CN110908844B - 电弧故障检测方法、装置、计算机可读存储介质及插座 - Google Patents
电弧故障检测方法、装置、计算机可读存储介质及插座 Download PDFInfo
- Publication number
- CN110908844B CN110908844B CN201911016795.4A CN201911016795A CN110908844B CN 110908844 B CN110908844 B CN 110908844B CN 201911016795 A CN201911016795 A CN 201911016795A CN 110908844 B CN110908844 B CN 110908844B
- Authority
- CN
- China
- Prior art keywords
- load
- detection model
- waveform
- waveform data
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 443
- 238000000034 method Methods 0.000 claims abstract description 117
- 230000008569 process Effects 0.000 claims abstract description 86
- 238000012545 processing Methods 0.000 claims description 90
- 238000009825 accumulation Methods 0.000 claims description 31
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 3
- 230000035508 accumulation Effects 0.000 description 27
- 230000006870 function Effects 0.000 description 27
- 230000008859 change Effects 0.000 description 10
- 238000011895 specific detection Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000006855 networking Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2273—Test methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种电弧故障检测方法、装置、计算机可读存储介质及插座,该方法包括:确定待进行电弧故障检测的负载的特征信息;根据该负载的特征信息,匹配用于对该负载进行电弧故障检测的检测模型;根据匹配得到的该检测模型,对该负载进行电弧故障检测。本发明的方案,可以解决由于不同负载运行时的电流、电压的波形各不相同,影响智能插座对不同负载进行电弧故障检测时的检测精度的问题,达到提升智能插座针对不同负载进行电弧故障检测时的检测精度的效果。
Description
技术领域
本发明属于电弧故障检测技术领域,具体涉及一种电弧故障检测方法、装置、计算机可读存储介质及插座,尤其涉及一种电弧故障检测的交互方法、装置、计算机可读存储介质及插座。
背景技术
在家庭用户中,每种用电设备运行时的电流、电压的波形各不相同,带有电弧故障检测的智能插座连接不同负载的时候,由于负载的差异性,导致发生电弧等故障时的电流或者电压波形有所差异,会影响到电弧检测的精度。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的目的在于,针对上述缺陷,提供一种电弧故障检测方法、装置、计算机可读存储介质及插座,以解决由于不同负载运行时的电流、电压的波形各不相同,影响智能插座对不同负载进行电弧故障检测时的检测精度的问题,达到提升智能插座针对不同负载进行电弧故障检测时的检测精度的效果。
本发明提供一种电弧故障检测方法,包括:确定待进行电弧故障检测的负载的特征信息;根据该负载的特征信息,匹配用于对该负载进行电弧故障检测的检测模型;根据匹配得到的该检测模型,对该负载进行电弧故障检测。
可选地,负载的特征信息,包括:负载的种类,或者负载的启动波形数据;确定待进行电弧故障检测的负载的特征信息,包括:获取待进行电弧故障检测的负载的种类,以将该负载的种类作为该负载的特征信息;或者,获取负载启动过程中的启动波形数据,以将该负载的启动波形数据作为该负载的特征信息;其中,获取负载启动过程中的启动波形数据,包括:在负载启动的过程中,以第一设定时间以上为一个采集时间,对负载的波形数据进行采集,将该一个采集时间内得到的波形数据作为负载的一个启动波形数据。
可选地,匹配用于对该负载进行电弧故障检测的检测模型,包括:在负载的特征信息包括负载的种类的情况下,根据设定种类与设定检测模型之间的对应关系,将该对应关系中与该负载的种类相同的设定种类对应的设定检测模型,确定为与该负载的种类对应的该负载的检测模型;以及,在预先设定的第一模型库中有该负载的检测模型的情况下,自该第一模型库中直接调取该负载的检测模型;或在预先设定的第一模型库中没有该负载的检测模型的情况下,通过本地加载或远程升级的方式,将该负载的检测模型更新至预先设定的第一模型库中后,再自该第一模型库中直接调取该负载的检测模型;或者,在负载的特征信息包括负载的启动波形数据的情况下,对该负载的启动波形数据进行波形匹配处理,并根据波形匹配处理得到的匹配结果进行固件升级,以得到该负载的检测模型。
可选地,对该负载的启动波形数据进行波形匹配处理,包括:对该负载的启动波形数据进行预处理,得到第一波形数据;将该第一波形数据,与预设的波形数据库中同一时间点采集到的标准波形数据求绝对误差值;并对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,得到一个采集时间内基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差总值;在该绝对误差总值大于预设误差阈值的情况下,对记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数;并比较各个累加次数,将各个累加次数中最大累加次数对应的第一波形数据,确定为该负载的候选匹配波形;或在该绝对误差总值小于或等于预设误差阈值的情况下,则继续对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,且继续记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数。
可选地,根据波形匹配处理得到的匹配结果进行固件升级,包括:确定该负载是否处于工作状态;若该负载未处于工作状态,则在保持插座的本体通电、且该负载断电的情况下,根据该负载的候选匹配波形,按预设的升级方式,对该负载的检测模型进行固件升级。
可选地,其中,自该第一模型库中直接调取该负载的检测模型,具体为:由插座的本体,在本地侧确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型;或者,由插座的本体将该负载的种类上传至服务器后,再接收由服务器处理后向插座的本体反馈的该负载的检测模型;其中,服务器的处理,包括:确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型后,向插座的本体反馈该负载的检测模型;其中,该插座的本体,用于自第一模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测;和/或,对该负载的启动波形数据进行波形匹配处理,具体为:由插座的本体,在本地侧对该负载的启动波形数据进行波形匹配处理;或者,由插座的本体,先将负载的波形数据上传至服务器后,再接收由服务器对该负载的启动波形数据进行波形匹配处理后,向插座的本体反馈的波形匹配处理结果;和/或,根据波形匹配处理得到的匹配结果进行固件升级,具体为:由插座的本体,在本地侧对根据波形匹配处理得到的匹配结果进行固件升级,得到固件升级后的该负载的检测模型;或者,由插座的本体,先将该负载未处于工作状态的无工作状态指令发送至服务器后,在接收到服务器基于该无工作状态指令反馈的请求升级指令后,再向服务器发送升级指令;然后,接收由服务器在插座的本体保持通电、且该负载保持断电的情况下,根据该负载的候选匹配波形、并按预设的升级方式,对该负载的检测模型进行固件升级后,向插座的本体反馈的经固件升级后的该负载的检测模型;其中,该插座的本体,用于在固件升级时对升级进程进行显示;并利用固件升级后的该负载的检测模型,对负载进行电弧故障检测。
与上述方法相匹配,本发明另一方面提供一种电弧故障检测装置,包括:确定单元,用于确定待进行电弧故障检测的负载的特征信息;所述确定单元,还用于根据该负载的特征信息,匹配用于对该负载进行电弧故障检测的检测模型;检测单元,用于根据匹配得到的该检测模型,对该负载进行电弧故障检测。
可选地,负载的特征信息,包括:负载的种类,或者负载的启动波形数据;所述确定单元确定待进行电弧故障检测的负载的特征信息,包括:获取待进行电弧故障检测的负载的种类,以将该负载的种类作为该负载的特征信息;或者,获取负载启动过程中的启动波形数据,以将该负载的启动波形数据作为该负载的特征信息;其中,所述确定单元获取负载启动过程中的启动波形数据,包括:在负载启动的过程中,以第一设定时间以上为一个采集时间,对负载的波形数据进行采集,将该一个采集时间内得到的波形数据作为负载的一个启动波形数据。
可选地,所述确定单元匹配用于对该负载进行电弧故障检测的检测模型,包括:在负载的特征信息包括负载的种类的情况下,根据设定种类与设定检测模型之间的对应关系,将该对应关系中与该负载的种类相同的设定种类对应的设定检测模型,确定为与该负载的种类对应的该负载的检测模型;以及,在预先设定的第一模型库中有该负载的检测模型的情况下,自该第一模型库中直接调取该负载的检测模型;或在预先设定的第一模型库中没有该负载的检测模型的情况下,通过本地加载或远程升级的方式,将该负载的检测模型更新至预先设定的第一模型库中后,再自该第一模型库中直接调取该负载的检测模型;或者,在负载的特征信息包括负载的启动波形数据的情况下,对该负载的启动波形数据进行波形匹配处理,并根据波形匹配处理得到的匹配结果进行固件升级,以得到该负载的检测模型。
