一种用于配电房的动力与环境综合监测方法及系统与流程

本发明涉及高低压配电房监测，具体涉及一种用于配电房的动力与环境综合监测方法及系统。

背景技术：

1、随着科技的发展，监测技术也在不断进步。从简单的模拟信号监控逐步过渡到复杂的数字化、网络化、智能化监控。高低压配电房作为电力系统重要组成部分，承担着转换、分配和供电的关键任务，其动力设备包括变压器、开关柜等，环境因素如温度、湿度、粉尘和有害气体等对设备运行状态有直接影响。因此，保持高低压配电房内部动力和环境稳定，是确保电力供应可靠性和安全的前提。现有的高低压配电房，虽然能够提供一定的监测功能，但往往在集成性、智能化等方面仍有不足。为了实时监控设备运行状态和环境变化，需要一套精确且高效的综合监测系统。现有的高低压配电房的动力监测功能主要关注配电设备的电气参数，如电压、电流、功率等，以评估设备性能和稳定性。现有的高低压配电房的环境监测功能是为了确保配电房的物理环境符合运行标准，例如通过温湿度监测预防设备过热、减少故障。两者相辅相成，缺一不可。但是现有的高低压配电房存在以下问题：

2、1)、监测精度问题：目前应用在高低压配电房中的监测设备普遍面临精度不高的问题；这些设备在设计时对环境因素的适应性不足，容易受温度、湿度变化的影响，导致监测数据出现偏差；同时，在电力参数的测量上，电流互感器(ct)和电压互感器(pt)的转换精度受制于其结构和核心材料的限制，无法精确反映高低压设备的实际运行状态。现有的监测设备可能无法进行高精度的数据处理与分析，不能准确反映高低压配电房的实际动力与环境状况；

3、2)、监测系统集成度不足：现有的监测设备在系统集成和联动上的不足，使得动力与环境监测系统无法协同工作，缺乏一种综合的、系统化的监测手段。设备间信息孤岛现象严重，使得从多个数据源收集到的信息无法实现有效整合，影响了数据的综合分析和运维决策；现有的监控中心虽然提供了一定的监测能力，但还存在一些明显的问题，首先，信息采集和传输需要消耗大量的时间和能源，可能引发数据延时或丢失问题；其次，由于各监测设备之间缺少统一的信息交换和控制平台，无法实现设备间的无缝集成；再者，如果监控中心发生故障，可能会导致整个系统的监控功能瘫痪；

4、3)、响应速度不够快：当环境或电力参数出现异常时，现有的监测设备可能不能做到实时响应和快速处理，如此有可能导致严重的设备故障或者生产事故；

5、4)、系统可扩展性差：现有的监测设备可能缺乏足够的接口或者硬件支持，无法根据需要轻松的进行设备扩展或者升级；

6、5)、维护成本高：现有的监测设备可能需要定期进行复杂的维护工作，这会消耗大量的人力和物力资源；

7、6)、数据共享困难：由于缺乏统一的数据交换平台，使得不同设备之间的数据共享和集成变得困难，无法实现真正的综合监测。

技术实现思路

1、有鉴于此，有必要针对上述的问题，提出一种用于配电房的动力与环境综合监测方法及系统，以解决上述背景技术中的若干缺点，并解决以下技术问题：

2、如何通过配电房内电气参数结合环境参数进行智能化综合分析从而提高配电房的监控效率、精准度及安全性。

3、为实现上述目的，本发明采取以下的技术方案：

4、本发明提出一种用于配电房的动力与环境综合监测方法，包括顺序执行的步骤s1-s6：

5、s1，对配电房的动力电参数和环境参数进行数据采集；

6、s2，将于s1采集到的数据传输至中心处理单元；

7、s3，中心处理单元将与各参数相关的数据与设定的报警阈值进行对比，当配电房的动力与环境参数发生异常时输出报警信息；

8、s4，中心处理单元再对接收到的数据进行整合处理；

9、s5，对经s4处理的数据进行清洗处理；

10、s6，对经s5清洗处理后的数据进行智能化分析；

11、于s6中，所述智能化分析的过程包括图表描述性统计分析环节过程和推断性分析环节过程；图表描述性统计分析环节过程为获取统计图表及统计指标的过程，所述的统计图表与配电房的动力电参数和环境参数相关联，所述的统计指标包括线性回归模型，该线性回归模型用于建立动力电参数和环境参数之间的线性关系，动力电参数包括电压、电流和功率参数，该环境参数包括温度、湿度和气压参数；所述推断性分析环节过程为通过机器学习方法或深度学习方法对与各参数相关的数据进行特征分析，从而识别出综合监控配电房的动力与环境的正常和异常模式。

