CN113838269A - 一种低压开关柜温湿度监测和预警方法、***及存储介质 - Google Patents
一种低压开关柜温湿度监测和预警方法、***及存储介质 Download PDFInfo
- Publication number
- CN113838269A CN113838269A CN202111112084.4A CN202111112084A CN113838269A CN 113838269 A CN113838269 A CN 113838269A CN 202111112084 A CN202111112084 A CN 202111112084A CN 113838269 A CN113838269 A CN 113838269A
- Authority
- CN
- China
- Prior art keywords
- temperature
- humidity
- early warning
- monitoring
- switch cabinet
- 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 95
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 28
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims abstract description 26
- 238000010801 machine learning Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010223 real-time analysis Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract 2
- 230000007246 mechanism Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000007620 mathematical function Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种低压开关柜温湿度监测和预警方法、***及存储介质,涉及温湿度监测技术领域,具体步骤包括如下:建立温湿度的机器学习模型,得到温湿度的时空分布和变化规律;采集温湿度监测点数据;基于所述时空分布和变化规律,结合所述温湿度监测点数据,得到温湿度的智能阈值范围;根据所述智能阈值范围自动判定是否触发报警,并将报警信息上传到云端。本发明基于机器学习技术摸索低压开关柜内部温湿度的时空分布和变化规律,再综合运用物联通讯、边云协同等技术,对实时采集的监测数据进行拟合计算分析,最终实现智能化的温湿度预警,具有异常状态识别率高、报警延时短的特点。
Description
技术领域
本发明涉及温湿度监测技术领域,更具体的说是涉及一种低压开关柜温湿度监测和预警方法、***及存储介质。
背景技术
移动变电站低压开关柜已经普遍配置温湿度传感器,但由于现场气候条件复杂、通讯条件恶劣、开关柜结构紧凑等不利条件,对于低压开关柜温湿度远程监控形成了很多负面影响。在变电站监测预警方面,目前大多采用光纤、电力线载波、以太专网等有线通讯,通过多台大型主机分别实现安全验证、计算、通讯等不同功能,体积庞大且对运行环境要求苛刻。在线路监测等分布式应用领域,目前逐步采用了一些高度定制化的无线监测终端,但往往是开发难度大、成本高、功能单一、可靠性差。
对于电力监测的实时预警需求,一般是就地基于预先设定的阈值进行判断,触发报警后上传云端;对于更复杂的预警需求,则是在云端采集到数据后,再定时汇集各种数据做综合性分析,从而发现问题并触发报警。两种预警方式都有一定的弊端和不足:就地预警方式相对比较简单,无法根据外部条件变化而做出相应调整,比如在设备低负载运行时,温度相对较低,即使出现异常状况时温度值不会很高,对于这种情况,传统的就地预警方式很难发现;而在云端进行复杂分析,确实可以发现这种问题,但由于计算量庞大,处理间隔一般都很长,而且一旦因故障而中断网络连接,也会导致预警机制失效。
总的来说,现有技术中对低压开关柜温湿度监测和预警存在以下问题:
1)在低压开关柜这样的紧凑密闭空间中,任何一个部位的温湿度异常都有可能导致出现运行风险。但有限的几个传感器,很难准确地反应整个柜体内部的温湿度状况。
2)电力领域对于信息安全性有极高的要求,企业内部网络接入外部数据时需要非常严格、复杂的安全验证机制。移动变电站的电力二次建设需求,还有赖于站端和云端之间如何实现安全、可靠的无线通讯。
