一种人工智能电气线路异常风险程度监测方法及系统技术方案

本发明专利技术公开了一种人工智能电气线路异常风险程度监测方法及系统，利用物联网采集数据、大数据存储、大数据分析等现代科技技术，采集各电气线路的多维度数据，基于各电气线路的多维度数据的大数据定期计算相同线路规格的AI因子，即负荷温升特征曲线，再将实时数据负荷温升通过和AI因子对比，直观客观的得出各电气线路的实时数据的风险程度，为电气线路异常风险判断提供依据。本发明专利技术具有监测客观直观、监测标准智能化、适用范围大、应用前景广的技术特点。

An artificial intelligence monitoring method and system for abnormal risk degree of electric circuit

【技术实现步骤摘要】
一种人工智能电气线路异常风险程度监测方法及系统
本专利技术属于电气线路检测
，尤其涉及一种人工智能电气线路异常风险程度监测方法及系统。
技术介绍
火灾是一种特别严重的灾害现象，对其进行有效的控制，是社会文明进步的一个重要标志。在众多火灾事故中，由于电气线路问题引起的火灾频繁发生，根据《2017年中国消防年鉴》，2016年，从火灾造成的损失角度计，由于电气原因造成的火灾占总量的46.1％；从引发火灾直接原因看，电气原因占总量的36.2％，双双高居榜首，凸现电气火灾的严重程度。在电气火灾中，电气线路引起的火灾高居榜首，占比过半。电气线路异常风险在没发生之前，没办法直观的感知到异常风险，而且目前实时监控的火灾预警系统也只能监测到部分相关数据，到达阈值进行报警，如烟雾仪表、温度仪表、断路器、探测漏电等产品。无法给出直观的判断分析方法，缺乏防患于未然的依据和提前做出风险程度分析的判断。而且若处理不及时，就有可能造成大量的损失，并对人员的生命安全及电力系统的正常运行带来巨大的安全隐患。因此，电气线路的异常风险监测对于如火灾等灾害事故的预警尤为重要。
技术实现思路
本专利技术的技术目的是提供一种人工智能电气线路异常风险程度监测方法及系统，具有监测客观直观、监测标准智能化、适用范围大、应用前景广的技术特点。为解决上述问题，本专利技术的技术方案为：一种人工智能电气线路异常风险程度监测方法，包括以下步骤：S1：实时采集获取各电气线路的多维度数据，多维度数据包括测点温升、负荷电流，其中，通过温度场的测点温度、环境温度采集获取测点温升；S2：根据相同线路规格的多维度数据得到负荷温升模型，并根据负荷温升模型定期得到负荷温升特征曲线，其中，负荷温升特征曲线为相同线路规格的电气线路在正常运行状态下不同负荷电流对应的标准温升值；S3：根据负荷温升特征曲线得出各电气线路实时的异常风险程度。根据本专利技术一实施例，步骤S2具体包括以下步骤：S21：根据各电气线路的线路规格，通过分类算法对各电气线路的多维度数据进行分类得到不同线路规格对应的电气线路数据；S22：通过聚类算法将电气线路数据中相同负荷电流对应的温升值聚成一类，得到负荷温升模型，负荷温升模型为相同线路规格下不同负荷电流对应的温升值分布；S23：通过数据统计计算相同线路规格的电气线路不同负荷电流对应的标准温升值，得到负荷温升特征曲线。根据本专利技术一实施例，步骤S23具体为：S231：根据负荷温升模型，统计计算各负荷电流下不同温升值对应的分布概率；S232：将分布概率最高对应的温升值作为对应负荷电流下的标准温升值；S233：根据各负荷电流下的标准温升值，得到负荷温升特征曲线。根据本专利技术一实施例，步骤S3具体为：根据各电气线路实时采集到的多维度数据，计算与对应的负荷温升特征曲线的温升差值，并将温升差值作为各电气线路实时的异常风险程度。根据本专利技术一实施例，步骤S3之后还包括步骤S4：根据温升差值的严重程度，对相同线路规格的各电气线路按不同颜色层级显示对应的异常风险程度。根据本专利技术一实施例，多维度数据还包括烟雾信息、湿度信息。根据本专利技术一实施例，步骤S3之后还包括步骤S5：根据各电气线路实时的异常风险程度进行时间维度上的纵向、横向分析，纵向分析得到各电气线路的风险走势、同等风险在历史中出现的概率，横向分析得到同等风险在所有电气线路中出现的概率、所有电气线路中风险程度最高情况。本专利技术还提供一种人工智能电气线路异常风险程度监测系统，包括：一个或多个物联网采集感知终端，物联网采集感知终端包括负荷电流检测模块、测点温度检测模块、环境温度检测模块，用以实时采集电气线路的多维度数据，多维度数据包括测点温升、负荷电流，其中，通过温度场的测点温度、环境温度采集获取测点温升；智能网关，与物联网采集感知终端信号连接，用以传输实时采集到的多维度数据；数据处理服务器，与智能网关数据通讯，数据处理服务器包括负荷温升分析模块、异常风险监测模块；负荷温升分析模块用以根据相同线路规格的多维度数据得到负荷温升模型，并根据负荷温升模型定期得到负荷温升特征曲线，其中，负荷温升特征曲线为相同线路规格的电气线路在正常运行状态下不同负荷电流对应的标准温升值；异常风险监测模块用以根据负荷温升特征曲线得出各电气线路实时的异常风险程度。根据本专利技术一实施例，物联网采集感知终端还包括烟雾检测模块、湿度检测模块。根据本专利技术一实施例，异常风险监测模块还用于根据温升差值的严重程度，对相同线路规格的各电气线路按不同颜色层级显示对应的异常风险程度。根据本专利技术一实施例，还包括预警监控平台，用以根据各电气线路实时的异常风险程度进行时间维度上的纵向、横向分析，纵向分析得到各电气线路的风险走势、同等风险在历史中出现的概率，横向分析得到同等风险在所有电气线路中出现的概率、所有电气线路中风险程度最高情况。本专利技术与现有技术相比具有以下的优点和积极效果：1)本专利技术通过实时采集各电气线路的测点温升、负荷电流，根据测点温升和负荷电流对应关系得到相同线路规格的负荷温升模型，基于负荷温升模型得到当前实时采集负荷温升特征曲线，再通过负荷温升特征曲线去监测各电气线路的异常风险程度，其中，负荷温升特征曲线可随着应用场景的不同智能化地生成，也可根据实时采集的多维度数据定期进行智能化地更新，如此，可满足不同应用场景下当下电气线路的风险异常程度监测，不仅实现了监测标准的智能化，而且大大扩大了适用范围，并且相同线路规格的电气线路进行同一监测标准下进行监测，监测更加客观直观；2)本专利技术通过分类算法与聚类算法结合对各电气线路的多维度数据进行处理，可便于数据进一步的分析，同时，基于数据统计得到负荷温升特征曲线，以符合当前应用场景下电气线路的普遍规律，提高了电气线路风险异常程度监测的适用范围，使监测更加客观；3)本专利技术通过根据温升差值的严重程度，对相同线路规格的各电气线路按不同颜色层级显示对应的异常风险程度，如此，可直观高效地监测各电气线路的异常风险程度，可进一步便于各电气线路的大数据的分析，达到了监测客观直观的技术效果；4)本专利技术可基于电气线路的异常风险程度进行进一步的数据分析，可得到如各电气线路的风险走势、同等风险在历史中出现的概率、同等风险在所有电气线路中出现的概率、所有电气线路中风险程度最高情况等等分析结果，达到了应用前景广的技术效果。附图说明图1为本专利技术的一种人工智能电气线路异常风险程度监测方法的主流程图；图2为本专利技术的一种人工智能电气线路异常风险程度监测方法的步骤S2流程图；图3为本专利技术的一种人工智能电气线路异常风险程度监测方法的负荷温升模型与负荷温升特征曲线的示意图；图4为本专利技术的一种人工智能电气线路异常风险程度监测方法的各电气线路风险异常程度分布图；图5为本专利技术的一种人工智能电气线路异常风本文档来自技高网...

