技术特征：
1.一种物联网自学习短路识别的方法，其特征在于，包括如下步骤：s1，实时采集每条线路的电压，以获得每条线路的电压集；s2，计算各个所述线路在某一时间点的电压导数；s3，判断各个线路的电压导数中是否存在离群点和电流集iir滤波确认短路，所述离群点是指所述各个线路的电压导数中远小于其他电压导数的极端小值，若有，进入步骤s4，否则，返回步骤s1；所述判断各个线路的电压导数中是否存在离群点和电流集iir滤波确认短路的方法包括：s31，去除所述各个线路的电压导数中的最大值和最小值，计算剩余所述电压导数的平均值和标准差；s32，计算所述最小值与所述平均值的差值的绝对值；s33，判断所述绝对值是否大于3倍的所述标准差，若是进入步骤s34，否则进入步骤s35；s34，判定所述最小值为所述离群点；s35，判定不存在所述离群点；s4，判定所述离群点对应的线路在所述时间点发生了短路。2.根据权利要求1所述的一种物联网自学习短路识别的方法，其特征在于：在步骤s1中，等时间间隔采集多个电压u和多个时间点t，所述时间间隔为0.2秒至2秒。3.根据权利要求1所述的一种物联网自学习短路识别的方法，其特征在于：在步骤s4之后，进一步对所述短路的类型进行判定，具体步骤包括：s5，计算所述离群点对应的线路在所述时间点的电压导数，s6，以所述电压导数作为随机变量x计算信息熵h，判断该信息熵h是否大于第一预设阀值，若是进入步骤s7，否则进入步骤s8；s7，判定所述短路为外短路；s8，判定所述短路为内短路；s9，将数据再传送至物联网；s10，服务器记录每次短路的值，供其他设备学习；s11，所述设备学习服务器以记录每次短路的值；其中，步骤s6中所述第一预设阀值的设定方法包括：s61，提供一发生外短路类型短路的线路，实时采集该发生外短路类型短路的线路在使用过程中的电压，以获得该发生外短路类型短路的线路的电压集，该电压集包括多个电压，该多个电压与所述多个时间点t一一对应；s62，计算该发生外短路类型短路的线路的电压导数；s63，以所述电压导数作为随机变量y计算信息熵h(y)；s64，设定所述第一预设阀值为所述信息熵h(y)的30％～50％。
技术总结
本发明涉及物联网自学习短路识别的方法技术领域，且公开了一种物联网自学习短路识别的方法，具体步骤包括：S1，实时采集各个线路的电压、电流，以获得每条线路的电压集、电流集；S2，计算各个所述每条线路在某一时间点的电压导数，电压过零点的电流值，S3，判断每条线路的电压导数中是否存在离群点和电流集IIR滤波确认短路，所述离群点是指所述每条线路的电压导数中远小于其他电压导数的极端小值，若有，进入步骤S4，否则，返回步骤S1。该物联网自学习短路识别的方法，通过实时采集每条线路的电压、电流，以获得每条线路的电压集、电流集，然后通过计算每条线路在某一时间点的电压导数。过计算每条线路在某一时间点的电压导数。过计算每条线路在某一时间点的电压导数。
技术研发人员：曾肖辉 李名银 张友华 刘震 桂斌
受保护的技术使用者：华邦创科（惠州市）智能科技有限公司
技术研发日：2022.04.21
技术公布日：2022/5/30