3)在很多监测预警场景中,预警逻辑往往涉及多种环境因素、多个监测数据的复杂分析和判断,但现有的就地预警机制一般只能根据预先设定的简单阈值进行判断,很难满足真实的预警逻辑和需求。
4)为了提供更强大的预警处理能力,有些预警***采用云端智能分析的方式来实现云端预警,但这种方式严重依赖于边云远程通讯,预警实时性、可靠性较差,对于现场运维、检修等工作的支持度较低。
所以,对本领域技术人员来说,如何对移动变电站低压开关柜内部各部位的温湿度情况进行精准的数据采集、分析和判断,是目前移动变电站的生产和运维中需要妥善解决的问题。
发明内容
有鉴于此,本发明提供了一种低压开关柜温湿度监测和预警方法、***及存储介质,基于机器学习所构建的低压开关柜内部温湿度的时空分布和变化规律,能够准确、完整地反应柜体内部每个部位的温湿度详细状况及变化范围,智能化自动设定低压开关柜中各监测点的动态阈值范围,最终实现智能化的温湿度预警,异常状态识别率高、报警延时短。
为了实现上述目的,本发明采用如下技术方案:一方面,提供一种低压开关柜温湿度监测和预警方法,具体步骤包括如下:
建立温湿度的机器学习模型,得到温湿度的时空分布和变化规律;
采集温湿度监测点数据;
基于所述时空分布和变化规律,结合所述温湿度监测点数据,得到温湿度的智能阈值范围;
根据所述智能阈值范围自动判定是否触发报警,并将报警信息上传到云端。
可选的,所述建立温湿度的机器学习模型的步骤为:
获取数据样本;
构建卷积神经网络模型,并将所述数据样本输入到所述卷积神经网络中进行训练,得到温湿度的预警值;
计算所述温湿度预警值与实际值之间的损失函数,得到所述卷积神经网络的最优权值矢量和偏置项,机器学习模型构建完成。
可选的,所述损失函数为J=∑(Dt-Rt)2;
其中,Dt为温度计算值,Dt=Ft(X,Y,Z,T,Et,Ft,L),X,Y,Z为空间位置,T为时间,Et为环境温度,Ft为环境湿度,L为工况负载,Rt为温度实际值。
通过采用上述技术方案,具有以下有益的技术效果:在可预见的时间范围内寻找损失函数的最小值,从而得到可准确表达低压开关柜温湿度的时空分布和变化规律的数学函数及系数,使得建模更加准确。
可选的,所述智能阈值范围根据定时动态实时更新,预警判定时,采用就地实时分析的方式,逐条执行预警判定规则,所述预警判断规则包含一个或多个实时监测值,每个所述监测值对应一组预警阈值范围。
另一方面,还提供一种低压开关柜温湿度监测和预警***,包括建模单元、数据采集单元、数据处理单元、报警单元;其中,
所述建模单元,用于建立温湿度的机器学习模型,得到温湿度的时空分布和变化规律;
所述数据采集单元,用于采集温湿度监测点数据;
所述数据处理单元,用于根据所述时空分布和变化规律,结合所述温湿度监测点数据,得到温湿度的智能阈值范围;
所述报警单元,用于根据所述智能阈值范围自动判定是否触发报警,并将报警信息上传到云端。
通过采用上述技术方案,具有以下有益的技术效果:基于低压开关柜温湿度的时空分布和变化规律,综合实时采集的温湿度监测点数据,定时(小时级)自动进行拟合计算分析,结合温湿度预警的目标和要求,智能化自动设定低压开关柜中各监测点的阈值范围,并下发到边缘网关中,实现智能化的温湿度预警。
可选的,还包括损失函数计算单元,用于计算温湿度的预警值与实际值之间的损失函数。
可选的,通过边缘监测预警主机进行数据采集及数据通讯。
可选的,所述边缘监测预警主机集成有计算模块、规约模块、安全模块、通讯模块;其中,所述计算模块,用于实时采集监测数据并就地分析得到预警信号;所述规约模块,用于提供通讯规约的数据封包、收发和解析能力;所述安全模块,用于根据硬件密钥和加解密算法,实现与云端之间的安全认证,建立基于无线链路的安全传输通道;所述通讯模块,用于将所述预警信号与所述监测数据传输到云端。
通过采用上述技术方案,具有以下有益的技术效果:组建一套模块化、紧凑型的边缘监测预警主机,紧密集成计算模块、规约模块、安全模块、无线通讯模块,能够汇集低压开关柜中设置的多个温湿度监测点,基于窄带物联网(NB-IoT)、MQTT通讯协议和增强的安全验证机制,接入到高安全等级的专网中,实现在恶劣通讯条件下的安全可靠数据传输。
可选的,所述通讯模块提供基于窄带物联网(NB-IoT)的无线接入链路。
最后,提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种低压开关柜温湿度监测和预警方法的步骤。
经由上述的技术方案可知,本发明公开提供了一种低压开关柜温湿度监测和预警方法、***及存储介质,与现有技术相比,具有以下有益的技术效果:
