4所述在线式安全用电的配电装置,与图1-3所述的在线式安全用电的配电方法对应。
图5是本发明一实施例提供的在线式安全用电的配电***的示意图。如图5所示,该实施例的在线式安全用电的配电***5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如在线式安全用电的配电程序。所述处理器50执行所述计算机程序52时实现上述各个在线式安全用电的配电方法实施例中的步骤,例如图1所示的步骤101至103。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块501至503的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述在线式安全用电的配电***5中的执行过程。例如,所述计算机程序52可以被分割成用电参数信息获取单元、计算单元和报警信息生成单元,各单元具体功能如下:
用电参数信息获取单元,用于获取配电装置运行时的用电参数信息;
计算单元,用于将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
报警信息生成单元,用于根据所计算得到的估计时间生成报警信息。
所述在线式安全用电的配电***可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是在线式安全用电的配电***5的示例,并不构成对在线式安全用电的配电***5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述在线式安全用电的配电***还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述在线式安全用电的配电***5的内部存储单元,例如在线式安全用电的配电***5的硬盘或内存。所述存储器51也可以是所述在线式安全用电的配电***5的外部存储设备,例如所述在线式安全用电的配电***5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。进一步地,所述存储器51还可以既包括所述在线式安全用电的配电***5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述在线式安全用电的配电***所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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***,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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。
所述集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种在线式安全用电的配电方法,其特征在于,所述方法包括:
获取配电装置运行时的用电参数信息;
将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
根据所计算得到的估计时间生成报警信息。
2.根据权利要求1所述的在线式安全用电的配电方法,其特征在于,在所述将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间的步骤之前,所述方法还包括:
获取历史样本数据,所述历史样本数据包括历史用电参数信息和所述参数对应的设备出现异常的时间;
将所述历史样本数据代入所述配电神经网络模型进行训练,确定所述配电神经网络模型中的参数值。
3.根据权利要求1或2所述的在线式安全用电的配电方法,其特征在于,所述用电参数信息包括用电电压、用电电流、线路温度、用电设备信息、漏电量、用电功率持续时长、用电时间点、天气湿度、天气干燥度中的一项或者多项。
4.根据权利要求1所述的在线式安全用电的配电方法,其特征在于,所述方法还包括:
根据当前获取的配电装置运行时的用电参数信息,结合历史样本数据,查找与当前用电参数信息匹配的配置信息;
根据所查找的配置信息对用电设备进行配电。
5.根据权利要求1所述的在线式安全用电的配电方法,其特征在于,所述方法还包括:
查找用电设备所绑定的用户端;
向所述用户端发送包括用电设备出现异常的估计时间的报警信息。
6.一种在线式安全用电的配电装置,其特征在于,所述装置包括:
用电参数信息获取单元,用于获取配电装置运行时的用电参数信息;
计算单元,用于将所述用电参数信息代入预先经过训练的配电神经网络模型,通过云服务器计算得到用电设备出现异常的估计时间;
报警信息生成单元,用于根据所计算得到的估计时间生成报警信息。
7.根据权利要求6所述的在线式安全用电的配电装置,其特征在于,所述装置还包括:
样本获取单元,用于获取历史样本数据,所述历史样本数据包括历史用电参数信息和所述参数对应的设备出现异常的时间;
训练单元,用于将所述历史样本数据代入所述配电神经网络模型进行训练,确定所述配电神经网络模型中的参数值。
8.根据权利要求6或7所述的在线式安全用电的配电装置,其特征在于,所述用电参数信息包括用电电压、用电电流、线路温度、用电设备信息、漏电量、用电功率持续时长、用电时间点、天气湿度、天气干燥度中的一项或者多项。
9.一种在线式安全用电的配电***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述在线式安全用电的配电方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述在线式安全用电的配电方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810229136.8A CN108537415A (zh) | 2018-03-20 | 2018-03-20 | 一种在线式安全用电的配电方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810229136.8A CN108537415A (zh) | 2018-03-20 | 2018-03-20 | 一种在线式安全用电的配电方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108537415A true CN108537415A (zh) | 2018-09-14 |
Family
ID=63484958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810229136.8A Pending CN108537415A (zh) | 2018-03-20 | 2018-03-20 | 一种在线式安全用电的配电方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537415A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359866A (zh) * | 2018-10-17 | 2019-02-19 | 平安国际融资租赁有限公司 | 基于租赁设备的风险隐患监控方法、装置和计算机设备 |
CN111525577A (zh) * | 2020-04-24 | 2020-08-11 | 南方电网能源发展研究院有限责任公司 | 一种基于神经网络的远景220kV电网组网方法及其*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225020A (zh) * | 2015-11-11 | 2016-01-06 | 国家电网公司 | 一种基于bp神经网络算法的运行状态预测方法和*** |
