【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...
【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
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。