1)本发明打破了传统监测预警机制按点进行监测和预警的简单套路,采用了“按点监测、整体预警”的智能预警思路,把柜体视为一个整体,基于有限的一组监测点来构建整个低压开关柜的温湿度体系,从而能够真实地反映柜体内部在不同环境、不同工况条件下的具体状况。
2)本发明基于机器学习所构造的低压开关柜内部温湿度的时空分布和变化规律,在云端定时对采集的监测数据进行拟合计算分析,动态构建三维全时空温湿度分布模型,能够准确、完整地反应柜体内部每个部位的温湿度详细状况及变化范围。
3)本发明能够充分考虑温湿度预警的目标和要求、环境温湿度情况、开关柜工作负载水平等内外部条件,智能化自动设定低压开关柜中各监测点的动态阈值范围,从而能在边缘主机中通过实时监测各监测点的温湿度变化,最终实现智能化的温湿度预警,具有异常状态识别率高、报警延时短的特点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程示意图;
图2为本发明的***结构示意图;
图3为本发明的边缘监测预警主机结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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。
本发明实施例1公开了一种低压开关柜温湿度监测和预警方法,如图1所示,具体步骤包括如下:
建立温湿度的机器学习模型,得到温湿度的时空分布和变化规律;
采集温湿度监测点数据;
基于时空分布和变化规律,结合温湿度监测点数据,得到温湿度的智能阈值范围;
根据智能阈值范围自动判定是否触发报警,并将报警信息上传到云端。
进一步的,建立温湿度的机器学习模型的步骤为:
获取数据样本;
构建卷积神经网络模型,并将数据样本输入到卷积神经网络中进行训练,得到温湿度的预警值;
计算温湿度预警值与实际值之间的损失函数,得到卷积神经网络的最优权值矢量和偏置项,机器学习模型构建完成。
具体的,(1)将移动变电站低压开关柜置于试验环境中,在不同部位分别设置温湿度传感器,具体包括:变电站外部两组传感器,开关柜外侧六向表面各一组传感器,开关柜内侧六向表面各一组传感器,每个开关单元内部各一组传感器。所有传感器连接到一台数据采集装置,每秒钟采集一次。
(2)分别模拟不同工况、不同环境条件下的多次反复运行,工况条件从负载0%到100%,每10%为一档;环境温度条件从摄氏零下10度到零上40度,每5度为一档;环境湿度条件从0%到100%,每10%为一档。所有条件互相结合,形成全条件组合。每种组合运行3次,每次稳定运行5分钟。最终可采集到千万条级别的样本数据。
(3)建立移动变电站低压开关柜温湿度的机器学习模型。从温湿度的影响因子来看,主要包括三类7项:空间位置(X/Y/Z),时间(T),环境因素(环境温度Et,环境湿度Ft,工况负载L)。假设某点温度的计算函数如下:Dt=Ft(X,Y,Z,T,Et,Ft,L),而温度计算值Dt和实际值Rt之间存在一定偏差(即损失),损失函数如下:J=∑(Dt-Rt)2。
(4)通过梯度下降法利用大量样本数据进行机器学习训练,在可预见的时间范围内寻找损失函数的最小值,从而得到可准确表达低压开关柜温湿度的时空分布和变化规律的机器学习模型。
进一步的,基于低压开关柜温湿度的时空分布和变化规律,综合实时采集的温湿度监测点数据,定时(小时级)自动进行拟合计算分析。在一定的时间范围内,将工况负载、环境温度、环境湿度视为已知量,从而动态构建出开关柜温湿度时空分布模型,以空间和时间作为变量。结合温湿度预警的目标和要求,智能化自动设定低压开关柜中各监测点的阈值范围,并下发到边缘监测预警主机中。
进一步的,在低压开关柜的边缘监测预警主机中,实时(秒级)监测各传感器的温湿度变化,并根据定时动态更新的预警阈值自动判定是否触发报警。预警判定时,采用就地实时分析的方式,逐条执行预警判定规则,每条规则包含一个或多个实时监测值,每个监测值对应一组预警阈值范围,每条规则的执行结果为是否触发报警,并有对应的报警类型和报警级别。报警触发时,在本地触发声光信号,同时实时上传报警状态和数据到云端。云端对报警状态和数据验证无误后,通知到具体的运维人员。
更进一步的,报警级别分为一般、紧急、加急;若监测温度超过智能阈值范围7℃,则信号指示灯亮红灯,报警装置发出短音提示音;
若监测温度超过智能阈值范围15℃,则信号指示灯亮黄灯,报警装置发出长音提示音;
若监测温度超过智能阈值范围25℃,则信号指示灯亮蓝灯,报警装置发出一长一短的提示音。
本发明实施例2公开了一种低压开关柜温湿度监测和预警***,如图2所示,包括建模单元、数据采集单元、数据处理单元、报警单元;其中,