CN106017551A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种智能化输电线路综合监测分析预警方法 |
CN106780138A (zh) * | 2016-12-13 | 2017-05-31 | 国网北京市电力公司 | 配电网故障预警方法和装置 |
CN107423746A (zh) * | 2017-04-06 | 2017-12-01 | 广东电网有限责任公司云浮供电局 | 基于聚类分析的电力线通信用电量数据分析方法及*** |
CN107527134A (zh) * | 2017-07-11 | 2017-12-29 | 中国农业大学 | 一种基于大数据的配电变压器状态评估方法及装置 |
CN107609769A (zh) * | 2017-09-06 | 2018-01-19 | 重庆邮电大学 | 一种基于故障基因表的智能配电网故障预警方法 |
CN107730117A (zh) * | 2017-10-17 | 2018-02-23 | 中国电力科学研究院 | 一种基于异质数据综合分析的电缆检修预警方法及*** |
-
2018
- 2018-03-20 CN CN201810229136.8A patent/CN108537415A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225020A (zh) * | 2015-11-11 | 2016-01-06 | 国家电网公司 | 一种基于bp神经网络算法的运行状态预测方法和*** |
CN106017551A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种智能化输电线路综合监测分析预警方法 |
CN106780138A (zh) * | 2016-12-13 | 2017-05-31 | 国网北京市电力公司 | 配电网故障预警方法和装置 |
CN107423746A (zh) * | 2017-04-06 | 2017-12-01 | 广东电网有限责任公司云浮供电局 | 基于聚类分析的电力线通信用电量数据分析方法及*** |
CN107527134A (zh) * | 2017-07-11 | 2017-12-29 | 中国农业大学 | 一种基于大数据的配电变压器状态评估方法及装置 |
CN107609769A (zh) * | 2017-09-06 | 2018-01-19 | 重庆邮电大学 | 一种基于故障基因表的智能配电网故障预警方法 |
CN107730117A (zh) * | 2017-10-17 | 2018-02-23 | 中国电力科学研究院 | 一种基于异质数据综合分析的电缆检修预警方法及*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359866A (zh) * | 2018-10-17 | 2019-02-19 | 平安国际融资租赁有限公司 | 基于租赁设备的风险隐患监控方法、装置和计算机设备 |
CN109359866B (zh) * | 2018-10-17 | 2024-05-03 | 塔比星信息技术(深圳)有限公司 | 基于租赁设备的风险隐患监控方法、装置和计算机设备 |
CN111525577A (zh) * | 2020-04-24 | 2020-08-11 | 南方电网能源发展研究院有限责任公司 | 一种基于神经网络的远景220kV电网组网方法及其*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612650B (zh) | 一种基于dtw距离的电力用户分群方法及*** | |
CN104993974B (zh) | 一种识别设备工作状态的检测方法以及上位机 | |
CN107862402A (zh) | 一种业务处理方法及终端设备 | |
CN109611815A (zh) | 一种燃气蒸汽锅炉的能耗报警管理方法及装置 | |
CN113406508A (zh) | 基于数字孪生的电池检测和维护方法及装置 | |
US11549995B2 (en) | Test board, test system and test method for charging device | |
CN108696369A (zh) | 一种告警信息处理设备及方法 | |
CN112560940A (zh) | 一种用电异常检测方法、装置、设备和存储介质 | |
CN108537415A (zh) | 一种在线式安全用电的配电方法、装置及*** | |
CN112365090A (zh) | 一种基于深度学习的非入侵式用电负荷识别方法及装置 | |
CN108183814A (zh) | 用电信息采集***的通信信道的故障排查方法和装置 | |
CN108334427A (zh) | 存储***中的故障诊断方法及装置 | |
CN107167656A (zh) | 基于智能电表的用电监测方法及装置 | |
CN103246814A (zh) | 一种基于K-means建模的个人用电设备状态识别方法 | |
CN116595395B (zh) | 一种基于深度学习的逆变器输出电流预测方法及*** | |
CN115420988B (zh) | 异常用电用户的识别方法、装置、设备及存储介质 | |
CN109363660A (zh) | 基于bp神经网络的心率监测方法及服务器 | |
CN108009582A (zh) | 一种电子设备标准工作指标设置的方法 | |
CN112836807A (zh) | 一种基于神经网络的数据处理方法及装置 | |
CN108227678A (zh) | 一种基于计量自动化***的配电网失压故障诊断方法和装置 | |
CN106707183A (zh) | 蓄电池放电测试方法和装置 | |
CN113204280B (zh) | 一种诊断电源故障的方法、***、设备及介质 | |
CN115859150A (zh) | 动力电池健康状态确定方法、装置、设备和存储介质 | |
CN109450044A (zh) | 充电桩电能管理方法及*** | |
CN107886180A (zh) | 航司创单接口监控方法、装置、电子设备、存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 518000 East and fourth floors, building A1, xinjianxing science and Technology Industrial Park, Fengxin Road, Loucun, Gongming street, Guangming District, Shenzhen City, Guangdong Province Applicant after: TANDA TECHNOLOGY Co.,Ltd. Address before: 518000 Guangdong province Shenzhen Guangming New District Gongming Street Village Feng Xin Lu Xinjian Xing Technology Industrial Park A1 Building 1 floor, 3 floor, 4 East Building, 5 floor Applicant before: TANDA TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |
|
RJ01 | Rejection of invention patent application after publication |