可选地,所述确定单元对该负载的启动波形数据进行波形匹配处理,包括:对该负载的启动波形数据进行预处理,得到第一波形数据;将该第一波形数据,与预设的波形数据库中同一时间点采集到的标准波形数据求绝对误差值;并对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,得到一个采集时间内基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差总值;在该绝对误差总值大于预设误差阈值的情况下,对记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数;并比较各个累加次数,将各个累加次数中最大累加次数对应的第一波形数据,确定为该负载的候选匹配波形;或在该绝对误差总值小于或等于预设误差阈值的情况下,则继续对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,且继续记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数。
可选地,所述确定单元根据波形匹配处理得到的匹配结果进行固件升级,包括:确定该负载是否处于工作状态;若该负载未处于工作状态,则在保持插座的本体通电、且该负载断电的情况下,根据该负载的候选匹配波形,按预设的升级方式,对该负载的检测模型进行固件升级。
可选地,其中,所述确定单元自该第一模型库中直接调取该负载的检测模型,具体为:由插座的本体,在本地侧确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型;或者,由插座的本体将该负载的种类上传至服务器后,再接收由服务器处理后向插座的本体反馈的该负载的检测模型;其中,服务器的处理,包括:确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型后,向插座的本体反馈该负载的检测模型;其中,该插座的本体,用于自第一模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测;和/或,所述确定单元对该负载的启动波形数据进行波形匹配处理,具体为:由插座的本体,在本地侧对该负载的启动波形数据进行波形匹配处理;或者,由插座的本体,先将负载的波形数据上传至服务器后,再接收由服务器对该负载的启动波形数据进行波形匹配处理后,向插座的本体反馈的波形匹配处理结果;和/或,所述确定单元根据波形匹配处理得到的匹配结果进行固件升级,具体为:由插座的本体,在本地侧对根据波形匹配处理得到的匹配结果进行固件升级,得到固件升级后的该负载的检测模型;或者,由插座的本体,先将该负载未处于工作状态的无工作状态指令发送至服务器后,在接收到服务器基于该无工作状态指令反馈的请求升级指令后,再向服务器发送升级指令;然后,接收由服务器在插座的本体保持通电、且该负载保持断电的情况下,根据该负载的候选匹配波形、并按预设的升级方式,对该负载的检测模型进行固件升级后,向插座的本体反馈的经固件升级后的该负载的检测模型;其中,该插座的本体,用于在固件升级时对升级进程进行显示;并利用固件升级后的该负载的检测模型,对负载进行电弧故障检测。
与上述装置相匹配,本发明再一方面提供一种插座,包括:以上所述的电弧故障检测装置。
与上述方法相匹配,本发明再一方面提供一种计算机可读存储介质,包括:所述计算机可读存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行以上所述的电弧故障检测方法。
与上述方法相匹配,本发明再一方面提供一种插座,包括:处理器,用于执行多条指令;存储器,用于存储多条指令;其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行以上所述的电弧故障检测方法。
本发明的方案,通过根据负载的种类完成插座固件的在线更新,可以提高插座针对每种负载的电弧故障检测的精度。
进一步,本发明的方案,通过使用远程在线加载固件,实现在线更新固件,更新方便、且可靠。
进一步,本发明的方案,通过远程服务,进行远程在线升级,实现在线更新固件,可以针对每种负载确定对应特定的检测模型,有利于提高针对每种负载的电弧故障检测的精度。
进一步,本发明的方案,通过根据不同种类的负载选择不同的固件进行检测,可以提升针对不同负载的电弧故障检测精度,提升针对不同负载进行电弧故障保护时的保护可靠性。
进一步,本发明的方案,通过使每种负载对应特定的检测模型,可以提高检测的精度,提升负载运行的安全性。
由此,本发明的方案,通过根据负载的种类完成插座固件的在线更新,解决由于不同负载运行时的电流、电压的波形各不相同,影响智能插座对不同负载进行电弧故障检测时的检测精度的问题,达到提升智能插座针对不同负载进行电弧故障检测时的检测精度的效果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的电弧故障检测方法的一实施例的流程示意图;
图2为本发明的方法中根据负载的种类匹配负载的检测模型的一实施例的流程示意图;
图3为本发明的方法中对该负载的启动波形数据进行波形匹配处理的一实施例的流程示意图;
图4为本发明的方法中根据波形匹配处理得到的匹配结果进行固件升级的一实施例的流程示意图;
图5为本发明的电弧故障检测装置的一实施例的结构示意图;
图6为本发明的插座的一实施例的电弧故障检测的总流程示意图;
图7为本发明的插座的一实施例的服务器波形匹配流程示意图;
图8为本发明的插座的一实施例的固件升级流程示意图;
图9为本发明的插座的一实施例的电弧故障检测流程示意图;
图10为本发明的插座的一实施例的故障周期判别流程示意图;
图11为本发明的插座的一实施例的电弧故障判别流程图。
结合附图,本发明实施例中附图标记如下:
102-确定单元;104-检测单元。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。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他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种电弧故障检测方法,如图1所示本发明的方法的一实施例的流程示意图。该电弧故障检测方法可以包括:步骤S110至步骤S130。
在步骤S110处,确定待进行电弧故障检测的负载的特征信息。其中,该负载,可以是智能插座当前连接到的负载,也可以是智能插座将要连接到以对其进行电弧故障检测的负载。该特征信息,可以是该负载的种类,也可以是能表征该负载的身份的其它信息如启动波形数据。
其中,负载的特征信息,可以包括:负载的种类,或者负载的启动波形数据。
可选地,步骤S110中确定待进行电弧故障检测的负载的特征信息,可以包括以下任一种确定过程。
第一种确定过程:在负载的特征信息可以包括负载的种类的情况下,直接获取负载的种类的方式,具体可以包括:获取待进行电弧故障检测的负载的种类,以将该负载的种类作为该负载的特征信息。例如:在能够直接确定负载的种类的情况下,可以直接获取负载的种类。
第二种确定过程:在负载的特征信息可以包括负载的启动波形数据的情况下,可以直接获取负载的启动波形数据,以将该负载的启动波形数据作为该负载的特征信息。
当然,也可以基于负载的启动波形数据、以及设定启动波形数据与设定种类之间的对应关系,确定与该启动波形数据对应的种类,以作为该负载的种类,从而将该负载的种类作为该负载的特征信息,具体可以包括:获取负载启动过程中的启动波形数据,以将该负载的启动波形数据作为该负载的特征信息。具体地,该启动波形数据,可以是负载启动过程中的启动电压波形数据、启动电流波形数据、或启动功率波形数据。
其中,获取负载启动过程中的启动波形数据,可以包括:在负载启动的过程中,以第一设定时间以上为一个采集时间,对负载的波形数据进行采集,将该一个采集时间内得到的波形数据作为负载的一个启动波形数据。
例如:负载启动的时候,负载会产生一种启动波形(如启动波形数据),智能插座在负载启动过程中采集负载的启动波形(如启动波形数据),采集的时间可以是1分钟以上。
由此,通过负载的多种形式的特征信息,有利于提升基于负载的特征信息匹配对应的检测模型的便捷性和灵活性。
在步骤S120处,根据该负载的特征信息,匹配可以用于对该负载进行电弧故障检测的检测模型。
例如:能够根据不同种类的负载选择不同的固件进行检测,针对不同负载情况进行对应检测,如每种负载对应特定的检测模型,提高检测的精度。
例如:通过远程服务,进行远程在线升级,也就是使用远程在线加载固件,实现在线更新固件。
可选地,步骤S120中匹配可以用于对该负载进行电弧故障检测的检测模型,可以包括以下任一种匹配过程。
第一种匹配过程:根据负载的种类匹配负载的检测模型的过程,具体可以如下。
下面结合图2所示本发明的方法中根据负载的种类匹配负载的检测模型的一实施例流程示意图,进一步说明根据负载的种类匹配负载的检测模型的具体过程,可以包括:步骤S210至步骤S230。
步骤S210,在负载的特征信息可以包括负载的种类的情况下,根据设定种类与设定检测模型之间的对应关系,将该对应关系中与该负载的种类相同的设定种类对应的设定检测模型,确定为与该负载的种类对应的该负载的检测模型。以及,
步骤S220,在预先设定的第一模型库中有该负载的检测模型的情况下,自该第一模型库中直接调取该负载的检测模型,以利用直接调取的该负载的检测模型对该负载进行电弧故障检测。
或步骤S230,在预先设定的第一模型库中没有该负载的检测模型的情况下,通过本地加载或远程升级的方式,将该负载的检测模型更新至预先设定的第一模型库中后,再自该第一模型库中直接调取该负载的检测模型,以利用更新后再调取的该负载的检测模型对该负载进行电弧故障检测。
例如:根据负载的种类完成插座固件的在线更新,提高插座电弧故障检测的精度。
由此,通过基于设定种类与设定检测模型之间的对应关系,可以在确定负载的种类的情况下基于其种类确定检测模型,使得对负载的检测模型的确定精准且简便。
第二种匹配过程:根据负载的启动波形数据匹配负载的检测模型的过程,具体可以包括:在负载的特征信息可以包括负载的启动波形数据的情况下,对该负载的启动波形数据进行波形匹配处理,并根据波形匹配处理得到的匹配结果进行固件升级,以得到该负载的检测模型。
或者,可选地,根据负载的启动波形数据匹配负载的检测模型的过程,具体也可以如下:
在负载的特征信息可以包括负载的启动波形数据的情况下,根据设定波形数据与设定检测模型之间的对应关系,将该对应关系中与该负载的启动波形数据相同的设定波形数据对应的设定检测模型,确定为与该负载的启动波形数据对应的该负载的检测模型。以及,在预先设定的第二模型库中有该负载的检测模型的情况下,自该第二模型库中直接调取该负载的检测模型,以利用直接调取的该负载的检测模型对该负载进行电弧故障检测。或在预先设定的第二模型库中没有该负载的检测模型的情况下,通过本地加载或远程升级的方式,将该负载的检测模型更新至预先设定的第二模型库中后,再自该第二模型库中调取该负载的检测模型,以利用更新后再调取的该负载的检测模型对该负载进行电弧故障检测。