建模单元,用于建立温湿度的机器学习模型,得到温湿度的时空分布和变化规律;
数据采集单元,用于采集温湿度监测点数据;
数据处理单元,用于根据时空分布和变化规律,结合温湿度监测点数据,得到温湿度的智能阈值范围;
报警单元,用于根据智能阈值范围自动判定是否触发报警,并将报警信息上传到云端。
还包括损失函数计算单元,用于计算温湿度的预警值与实际值之间的损失函数。在可预见的时间范围内寻找损失函数的最小值,从而得到可准确表达低压开关柜温湿度的时空分布和变化规律的数学函数及系数,使得建模更加准确。
在本发明实施例中,组建了一套模块化、紧凑型的边缘监测预警主机,紧密集成计算模块、规约模块、安全模块、无线通讯模块,能够汇集低压开关柜中设置的多个温湿度监测点,基于窄带物联网(NB-IoT)、MQTT通讯协议和增强的安全验证机制,接入到高安全等级的专网中,实现在恶劣通讯条件下的安全可靠数据传输。
具体的,通过边缘监测预警主机进行数据采集及数据通讯。如图3所示,边缘监测预警主机集成有计算模块、规约模块、安全模块、通讯模块;其中,计算模块,用于实时采集监测数据并就地分析得到预警信号;规约模块,用于提供通讯规约的数据封包、收发和解析能力;安全模块,用于根据硬件密钥和加解密算法,实现与云端之间的安全认证,建立基于无线链路的安全传输通道;通讯模块,用于将预警信号与监测数据传输到云端,基于窄带物联网(NB-IoT)的无线接入链路。对于实际生产和运行的移动变电站,可为低压开关柜设置3-6组温湿度传感器,具体设置位置可根据实际情况灵活选择,但至少需包含1组环境值和2组内部值。
最后,提供一种计算机存储介质,计算机存储介质上存储有计算机程序,计算机程序被处理器执行时实现一种低压开关柜温湿度监测和预警方法的步骤。
本发明采用了“按点监测、整体预警”的智能预警思路,把低压开关柜柜体视为一个整体,构建整个柜体内的温湿度三维时空分布模型,能够真实地反映柜体内部在不同环境、不同工况条件下的具体状况。
通过机器学习构建低压开关柜内部温湿度的时空分布和变化规律,在云端定时对采集的监测数据进行拟合计算分析,动态构建三维全时空温湿度分布模型,能够准确、完整地反应柜体内部每个部位的温湿度详细状况及变化范围。
本发明能够充分考虑温湿度预警的目标和要求、环境温湿度情况、开关柜工作负载水平等内外部条件,智能化自动设定低压开关柜中各监测点的动态阈值范围,从而能在边缘主机中通过实时监测各监测点的温湿度变化,最终实现智能化的温湿度预警,具有异常状态识别率高、报警延时短的特点。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种低压开关柜温湿度监测和预警方法,其特征在于,具体步骤包括如下:
建立温湿度的机器学习模型,得到温湿度的时空分布和变化规律;
采集温湿度监测点数据;
基于所述时空分布和变化规律,结合所述温湿度监测点数据,得到温湿度的智能阈值范围;
根据所述智能阈值范围自动判定是否触发报警,并将报警信息上传到云端。
2.根据权利要求1所述的低压开关柜温湿度监测和预警方法,其特征在于,所述建立温湿度的机器学习模型的步骤为:
获取数据样本;
构建卷积神经网络模型,并将所述数据样本输入到所述卷积神经网络中进行训练,得到温湿度的预警值;
计算所述温湿度预警值与实际值之间的损失函数,得到所述卷积神经网络的最优权值矢量和偏置项,机器学习模型构建完成。
3.根据权利要求2所述的一种低压开关柜温湿度监测和预警方法,其特征在于,所述损失函数为J=∑(Dt-Rt)2;
其中,Dt为温度计算值,Dt=Ft(X,Y,Z,T,Et,Ft,L),X,Y,Z为空间位置,T为时间,Et为环境温度,Ft为环境湿度,L为工况负载,Rt为温度实际值。
4.根据权利要求1所述的一种低压开关柜温湿度监测和预警方法,其特征在于,所述智能阈值范围根据定时动态实时更新,预警判定时,采用就地实时分析的方式,逐条执行预警判定规则,所述预警判断规则包含一个或多个实时监测值,每个所述监测值对应一组预警阈值范围。
5.一种低压开关柜温湿度监测和预警***,其特征在于,包括建模单元、数据采集单元、数据处理单元、报警单元;其中,
所述建模单元,用于建立温湿度的机器学习模型,得到温湿度的时空分布和变化规律;
所述数据采集单元,用于采集温湿度监测点数据;
所述数据处理单元,用于根据所述时空分布和变化规律,结合所述温湿度监测点数据,得到温湿度的智能阈值范围;
所述报警单元,用于根据所述智能阈值范围自动判定是否触发报警,并将报警信息上传到云端。
6.根据权利要求5所述一种低压开关柜温湿度监测和预警***,其特征在于,还包括损失函数计算单元,用于计算温湿度的预警值与实际值之间的损失函数。
