【技术实现步骤摘要】
本专利技术属于智能电网领域和云平台智能监测领域，具体涉及一种配电室状态智能监测方法与报警系统。
技术介绍
1、随着智慧城市的发展和进步，配电室作为供电系统的重要电力设施，其安全性受到广泛关注，对配电室的安全监测可靠性要求也越来越高。若配电室出现异常，轻则使电力设备损坏，导致供电中断或电力系统运行波动，重则导致火灾、爆炸等安全事故的发生，造成严重的财产损失和人员伤亡。因此，必须对配电室进行可靠的状态监测，准确识别其异常并及时消除安全隐患，避免安全事故的发生。
2、由于诸多因素的影响，许多配电室的环境缺乏有效的监管，如升温过快、过载和局部放电等情况若不及时处理，易造成财产损失和安全事故的发生。对配电室的温湿度、局部放电、可燃气体浓度和环境声音等信息进行准确的状态监测能够及时发现配电室中的危险因素和异常，为相关人员及时提供可靠的状态信息和现场信息，并能够协助相关人员进行异常处理，降低安全事故发生的概率。
3、近年来，随着深度学习和计算机网络的发展，国家对变电站与配电室的智能化和自动化要求提升。在配电室实际运行过程中，许多状态是否异常与配电室所处的环境相关，单一的阈值报警易造成错报和漏报。因此，可通过特定的气体传感器、温湿度传感器、光照度传感器等采集环境信息，结合局部放电信息和音频信息综合判断，通过无监督训练建立具有自相关异常注意力机制的autoformer异常检测模型对配电室的状态进行智能监测，并通过状态监测结果实施相应的报警方案。
技术实现思路
1、专利技术目的
2、技术方案：本专利技术所述的一种配电室状态智能监测方法，包括以下步骤：
3、(1)针对配电室的环境特点，设置网络摄像头采集监测所需的视频信息，并设计基于stm32单片机的现场数据采集点，采集识别所需的音频和传感器信号信息；针对配电室的局部放电风险，设置局放传感器收集局部放电信息；
4、(2)分别对步骤(1)采集到的配电室音频信号、传感器信号和局部放电信息数据进行编码处理，融合得到训练数据与输入数据；
5、(3)构建改进的des-autoformer异常检测模型，所述改进的des-autoformer异常检测模型为将autoformer模型中的自相关机制与异常注意力机制融合，将异常注意力机制中的序列关联替换为自相关机制，并将autoformer中的序列分解结构替换为二次指数平滑，最后将autoformer的序列预测结构改为状态分类结构；
6、(4)将步骤(2)中得到的训练数据送入改进的des-autoformer异常检测模型中，并使用改进的hyperband算法对改进的des-autoformer异常检测模型中的超参数进行优化，得到配电室异常状态智能监测分析模型；所述改进的hyperband算法为在hyperband算法的初始化过程中，使用拉丁超立方初始化代替其原始的随机初始化；
7、(5)利用优化后的改进的des-autoformer异常检测模型对步骤(2)中得到的输入数据进行监测分析，得到配电室的状态监测结果，并根据监测结果进行报警，通知相关人员对异常进行处理。
8、进一步地，所述步骤(1)实现过程如下：
9、利用多个局放传感器收集检测开关柜、gis、变压器等电力设备产生的局部放电信号并直接通过工业网关将数据上传至监测平台；
10、stm32采集端搭载光照传感器、有害气体传感器、温湿度传感器、声音传感器和zigbee通讯模块，负责采集配电室现场的声音信息和各类环境信息，其数量与局放传感器的数量相匹配；
11、stm32通讯端仅搭载zigbee通讯模块，负责通过zigbee通讯快速整合多个stm32采集端的传感器信息和声音信息，并通过工业网关将这些信息上传至监测平台；
12、网络摄像头仅负责监测配电室的现场状态，为相关人员提供充足的现场信息，采集到的视频信息由工业网关上传至监测平台。
13、进一步地，所述步骤(2)实现过程如下：
14、对收集到的局放信息按选定的时间间隔进行值编码，得到一组包含局放信息特征二维特征张量xp；对收集到的音频信息按选定的时间间隔进行分段编码，得到一组从音频信息中提取得到的二维特征张量xv；对收集到的传感器信息按选定的时间间隔进行值编码，得到一组包含各传感器数据特征的二维特征张量xe；根据权重，将xp、xp、xe进行加权相加，完成数据融合，得到融合后的特征序列x。
15、进一步地，所述步骤(3)实现过程如下：
16、将异常注意力机制中的序列关联部分替换为自相关机制，自相关机制公式如下：
17、
18、其中，q、k和v分别表示查询矩阵、键矩阵和值矩阵，rq,k(τ)表示q、k与其时延序列的自相关系数，roll(v,τ)表示值矩阵v进行时长为τ的时延，c表示自相关系数中相关性最高的c个时延长度,l表示输入的序列长度；
19、为对特征张量进行精确分解，将autoformer中的分解单元改进为二次指数平滑单元，以提取更准确的特征趋势并提升对序列中的随机波动的提取性能；二次指数平滑单元的具体公式如下：
20、
21、其中，α和β是二次指数平滑中决定历史数据和近期数据之间权重比例的两个参数，xt,g和xt,s代表输入序列x在t时刻的趋势分量和周期分量；
22、将autoformer模型中的解码层替换为多层感知头，以实现监测分析中的监测状态分类任务，将经过autoformer模型编码层得到的二维特征张量进行重构，重构后的序列将被输入多层感知头，通过隐藏层和使用sigmoid函数激活后，连接至输出层实现配电室状态分类结果的输出，多层感知头的具体公式如下：
23、yl＝f(wlf(wl-1xl-2+bl-1)+bl) (3)
24、
25、其中，yl为第l层模型的输出，wl为第l层网络与上一层网络之间的权重，bl为第l层网络的偏置，xl为第l层网络的输入，f为sigmoid激活函数。
26、进一步地，所述步骤(4)实现过程如下：
27、(41)设置hyperband算法的目标函数为监测状态分类的准确率并初始化相关参数；
28、(42)使用拉丁超立方初始化方法代替hyperband算法中的随机初始化方法，其公式如下：
29、
30、其中，lbj,i为第i组参数配置的第j个维度的下界，ubj,i为第i参数配置的第j个维度的上界，aj表示第i参数配置所在的子搜索空间，rfp()为全排列操作，n表示参数配置的组数，d表示问题维度，xi表示第i组参数配置的初始化值，rand为一本文档来自技高网...
【技术保护点】
1.一种配电室状态智能监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(1)实现过程如下：
3.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(2)实现过程如下：
4.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(3)实现过程如下：
5.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(4)实现过程如下：
6.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(5)实现过程如下：
7.根据权利要求5所述的一种配电室状态智能监测方法，其特征在于，步骤(41)所述相关参数包括最大迭代次数、每组优化分配的最大计算资源数量和最小计算资源数量、维度大小、搜索空间的上界与下界。
8.一种采用如权利要求1至7任一所述方法的配电室状态智能监测报警系统，其特征在于，包括数据采集模块、无监督异常检测和状态监测分析模块和前端显示和报警模块；其中：
【技术特征摘要】
1.一种配电室状态智能监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(1)实现过程如下：
3.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(2)实现过程如下：
4.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(3)实现过程如下：
5.根据权利要求1所述的一种配电室状态智能监测方法，其特征在于，所述步骤(4)实现过程如下：...
【专利技术属性】
技术研发人员：张昭，乔秀杰，王宇涵，陈杰，陈佳雷，彭甜，张楚，孙娜，张新荣，
申请(专利权)人：淮阴工学院，
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。