由此,通过基于负载的启动波形数据确定负载的检测模型,使得对负载的检测模型的确定更加精准且可靠。
更可选地,对该负载的启动波形数据进行波形匹配处理,可以参见以下示例性说明。
下面结合图3所示本发明的方法中对该负载的启动波形数据进行波形匹配处理的一实施例流程示意图,进一步说明对该负载的启动波形数据进行波形匹配处理的具体过程,可以包括:步骤S310至步骤S340。
步骤S310,对该负载的启动波形数据进行预处理,得到第一波形数据。其中,该预处理,可以包括:降噪处理。
例如:智能插座将负载启动时采集到的波形上传至服务器,并且将负载的启动波形与服务器的波形数据库进行对比判断。也就是说,负载启动时,智能插座获取负载启动时的电流或者电压波形,并将电流或者电压波形上传至服务器;服务器获取电流或者电压波形,并且将这些波形与数据库中的标准波形进行匹配。
例如:智能插座获取到负载启动时的电流波形或者功率波形(波形收集的时间是负载刚开始启动的T1时刻到T2时刻),智能插座将波形上传至服务器,服务器对上传的波形进行预处理,预处理主要用于降噪。其中,负载的启动波形其实是由数据组成的,智能插座采集负载的启动波形其实是收集一定的数据量然后生成波形,可以在T1到T2时刻中以一定的频率采集一定的数据量。例如:智能插座在负载启动的T1时刻开始采集波形;当负载启动运转到T2时刻时,此时智能插座将采集到的波形上传至服务器。
步骤S320,将该第一波形数据,与预设的波形数据库中同一时间点采集到的标准波形数据求绝对误差值;并对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,得到一个采集时间内基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差总值。其中,该标准波形数据,是负载出厂时在预设的标准工况下采集到的波形数据。例如:服务器上的波形数据库,是产品出厂前由生产商进行录入的;该波形数据库主要涉及不同负载对应的启动波形。
例如:服务器对预处理后的波形的匹配,可以是将预处理后的波形、与波形库(即波形数据库)中同一时间的预存波形的一次电流值或功率值,求绝对误差值。这里,求绝对误差值的两个波形的时间轴是一样的,比如,两者采集的数据要同样在启动时的1s采集的数据,然后进行数据对比。
例如:将服务器预处理的波形进行匹配,将采集到的波形与波形库中的波形各个时间的一次电流值或者功率值依次求绝对误差值Qn,将各个绝对误差值进行累加得到Q,并且比较判断Q和预设的阈值Q预设。
步骤S330,在该绝对误差总值大于预设误差阈值的情况下,对记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数;并比较各个累加次数,将各个累加次数中最大累加次数对应的第一波形数据,确定为该负载的候选匹配波形。
例如:对待匹配波形在各个时间测量值超过预设的阈值的次数进行累加,并且记录当前的累加次数,选取最大累加的次数,该波形则表示为候选匹配波形。例如:当Q大于Q预设的时候,记录此时的累加次数kp。比较k1、k2、k3…kp的值(p为自然数),选取最大的k值,此时对应的波形为匹配到的波形。其中,k1、k2、k3…kp是不同时刻的累加次数。
或步骤S340,在该绝对误差总值小于或等于预设误差阈值的情况下,则继续对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,且继续记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数,以等到相应的绝对误差总值大于预设误差阈值的情况下确定该负载的候选匹配波形。
例如:将各个时间所对应的电流值或者功率值的绝对误差持续累加,并且累加次数持续增加。
由此,通过将多个采集时间内采集到的启动波形数据与同一时间点采集到的标准波形数据求绝对误差值,并将基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加得到的绝对误差总值与预设误差阈值进行比较而确定该负载的候选匹配波形,使得对该负载的启动波形数据的波形匹配结果精准且可靠。
更可选地,根据波形匹配处理得到的匹配结果进行固件升级,可以参见以下示例性说明。
下面结合图4所示本发明的方法中根据波形匹配处理得到的匹配结果进行固件升级的一实施例流程示意图,进一步说明根据波形匹配处理得到的匹配结果进行固件升级的具体过程,可以包括:步骤S410和步骤S420。
步骤S410,在联网的情况下,确定该负载是否处于工作状态。
例如:验证联网是否成功,如果联网成功后,服务器向智能插座获取工作状态信息,等价于负载有无工作。如:服务器获取智能插座的工作状态,智能插座获取电流或者电压数据判断负载是否处于工作状态。
步骤S420,若该负载未处于工作状态,则在保持插座的本体通电、且该负载断电的情况下,根据该负载的候选匹配波形,按预设的升级方式,对该负载的检测模型进行固件升级。
例如:服务器根据匹配结果与智能插座进行交互,等待双方信息确认成功后将匹配成功的固件进行远程固件升级。具体地,服务器匹配成功后,服务器将匹配结果发送给智能插座,智能插座如果收到匹配成功的信息后,插座可以在空闲状态的时候发送在线升级命令到服务器,服务器获取插座发送过来的在线升级命令开始固件升级。
由此,通过在负载未处于工作状态的情况下,保持插座的本体通电、且保证负载断电,基于波形匹配得到的负载的候选匹配波形对负载的检测模块进行固件升级,使该检测模块与该负载相对应,从而在电弧故障检测时实现更加可靠和精准地检测。
更可选地,关于对负载的检测模型的确定的执行主体,可以是插座的本体端,也可以是服务器端,具体可以参见以下几种情形的示例性说明。
第一种情形:自该第一模型库中直接调取该负载的检测模型,具体为:由插座的本体,在本地侧确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型;或者,由插座的本体将该负载的种类上传至服务器后,再接收由服务器处理后向插座的本体反馈的该负载的检测模型;其中,服务器的处理,可以包括:确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型后,向插座的本体反馈该负载的检测模型。
具体地:由插座的本体将该负载的种类上传至服务器后,接收由服务器反馈至插座的本体的该负载的检测模型。其中,服务器确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取该负载的检测模型后、向插座的本体反馈的该负载的检测模型。或者说,由插座的本体将该负载的种类上传至服务器后,再接收由服务器确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型后、向插座的本体反馈的该负载的检测模型。
其中,该插座的本体,可以用于自第一模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测。即,该插座的本体,是可以用于自第一模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测的插座的本体。
第二种情形:对该负载的启动波形数据进行波形匹配处理,具体为:由插座的本体,在本地侧对该负载的启动波形数据进行波形匹配处理;或者,由插座的本体,先将负载的波形数据上传至服务器后,再接收由服务器对该负载的启动波形数据进行波形匹配处理后,向插座的本体反馈的波形匹配处理结果。
第三种情形:根据波形匹配处理得到的匹配结果进行固件升级,具体为:由插座的本体,在本地侧对根据波形匹配处理得到的匹配结果进行固件升级,得到固件升级后的该负载的检测模型。或者,由插座的本体,先将该负载未处于工作状态的无工作状态指令发送至服务器后,在接收到服务器基于该无工作状态指令反馈的请求升级指令后,再向服务器发送升级指令;然后,接收由服务器在插座的本体保持通电、且该负载保持断电的情况下,根据该负载的候选匹配波形、并按预设的升级方式,对该负载的检测模型进行固件升级后,向插座的本体反馈的经固件升级后的该负载的检测模型。
其中,该插座的本体,可以用于在固件升级时对升级进程进行显示;并利用固件升级后的该负载的检测模型,对负载进行电弧故障检测。即,该插座的本体,是可以用于在固件升级时对升级进程进行显示;并利用固件升级后的该负载的检测模型,对负载进行电弧故障检测的插座的本体。
例如:智能插座向服务器发送无工作状态指令S1,服务器接收到后发送请求升级指令S2。如果负载此时没有开启,智能插座向服务器发送无工作状态指令S1,服务器接收到S1后发送请求升级指令S2。智能插座接收到指令S2向服务器发送可升级指令S3,服务器接收到指令S3后开始固件升级,固件升级过程中不允许智能插座断电以及负载通电;智能插座接收到S2后反馈相应的可升级指令S3,服务器开始固件升级,固件升级过程中,智能插座应保持通电状态,并且负载处于断电状态等待服务器估计升级完成。判断智能插座是否接收到服务器发送的固件升级完成指令S4;判断等待服务器固件是否升级完成,如果智能插座接收到升级完成指令S4后,固件升级完成。
其中,在服务器进行固件升级的期间,插座不能处于工作状态,并且服务器升级成功后,发送升级成功指令给智能插座,在智能插座获取升级成功指令后关闭升级请求,并且开启正常防护功能,例如:开启正常的故障电弧防护功能,关于正常的故障电弧防护功能,可以参见图9和图10所示的例子。
或者,第四种情形:自该第二模型库中调取该负载的检测模型,具体也可以为插座本地侧执行或服务器侧执行后反馈,具体可以参见以下说明。
由插座的本体,在本地侧确定与该负载的种类对应的该负载的检测模型、并自第二模型库中调取确定的该负载的检测模型。或者,由插座的本体将该负载的种类上传至服务器后,再接收由服务器处理后向插座的本体反馈的该负载的检测模型;其中,服务器的处理,可以包括:确定与该负载的种类对应的该负载的检测模型、并自第二模型库中调取确定的该负载的检测模型后,向插座的本体反馈该负载的检测模型。具体地,也可以是,由插座的本体将该负载的种类上传至服务器后,接收由服务器反馈至插座的本体的该负载的检测模型。其中,服务器确定与该负载的种类对应的该负载的检测模型、并自第二模型库中调取该负载的检测模型后、向插座的本体反馈的该负载的检测模型。当然,也可以是,由插座的本体将该负载的种类上传至服务器后,再接收由服务器确定与该负载的种类对应的该负载的检测模型、并自第二模型库中调取确定的该负载的检测模型后、向插座的本体反馈的该负载的检测模型。
