配电开关控制系统及其方法技术方案

本申请涉及智能控制技术领域，其具体地公开了一种配电开关控制系统及其方法，其通过传感器获取预定时间段内多个预定时间点的电源电压值、电路电流值和配电柜温度值，将其分别通过多尺度邻域特征提取模块进行特征提取，并通过包含多个混合卷积层的深度卷积神经网络模型提取三者的关联特征，进而判断当前时间点是否控制配电开关切断电路。该方案可以了解配电系统的运行状况，及时发现和解决问题，提高配电系统的可靠性和安全性。配电系统的可靠性和安全性。配电系统的可靠性和安全性。

【技术实现步骤摘要】
配电开关控制系统及其方法


[0001]本申请涉及智能控制
，且更为具体地，涉及一种配电开关控制系统及其方法。

技术介绍

[0002]配电开关作为重要的电气设备，其可靠性对于生产运行的安全和稳定性至关重要。因此，在配电开关控制方面需要考虑如何提高其可靠性，尤其是在异常情况下能够及时切断电路并保护相关设备。
[0003]当电源电压超过设定值、电路中出现过流或短路等异常情况时，配电开关需要及时切断电路，以避免电力设备受到损坏。另外，如果配电柜的温度过高，可能会导致设备老化，烧坏，甚至设备起火爆炸等严重事故。为了避免事故的发生，应控制配电开关在异常情况下能够及时切断电路保护电力设备。
[0004]因此，期待一种配电开关控制系统及其方法。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种配电开关控制系统及其方法，其通过传感器获取预定时间段内多个预定时间点的电源电压值、电路电流值和配电柜温度值，将其分别通过多尺度邻域特征提取模块进行特征提取，并通过包含多个混合卷积层的深度卷积神经网络模型提取三者的关联特征，进而判断当前时间点是否控制配电开关切断电路。该方案可以了解配电系统的运行状况，及时发现和解决问题，提高配电系统的可靠性和安全性。
[0006]相应地，根据本申请的一个方面，提供了一种配电开关控制系统，其包括：
[0007]数据采集模块，用于获取预定时间段内多个预定时间点的电源的电压值、电路的电流值和配电柜的温度值；
[0008]输入向量生成模块，用于将所述多个预定时间点的电源的电压值、电路的电流值和配电柜的温度值分别按照时间维度排列为电压输入向量、电流输入向量和温度输入向量；
[0009]多尺度特征提取模块，用于将所述电压输入向量、所述电流输入向量和所述温度输入向量分别通过多尺度邻域特征提取模块以得到多尺度电压特征向量、多尺度电流特征向量和多尺度温度特征向量；
[0010]融合特征提取模块，用于将所述多尺度电压特征向量、多尺度电流特征向量和多尺度温度特征向量排列为二维特征矩阵后通过包含多个混合卷积层的深度卷积神经网络模型以得到分类特征矩阵；
[0011]优化模块，用于对所述分类特征矩阵进行期望鲁棒性迭代以得到优化分类特征矩阵；以及
[0012]控制结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，
所述分类结果用于表示当前时间点是否控制配电开关切断电路。
[0013]在上述配电开关控制系统中，所述多尺度特征提取模块，包括：第一尺度特征提取单元，用于将所述电压输入向量、所述电流输入向量和所述温度输入向量分别输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度电压特征向量、第一尺度电流特征向量和第一尺度温度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取单元，用于将所述电压输入向量、所述电流输入向量和所述温度输入向量分别输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度电压特征向量、第二尺度电流特征向量和第二尺度温度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度级联单元，用于将所述第一尺度电压特征向量和所述第二尺度电压特征向量进行级联以得到所述多尺度电压特征向量，将所述第一尺度电流特征向量和所述第二尺度电流特征向量进行级联以得到所述多尺度电流特征向量，将所述第一尺度温度特征向量和所述第二尺度温度特征向量进行级联以得到所述多尺度温度特征向量。
[0014]在上述配电开关控制系统中，所述第一尺度特征提取单元，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下第一尺度卷积公式对所述电压输入向量、所述电流输入向量和所述温度输入向量分别进行一维卷积编码以得到所述第一尺度电压特征向量、所述第一尺度电流特征向量和所述第一尺度温度特征向量；
[0015]其中，所述第一尺度卷积公式为：
[0016][0017]其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x
‑
a)为与第一卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X
i
表示所述电压输入向量或所述电流输入向量或所述温度输入向量，Cov(X
i,i＝1or2or3
)表示对所述电压输入向量或所述电流输入向量或所述温度输入向量进行一维卷积编码。
[0018]在上述配电开关控制系统中，所述第二尺度特征提取单元，包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下第二尺度卷积公式对所述电压输入向量、所述电流输入向量和所述温度输入向量分别进行一维卷积编码以得到所述第二尺度电压特征向量、所述第二尺度电流特征向量和所述第二尺度温度特征向量；
[0019]其中，所述第二尺度卷积公式为：
[0020][0021]其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x
‑
b)为与第二卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X
i
表示所述电压输入向量或所述电流输入向量或所述温度输入向量，Cov(X
i,i＝1or2or3
)表示对所述电压输入向量或所述电流输入向量或所述温度输入向量进行一维卷积编码。