【技术保护点】
1.一种人工智能电气线路异常风险程度监测方法，其特征在于，包括以下步骤：/nS1：实时采集获取各电气线路的多维度数据，所述多维度数据包括测点温升、负荷电流，其中，通过温度场的测点温度、环境温度采集获取所述测点温升；/nS2：根据相同线路规格的所述多维度数据得到负荷温升模型，并根据所述负荷温升模型定期得到负荷温升特征曲线，其中，所述负荷温升特征曲线为相同线路规格的电气线路在正常运行状态下不同负荷电流对应的标准温升值；/nS3：根据所述负荷温升特征曲线得出各电气线路实时的异常风险程度。/n

【技术特征摘要】
1.一种人工智能电气线路异常风险程度监测方法，其特征在于，包括以下步骤：
S1：实时采集获取各电气线路的多维度数据，所述多维度数据包括测点温升、负荷电流，其中，通过温度场的测点温度、环境温度采集获取所述测点温升；
S2：根据相同线路规格的所述多维度数据得到负荷温升模型，并根据所述负荷温升模型定期得到负荷温升特征曲线，其中，所述负荷温升特征曲线为相同线路规格的电气线路在正常运行状态下不同负荷电流对应的标准温升值；
S3：根据所述负荷温升特征曲线得出各电气线路实时的异常风险程度。


2.根据权利要求1所述的人工智能电气线路异常风险程度监测方法，其特征在于，所述步骤S2具体包括以下步骤：
S21：根据各电气线路的线路规格，通过分类算法对各电气线路的所述多维度数据进行分类得到不同线路规格对应的电气线路数据；
S22：通过聚类算法将所述电气线路数据中相同负荷电流对应的温升值聚成一类，得到所述负荷温升模型，所述负荷温升模型为相同线路规格下不同负荷电流对应的温升值分布；
S23：通过数据统计计算相同线路规格的电气线路不同负荷电流对应的所述标准温升值，得到所述负荷温升特征曲线。


3.根据权利要求2所述的人工智能电气线路异常风险程度监测方法，其特征在于，所述步骤S23具体为：
S231：根据所述负荷温升模型，统计计算各负荷电流下不同温升值对应的分布概率；
S232：将所述分布概率最高对应的温升值作为对应负荷电流下的所述标准温升值；
S233：根据各负荷电流下的所述标准温升值，得到所述负荷温升特征曲线。


4.根据权利要求1所述的人工智能电气线路异常风险程度监测方法，其特征在于，所述步骤S3具体为：根据各电气线路实时采集到的所述多维度数据，计算与对应的所述负荷温升特征曲线的温升差值，并将所述温升差值作为各电气线路实时的异常风险程度。


5.根据权利要求4所述的人工智能电气线路异常风险程度监测方法，其特征在于，所述步骤S3之后还包括步骤S4：
根据所述温升差值的严重程度，对相同线路规格的各电气线路按不同颜色层级显示对应的异常风险程度。


6.根据权利要求1-5任意一项所述的人工智能电气线路异常风险程度监测...

【专利技术属性】
技术研发人员：周群力，黄宏声，黄凤仪，
申请(专利权)人：上海枫昱能源科技有限公司，
类型：发明
国别省市：上海;31