其中,该插座的本体,可以用于自第二模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测。即,该插座的本体,是可以用于自第二模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测的插座的本体。
由此,通过在插座的本体端进行处理,可以提升处理的便捷性,且通讯成本低;或在服务器端进行处理,可以提升处理的效率。
在步骤S130处,根据匹配得到的该检测模型,对该负载进行电弧故障检测。
例如:可以针对不同负载情况进行对应检测,如每种负载对应特定的检测模型,提高检测的精度。
由此,通过基于负载的特征信息确定用于对其进行电弧故障检测的检测模型,进而根据确定的该检测模型对该负载进行电弧故障检测,从而能够针对该负载的特征信息选用对应的检测模型进行电弧故障检测,使得对该负载的电弧故障检测的检测结果更加精准。
经大量的试验验证,采用本实施例的技术方案,通过根据负载的种类完成插座固件的在线更新,可以提高插座针对每种负载的电弧故障检测的精度。
根据本发明的实施例,还提供了对应于电弧故障检测方法的一种电弧故障检测装置。参见图5所示本发明的装置的一实施例的结构示意图。该电弧故障检测装置可以包括:确定单元102和检测单元104。
在一个可选例子中,确定单元102,可以用于确定待进行电弧故障检测的负载的特征信息。其中,该负载,可以是智能插座当前连接到的负载,也可以是智能插座将要连接到以对其进行电弧故障检测的负载。该特征信息,可以是该负载的种类,也可以是能表征该负载的身份的其它信息如启动波形数据。该确定单元102的具体功能及处理参见步骤S110。
其中,负载的特征信息,可以包括:负载的种类,或者负载的启动波形数据。
所述确定单元102确定待进行电弧故障检测的负载的特征信息,可以包括以下任一种确定过程。
第一种确定过程:在负载的特征信息可以包括负载的种类的情况下,直接获取负载的种类的方式,具体可以包括:所述确定单元102,具体还可以用于获取待进行电弧故障检测的负载的种类,以将该负载的种类作为该负载的特征信息。例如:在能够直接确定负载的种类的情况下,可以直接获取负载的种类。
第二种确定过程:在负载的特征信息可以包括负载的启动波形数据的情况下,可以直接获取负载的启动波形数据,以将该负载的启动波形数据作为该负载的特征信息。
当然,也可以基于负载的启动波形数据、以及设定启动波形数据与设定种类之间的对应关系,确定与该启动波形数据对应的种类,以作为该负载的种类,从而将该负载的种类作为该负载的特征信息,具体可以包括:所述确定单元102,具体还可以用于获取负载启动过程中的启动波形数据,以将该负载的启动波形数据作为该负载的特征信息。具体地,该启动波形数据,可以是负载启动过程中的启动电压波形数据、启动电流波形数据、或启动功率波形数据。
其中,所述确定单元102获取负载启动过程中的启动波形数据,可以包括:所述确定单元102,具体还可以用于在负载启动的过程中,以第一设定时间以上为一个采集时间,对负载的波形数据进行采集,将该一个采集时间内得到的波形数据作为负载的一个启动波形数据。
例如:负载启动的时候,负载会产生一种启动波形(如启动波形数据),智能插座在负载启动过程中采集负载的启动波形(如启动波形数据),采集的时间可以是1分钟以上。
由此,通过负载的多种形式的特征信息,有利于提升基于负载的特征信息匹配对应的检测模型的便捷性和灵活性。
在一个可选例子中,所述确定单元102,还可以用于根据该负载的特征信息,匹配可以用于对该负载进行电弧故障检测的检测模型。该确定单元102的具体功能及处理还参见步骤S120。
例如:能够根据不同种类的负载选择不同的固件进行检测,针对不同负载情况进行对应检测,如每种负载对应特定的检测模型,提高检测的精度。
例如:通过远程服务,进行远程在线升级,也就是使用远程在线加载固件,实现在线更新固件。
可选地,所述确定单元102匹配可以用于对该负载进行电弧故障检测的检测模型,可以包括以下任一种匹配过程。
第一种匹配过程:根据负载的种类匹配负载的检测模型的过程,具体可以如下:
所述确定单元102,具体还可以用于在负载的特征信息可以包括负载的种类的情况下,根据设定种类与设定检测模型之间的对应关系,将该对应关系中与该负载的种类相同的设定种类对应的设定检测模型,确定为与该负载的种类对应的该负载的检测模型。该确定单元102的具体功能及处理还参见步骤S210。以及,
所述确定单元102,具体还可以用于在预先设定的第一模型库中有该负载的检测模型的情况下,自该第一模型库中直接调取该负载的检测模型,以利用直接调取的该负载的检测模型对该负载进行电弧故障检测。该确定单元102的具体功能及处理还参见步骤S220。
所述确定单元102,具体还可以用于或在预先设定的第一模型库中没有该负载的检测模型的情况下,通过本地加载或远程升级的方式,将该负载的检测模型更新至预先设定的第一模型库中后,再自该第一模型库中直接调取该负载的检测模型,以利用更新后再调取的该负载的检测模型对该负载进行电弧故障检测。该确定单元102的具体功能及处理还参见步骤S230。
例如:根据负载的种类完成插座固件的在线更新,提高插座电弧故障检测的精度。
由此,通过基于设定种类与设定检测模型之间的对应关系,可以在确定负载的种类的情况下基于其种类确定检测模型,使得对负载的检测模型的确定精准且简便。
第二种匹配过程:根据负载的启动波形数据匹配负载的检测模型的过程,具体可以如下:
所述确定单元102,具体还可以用于在负载的特征信息可以包括负载的启动波形数据的情况下,对该负载的启动波形数据进行波形匹配处理,并根据波形匹配处理得到的匹配结果进行固件升级,以得到该负载的检测模型。
或者,可选地,根据负载的启动波形数据匹配负载的检测模型的过程,具体也可以如下:
在负载的特征信息可以包括负载的启动波形数据的情况下,根据设定波形数据与设定检测模型之间的对应关系,将该对应关系中与该负载的启动波形数据相同的设定波形数据对应的设定检测模型,确定为与该负载的启动波形数据对应的该负载的检测模型。以及,在预先设定的第二模型库中有该负载的检测模型的情况下,自该第二模型库中直接调取该负载的检测模型,以利用直接调取的该负载的检测模型对该负载进行电弧故障检测。或在预先设定的第二模型库中没有该负载的检测模型的情况下,通过本地加载或远程升级的方式,将该负载的检测模型更新至预先设定的第二模型库中后,再自该第二模型库中调取该负载的检测模型,以利用更新后再调取的该负载的检测模型对该负载进行电弧故障检测。
由此,通过基于负载的启动波形数据确定负载的检测模型,使得对负载的检测模型的确定更加精准且可靠。
更可选地,所述确定单元102对该负载的启动波形数据进行波形匹配处理,可以包括:
所述确定单元102,具体还可以用于对该负载的启动波形数据进行预处理,得到第一波形数据。其中,该预处理,可以包括:降噪处理。该确定单元102的具体功能及处理还参见步骤S310。
例如:智能插座将负载启动时采集到的波形上传至服务器,并且将负载的启动波形与服务器的波形数据库进行对比判断。也就是说,负载启动时,智能插座获取负载启动时的电流或者电压波形,并将电流或者电压波形上传至服务器;服务器获取电流或者电压波形,并且将这些波形与数据库中的标准波形进行匹配。
例如:智能插座获取到负载启动时的电流波形或者功率波形(波形收集的时间是负载刚开始启动的T1时刻到T2时刻),智能插座将波形上传至服务器,服务器对上传的波形进行预处理,预处理主要用于降噪。其中,负载的启动波形其实是由数据组成的,智能插座采集负载的启动波形其实是收集一定的数据量然后生成波形,可以在T1到T2时刻中以一定的频率采集一定的数据量。例如:智能插座在负载启动的T1时刻开始采集波形;当负载启动运转到T2时刻时,此时智能插座将采集到的波形上传至服务器。
所述确定单元102,具体还可以用于将该第一波形数据,与预设的波形数据库中同一时间点采集到的标准波形数据求绝对误差值;并对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,得到一个采集时间内基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差总值。其中,该标准波形数据,是负载出厂时在预设的标准工况下采集到的波形数据。该确定单元102的具体功能及处理还参见步骤S320。例如:服务器上的波形数据库,是产品出厂前由生产商进行录入的;该波形数据库主要涉及不同负载对应的启动波形。
例如:服务器对预处理后的波形的匹配,可以是将预处理后的波形、与波形库(即波形数据库)中同一时间的预存波形的一次电流值或功率值,求绝对误差值。这里,求绝对误差值的两个波形的时间轴是一样的,比如,两者采集的数据要同样在启动时的1s采集的数据,然后进行数据对比。
例如:将服务器预处理的波形进行匹配,将采集到的波形与波形库中的波形各个时间的一次电流值或者功率值依次求绝对误差值Qn,将各个绝对误差值进行累加得到Q,并且比较判断Q和预设的阈值Q预设。
所述确定单元102,具体还可以用于在该绝对误差总值大于预设误差阈值的情况下,对记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数;并比较各个累加次数,将各个累加次数中最大累加次数对应的第一波形数据,确定为该负载的候选匹配波形。该确定单元102的具体功能及处理还参见步骤S330。
例如:对待匹配波形在各个时间测量值超过预设的阈值的次数进行累加,并且记录当前的累加次数,选取最大累加的次数,该波形则表示为候选匹配波形。例如:当Q大于Q预设的时候,记录此时的累加次数kp。比较k1、k2、k3…kp的值(p为自然数),选取最大的k值,此时对应的波形为匹配到的波形。其中,k1、k2、k3…kp是不同时刻的累加次数。
所述确定单元102,具体还可以用于或在该绝对误差总值小于或等于预设误差阈值的情况下,则继续对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,且继续记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数,以等到相应的绝对误差总值大于预设误差阈值的情况下确定该负载的候选匹配波形。该确定单元102的具体功能及处理还参见步骤S340。
例如:将各个时间所对应的电流值或者功率值的绝对误差持续累加,并且累加次数持续增加。
由此,通过将多个采集时间内采集到的启动波形数据与同一时间点采集到的标准波形数据求绝对误差值,并将基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加得到的绝对误差总值与预设误差阈值进行比较而确定该负载的候选匹配波形,使得对该负载的启动波形数据的波形匹配结果精准且可靠。
更可选地,所述确定单元102根据波形匹配处理得到的匹配结果进行固件升级,可以参见以下示例性说明:
所述确定单元102,具体还可以用于在联网的情况下,确定该负载是否处于工作状态。该确定单元102的具体功能及处理还参见步骤S410。