12、进一步地，所述推断性分析环节过程为通过机器学习方法对与各参数相关的数据进行特征分析及监督学习，通过向量机(svm)和决策树进行分类和回归分析，从而识别正常和异常模式，通过聚类算法将数据分组从而发现隐藏的模式和异常群集。

13、进一步地，所述推断性分析环节过程为通过深度学习方法对与各参数相关的数据进行特征分析，于处理时间序列数据时，通过rnn和lstm网络进行预测和异常检测；于处理图像数据时，通过cnn网络进行特征提取和分类；于处理结构化数据时，通过使用决策树和随机森林进行分类和回归分析。

14、进一步地，该线性回归模型的公式为：

15、y＝β0+β1x1+β2x2+...+βnxn+ε       公式(1)

16、于公式(1)中，y是因变量，x1,x2...xn是自变量，β0,β1,...βn是回归系数，ε是误差项。

17、进一步地，该统计指标还包括多项式回归模型，多项式回归模型用于拟合非线性关系，多项式回归模型的公式为：

18、y＝β0+β1x+β2x2+...+βnxn+ε      公式(2)

19、于公式(2)中，y为因变量，x1,x2...xn为自变量，β0,β1,...βn为回归系数，ε为误差项。

20、进一步地，该统计指标还包括通过k近邻算法(knn)获得的统计指标；k近邻算法(knn)用于分类和回归，k近邻算法(knn)的回归公式为：

21、

22、于公式(3)中，y^(x)为x的预测值，k为近邻数量，yi为与x最近的k个观测值的目标值。

23、进一步地，该统计指标还包括通过决策树算法获得的统计指标；决策树算法用于分类和回归；决策树算法的回归树公式为：

24、

25、于公式(4)中，y^(x)是x的预测值，m是叶节点数量，rm是第m个叶节点的区域，cm是叶节点的预测值，i为电流阈值。

26、进一步地，设定的报警阈值包括电压阈值、电流阈值、功率因数阈值、温度阈值、湿度阈值和气压阈值。

27、进一步地，于s4中，中心处理单元对接收到的数据进行解析、存储、关联、格式统一处理；

28、于s4中，中心处理单元若发现数据中存在异常或错误，则记录异常信息及发出警报；

29、于s4中，先执行图表描述性统计分析环节过程，后执行推断性分析环节过程；于图表描述性统计分析环节过程与推断性分析环节过程之间，还进行阈值对比过程：即利用s5清洗处理后的各参数相关的数据与设定的报警阈值进行对比，当发生异常时输出报警信息。

30、本发明又提出一种用于配电房的动力与环境综合监测系统，包括服务器、电力监测模块、环境监测模块和通信模块；服务器通过通信模块分别与电力监测模块、环境监测模块进行通信；电力监测模块用于采集配电房内的包括电压、电流和功率参数的动力电参数，并将采集到的数据通过通信模块传输至服务器；环境监测模块于监测配电房内的包括温度、湿度和气压参数的环境参数，并将采集到的数据通过通信模块传输至服务器；

31、服务器设有一软件系统，该软件系统包括阈值对比软件模块、数据整合处理软件模块、数据清洗处理软件模块、智能化分析软件模块；智能化分析软件模块包括图表描述性统计分析子模块和推断性分析子模块；

32、阈值对比软件模块用于将来源于电力监测模块和环境监测模块的数据与设定的报警阈值进行对比，当配电房的动力与环境参数发生异常时输出报警信息；

33、数据整合处理软件模块用于对来源于电力监测模块和环境监测模块的数据进行整合处理；

34、数据清洗处理软件模块用于对经数据整合处理软件模块整合处理后的数据进行清洗处理；

35、智能化分析软件模块用于对经对数据清洗处理软件模块清洗处理后的数据进行智能化分析；

36、图表描述性统计分析子模块用于获取统计图表及统计指标；所述的统计指标包括线性回归模型，该线性回归模型用于建立动力电参数和环境参数之间的线性关系；

37、推断性分析子模块用于通过机器学习方法或深度学习方法对与各参数相关的数据进行特征分析，从而识别出综合监控配电房的动力与环境的正常和异常模式。

38、本发明的有益效果为：

39、(1)本发明实现配电房内电气参数结合环境参数的智能化综合分析，从而提高配电房的监控效率、精准度及安全性，提升监测系统的性能和效率，确保配电房运行的安全稳定；

40、(2)本发明提高了监测数据的精准性和准确性：通过引入先进的数据处理算法和技术，实现对监测数据的高精度处理与分析，从而更准确地反映配电房的实际动力与环境状况，避免因数据处理不精准而导致的监测误差和漏报情况；

