本发明涉及电力设备,更具体地说,它涉及基于多源数据的环网柜温升预警方法、系统、终端及介质。
背景技术:
1、环网柜是供电系统中重要的设备之一,其正常运行是供电安全稳定的重要保障,由于环网柜是相对封闭的设备,随着负荷电流增大、绝缘性能弱化、散热功率不足、柜内湿度增大以及柜外温度升高等因素的影响,极易导致环网柜内部温度过高,从而影响到环网柜的正常运行。为此,对环网柜进行温度监测非常有必要。
2、传统环网柜的温度监测的方法主要有依据实时温度数据与设定阈值进行对比,在实时温度数据超过设定阈值时输出报警信号;当设定阈值过大时,易导致温度监测报警的及时性较差;而当设定阈值过小时,易导致温度监测报警错误率较高,且报警频繁。为此,现有技术中记载有采用机器学习算法对历史的环网柜温度数据进行训练,通过训练构建的温度预测模型来对环网柜的温度进行预测,从而达到及时预警的目的;此外,还记载有通过对环网柜中会对温度提升产生影响的故障进行实时检测,并综合所有检测得到的故障来对环网柜的温度变化进行估算,以此完成环网柜温度监测。
3、然而,由于环网柜的温度变化不仅受故障影响,还受时间累积效应影响,其获得的温度监测数据存在时滞与非线性问题,所以基于机器学习算法的温度检测方法需要较多的样本数据,尤其是要在不同供电系统中处于不同位置的环网柜进行温度监测,必然需要大量的样本数据,导致应用成本高,难以大范围推广应用;而采用对故障进行实时检测的方法来进行温度监测,容易忽略不同因素之间相互影响所导致的温度突变情况,导致环网柜温度监测无法全面覆盖。因此,如何研究设计一种能够克服上述缺陷的基于多源数据的环网柜温升预警方法、系统、终端及介质是我们目前急需解决的问题。
技术实现思路
1、为解决现有技术中的不足,本发明的目的是提供基于多源数据的环网柜温升预警方法、系统、终端及介质,在不需要大量样本数据的情况下,即可实现对环网柜处于不同场景下的温升预警,有效保证了环网柜温升预警的及时性与准确性。
2、本发明的上述技术目的是通过以下技术方案得以实现的:
3、第一方面,提供了基于多源数据的环网柜温升预警方法,包括以下步骤:
4、确定影响环网柜温度变化的影响因子集,并依据对影响因子集中各个影响因子历史监测的数据建立历史数据库;
5、获取监测周期内环网柜的实时温度数据以及影响因子集中各个影响因子所对应的实时监测数据;
6、依据实时监测数据从历史数据库中匹配出相似度最大的历史监测数据,并从历史数据库中提取与历史监测数据处于同一个监测周期的环网柜的历史温度数据以及下一个监测周期内环网柜的温度参考数据;
7、将实时温度数据等效于各个影响因子所对应的历史温度数据的权重值,为各个影响因子分配权重系数;
8、依据各个影响因子的温度参考数据和权重系数进行权重计算,得到环网柜在下一个待预警监测周期内的温度预测值;
9、从温度预测值中筛选出超过预警阈值的区段,并对超过预警阈值的区段进行温升预警。
10、进一步的,所述影响因子包括负荷电流、柜外温度、散热功率和柜内湿度。
11、进一步的,所述依据实时监测数据从历史数据库中匹配出相似度最大的历史监测数据的表达式具体为:
12、;
13、其中,表示影响因子所对应的实时监测数据中第时刻的数据值;表示影响因子所对应的历史监测数据中第时刻的数据值;表示监测周期的时长;表示与影响因子所对应的实时监测数据处于同一监测周期的剩余因子所对应的实时监测数据均值;表示与影响因子所对应的历史监测数据处于同一监测周期的剩余因子所对应的历史监测数据均值;表示剩余因子的差值阈值;表示影响因子集中除影响因子之外所有的剩余因子;表示影响因子集。
14、进一步的,所述影响因子的权重系数分配过程具体为:
15、对影响因子集中的各个影响因子随机分配权重系数;
16、依据权重系数对各个影响因子所对应的历史温度数据在同一时刻的温度值进行权重计算,得到对应时刻的实时温度预估值;
17、将实时温度数据和所有时刻的实时温度预估值进行误差分析,并选取误差最小所对应分配的权重系数作为最终分配的权重系数。
18、进一步的,所述影响因子的权重系数分配公式具体为:
19、;
