一种物联网自学习短路识别的方法技术

本发明专利技术涉及物联网自学习短路识别的方法技术领域，且公开了一种物联网自学习短路识别的方法，具体步骤包括：S1，实时采集各个线路的电压、电流，以获得每条线路的电压集、电流集；S2，计算各个所述每条线路在某一时间点的电压导数，电压过零点的电流值，S3，判断每条线路的电压导数中是否存在离群点和电流集IIR滤波确认短路，所述离群点是指所述每条线路的电压导数中远小于其他电压导数的极端小值，若有，进入步骤S4，否则，返回步骤S1。该物联网自学习短路识别的方法，通过实时采集每条线路的电压、电流，以获得每条线路的电压集、电流集，然后通过计算每条线路在某一时间点的电压导数。过计算每条线路在某一时间点的电压导数。过计算每条线路在某一时间点的电压导数。

【技术实现步骤摘要】
一种物联网自学习短路识别的方法


[0001]本专利技术涉及电安全
，具体为一种物联网自学习短路识别的方法。

技术介绍

[0002]在日常用电中，当用电线路正常时，电路的短路漏电电流值几乎为零；但是随着建筑使用年限的增加，电路的老化和破损会使漏电电流增加，而允许通过人体的电流为10mA以下，而10mA～30mA会有轻微的触电感，当然，这也取决于每个人的不同体质，因此，及时检测电路的漏电电流能够一定程度上避免不安全事故的发生，现有技术通常通过测量电流超过一定的值，这种方法不仅容易误判，可靠性低，而且不能及时地对线路短路现象进行识别和检测，可能会使线路运行过程中发生的微短路转换为大规模的短路现象，出现严重的安全隐患。
[0003]在用电过程中如果发生微短路或直接短路需要物联网进行识别，从而采取措施，但是目前短路的发现和预测依然是用电安全问题中的一个难点，比如微短路的短路阻值较大，在绝热状态下，不会引起明显的温升，但是短路电阻会不断消耗线路的电能，称为短路电阻的消耗效应，由于短路电阻的消耗效应，会导致所述线路持续发热，现有的物联网在发生微短路初期不会识别到，就有可能直接导致线路烧坏。