41、(3)本发明实现了监测系统的实时响应与快速处理，提高了数据采集、传输和处理的速度，能对环境和/或电力参数异常的实时响应和快速处理，及时预警并防范可能的设备故障或生产事故；

42、(4)本发明增强了监测系统的可扩展性和灵活性，监测设备架构可灵活设置，支持模块化设计和接口标准化，以便根据需要进行设备的扩展和升级，提升监测系统的可扩展性和兼容性，满足不同场景下的监测需求；

43、(5)本发明降低了监测系统的维护成本和管理成本，采用可靠性高、维护成本低的监测设备和传感器，减少设备故障和维修频率，同时引入远程监测和自诊断功能，降低监测系统的维护成本和人力资源的投入，提高监测系统的稳定性和可靠性；

44、(6)本发明实现了监测数据的共享与集成，通过建立统一的数据交换平台和标准化的数据格式，实现不同监测设备之间的数据共享和集成，可采用开放式数据接口和云平台技术，可支持数据的跨系统传输和共享，实现真正的综合监测和管理。

技术特征：

1.一种用于配电房的动力与环境综合监测方法，其特征在于，包括顺序执行的步骤s1-s6：

2.根据权利要求1所述的用于配电房的动力与环境综合监测方法，其特征在于，所述推断性分析环节过程为通过机器学习方法对与各参数相关的数据进行特征分析及监督学习，通过向量机(svm)和决策树进行分类和回归分析，从而识别正常和异常模式，通过聚类算法将数据分组从而发现隐藏的模式和异常群集。

3.根据权利要求1所述的用于配电房的动力与环境综合监测方法，其特征在于，所述推断性分析环节过程为通过深度学习方法对与各参数相关的数据进行特征分析，于处理时间序列数据时，通过rnn和lstm网络进行预测和异常检测；于处理图像数据时，通过cnn网络进行特征提取和分类；于处理结构化数据时，通过使用决策树和随机森林进行分类和回归分析。

4.根据权利要求1所述的用于配电房的动力与环境综合监测方法，其特征在于，该线性回归模型的公式为：

5.根据权利要求1所述的用于配电房的动力与环境综合监测方法，其特征在于，该统计指标还包括多项式回归模型，多项式回归模型用于拟合非线性关系，多项式回归模型的公式为：

6.根据权利要求1所述的用于配电房的动力与环境综合监测方法，其特征在于，该统计指标还包括通过k近邻算法(knn)获得的统计指标；k近邻算法(knn)用于分类和回归，k近邻算法(knn)的回归公式为：

7.根据权利要求1所述的用于配电房的动力与环境综合监测方法，其特征在于，该统计指标还包括通过决策树算法获得的统计指标；决策树算法用于分类和回归；决策树算法的回归树公式为：

8.根据权利要求1所述的用于配电房的动力与环境综合监测方法，其特征在于，设定的报警阈值包括电压阈值、电流阈值、功率因数阈值、温度阈值、湿度阈值和气压阈值。

9.根据权利要求1所述的用于配电房的动力与环境综合监测方法，其特征在于，于s4中，中心处理单元对接收到的数据进行解析、存储、关联、格式统一处理；

10.一种用于配电房的动力与环境综合监测系统，其特征在于，包括服务器、电力监测模块、环境监测模块和通信模块；服务器通过通信模块分别与电力监测模块、环境监测模块进行通信；电力监测模块用于采集配电房内的包括电压、电流和功率参数的动力电参数，并将采集到的数据通过通信模块传输至服务器；环境监测模块于监测配电房内的包括温度、湿度和气压参数的环境参数，并将采集到的数据通过通信模块传输至服务器；

技术总结
本发明提出一种用于配电房的动力与环境综合监测方法，包括：对配电房的动力电参数和环境参数进行数据采集；将采集到的数据传输至中心处理单元；将与各参数相关的数据与设定的报警阈值进行对比，当配电房的动力与环境参数发生异常时输出报警信息；对接收到的数据进行整合处理；对数据进行清洗处理；对清洗处理后的数据进行智能化分析；所述智能化分析的过程包括图表描述性统计分析环节过程和推断性分析环节过程。本发明又提出一种用于配电房的动力与环境综合监测系统，包括服务器、电力监测模块、环境监测模块和通信模块。本发明实现配电房内电气参数结合环境参数的智能化综合分析，提高监控效率、精准度及安全性。

技术研发人员：肖炳林,容梓豪,赵鑫,何威誉,刘超,林伟文,刘也乐,陈家骏,冼家明,王文志,冯冠钊
受保护的技术使用者：广州港股份有限公司
技术研发日：
技术公布日：2024/9/23