[0022]在上述配电开关控制系统中，所述融合特征提取模块，包括：使用所述深度卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行二维卷积处理、均值
池化处理和非线性激活处理以由所述深度卷积神经网络模型的最后一个混合卷积层输出所述分类特征矩阵，其中，所述深度卷积神经网络模型的第一个混合卷积层的输入为所述二维特征矩阵。
[0023]在上述配电开关控制系统中，所述优化模块，包括：S1：将所述分类特征矩阵设置为初始特征矩阵；S2：计算所述初始特征矩阵的自相关协方差矩阵；S3：将所述初始特征矩阵与所述自相关协方差矩阵进行矩阵相乘以得到更新特征矩阵；S4：计算所述更新特征矩阵与所述初始特征矩阵之间的欧式距离；以及，S5：循环地执行步骤S1至步骤S4直至所述更新特征矩阵与所述初始特征矩阵之间的欧式距离小于等于预定阈值，并将所述更新特征矩阵定义为所述优化分类特征矩阵。
[0024]在上述配电开关控制系统中，所述控制结果生成模块，包括：展开单元，用于将所述优化分类特征矩阵按照行向量或者列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0025]根据本申请的另一个方面，提供了一种配电开关控制方法，其特征在于，包括：
[0026]获取预定时间段内多个预定时间点的电源的电压值、电路的电流值和配电柜的温度值；
[0027]将所述多个预定时间点的电源的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电开关控制系统，其特征在于，包括：数据采集模块，用于获取预定时间段内多个预定时间点的电源的电压值、电路的电流值和配电柜的温度值；输入向量生成模块，用于将所述多个预定时间点的电源的电压值、电路的电流值和配电柜的温度值分别按照时间维度排列为电压输入向量、电流输入向量和温度输入向量；多尺度特征提取模块，用于将所述电压输入向量、所述电流输入向量和所述温度输入向量分别通过多尺度邻域特征提取模块以得到多尺度电压特征向量、多尺度电流特征向量和多尺度温度特征向量；融合特征提取模块，用于将所述多尺度电压特征向量、多尺度电流特征向量和多尺度温度特征向量排列为二维特征矩阵后通过包含多个混合卷积层的深度卷积神经网络模型以得到分类特征矩阵；优化模块，用于对所述分类特征矩阵进行期望鲁棒性迭代以得到优化分类特征矩阵；以及控制结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点是否控制配电开关切断电路。2.根据权利要求1所述的配电开关控制系统，其特征在于，所述多尺度特征提取模块，包括：第一尺度特征提取单元，用于将所述电压输入向量、所述电流输入向量和所述温度输入向量分别输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度电压特征向量、第一尺度电流特征向量和第一尺度温度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取单元，用于将所述电压输入向量、所述电流输入向量和所述温度输入向量分别输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度电压特征向量、第二尺度电流特征向量和第二尺度温度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及多尺度级联单元，用于将所述第一尺度电压特征向量和所述第二尺度电压特征向量进行级联以得到所述多尺度电压特征向量，将所述第一尺度电流特征向量和所述第二尺度电流特征向量进行级联以得到所述多尺度电流特征向量，将所述第一尺度温度特征向量和所述第二尺度温度特征向量进行级联以得到所述多尺度温度特征向量。3.根据权利要求2所述的配电开关控制系统，其特征在于，所述第一尺度特征提取单元，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下第一尺度卷积公式对所述电压输入向量、所述电流输入向量和所述温度输入向量分别进行一维卷积编码以得到所述第一尺度电压特征向量、所述第一尺度电流特征向量和所述第一尺度温度特征向量；其中，所述第一尺度卷积公式为：其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x
‑
a)为与第一卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X
i
表示所述电压输入向量或所述
电流输入向量或所述温度输入向量，Cov(X
i,i＝1or2or3
)表示对所述电压输入向量或所述电流输入向量或所述温度输入向量进行一维卷积编码。4.根据权利要求3所述的配电开关控制系统，其特征在于，所述第二尺度特征提取单元，包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下第二尺度卷积公式对所述电压输入向量、所述电流输入向量和所述温度输入向量分别进行一维卷积编码以得到所述第二尺度电压特征向量、所述第二尺度电流特征向量和所述第二尺度温度特征向量；其中，所述第二尺度卷积公式为：其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x
‑
b)为与第二卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X
i
表示所述电压输入向量或所述电流输入向量或所述温度输入向量，Cov(X
i,i＝1or2or3
)表示对所述电压输入向量或所述电流输入向量或所述温度输入向量进行一维卷积编码。5.根据权利要求4所述的配电开关控制系统，其特征在于，所述融合特征提取模块，包括：使用所述深度卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行二维卷积处理、均值池化处理和非线性激活处理以由所述深度卷积神经网络模型的最后一个混合卷积层输出所述分类特...

【专利技术属性】
技术研发人员：席仲兵，冯家成，
申请(专利权)人：滁州海仕自动化设备有限公司，
类型：发明
国别省市：