【技术实现步骤摘要】
本专利技术涉及数字孪生，更具体地说，涉及基于数字孪生的大型智能配电房监控预警方法及系统。
技术介绍
1、配电房是对电能进行接收、分配、控制与保护的场地。传统的配电房通常是通过人工定期巡检来观察，是否需要设备、零件或者线路通常是依靠人工经验。
2、数字孪生技术的发展能够为这一问题带来新的变革，但是现在并没有一种可靠的电子系统，能够基于历史数据来对故障发生概率进行较为准确的预测。
3、基于上述问题，因此，需要一种基于数字孪生的大型智能配电房监控预警方法，通过基于配电房的历史数据以及历史工作日志训练人工智能ai仿真模型，预测未来特定时期的配电房的故障概率及预测工作日志，实现了现有配电房的数据模拟仿真，提升了对配电房各类型故障的预测能力。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于数字孪生的大型智能配电房监控预警方法及系统，用于解决现有配电房控制系统无法通过数字系统对配电房进行监控，以及无法较为准确的预警各部件的故障概率的问题，提升了对配电房各类型故障的预测能力，有效的节省了人力和时间成本。
2、为了解决上述技术问题，现提出的方案如下：
3、一种基于数字孪生的大型智能配电房监控预警方法，所述方法包括：
4、接收所述配电房的各类型传感器的历史数据，以及所述配电房的历史工作日志，其中，所述历史工作日志包括状态异常数据和/或故障分析报告；
5、将所述历史数据输入到人工智能ai仿真模型，基于所述历史工作日志训
6、接收所述配电房的各类型传感器的当前数据；
7、将所述当前数据输入到所述ai仿真模型，分析得到所述未来特定时期的所述配电房的预测工作日志，所述预测工作日志包括状态异常数据预测和/或故障分析预测报告；
8、其中，所述ai仿真模型的训练步骤具体包括：
9、响应于所述传感器的类型，将获取的所述历史数据分类为量化数据和定性数据；
10、标准化所述量化数据；
11、为所述量化数据和定性数据分别设置初始权重；
12、综合计算所述量化数据和定性数据得到预测工作日志；
13、比对所述预测工作日志和所述历史工作日志；
14、基于比对的差异优化数据分类设置和权重分配设置；
15、再次将获取的所述历史数据分类，循环上述训练步骤得到预测工作日志；
16、比对所述预测工作日志和所述历史工作日志直至两者不存在差异结束；
17、其中，所述ai仿真模型的分析步骤具体包括：
18、接收所述各类型传感器的所述当前数据；
19、基于所述历史数据和上述当前数据，计算所述各类型传感器的数据规律，推测出未来特定时期所述各类型传感器的预测数据；
20、响应于所述传感器的类型，将所述当前数据和所述预测数据均根据优化后的数据分类设置分类为定量数据和定性数据；
21、标准化所述定量数据；
22、基于所述优化后的权重分配设置，为所述量化数据和定性数据分配权重；
23、综合计算所述量化数据和定性数据得到预测工作日志。
24、优选的，所述各类型传感器至少包括以下一种及或多种传感器：摄像头、声音传感器、光线传感器、温度传感器、湿度传感器、水浸传感器、防盗传感器、烟雾传感器、气味传感器。
25、优选的，所述接收所述配电房的各类型传感器的当前数据，具体包括：
26、所述配电房的控制中心针对不同类型的传感器设置不同的轮询定时，定期收集各类型传感器的当前数据；和/或，
27、当传感器出现监测范围异常时，将当前数据发送至所述控制中心；和/或，
28、所述控制中心主动发起对所有传感器、部分区域传感器、部分类型传感器的问询，收集各类型传感器的当前数据。
29、优选的，所述数据分类设置，具体包括：
30、基于传感器的类型，初步将摄像头、声音传感器、光线传感器、温度传感器、湿度传感器的数据设置为量化数据，将水浸传感器、防盗传感器、烟雾传感器、气味传感器的数据设置为定性数据；
31、根据预测工作日志和历史工作日志的比对差异，优化上述初步分类设置。
32、优选的，所述配电房的各类型传感器的配置数量和位置具体如下：
33、所述摄像头的配置数量s=（m+1）*2n+k；
34、所述温度传感器和湿度传感器的配置数量ws=（m*n+1）+（n-1）*m+k；
35、所述声音传感器和光线传感器的配置数量sg=2n+k；
