本发明涉及高压节点温度预测技术领域，特别是一种变电站高压开关柜的温度监测预警系统及方法。
背景技术：
随着国民经济的发展，各行各业对电能的需求越来越高，发电厂、变电站内高压开关柜内部触头接点的温度随着电流的增大而增高，如果高压开关柜内部触头接点的温度持续增高，将会造成高压开关柜内部触头接点温度过热，以至于发生开关柜温度过热事故，并由此产生火灾及大面积的停电。因此，电力系统中电气设备安全运行监测的工作量迅速增加。电厂和变电站内的机组运行时不是相互独立的，而是需要各个环节相互配合才能安全，有效、可靠的工作。电气设备的供电多数是以开关柜组来实现输配电，若其中有一个开关柜发生故障势必会影响到整个变电站或变电所的运营。基于此，作为电力系统中电气设备安全运行的主要参数，即变电站高压开关柜触头温度的监测任务日益繁重。
基于上述问题，研究高压电气节点温升影响因素，并对高压电气节点温度进行提前预测，对减少高压开关柜中由于高压电气节点温度过高造成的事故具有重要意义。
目前，有回归分析法、指数平滑法、灰色系统预测GM(1,1)模型、BP(back propagation)神经网络等方法应用于对温度的预测。然而在高压开关柜的实际运行中，影响高压电气节点温升的因素众多，上述方法只是通过温度值进行分析预测，取得了一定的效果，但由于预测模型存在很大误差，无法实现对温度进行快速准确预测。
技术实现要素：
本发明的目的是提供了一种变电站高压开关柜的温度监测预警系统及方法，能有效提高温度预测速度和预测精度。
为实现上述目的，本发明提供了如下方案：
一种变电站高压开关柜的温度监测预警系统，包括：多个无线测温节点、多个基站以及上位机；所述上位机与所述多个基站有线连接，每个基站与多个无线测温节点无线连接；所述无线测温节点包括微处理器、数字化温度传感器以及无线收发装置，所述数字化温度传感器与所述微处理器连接，所述数字化温度传感器为DS18B20传感器，用于采集无线测温节点的温度值，并传送给所述微处理器；所述微处理器与所述无线收发装置连接，用于将温度值传送给所述无线收发装置，所述无线收发装置为CC1101芯片；所述无线测温节点用于将采集到的变电站各设备的温度数据通过无线传感器网络传送给所述基站；所述基站与所述上位机有线连接，用于将所述温度数据通过RS485接口发送给所述上位机；所述上位机用于将对温度数据进行熵权计算得到的训练数据输入到神经网络模型中进行训练，并利用训练后的神经网络模型进行温度预测。
可选的，所述基站包括液晶显示屏、微处理器MSP430F5418和存储芯片；所述液晶显示屏用于实时显示同一开关柜中所有无线测温节点采集的温度值；所述存储芯片为CC1101芯片，用于存储温度值。
一种变电站高压开关柜的温度监测预警方法，应用于一种变电站高压开关柜的温度监测预警系统，该温度监测预警方法包括：
获取高压电气节点的接触电阻、膨胀系数、负荷电流的历史数据；
获取实时采集的变电站各设备的温度数据中提取的样本数据；
将所述历史数据和样本数据作为影响高压电气节点温度的指标，并进行标准化处理；
求取各经过标准化处理后的指标的信息熵Ei；
根据各指标的信息熵，利用公式
获得各指标的权重；
根据各指标的权重，利用公式X＝(ω1X1,ω2X2,…ωkXk)
进行修正，得到修正后的训练数据；
建立前向级联LM_BP神经网络模型；
将修正后的训练数据作为输入，实时采集的变电站各设备的温度数据作为期望输出，对所述前向级联LM_BP神经网络模型进行训练；
将待预测数据输入训练后的神经网络模型中进行温度预测。
可选的，所述将所述历史数据和温度数据作为影响高压电气节点温度的指标，并进行标准化处理，具体包括：
采用公式：
对影响高压电气节点温度的指标进行标准化处理；其中，
Xi＝{x1,x2…xn}，X1，X2，…，Xk表示k个指标。
可选的，所述求取各经过标准化处理后的指标的信息熵Ei，具体包括：
指标的信息熵可表示为：
其中：求得影响高压电气节点温度的指标的信息熵为E1，E2，E3，...Ek。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种变电站高压开关柜的温度监测预警系统及方法，采用的数字化温度传感器为DS18B20传感器，体积小、功耗低，能长期在高压开关柜强磁场，强高温，封闭的环境下工作；无线收发装置采用CC1101芯片，具有高精度、高可靠，低功耗的整体性能，支持各种组网方式；基于熵权法的前向级联BP神经网络预测模型具有强大的非线性拟合能力和并行协同处理能力，其预测速度更快，能有效地提高预测精度。
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为本发明实施例一种变电站高压开关柜的温度监测预警系统的整体结构图；
图2为本发明实施例一种变电站高压开关柜的温度监测预警系统中无线测温节点的结构示意图；
图3为本发明实施例一种变电站高压开关柜的温度监测预警方法的方法流程图。
图中标号为：无线测温节点101、基站102、上位机103、RS-232/485转换接口104、RS-485总线105、数字化温度传感器201、微处理器202、无线收发装置203。
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。
本发明的目的是提供了一种变电站高压开关柜的温度监测预警系统及方法，能加快温度预测，有效提高温度预测速度和预测精度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例一种变电站高压开关柜的温度监测预警系统的整体结构图。