20、其中,表示对监测周期中第时刻的实时温度预估值;表示第个影响因子的权重系数;表示第个影响因子所对应的历史温度数据中第时刻的温度值;表示影响因子集中影响因子的数量;表示监测周期的时长;表示实时温度数据中第时刻的实时温度值。
21、进一步的,所述影响因子的权重系数分配过程具体为:
22、以实时温度数据中某一时刻的实时温度值作为各个历史温度数据中在同一对应时刻的温度值的权重值,为各个影响因子分配得到在对应时刻的权重系数;
23、分析单个影响因子在监测周期内所有时刻分配的权重系数的误差;
24、以所有影响因子的所分配权重系数的误差之和最小为优化目标,求解得到各个影响因子最优的权重系数均值作为最终的权重系数。
25、进一步的,所述影响因子的权重系数分配公式具体为:
26、;
27、其中,表示实时温度数据中第时刻的实时温度值;表示第个影响因子在第时刻的权重系数;表示影响因子集中影响因子的数量;表示第个影响因子所对应的历史温度数据中第时刻的温度值;表示监测周期的时长;表示第个影响因子在所有时刻的权重系数均值。
28、第二方面,提供了基于多源数据的环网柜温升预警系统,包括:
29、因子确定模块,用于确定影响环网柜温度变化的影响因子集,并依据对影响因子集中各个影响因子历史监测的数据建立历史数据库;
30、数据采集模块,用于获取监测周期内环网柜的实时温度数据以及影响因子集中各个影响因子所对应的实时监测数据;
31、数据匹配模块,用于依据实时监测数据从历史数据库中匹配出相似度最大的历史监测数据,并从历史数据库中提取与历史监测数据处于同一个监测周期的环网柜的历史温度数据以及下一个监测周期内环网柜的温度参考数据;
32、权重分配模块,用于将实时温度数据等效于各个影响因子所对应的历史温度数据的权重值,为各个影响因子分配权重系数;
33、温度预测模块,用于依据各个影响因子的温度参考数据和权重系数进行权重计算,得到环网柜在下一个待预警监测周期内的温度预测值;
34、温升预警模块,用于从温度预测值中筛选出超过预警阈值的区段,并对超过预警阈值的区段进行温升预警。
35、第三方面,提供了一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任意一项所述的基于多源数据的环网柜温升预警方法。
36、第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行可实现如第一方面中任意一项所述的基于多源数据的环网柜温升预警方法。
37、与现有技术相比,本发明具有以下有益效果:
38、1、本发明提供的基于多源数据的环网柜温升预警方法,依据历史监测数据与实时监测数据之间的相似度分析来匹配单个影响因子对环网柜温度影响的历史近似场景,并结合多个影响因子的历史近似场景来更为真实的模拟环网柜所处的实时模拟场景,且对实时模拟场景下各个影响因子对环网柜温度的贡献度来确定各个影响因子的权重系数,同时结合各个历史近似场景在下一监测周期内的温度变化情况来预估环网柜在下一个待预警监测周期内的温度预测值,在不需要大量样本数据的情况下,即可实现对环网柜处于不同场景下的温升预警,有效保证了环网柜温升预警的及时性与准确性;
39、2、本发明从历史数据库中匹配出相似度最大的历史监测数据时,不仅仅考虑了实时监测数据和历史监测数据之间的相似情况,还以影响因子集中其他的剩余因子所对应实时监测数据与历史监测数据的差值不超过设定阈值作为约束条件,来实现对存在突变情况下的数据进行过滤,有效保证了所匹配数据的可靠性;
40、3、本发明在将实时温度数据等效于各个影响因子所对应的历史温度数据的权重值时,依据随机分配的权重系数对各个影响因子所对应的历史温度数据在同一时刻的温度值进行权重计算,从所有影响因子对环网柜温度的全局影响角度进行分析,更适用于影响因子数量多以及相互作用复杂的情况;
41、4、本发明在将实时温度数据等效于各个影响因子所对应的历史温度数据的权重值时,以实时温度数据中某一时刻的实时温度值作为各个历史温度数据中在同一对应时刻的温度值的权重值,从单个影响因子对环网柜温度的局部影响角度进行分析,更适用于影响因子数量少以及相互作用相对简单的情况。