【技术实现步骤摘要】
本专利技术涉及人工智能，具体为一种基于人工智能的智能配电箱状态在线监测系统及方法。
技术介绍
1、随着电力系统的发展，传统的配电系统逐渐向数字化、智能化转变。智能配电箱在线监测系统在这一背景下应用而生，它将信息技术、通信技术和电力技术结合，实现了对配电系统的实时监控和管理；进入21世纪，随着传感器技术和通信技术的发展，智能传感器被广泛应用于配电系统中。这些传感器可以实时采集电流、电压、温度、湿度等多种参数，并通过有线或无线网络传输到监控中心，形成了较为完整的在线监测系统，2010年代以来，人工智能和大数据技术的迅速发展，使得智能配电箱在线监测系统进一步智能化。通过数据挖掘和机器学习技术，系统可以从海量监测数据中提取有价值的信息，实现更加精准的故障预测和能效管理。但是对于配电箱的监测依旧存在一些问题，在以往的监测中虽然实现了对配电箱的智能实时监测，预防配电箱的故障产生，但是由于配电箱的工作状态不是一成不变的，不同的工作状态对于配电箱的异常故障存在不可忽视的影响，极大的影响着配电箱异常故障监测的准确性，并且对配电箱的工作状态和不同的异常种类无法做到匹配关联，精准的对每种异常进行监测。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的智能配电箱状态在线监测系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：
3、一种基于人工智能的智能配电箱状态在线监测方法，所述方法包括以下步骤：
4、s100
5、进一步的，利用特征数据对智能配电箱的工作状态进行分类的具体步骤为：
6、s101、收集历史中智能配电箱在工作时的所有工作状态，提取智能配电箱在每个工作状态中所有数据为，表示每个工作状态中第1、2、3、...、n种数据，计算智能配电箱在工作状态发生变化时每种数据的变化速度，公式为：
7、
8、公式中，sv表示每种数据在智能配电箱工作状态发生变化时的变化速度，表示智能配电箱处于第z个工作状态时每种数据值，表示智能配电箱处于第z+1个工作状态时每种数据值；t表示智能配电箱工作状态发生变化的时间；计算智能配电箱中每种数据随工作状态的变化速度为，表示智能配电箱中第1、2、3、...、n种数据随工作状态的变化速度；n为正整数；选择所有种类数据中的变化速度最大的一种变化数据作为智能配电箱在工作状态中的运行数据y；
9、s102、收集历史中智能配电箱在所有工作状态时的运行数据为，表示智能配线箱在第1、2、3、...、p个工作状态时的运行数据，p为正整数；对收集的p个运行数据进行分析，计算智能配电箱处于p个工作状态时运行数据的平均变化量，公式为：
10、
11、公式中，ps表示智能配电箱处于p个工作状态时运行数据的平均变化量，表示相邻两个工作状态中前一个工作状态的运行数据，表示相邻两个工作状态中后一个工作状态的运行数据，；p-1表示计算的所有相邻工作状态中运行数据差值个数；
12、利用计算得到的运行数据的平均变化量对每个相邻工作状态中运行数据的差值进行判断，设，当时，判断智能配电箱的工作状态种类发生变化，对应的运行数据和分别为前后两种工作状态的一半区间，对计算得到每个相邻工作状态中运行数据的差值进行判断，将智能配电箱的工作状态分类为，表示分类后智能配电箱的第1、2、3、...、m种工作状态；根据判断的运行数据差值，得到每种工作状态的区间为，表示第1、2、3、...、m种工作状态的区间。
13、配电箱不同的工作状态会对监测判断结果造成不同的影响，因此对智能配电箱的工作状态进行分类后，对智能配电箱进行监测时可以根据不同的实时工作状态对配电箱进行监测，避免不同的工作状态影响对配电箱的监测范围，导致系统产生误判；
14、将智能配电箱的所有异常进行分类的具体步骤为：
15、s111、收集历史中智能配电箱发生的所有异常的记录，提取智能配电箱在每个记录中发生异常前后每种数据值为、，表示每个记录中发生异常前第1、2、3、...、n种数据值，表示每个记录中发生异常后第1、2、3、...、n种数据值；计算每个异常记录中每种数据在异常发生前后的数据差，公式为：
16、
17、公式中，表示每个异常记录中每种数据在异常发生前后的数据差，在计算记录中n种数据差值后，对n种数据差值进行对比，选择数据差值最大的数据种类作为对应异常记录中特征；
18、s112、对每个异常记录中数据均进行计算，得到所有异常的特征为，表示收集的第1、2、3、...、g个异常的特征；对每个异常的特征进行判断，将特征相同的异常归为一种异常类型，对智能配电箱的异常类型进行分类后得到所有种类为，表示分类后的第1、2、3、...、d种异常，d为正整数；