如图1所示，一种变电站高压开关柜的温度监测预警系统，包括：多个无线测温节点101、多个基站102以及上位机103；所述上位机103与所述多个基站102有线连接，每个基站102与多个无线测温节点101无线连接；所述无线测温节点101用于采集变电站各设备的温度数据，并通过无线传感器网络传送给所述基站102；所述基站102与所述上位机103有线连接，用于将所述温度数据通过RS485接口104发送给所述上位机103；RS485转换接口104通过RS485总线与所述基站102连接，所述上位机103用于将对温度数据进行熵权计算得到的训练数据输入到神经网络模型中进行训练，并利用训练后的神经网络模型进行温度预测。
图2为本发明实施例一种变电站高压开关柜的温度监测预警系统中无线测温节点的结构示意图。
如图2所示，所述无线测温节点101包括微处理器202、数字化温度传感器201以及无线收发装置203，所述数字化温度传感器201与所述微处理器202连接，用于采集无线测温节点的温度值，并传送给所述微处理器202；所述微处理器202与所述无线收发装置203连接，用于将温度值传送给所述无线收发装置203。
所述数字化温度传感器201为DS18B20传感器。
所述无线收发装置203为CC1101芯片。
所述基站202包括液晶显示屏、微处理器MSP430F5418和存储芯片；所述液晶显示屏用于实时显示同一开关柜中所有无线测温节点采集的温度值；所述存储芯片为CC1101芯片，用于存储温度值；基站与无线测温节点采用的是以SPI数据传输方式，频段采用433MHz，基站与上位机之间的通信采用的是RS485总线方式，通信协议为Modbus协议，如果基站通过RS485方式传输不成功，基站将会把温度值暂时存入到存储芯片中。
基站具有以下功能：
温度实时显示功能：基站的液晶屏实时显示在同一开关柜中的所有节点采集的温度值。
报警功能：当检测到的节点温度超过阙值或者温升超过正常值，以及节点坏死时，向上位机发送报警信号直到接受到回复。
参数设置功能：可设置测温节点的采集温度周期，上报周期，可设置不同档次的温度报警阙值。
除了本发明提供给的上述变电站高压开关柜的温度监测预警系统中所提供的无线数字温度传感器，还能使用光纤测温，光纤自身具有耐腐蚀，绝缘强度高、体积小、结构简单，并且抗电磁干扰能力强的优点，非常适合在具有高电压，强磁场的测温环境中使用。光纤测温目前以两种形式在变电站高压开关柜温度监测使用：一种是将光纤作为温度传感器来使用；一种是将光纤作为信号传输介质，而半导体温度传感器作为探头，也能实现变电站高压开关柜的温度监测预警系统的温度预测功能。
图3为本发明实施例一种变电站高压开关柜的温度监测预警方法的方法流程图。
如图3所示，一种变电站高压开关柜的温度监测预警方法，应用于一种变电站高压开关柜的温度监测预警系统，该温度监测预警方法包括：
步骤301：获取高压电气节点的接触电阻、膨胀系数、负荷电流的历史数据；
步骤302：获取实时采集的变电站各设备的温度数据中提取的样本数据；
步骤303：将所述历史数据和样本数据作为影响高压电气节点温度的指标，并进行标准化处理；
步骤304：求取各经过标准化处理后的指标的信息熵Ei；
步骤305：根据各指标的信息熵，利用公式
获得各指标的权重；
步骤306：根据各指标的权重利用公式X＝(ω1X1,ω2X2,…ωkXk)
进行修正，得到修正后的训练数据；
步骤307：建立前向级联LM_BP神经网络模型；
步骤308：将修正后的训练数据作为输入，实时采集的变电站各设备的温度数据作为期望输出，对所述前向级联LM_BP神经网络模型进行训练；
步骤309：将待预测数据输入训练后的神经网络模型中进行温度预测。
所述步骤303：将所述历史数据和温度数据作为影响高压电气节点温度的指标，并进行标准化处理，具体包括：
采用公式：
对影响高压电气节点温度的指标进行标准化处理；其中，
Xi＝{x1,x2…xn}，X1，X2，…，Xk表示k个指标。
所述步骤304：所述求取各经过标准化处理后的指标的信息熵Ei，具体包括：
指标的信息熵可表示为：
其中：求得影响高压电气节点温度的指标的信息熵为E1，E2，E3，...Ek。
高压电气节点温度的变化主要由接触电阻、膨胀系数、负荷电流、环境温度(这里采用高压开关柜中节点的温度数据)的变化来决定，因此，将接触电阻、膨胀系数、负荷电流、温度样本数据作为影响高压电器节点温度变化的指标。
根据实验检验当建立神经网络模型时，采用两层隐含层，隐含层神经元节点数分别为13个和12时，初始采集了2000个数据进行熵权确权后训练网络，预测后20个温度数据。温度采集系统每采集5个样本重新进行下一次预测时，实时更新前面的2000个数据。
本发明提供的一种变电站高压开关柜的温度监测预警系统及方法，采用的无线数字温度传感器体积小、功耗低、信号传输通畅，易于组网，并且具备高可靠性和使用寿命长的特点，从而能够长期在高压开关柜强磁场，强高温，封闭的环境下工作；采用的无线收发模块CC1101具有高精度、高可靠，低功耗的整体性能；支持各种组网方式，配置灵活；型号接受部分能实现多通道高速高精度数据采集；能够实时上传数据，提供工业级485网络接口；基于熵权法的前向级联BP神经网络预测模型具有强大的非线性拟合能力和并行协同处理能力，其预测速度更快并且预测精度较传统的BP神经网络有了极大程度的提高。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。