例如:验证联网是否成功,如果联网成功后,服务器向智能插座获取工作状态信息,等价于负载有无工作。如:服务器获取智能插座的工作状态,智能插座获取电流或者电压数据判断负载是否处于工作状态。
所述确定单元102,具体还可以用于若该负载未处于工作状态,则在保持插座的本体通电、且该负载断电的情况下,根据该负载的候选匹配波形,按预设的升级方式,对该负载的检测模型进行固件升级。该确定单元102的具体功能及处理还参见步骤S420。
例如:服务器根据匹配结果与智能插座进行交互,等待双方信息确认成功后将匹配成功的固件进行远程固件升级。具体地,服务器匹配成功后,服务器将匹配结果发送给智能插座,智能插座如果收到匹配成功的信息后,插座可以在空闲状态的时候发送在线升级命令到服务器,服务器获取插座发送过来的在线升级命令开始固件升级。
由此,通过在负载未处于工作状态的情况下,保持插座的本体通电、且保证负载断电,基于波形匹配得到的负载的候选匹配波形对负载的检测模块进行固件升级,使该检测模块与该负载相对应,从而在电弧故障检测时实现更加可靠和精准地检测。
更可选地,关于对负载的检测模型的确定的执行主体,可以是插座的本体端,也可以是服务器端,具体可以参见以下几种情形的示例性说明。
第一种情形:所述确定单元102自该第一模型库中直接调取该负载的检测模型,具体为:由插座的本体,在本地侧确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型。或者,由插座的本体将该负载的种类上传至服务器后,再接收由服务器处理后向插座的本体反馈的该负载的检测模型;其中,服务器的处理,可以包括:确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型后,向插座的本体反馈该负载的检测模型。
具体地:由插座的本体将该负载的种类上传至服务器后,接收由服务器反馈至插座的本体的该负载的检测模型。其中,服务器确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取该负载的检测模型后、向插座的本体反馈的该负载的检测模型。或者说,由插座的本体将该负载的种类上传至服务器后,再接收由服务器确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型后、向插座的本体反馈的该负载的检测模型。
其中,该插座的本体,可以用于自第一模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测。即,该插座的本体,是可以用于自第一模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测的插座的本体。
第二种情形:所述确定单元102对该负载的启动波形数据进行波形匹配处理,具体为:由插座的本体,在本地侧对该负载的启动波形数据进行波形匹配处理。或者,由插座的本体,先将负载的波形数据上传至服务器后,再接收由服务器对该负载的启动波形数据进行波形匹配处理后,向插座的本体反馈的波形匹配处理结果。
第三种情形:所述确定单元102根据波形匹配处理得到的匹配结果进行固件升级,具体为:由插座的本体,在本地侧对根据波形匹配处理得到的匹配结果进行固件升级,得到固件升级后的该负载的检测模型。或者,由插座的本体,先将该负载未处于工作状态的无工作状态指令发送至服务器后,在接收到服务器基于该无工作状态指令反馈的请求升级指令后,再向服务器发送升级指令;然后,接收由服务器在插座的本体保持通电、且该负载保持断电的情况下,根据该负载的候选匹配波形、并按预设的升级方式,对该负载的检测模型进行固件升级后,向插座的本体反馈的经固件升级后的该负载的检测模型。
其中,该插座的本体,可以用于在固件升级时对升级进程进行显示;并利用固件升级后的该负载的检测模型,对负载进行电弧故障检测。即,该插座的本体,是可以用于在固件升级时对升级进程进行显示;并利用固件升级后的该负载的检测模型,对负载进行电弧故障检测的插座的本体。
例如:智能插座向服务器发送无工作状态指令S1,服务器接收到后发送请求升级指令S2。如果负载此时没有开启,智能插座向服务器发送无工作状态指令S1,服务器接收到S1后发送请求升级指令S2。智能插座接收到指令S2向服务器发送可升级指令S3,服务器接收到指令S3后开始固件升级,固件升级过程中不允许智能插座断电以及负载通电;智能插座接收到S2后反馈相应的可升级指令S3,服务器开始固件升级,固件升级过程中,智能插座应保持通电状态,并且负载处于断电状态等待服务器估计升级完成。判断智能插座是否接收到服务器发送的固件升级完成指令S4;判断等待服务器固件是否升级完成,如果智能插座接收到升级完成指令S4后,固件升级完成。
其中,在服务器进行固件升级的期间,插座不能处于工作状态,并且服务器升级成功后,发送升级成功指令给智能插座,在智能插座获取升级成功指令后关闭升级请求,并且开启正常防护功能,例如:开启正常的故障电弧防护功能,关于正常的故障电弧防护功能,可以参见图9和图10所示的例子。
或者,第四种情形:自该第二模型库中调取该负载的检测模型,具体也可以为插座本地侧执行或服务器侧执行后反馈,具体可以参见以下说明。
由插座的本体,在本地侧确定与该负载的种类对应的该负载的检测模型、并自第二模型库中调取确定的该负载的检测模型。或者,由插座的本体将该负载的种类上传至服务器后,再接收由服务器处理后向插座的本体反馈的该负载的检测模型;其中,服务器的处理,可以包括:确定与该负载的种类对应的该负载的检测模型、并自第二模型库中调取确定的该负载的检测模型后,向插座的本体反馈该负载的检测模型。具体地,也可以是,由插座的本体将该负载的种类上传至服务器后,接收由服务器反馈至插座的本体的该负载的检测模型。其中,服务器确定与该负载的种类对应的该负载的检测模型、并自第二模型库中调取该负载的检测模型后、向插座的本体反馈的该负载的检测模型。当然,也可以是,由插座的本体将该负载的种类上传至服务器后,再接收由服务器确定与该负载的种类对应的该负载的检测模型、并自第二模型库中调取确定的该负载的检测模型后、向插座的本体反馈的该负载的检测模型。
其中,该插座的本体,可以用于自第二模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测。即,该插座的本体,是可以用于自第二模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测的插座的本体。
由此,通过在插座的本体端进行处理,可以提升处理的便捷性,且通讯成本低;或在服务器端进行处理,可以提升处理的效率。
在一个可选例子中,检测单元104,可以用于根据匹配得到的该检测模型,对该负载进行电弧故障检测。该检测单元104的具体功能及处理还参见步骤S130。例如:可以针对不同负载情况进行对应检测,如每种负载对应特定的检测模型,提高检测的精度。
由此,通过基于负载的特征信息确定用于对其进行电弧故障检测的检测模型,进而根据确定的该检测模型对该负载进行电弧故障检测,从而能够针对该负载的特征信息选用对应的检测模型进行电弧故障检测,使得对该负载的电弧故障检测的检测结果更加精准。
由于本实施例的装置所实现的处理及功能基本相应于前述图1至图4所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过使用远程在线加载固件,实现在线更新固件,更新方便、且可靠。
根据本发明的实施例,还提供了对应于电弧故障检测装置的一种插座。该插座可以包括:以上所述的电弧故障检测装置。
在一个可选实施方式中,考虑到:由于负载过流或者过压会引起一定的电气安全事故发生,轻则烧坏一些元器件,重则引起一些火灾事故的发生;而每种负载的运行功率和运行电压存在一定的差异,会影响到智能插座对电弧等故障进行电弧检测的精度;那么,如果电弧检测不准确,则不能准确地对过流或过压进行保护。因此,本发明的方案,考虑到如何根据负载的种类完成插座固件的在线更新,对提高插座电弧故障检测的精度至关重要。所以,本发明的方案,提供一种电弧故障检测的交互方案,以根据负载的种类完成插座固件的在线更新,提高插座电弧故障检测的精度。
可选地,本发明的方案中,可以通过远程服务,进行远程在线升级,也就是使用远程在线加载固件,实现在线更新固件。
进一步可选地,本发明的方案中,可以针对不同负载情况进行对应检测,如每种负载对应特定的检测模型,提高检测的精度。也就是说,本发明的方案,能够根据不同种类的负载选择不同的固件进行检测,提高了精度。
在一个可选具体实施方式中,可以参见图6至图9所示的例子,对本发明的方案的具体实现过程进行示例性说明。
一般地,家庭家电或者家用电器在生产商出厂的时候都会经过产品性能和质量的检测,因此在运行过程中每种负载都有自己的启动波形。本发明的方案中所涉及的服务器上的波形数据库,是产品出厂前由生产商进行录入的;该波形数据库主要涉及不同负载对应的启动波形。
图6可以显示电弧故障检测的交互流程。下面可以参见图6所示的例子,对本发明的方案的电弧故障检测的交互流程进行示例性说明。
如图6所示,本发明的方案提供的一种电弧故障检测的交互方法,可以包括:
步骤11、负载启动的时候,负载会产生一种启动波形(如启动波形数据),智能插座在负载启动过程中采集负载的启动波形(如启动波形数据),采集的时间可以是1分钟以上。
步骤12、智能插座将负载启动时采集到的波形上传至服务器,并且将负载的启动波形与服务器的波形数据库进行对比判断。
也就是说,负载启动时,智能插座获取负载启动时的电流或者电压波形,并将电流或者电压波形上传至服务器;服务器获取电流或者电压波形,并且将这些波形与数据库中的标准波形进行匹配。
由于数据库中的波形,是负载在出厂时由生产商进行采集的,这些波形作为数据库的标准波形(该标准波形是在正常标准的工况下采集的);而负载启动时智能插座获取的波形,是负载的运行波形,这个波形受用户家庭环境的因素影响可能会与标准波形不同,所以需要将两者进行对比,即将负载启动时智能插座获取的波形与数据库中的标准波形进行匹配。
其中,数据库主要包含了负载运行状态下的一些特定波形,这些特定波形同时对应了相应的固件信息。特定波形其实就是负载在不同的运行状态或者运行模式下的波形,比如说空调,正常运行时为制冷模式下的送风状态,那么采集标准工况下采集的波形就是该运行状态的特定波形。固件信息,主要是涉及到电弧检测的原理,因为不同的运行状态会影响电弧检测模型的各个参数,所以每种负载在不同的运行状态下的固件信息也是不一样的。
图7可以显示服务器波形匹配流程。下面可以参见图7所示的例子,对步骤12中服务器波形匹配的流程进行示例性说明。
如图7所示,服务器波形匹配的流程,可以包括:
步骤21、智能插座获取到负载启动时的电流波形或者功率波形(波形收集的时间是负载刚开始启动的T1时刻到T2时刻),智能插座将波形上传至服务器,服务器对上传的波形进行预处理,预处理主要用于降噪。