36、所述水浸传感器、烟雾传感器和气味传感器的配置数量syq=（m*n+1）+k；
37、所述防盗传感器的配置数量f=q+k；
38、其中，s表示摄像头的配置数量，ws表示温度传感器和湿度传感器的配置数量，sg表示声音传感器和光线传感器的配置数量，syq表示水浸传感器、烟雾传感器和气味传感器的配置数量，f表示防盗传感器的配置数量，m表示配电房中的配电柜的排数，n表示配电房中的配电柜的列数，q表示配电房中配电柜的个数，k表示配电房的进出口的数量；
39、所述摄像头的配置位置是位于每个配电柜的两侧斜前方和斜后方，以及所述配电房的进出口的正上方；
40、所述温度传感器和湿度传感器的配置位置是位于每个配电柜的正前方和正后方，两列配电柜中间、每个配电柜的正侧方，以及所述配电房的进出口的正上方；
41、所述声音传感器和光线传感器的配置位置是位于每列配电柜的前后方，以及所述配电房的进出口的正上方；
42、所述水浸传感器、烟雾传感器和气味传感器的配置位置是位于每个配电柜的正前方和正后方，以及所述配电房的进出口的正上方；
43、所述防盗传感器的配置位置是位于每一个配电柜上，以及所述配电房的进出口。
44、优选的，所述综合计算所述量化数据和定性数据得到预测工作日志，具体包括：
45、为所述量化数据设置状态异常阈值，基于所述数据规律预测出现状态异常的时间和/或预测未来特定时间出现状态异常的概率；
46、基于所述数据规律预测出现状态异常的时间；
47、将上述预测出现状态异常的时间和/或预测未来特定时间出现状态综合计入所述预测工作日志。
48、一种基于数字孪生的大型智能配电房监控预警系统，所述系统包括：各类型传感器、人工智能ai仿真装置和控制中心；
49、所述各类型传感器，用于检测所述配电房的各类型设备和线路的状态；
50、所述控制中心，用于接收并存储各类型传感器的各类型数据，并发送至人工智能ai仿真装置；
51、所述人工智能ai仿真装置，用于接收所述配电房的各类型传感器的历史数据，以及所述配电房的历史工作日志，其中，所述历史工作日志包括状态异常数据和/或故障分析报本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的大型智能配电房监控预警方法，其中，所述方法包括：
2.根据权利要求1所述的方法，其中，各类型传感器至少包括以下一种及或多种传感器：摄像头、声音传感器、光线传感器、温度传感器、湿度传感器、水浸传感器、防盗传感器、烟雾传感器、气味传感器。
3.根据权利要求1或2所述的方法，其中，所述接收所述配电房的各类型传感器的当前数据，具体包括：
4.根据权利要求2所述的方法，其中，所述数据分类设置，具体包括：
5.根据权利要求1或2所述的方法，其中，所述配电房的各类型传感器的配置数量和位置具体如下：
6.根据权利要求1所述的方法，其中，所述综合计算所述量化数据和定性数据得到预测工作日志，具体包括：
7.一种基于数字孪生的大型智能配电房监控预警系统，其中，所述系统包括：各类型传感器、人工智能AI仿真装置和控制中心；
8.一种人工智能AI仿真装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1-6任一项所述方法的步
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于数字孪生的大型智能配电房监控预警方法，其中，所述方法包括：
2.根据权利要求1所述的方法，其中，各类型传感器至少包括以下一种及或多种传感器：摄像头、声音传感器、光线传感器、温度传感器、湿度传感器、水浸传感器、防盗传感器、烟雾传感器、气味传感器。
3.根据权利要求1或2所述的方法，其中，所述接收所述配电房的各类型传感器的当前数据，具体包括：
4.根据权利要求2所述的方法，其中，所述数据分类设置，具体包括：
5.根据权利要求1或2所述的方法，其中，所述配电房的各类型传感器的配置数量和位置具体如下：
6.根...
【专利技术属性】
技术研发人员：杨洋，薛明毅，胡科浓，翁斌，
申请(专利权)人：宁波蔚徕科技有限公司，
类型：发明
国别省市：
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。