7.根据权利要求5所述一种低压开关柜温湿度监测和预警***,其特征在于,通过边缘监测预警主机进行数据采集及数据通讯。
8.根据权利要求7所述的一种低压开关柜温湿度监测和预警***,其特征在于,所述边缘监测预警主机集成有计算模块、规约模块、安全模块、通讯模块;其中,所述计算模块,用于实时采集监测数据并就地分析得到预警信号;所述规约模块,用于提供通讯规约的数据封包、收发和解析能力;所述安全模块,用于根据硬件密钥和加解密算法,实现与云端之间的安全认证,建立基于无线链路的安全传输通道;所述通讯模块,用于将所述预警信号与所述监测数据传输到云端。
9.根据权利要求8所述的一种低压开关柜温湿度监测和预警***,其特征在于,所述通讯模块提供基于窄带物联网的无线接入链路。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-4中任意一项所述的一种低压开关柜温湿度监测和预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111112084.4A CN113838269A (zh) | 2021-09-18 | 2021-09-18 | 一种低压开关柜温湿度监测和预警方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111112084.4A CN113838269A (zh) | 2021-09-18 | 2021-09-18 | 一种低压开关柜温湿度监测和预警方法、***及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113838269A true CN113838269A (zh) | 2021-12-24 |
Family
ID=78969186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111112084.4A Pending CN113838269A (zh) | 2021-09-18 | 2021-09-18 | 一种低压开关柜温湿度监测和预警方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113838269A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116007670A (zh) * | 2023-01-03 | 2023-04-25 | 北京中关村智连安全科学研究院有限公司 | 一种边缘计算预警方法和*** |
CN117040137A (zh) * | 2023-10-09 | 2023-11-10 | 国网山东省电力公司聊城供电公司 | 基于多源数据的环网柜温升预警方法、***、终端及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109781268A (zh) * | 2019-03-16 | 2019-05-21 | 福州大学 | 一种基于低成本红外热视技术的开关柜内重点部位温度监测*** |
CN110726494A (zh) * | 2019-11-27 | 2020-01-24 | 成都比善科技开发有限公司 | 高压开关柜温度监测***及监测方法 |
CN111191693A (zh) * | 2019-12-18 | 2020-05-22 | 广西电网有限责任公司电力科学研究院 | 基于卷积神经网络的识别高压开关柜热故障状态的方法 |
AU2020103722A4 (en) * | 2020-11-27 | 2021-02-11 | Northeast Electric Power University | A Dynamic Early Warning System for Power Station Operating Parameters Based on Cloud Platform |
-
2021
- 2021-09-18 CN CN202111112084.4A patent/CN113838269A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109781268A (zh) * | 2019-03-16 | 2019-05-21 | 福州大学 | 一种基于低成本红外热视技术的开关柜内重点部位温度监测*** |
CN110726494A (zh) * | 2019-11-27 | 2020-01-24 | 成都比善科技开发有限公司 | 高压开关柜温度监测***及监测方法 |