其中,负载的启动波形其实是由数据组成的,智能插座采集负载的启动波形其实是收集一定的数据量然后生成波形,可以在T1到T2时刻中以一定的频率采集一定的数据量。例如:智能插座在负载启动的T1时刻开始采集波形;当负载启动运转到T2时刻时,此时智能插座将采集到的波形上传至服务器。
步骤22、服务器对预处理后的波形的匹配,可以是将预处理后的波形、与波形库(即波形数据库)中同一时间的预存波形的一次电流值或功率值,求绝对误差值。这里,求绝对误差值的两个波形的时间轴是一样的,比如,两者采集的数据要同样在启动时的1s采集的数据,然后进行数据对比。
具体地,将服务器预处理的波形进行匹配,将采集到的波形与波形库中的波形各个时间的一次电流值或者功率值依次求绝对误差值Qn,将各个绝对误差值进行累加得到Q,并且比较判断Q和预设的阈值Q预设。
例如:服务器接收待匹配波形,并且对待匹配波形进行预处理,将预处理后的波形与波形数据库的波形在同一时刻的电流值或者功率值依次求绝对误差值Qn,并且对每次的电流值或者功率值的绝对误差值进行累加得到Q=Q1+Q2+…+Qn(n为自然数),n表示第n次累加;比较Q以及Q预设的值。其中,Q是n次电流值或者功率值的绝对误差值的累加值,Q预设是电流值或者功率值的绝对误差值的预设值。
步骤23、判断是否是Q>Q预设;若是,则执行步骤24,否则,执行步骤25。
步骤24、对待匹配波形在各个时间测量值超过预设的阈值的次数进行累加,并且记录当前的累加次数,选取最大累加的次数,该波形则表示为候选匹配波形。其中,累加次数是判断运行时的波形曲线和预设波形曲线的拟合度,如果每个时间点比较的误差越小,则需要达到Q>Q预设时的次数越多,表示曲线越匹配,一定时期的最大累加次数。
例如:当Q大于Q预设的时候,记录此时的累加次数kp。比较k1、k2、k3…kp的值(p为自然数),选取最大的k值,此时对应的波形为匹配到的波形。其中,k1、k2、k3…kp是不同时刻的累加次数。其中,每次运算时都自动加一,知道Q>Q预设的时候,计算此时k的值,比如Q=Q1+Q2+Q3,此时Q>Q预设,则表示k的值为3,如果Q=Q1+Q2+Q3+Q4时,Q>Q预设,则表示k的值为4。
步骤25、将各个时间所对应的电流值或者功率值的绝对误差持续累加,并且累加次数持续增加。
步骤13、服务器根据匹配结果与智能插座进行交互,等待双方信息确认成功后将匹配成功的固件进行远程固件升级。
具体地,服务器匹配成功后,服务器将匹配结果发送给智能插座,智能插座如果收到匹配成功的信息后,插座可以在空闲状态的时候发送在线升级命令到服务器,服务器获取插座发送过来的在线升级命令开始固件升级。
图8可以显示固件升级流程。下面结合图8所示的例子,对步骤13中固件升级的流程进行示例性说明。
如图8所示,固件升级流程,可以包括:
步骤31、确定联网是否成功;若是,则执行步骤32;否则,执行步骤36,即重新配网。
例如:智能插座连接网络可以与服务器进行网络通信。
步骤32、服务器获取智能插座的工作状态,智能插座获取电流或者电压数据判断负载是否处于工作状态。若是,则执行步骤33;否则,返回步骤31,即重新验证配网。
例如:服务器获取智能插座的工作状态,该工作状态表示负载此时有没有在工作,只有插座没有在工作,才能进行固件升级等操作。
例如:智能插座根据负载的电流或电压判断负载是否处于工作状态,可以是只要判断电流的大小就可以了,智能插座能够捕捉电流或者电压的信息,就能判断负载的运行情况。
具体地,验证联网是否成功,如果联网成功后,服务器向智能插座获取工作状态信息,等价于负载有无工作。
步骤33、智能插座向服务器发送无工作状态指令S1,服务器接收到后发送请求升级指令S2。
具体地,如果负载此时没有开启,智能插座向服务器发送无工作状态指令S1,服务器接收到S1后发送请求升级指令S2。
步骤34、智能插座接收到指令S2向服务器发送可升级指令S3,服务器接收到指令S3后开始固件升级,固件升级过程中不允许智能插座断电以及负载通电。
具体地,智能插座接收到S2后反馈相应的可升级指令S3,服务器开始固件升级,固件升级过程中,智能插座应保持通电状态,并且负载处于断电状态等待服务器估计升级完成。
例如:服务器开始固件升级,可以包括:服务器存放着不同波形下对应的固件,在进行波形匹配的时候,可以确定负载的运行状态,如果此时根据波形匹配到负载此时的运行状态为制冷,则加载制冷的相关固件,固件加载是利用服务器和智能插座的网络通道进行通信。
步骤35、判断智能插座是否接收到服务器发送的固件升级完成指令S4;若是,则结束当前固件升级流程;否则,返回步骤31。
具体地,判断等待服务器固件是否升级完成,如果智能插座接收到升级完成指令S4后,固件升级完成。
在步骤34所示的服务器进行固件升级的期间,插座不能处于工作状态,并且服务器升级成功后,发送升级成功指令给智能插座,在步骤35所示的智能插座获取升级成功指令后关闭升级请求,并且开启正常防护功能,例如:开启正常的故障电弧防护功能,关于正常的故障电弧防护功能,可以参见图9和图10所示的例子。
可选地,在步骤34插座固件升级期间,可以通过用户提醒或者其他屏显的方式告知用户此时的插座正在固件升级,用户提醒的方式可以通过手机APP信息提醒等方式,同时也可以通过插座发送一个正在固件升级信号给负载,当升级完成后,负载清除插座固件升级信号,负载开始运行。
而当插座固件升级失败时,插座可以重新发送在线升级指令,重新继续固件升级流程。例如:可以返回如图8所示的步骤31重新验证配网以重新进行固件升级流程。
可选地,固件升级完成后,在开启正常防护功能的情况下,当负载出现异常(如负载出现故障电弧)时,插座将异常数据发送至服务器,服务器对异常数据进行存储,建立该波形下的特定数据异常库,后台服务器人员可以对该数据异常库进行分析,分析异常的可能发生原因,比如由于该区域的电网质量普遍较低或者其他电网情况导致的数据异常,并且根据分析的原因和当地的实际情况调整固件的模型参数。
其中,后台服务器人员可以对该数据异常库的分析,一般是智能分析,可以通过统计的方法实现。
而在开启正常防护功能下,对故障电弧的检测,可以参见图9和图10所示的电弧故障检测及电弧故障判别流程。
图9可以显示电弧故障检测流程。
图9中,智能插座首先采集一个周期内的N个电流数据,并且将数据记录为I0、I1、….IN-1;同时将负载的正常电流数据表示为IO0、IO1...ION-1,计算电流数据的平均值Iave、以及统计零值电流的个数Nzero,N为自然数。
如图9所示,故障电弧检测流程,可以包括:
步骤41、采集一个周期的电流数据。
步骤42、计算电流数据平均值Iave、以及统计零值电流的数量Nzero。
其中,计算电流数据的平均值Iave、以及统计零值电流的个数Nzero的具体方法,可以如以下公式所示:
Iave=(I0+I1+…IN-1)/N (1);
Nzero=Z1+Z2+…+Zk(k=1、2…N) (2)。
Zk有两种情况:当|Ik|<a|IO|max时,Zk=1(a为小于1的系数);反之,Zk=0。
其中,Zk是0值附近的电流数据(零值电流)的标志位,a可以是一个小于1的很小的数值,我们可以把a|IO|max当做比较接近0值的一个数值,当
|Ik|<a|IO|max时,说明存在一个0值附近的电流数据,此时用Zk=1来表示,所以公式(2)可以统计0值附近的电流数据。
步骤43、计算当前周期电流峰值C、以及当前周期电流最大变化率的变化差值△D。
当前周期内N个正常电流数据与N个采集电流数据之差的总和Sum=|I0-IO0|+|I1-IO1|+|I2-IO2|+…|IN-1-ION-1|。
比较当前周期电流I0、I1、….IN-1的最大值Imax,比较当前周期正常电流IO0、IO1...ION-1的最大值IOmax,计算当前周期电流峰值C的变化情况:C=|Imax-IOmax|。
计算当前周期电流最大变化率的变化情况,其中△Ik=Ik-Ik-1表示相邻两个电流值的差值,比较这些差值的最大值△Ik中的最大值D(其中k的值为1、2…N),获取当前周期正常电流的最大变化率DO的变化差值△D=|D-DO|。
步骤44、将计算的数值进行阈值判断。
具体地,可以在经过上述计算之后,对相关参数进行逻辑判断,即进行电弧故障判别。
图10和图11可以显示电弧故障判别流程。
如图10和图11所示,电弧故障判别的流程,可以包括:
步骤51、首先判断当前周期内N个正常电流数据与N个采集电流数据之差的总和Sum的值是否大于预定的第一阈值:若是,则执行步骤52;否则,执行步骤55,即当Sum的值小于预定的第一阈值时,则重新刷新IO0、IO1...ION-1的值。
步骤52、判断平肩部的长度,如判断零值电流的个数Nzero是否大于预定的第二阈值:若是,则执行步骤53;否则,执行步骤56,即当平肩部的长度(如零值电流的个数Nzero)小于预定的第二阈值时,更新IO0、IO1...ION-1的值。
步骤53、当平肩部的长度(如零值电流的个数Nzero)大于预定的第二阈值时,开始判断当前周期电流峰值C的变化情况,如判断当前周期电流峰值C是否大于第三阈值:若是,则执行步骤56,即当变化情况大于预定的第三阈值(如该当前周期电流峰值C大于第三阈值)时,表示有故障电弧产生;否则,执行步骤54。
其中,计零值电流的个数Nzero,与平肩部的长度,比较的时候也是比较零值电流的个数。
步骤54,当变化情况小于预定的第三阈值(如该当前周期电流峰值C小于第三阈值)时,重新更新IO0、IO1...ION-1的值,并且判断当前周期正常电流的最大变化率△D是否大于预定的第四阈值:若是,则执行步骤56,即当当前周期正常电流的最大变化率△D大于预定的第四阈值时,表示有故障电弧产生;否则,重新更新IO0、IO1...ION-1的值。
步骤45、统计故障周期数。
例如:平肩部是指电弧检测过程中,统计固定周期内的若干个电流数据在0附近的值的个数。比如,连续检测到的电流值在0附近的值的个数为10,那就能说明存在平肩部,后边所涉及的平肩部阈值也就是设定的零值电流的值的个数。故障周期,例如:如果满足图10中的条件则为故障周期。
由于本实施例的插座所实现的处理及功能基本相应于前述图5所示的装置的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过远程服务,进行远程在线升级,实现在线更新固件,可以针对每种负载确定对应特定的检测模型,有利于提高针对每种负载的电弧故障检测的精度。
根据本发明的实施例,还提供了对应于电弧故障检测方法的一种计算机可读存储介质。该计算机可读存储介质,可以包括:所述计算机可读存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行以上所述的电弧故障检测方法。