19、s113、收集历史中每种异常发生时的特征值为，表示收集的历史中每种异常第1、2、3、...、q次发生时的特征值，q为正整数；计算收集的特征值的平均值为tp和标准差为t_st；对收集的每种异常的所有特征值和平均值的差值进行判断计算偏差系数，公式为：
20、
21、公式中，dst表示对收集的所有特征值进行判断得到和平均值的差值大于标准差的特征值个数，xst表示对收集的所有特征值进行判断得到和平均值的差值小于等于标准差的特征值个数，设dst和xst初始值均为0；；公式表示对收集的所有特征值和平均值的差值进行判断，当判断差值大于标准差时，dst自加1，当判断差值小于等于标准差时，xst自加1，表示对对应的数据进行自加1；
22、计算每种异常的阈值数据，公式为：
23、公式中，in表示每种异常的阈值数据，表示计算得到的偏差系数，对所有种类异常的阈值数据均进行计算，得到所有种阈值数据为，表示智能配电箱中第1、2、3、...d种异常的阈值数据。
24、在对配电箱的异常进行监测时，对配电箱的异常种类进行区分，可以在发生异常后根据不同的异常制定不同的维护方案，大大减少了维护人员在接收到异常预警后进行维护的时间，提高了系统的工作效率；
25、s200、收集历史中智能配电箱在不同工作状态发生每种异常时的特征，利用线性回归计算得到不同工作状态对每种异常特征的波动函数；在计算得到每种异常的波动函数后，对波动函数的可用性进行判断，筛选出运行数据对特征值产生影响的真实波动函数；
26、进一步的，筛选出运行数据对特征值产生影响的真实波动函数的具体步骤为：
27、s201、收集历史中智能配电箱处于不同工作状态时发生异常的记录，提取记录中不同的工作状态的运行数据和发生异常时的特征值，将运行数据作为自变量，特征值作为变量绘制散点图；<本文档来自技高网...
【技术保护点】
1.一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：在S100中对智能配电箱的工作状态进行分类的具体步骤为：
3.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：在S100中对智能配电箱的异常进行分类并计算分类后每种异常的阈值数据的具体步骤为：
4.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：所述S200中筛选出运行数据对特征值产生影响的真实波动函数的具体步骤为：
5.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：所述S300中计算每种异常阈值数据波动区间的具体步骤为：
6.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：所述S400中得到综合异常情况并作为输出层进行输出的具体步骤为：
7.一种基于人工智能的智能配电箱状态在线监测系统，其特征在于：智能配电箱状态在线监测系
8.根据权利要求7所述的一种基于人工智能的智能配电箱状态在线监测系统，其特征在于：所述分类模块包括状态分类单元和异常分类单元；
9.根据权利要求7所述的一种基于人工智能的智能配电箱状态在线监测系统，其特征在于：所述函数分析模块包括散点图绘制单元、波动函数计算单元和函数筛选单元；
10.根据权利要求7所述的一种基于人工智能的智能配电箱状态在线监测系统，其特征在于：所述神经网络构建模块包括神经网络单元和决策树单元；
...【技术特征摘要】
1.一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：在s100中对智能配电箱的工作状态进行分类的具体步骤为：
3.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：在s100中对智能配电箱的异常进行分类并计算分类后每种异常的阈值数据的具体步骤为：
4.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：所述s200中筛选出运行数据对特征值产生影响的真实波动函数的具体步骤为：
5.根据权利要求1所述的一种基于人工智能的智能配电箱状态在线监测方法，其特征在于：所述s300中计算每种异常阈值数据波动区间的具体步骤为：
6.根据权利要求1所...
【专利技术属性】
技术研发人员：屈海宁，王勇，杨攀，
申请(专利权)人：河北冠益荣信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。