技术实现思路

[0004]解决的技术问题针对现有技术的不足，本专利技术提供了一种物联网自学习短路识别的方法，具备有效识别短路等优点，解决了识别短路效果不佳的问题。
[0005]技术方案为实现上述有效识别短路目的，本专利技术提供如下技术方案：一种物联网自学习短路识别的方法，包括如下步骤：S1，实时采集各个线路的电压、电流，以获得每个线路的电压集、电流集；S2，计算各个所述线路在某一时间点的电压导数；S3，判断各个线路的电压导数中是否存在离群点和电流集IIR滤波确认短路，所述离群点是指所述各个线路的电压导数中远小于其他电压导数的极端小值，若有，进入步骤S4，否则，返回步骤S1；所述判断各个线路的电压导数中是否存在离群点和电流集IIR滤波确认短路的方法包括：S31，去除所述各个线路的电压导数中的最大值和最小值，计算剩余所述电压导数的平均值和标准差；S32，计算所述最小值与所述平均值的差值的绝对值；S33，判断所述绝对值是否大于3倍的所述标准差，若是进入步骤S34，否则进入步骤S35；S34，判定所述最小值为所述离群点；
S35，判定不存在所述离群点；S4，判定所述离群点对应的线路在所述时间点发生了短路。
[0006]优选的，在步骤S1中，等时间间隔采集多个电压U和多个时间点t，所述时间间隔为0.2秒至2秒。
[0007]优选的，在步骤S4之后，进一步对所述短路的类型进行判定，具体步骤包括：S5，计算所述离群点对应的线路在所述时间点的电压导数；S6，以所述电压导数作为随机变量x计算信息熵H，判断该信息熵H是否大于第一预设阀值，若是进入步骤S7，否则进入步骤S8；S7，判定所述短路为外短路；S8，判定所述短路为内短路；S9，将数据再传送至物联网；S10，服务器记录每次短路的值，供其他设备学习；S11，所述设备学习服务器以记录每次短路的值；其中，步骤S6中所述第一预设阀值的设定方法包括：S61，提供一发生外短路类型短路的线路，实时采集该发生外短路类型短路的线路在使用过程中的电压，以获得该发生外短路类型短路的线路的电压集，该电压集包括多个电压，该多个电压与所述多个时间点t一一对应；S62，计算该发生外短路类型短路的线路的电压导数；S63，以所述电压导数作为随机变量y计算信息熵H(y)；S64，设定所述第一预设阀值为所述信息熵H(y)的30％～50％。
[0008]有益效果与现有技术相比，本专利技术提供了一种物联网自学习短路识别的方法，具备以下有益效果：1、该物联网自学习短路识别的方法，通过实时采集各个线路的电压，以获得每个线路的电压集、电流集，然后通过计算各个线路在某一时间点的电压导数，再判断各个线路的电压导数中是否存在离群点和电流集IIR滤波确认短路，判断各个线路的电压导数中是否存在离群点和电流集IIR滤波确认短路的方法包括为去除各个线路的电压导数中的最大值和最小值，计算剩余电压导数的平均值和标准差计算最小值与平均值的差值的绝对值，判断绝对值是否大于3倍的标准差，若是就判定最小值为离群点，否则判定不存在离群点，离群点是指各个线路的电压导数中远小于其他电压导数的极端小值，若有，就判定离群点对应的线路在时间点发生了短路，否则，重新采集各个线路的电压，判定离群点对应的线路在时间点发生了短路，然后进一步对短路的类型进行判定，计算离群点对应的线路在时间点以后个时间点的电压导数，以电压导数作为随机变量x计算信息熵H，判断该信息熵H是否大于第一预设阀值，若是就判定短路为外短路，否则就判定短路为内短路；2、该物联网自学习短路识别的方法，通过第一预设阀值的设定，提供一发生外短路类型短路的线路，实时采集该发生外短路类型短路的线路在使用过程中的电压，以获得该发生外短路类型短路的线路的电压集，该电压集包括多个电压，该多个电压与多个时间点t一一对应，计算该发生外短路类型短路的线路的电压导数，其中，g为多个电压的数量，以电压导数作为随机变量y计算信息熵H(y)，设定第一预设值为信息熵H(y)的30％～50％，
等时间间隔采集各个线路的电压、电流，以获得每个线路的电压集、电流集，该电压集包括多个电压，该多个电压与多个时间点一一对应，计算各个所述线路在所述多个时间点t中某一时间点ti的电压微分，判断各个线路的电压微分中是否存在离群点和电流集IIR滤波确认短路，所述离群点是指所述各个线路的电压微分中远小于其他电压微分的极端小值，若有就判定所述离群点对应的线路在所述时间点发生了短路，否则就继续采集，最后将数据再传送至物联网。
附图说明
[0009]图1为本专利技术提出的一种物联网自学习短路识别的方法流程图；图2为本专利技术提出的一种物联网自学习短路识别的方法离群点流程图。
具体实施方式
[0010]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0011]请参阅图1
‑
图2，一种物联网自学习短路识别的方法，包括物联网自学习短路识别的方法，其特征在于：所述具体步骤包括：S1，实时采集各个线路的电压、电流，以获得每个线路的电压集、电流集；S2，计算各个所述线路在某一时间点的电压导数；S3，判断各个线路的电压导数中是否存在离群点和电流集IIR滤波确认短路，所述离群点是指所述各个线路的电压导数中远小于其他电压导数的极端小值，若有，进入步骤S4，否则，返回步骤S1，所述判断各个线路的电压导数中是否存在离群点和电流集IIR滤波确认短路的方法包括：S31，去除所述各个线路的电压导数中的最大值和最小值，计算剩余所述电压导数的平均值和标准差；S32，计算所述最小值与所述平均值的差值的绝对值；S33，判断所述绝对值是否大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网自学习短路识别的方法，其特征在于，包括如下步骤：S1，实时采集每条线路的电压，以获得每条线路的电压集；S2，计算各个所述线路在某一时间点的电压导数；S3，判断各个线路的电压导数中是否存在离群点和电流集IIR滤波确认短路，所述离群点是指所述各个线路的电压导数中远小于其他电压导数的极端小值，若有，进入步骤S4，否则，返回步骤S1；所述判断各个线路的电压导数中是否存在离群点和电流集IIR滤波确认短路的方法包括：S31，去除所述各个线路的电压导数中的最大值和最小值，计算剩余所述电压导数的平均值和标准差；S32，计算所述最小值与所述平均值的差值的绝对值；S33，判断所述绝对值是否大于3倍的所述标准差，若是进入步骤S34，否则进入步骤S35；S34，判定所述最小值为所述离群点；S35，判定不存在所述离群点；S4，判定所述离群点对应的线路在所述时间点发生了短路。2.根据权利要求1所述的一种物联网自学习短路识别的方法，其特征在于：在步骤S1中，等时间间隔采集多个电压U和多个时间点t，所述时间间隔为0.2秒至...

【专利技术属性】
技术研发人员：曾肖辉，李名银，张友华，刘震，桂斌，
申请(专利权)人：华邦创科惠州市智能科技有限公司，
类型：发明
国别省市：