由于本实施例的计算机可读存储介质所实现的处理及功能基本相应于前述图1至图4所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过根据不同种类的负载选择不同的固件进行检测,可以提升针对不同负载的电弧故障检测精度,提升针对不同负载进行电弧故障保护时的保护可靠性。
根据本发明的实施例,还提供了对应于电弧故障检测方法的一种插座。该插座,可以包括:处理器,用于执行多条指令;存储器,用于存储多条指令;其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行以上所述的电弧故障检测方法。
由于本实施例的插座所实现的处理及功能基本相应于前述图1至图4所示的方法的实施例、原理和实例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
经大量的试验验证,采用本发明的技术方案,通过使每种负载对应特定的检测模型,可以提高检测的精度,提升负载运行的安全性。
综上,本领域技术人员容易理解的是,在不冲突的前提下,上述各有利方式可以自由地组合、叠加。
以上所述仅为本发明的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (12)
1.一种电弧故障检测方法,其特征在于,包括:
确定待进行电弧故障检测的负载的特征信息;负载的特征信息,包括:负载的种类,或者负载的启动波形数据;确定待进行电弧故障检测的负载的特征信息,包括:获取待进行电弧故障检测的负载的种类,以将该负载的种类作为该负载的特征信息;或者,获取负载启动过程中的启动波形数据,以将该负载的启动波形数据作为该负载的特征信息;
根据该负载的特征信息,匹配用于对该负载进行电弧故障检测的检测模型,以根据负载的种类完成插座固件的在线更新;匹配用于对该负载进行电弧故障检测的检测模型,包括:在负载的特征信息包括负载的种类的情况下,根据设定种类与设定检测模型之间的对应关系,将该对应关系中与该负载的种类相同的设定种类对应的设定检测模型,确定为与该负载的种类对应的该负载的检测模型;以及,在预先设定的第一模型库中有该负载的检测模型的情况下,自该第一模型库中直接调取该负载的检测模型;或在预先设定的第一模型库中没有该负载的检测模型的情况下,通过本地加载或远程升级的方式,将该负载的检测模型更新至预先设定的第一模型库中后,再自该第一模型库中直接调取该负载的检测模型;或者,在负载的特征信息包括负载的启动波形数据的情况下,对该负载的启动波形数据进行波形匹配处理,并根据波形匹配处理得到的匹配结果进行固件升级,以得到该负载的检测模型;
根据匹配得到的该检测模型,对该负载进行电弧故障检测。
2.根据权利要求1所述的方法,其特征在于,其中,获取负载启动过程中的启动波形数据,包括:在负载启动的过程中,以第一设定时间以上为一个采集时间,对负载的波形数据进行采集,将该一个采集时间内得到的波形数据作为负载的一个启动波形数据。
3.根据权利要求1所述的方法,其特征在于,对该负载的启动波形数据进行波形匹配处理,包括:
对该负载的启动波形数据进行预处理,得到第一波形数据;
将该第一波形数据,与预设的波形数据库中同一时间点采集到的标准波形数据求绝对误差值;并对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,得到一个采集时间内基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差总值;
在该绝对误差总值大于预设误差阈值的情况下,对记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数;并比较各个累加次数,将各个累加次数中最大累加次数对应的第一波形数据,确定为该负载的候选匹配波形;
或在该绝对误差总值小于或等于预设误差阈值的情况下,则继续对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,且继续记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数。
4.根据权利要求1所述的方法,其特征在于,根据波形匹配处理得到的匹配结果进行固件升级,包括:
确定该负载是否处于工作状态;
若该负载未处于工作状态,则在保持插座的本体通电、且该负载断电的情况下,根据该负载的候选匹配波形,按预设的升级方式,对该负载的检测模型进行固件升级。
5.根据权利要求1至4中任一项所述的方法,其特征在于,其中,
自该第一模型库中直接调取该负载的检测模型,具体为:
由插座的本体,在本地侧确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型;或者,
由插座的本体将该负载的种类上传至服务器后,再接收由服务器处理后向插座的本体反馈的该负载的检测模型;其中,服务器的处理,包括:确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型后,向插座的本体反馈该负载的检测模型;
其中,该插座的本体,用于自第一模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测;
和/或,
对该负载的启动波形数据进行波形匹配处理,具体为:
由插座的本体,在本地侧对该负载的启动波形数据进行波形匹配处理;或者,
由插座的本体,先将负载的波形数据上传至服务器后,再接收由服务器对该负载的启动波形数据进行波形匹配处理后,向插座的本体反馈的波形匹配处理结果;
和/或,
根据波形匹配处理得到的匹配结果进行固件升级,具体为:
由插座的本体,在本地侧对根据波形匹配处理得到的匹配结果进行固件升级,得到固件升级后的该负载的检测模型;或者,
由插座的本体,先将该负载未处于工作状态的无工作状态指令发送至服务器后,在接收到服务器基于该无工作状态指令反馈的请求升级指令后,再向服务器发送升级指令;然后,接收由服务器在插座的本体保持通电、且该负载保持断电的情况下,根据该负载的候选匹配波形、并按预设的升级方式,对该负载的检测模型进行固件升级后,向插座的本体反馈的经固件升级后的该负载的检测模型;
其中,该插座的本体,用于在固件升级时对升级进程进行显示;并利用固件升级后的该负载的检测模型,对负载进行电弧故障检测。
6.一种电弧故障检测装置,其特征在于,包括:
确定单元,用于确定待进行电弧故障检测的负载的特征信息;负载的特征信息,包括:负载的种类,或者负载的启动波形数据;所述确定单元确定待进行电弧故障检测的负载的特征信息,包括:获取待进行电弧故障检测的负载的种类,以将该负载的种类作为该负载的特征信息;或者,获取负载启动过程中的启动波形数据,以将该负载的启动波形数据作为该负载的特征信息;
所述确定单元,还用于根据该负载的特征信息,匹配用于对该负载进行电弧故障检测的检测模型,以根据负载的种类完成插座固件的在线更新;所述确定单元匹配用于对该负载进行电弧故障检测的检测模型,包括:在负载的特征信息包括负载的种类的情况下,根据设定种类与设定检测模型之间的对应关系,将该对应关系中与该负载的种类相同的设定种类对应的设定检测模型,确定为与该负载的种类对应的该负载的检测模型;以及,在预先设定的第一模型库中有该负载的检测模型的情况下,自该第一模型库中直接调取该负载的检测模型;或在预先设定的第一模型库中没有该负载的检测模型的情况下,通过本地加载或远程升级的方式,将该负载的检测模型更新至预先设定的第一模型库中后,再自该第一模型库中直接调取该负载的检测模型;或者,在负载的特征信息包括负载的启动波形数据的情况下,对该负载的启动波形数据进行波形匹配处理,并根据波形匹配处理得到的匹配结果进行固件升级,以得到该负载的检测模型;
检测单元,用于根据匹配得到的该检测模型,对该负载进行电弧故障检测。
7.根据权利要求6所述的装置,其特征在于,其中,所述确定单元获取负载启动过程中的启动波形数据,包括:在负载启动的过程中,以第一设定时间以上为一个采集时间,对负载的波形数据进行采集,将该一个采集时间内得到的波形数据作为负载的一个启动波形数据。
8.根据权利要求6所述的装置,其特征在于,所述确定单元对该负载的启动波形数据进行波形匹配处理,包括:
对该负载的启动波形数据进行预处理,得到第一波形数据;
将该第一波形数据,与预设的波形数据库中同一时间点采集到的标准波形数据求绝对误差值;并对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,得到一个采集时间内基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差总值;
在该绝对误差总值大于预设误差阈值的情况下,对记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数;并比较各个累加次数,将各个累加次数中最大累加次数对应的第一波形数据,确定为该负载的候选匹配波形;
或在该绝对误差总值小于或等于预设误差阈值的情况下,则继续对基于不同时间点采集到的第一波形数据与对应时间点的标准波形数据而得到的绝对误差值进行累加,且继续记录该绝对误差总值大于预设误差阈值时该绝对误差总值中不同时间点的绝对误差值的累加次数。
9.根据权利要求6所述的装置,其特征在于,所述确定单元根据波形匹配处理得到的匹配结果进行固件升级,包括:
确定该负载是否处于工作状态;
若该负载未处于工作状态,则在保持插座的本体通电、且该负载断电的情况下,根据该负载的候选匹配波形,按预设的升级方式,对该负载的检测模型进行固件升级。
10.根据权利要求6至9中任一项所述的装置,其特征在于,其中,
所述确定单元自该第一模型库中直接调取该负载的检测模型,具体为:
由插座的本体,在本地侧确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型;或者,
由插座的本体将该负载的种类上传至服务器后,再接收由服务器处理后向插座的本体反馈的该负载的检测模型;其中,服务器的处理,包括:确定与该负载的种类对应的该负载的检测模型、并自第一模型库中调取确定的该负载的检测模型后,向插座的本体反馈该负载的检测模型;
其中,该插座的本体,用于自第一模型库中调取该负载的检测模型后,利用该负载的检测模型对负载进行电弧故障检测;
和/或,
所述确定单元对该负载的启动波形数据进行波形匹配处理,具体为:
由插座的本体,在本地侧对该负载的启动波形数据进行波形匹配处理;或者,
由插座的本体,先将负载的波形数据上传至服务器后,再接收由服务器对该负载的启动波形数据进行波形匹配处理后,向插座的本体反馈的波形匹配处理结果;
和/或,
所述确定单元根据波形匹配处理得到的匹配结果进行固件升级,具体为:
由插座的本体,在本地侧对根据波形匹配处理得到的匹配结果进行固件升级,得到固件升级后的该负载的检测模型;或者,