CN111191693A (zh) * | 2019-12-18 | 2020-05-22 | 广西电网有限责任公司电力科学研究院 | 基于卷积神经网络的识别高压开关柜热故障状态的方法 |
AU2020103722A4 (en) * | 2020-11-27 | 2021-02-11 | Northeast Electric Power University | A Dynamic Early Warning System for Power Station Operating Parameters Based on Cloud Platform |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116007670A (zh) * | 2023-01-03 | 2023-04-25 | 北京中关村智连安全科学研究院有限公司 | 一种边缘计算预警方法和*** |
CN117040137A (zh) * | 2023-10-09 | 2023-11-10 | 国网山东省电力公司聊城供电公司 | 基于多源数据的环网柜温升预警方法、***、终端及介质 |
CN117040137B (zh) * | 2023-10-09 | 2024-05-07 | 国网山东省电力公司聊城供电公司 | 基于多源数据的环网柜温升预警方法、***、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113904443B (zh) | 多维度空间可视化的现场变电设备监控与预警*** | |
CN108418841A (zh) | 基于ai的下一代关键信息基础设施网络安全态势感知*** | |
CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN105515184B (zh) | 基于无线传感网络的多传感器多参量配网协同监测*** | |
CN113838269A (zh) | 一种低压开关柜温湿度监测和预警方法、***及存储介质 | |
CN107069954B (zh) | 变电站设备云维护***和监控*** | |
CN107831422A (zh) | 一种gis设备局部放电诊断方法及*** | |
CN105978150A (zh) | 智能变压器终端及其监控方法 | |
CN113110386A (zh) | Gis/gil设备机械振动状态在线监测及机械故障云诊断*** | |
CN109490713A (zh) | 一种用于电缆线路移动巡检及交互诊断的方法及*** | |
US20240142063A1 (en) | Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof | |
CN107390628B (zh) | 配网状态监测与预警方法及*** | |
CN104380554A (zh) | 能量供应网中的故障识别 | |
CN105242128A (zh) | 基于模糊神经网络的避雷器在线监测*** | |
CN112947127A (zh) | 智慧用电控制管理*** | |
US12039045B2 (en) | Event analysis in an electric power system | |
CN116992399A (zh) | 一种基于电力数据分析的电力设备运维评估方法 | |
CN110716103A (zh) | 一种配网故障的预警方法 | |
CN116980958A (zh) | 一种基于数据识别的无线设备电故障监测方法及*** | |
CN111327468A (zh) | 一种用于电力***的边缘计算平台的运行方法及其*** | |
CN103036316A (zh) | 基于iec61850的ied设备智能检测方法 | |
CN114142614A (zh) | 一种基于sd-wan网络的高速公路配电房智能运维管理*** | |
CN117419829A (zh) | 过热故障的预警方法、装置和电子设备 | |
CN111722612A (zh) | 一种电力少油监控预测*** | |
CN111857015B (zh) | 输变电云端智能控制器 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211224 |
|
RJ01 | Rejection of invention patent application after publication |