由插座的本体,先将该负载未处于工作状态的无工作状态指令发送至服务器后,在接收到服务器基于该无工作状态指令反馈的请求升级指令后,再向服务器发送升级指令;然后,接收由服务器在插座的本体保持通电、且该负载保持断电的情况下,根据该负载的候选匹配波形、并按预设的升级方式,对该负载的检测模型进行固件升级后,向插座的本体反馈的经固件升级后的该负载的检测模型;
其中,该插座的本体,用于在固件升级时对升级进程进行显示;并利用固件升级后的该负载的检测模型,对负载进行电弧故障检测。
11.一种插座,其特征在于,包括:如权利要求6-10任一所述的电弧故障检测装置;
或者,
包括:
处理器,用于执行多条指令;
存储器,用于存储多条指令;
其中,所述多条指令,用于由所述处理器加载并执行如权利要求1-5任一所述的电弧故障检测方法。
12.一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中存储有多条指令;所述多条指令,用于由处理器加载并执行如权利要求1-5任一所述的电弧故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911016795.4A CN110908844B (zh) | 2019-10-24 | 2019-10-24 | 电弧故障检测方法、装置、计算机可读存储介质及插座 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911016795.4A CN110908844B (zh) | 2019-10-24 | 2019-10-24 | 电弧故障检测方法、装置、计算机可读存储介质及插座 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110908844A CN110908844A (zh) | 2020-03-24 |
CN110908844B true CN110908844B (zh) | 2022-03-08 |
Family
ID=69815201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911016795.4A Active CN110908844B (zh) | 2019-10-24 | 2019-10-24 | 电弧故障检测方法、装置、计算机可读存储介质及插座 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110908844B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112763857B (zh) * | 2020-04-27 | 2022-03-29 | 天津市中力神盾电子科技有限公司 | 故障电弧检测方法及其产品 |
CN111524311B (zh) * | 2020-05-18 | 2021-07-13 | 丁宇涵 | 一种火灾识别报警判断方法 |
CN115168079B (zh) * | 2022-09-08 | 2022-12-02 | 深圳市恒运昌真空技术有限公司 | 一种双处理器设备及其控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941207A (zh) * | 2014-03-03 | 2014-07-23 | 广州供电局有限公司 | 电力计量自动化终端检测方法及其*** |
CN105340146A (zh) * | 2013-06-27 | 2016-02-17 | 施耐德电气美国股份有限公司 | 自适应电弧故障检测跳闸判决缓存器 |
CN106842106A (zh) * | 2017-02-23 | 2017-06-13 | 广东电网有限责任公司茂名供电局 | 电能表故障预测方法和装置 |
CN108831122A (zh) * | 2018-06-11 | 2018-11-16 | 珠海市联电科技有限公司 | 一种基于自适应模型的电力测温预警方法和*** |
CN109615070A (zh) * | 2018-12-06 | 2019-04-12 | 浙江巨磁智能技术有限公司 | 电力人工智能芯片及电力故障识别方法 |
CN109946535A (zh) * | 2018-12-28 | 2019-06-28 | 上海汇鸿智能控制***股份有限公司 | 一种故障电弧检测方法 |
WO2019127440A1 (zh) * | 2017-12-29 | 2019-07-04 | 华为技术有限公司 | 一种直流电弧的处理方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2506188B (en) * | 2012-09-25 | 2014-12-17 | Landis & Gyr Oy | Device, arrangement and method for verifying the operation of electricity meter |
CN104793165B (zh) * | 2015-04-03 | 2018-01-02 | 莱茵斯(厦门)科技有限公司 | 一种基于Labview的用于电弧故障检测装置AFDD测试设备及其方法 |
CN106655075A (zh) * | 2016-11-18 | 2017-05-10 | 珠海格力电器股份有限公司 | 一种用电设备电弧故障保护装置和用电设备控制*** |
CN108332353B (zh) * | 2018-01-22 | 2019-10-22 | 珠海格力电器股份有限公司 | 负载状态检测方法、装置和电路、空调控制器 |
-
2019
- 2019-10-24 CN CN201911016795.4A patent/CN110908844B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105340146A (zh) * | 2013-06-27 | 2016-02-17 | 施耐德电气美国股份有限公司 | 自适应电弧故障检测跳闸判决缓存器 |
CN103941207A (zh) * | 2014-03-03 | 2014-07-23 | 广州供电局有限公司 | 电力计量自动化终端检测方法及其*** |
CN106842106A (zh) * | 2017-02-23 | 2017-06-13 | 广东电网有限责任公司茂名供电局 | 电能表故障预测方法和装置 |
WO2019127440A1 (zh) * | 2017-12-29 | 2019-07-04 | 华为技术有限公司 | 一种直流电弧的处理方法及装置 |
CN108831122A (zh) * | 2018-06-11 | 2018-11-16 | 珠海市联电科技有限公司 | 一种基于自适应模型的电力测温预警方法和*** |
CN109615070A (zh) * | 2018-12-06 | 2019-04-12 | 浙江巨磁智能技术有限公司 | 电力人工智能芯片及电力故障识别方法 |
CN109946535A (zh) * | 2018-12-28 | 2019-06-28 | 上海汇鸿智能控制***股份有限公司 | 一种故障电弧检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110908844A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110908844B (zh) | 电弧故障检测方法、装置、计算机可读存储介质及插座 | |
US20180120384A1 (en) | Tester for equipment, apparatus or component with distributed processing function | |
JP5876874B2 (ja) | 非侵入型負荷監視及び処理方法並びにシステム | |
EP3665462B1 (en) | Identification of air leaks in a compressed air system using a plurality of current measurement sensors | |
CN104866632A (zh) | 家电设备的故障数据获取方法、装置及终端 | |
CN109733238B (zh) | 故障检测方法、装置、存储介质及处理器 | |
JP7090949B1 (ja) | 電池状態判定方法および電池状態判定装置 | |
CN111353911A (zh) | 电力设备运维方法、***、设备和存储介质 | |
CN108235801B (zh) | 智能设备的接入方法和*** | |
CN110888065B (zh) | 电池包荷电状态修正方法和装置 | |
EP2023682A1 (en) | Method and system for predicting the power consumption of a mobile terminal | |
US20220317191A1 (en) | Battery performance evaluation method and battery performance evaluation device | |
CN105526777A (zh) | 一种冰箱不正常运行的远程诊断及提醒***及其方法 | |
CN111835799A (zh) | 车辆日志自动获取***及方法 | |
CN111044806A (zh) | 设备故障定位方法、装置和服务器 | |
CN114878960A (zh) | 故障诊断方法、存储介质、电力采集终端和故障诊断*** | |
CN113595174A (zh) | 电池管理方法、装置、设备和服务器 | |
CN107025166B (zh) | 一种日志收集方法及*** | |
CN111211596B (zh) | 充电柜用电状态监测方法与装置 | |
TW202134678A (zh) | 電池性能評估裝置、電子機器、充電器及電池性能評估方法 | |
CN105675974B (zh) | 负载识别方法及装置 | |
CN108984396B (zh) | 自动测试的方法及***、测试终端 | |
CN112946562B (zh) | 双芯智能电表的掉电保护方法、装置和双芯智能电表 | |
CN115437264A (zh) | 一种智能马桶控制方法、控制装置及智能马桶 | |
CN114490213A (zh) | 电脑主板故障的监测诊断方法、***、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |