[发明专利]人工智能自学习的安全隐患检测方法、系统、设备及介质

说明书

本发明实施例公开了一种人工智能自学习的安全隐患检测方法、系统、设备及介质，所述方法包括：获取电气系统的监测数据；若所述监测数据满足第一预设条件，则基于所述监测数据确定至少一个目标参数；根据所述至少一个目标参数的参数类型以及数值范围判断已有模型库中是否存在与所述至少一个目标参数匹配的分类模型，若存在，则基于与所述至少一个目标参数匹配的分类模型获得所述电气系统存在的安全隐患的隐患类别；若已有模型库中不存在与所述至少一个目标参数匹配的分类模型，则基于所述至少一个目标参数建立新的分类模型，并将新的分类模型添加至所述已有模型库。通过采用上述技术方案，实现了对电气系统潜在安全隐患的主动检测。

技术领域

本发明实施例涉及电气安全技术领域，尤其涉及一种人工智能自学习的安全隐患检测方法、系统、设备及介质。

背景技术

随着现代科学技术的发展，电能相应地得到了广泛的开发与利用。电能的广泛应用既造福了人类社会，同时也给人类社会带来了巨大的安全隐患。电气火灾是较为常见的一种电气灾难，通常指因电气线路、用电设备以及供配电设备出现故障后释放出的热量引燃电气本体或者其他可燃物而导致的火灾。由于电气火灾的特殊性，在未发生电气火灾之前，看不见，摸不到，导致电气火灾预警难度较大。

现阶段，常用的电气火灾预警方法主要是基于剩余电流式电气火灾监控系统长期不断地实时监测电气线路的剩余电流或者温度，当剩余电流或者温度超过设定阈值时，则立即报警，否则，不报警。

可见，上述电气火灾预警方法不会主动对电气系统的安全隐患进行检测，因此，无法及时检测到电气系统存在的尚未达到引起火灾的潜在安全隐患。

发明内容

本发明实施例提供一种人工智能自学习的安全隐患检测方法、系统、设备及介质，通过所述方法实现了对电气系统潜在安全隐患的准确检测。

第一方面，本发明实施例提供了一种人工智能自学习的安全隐患检测方法，所述方法包括：

获取电气系统的监测数据；

若所述监测数据满足第一预设条件，则基于所述监测数据确定至少一个目标参数；

根据所述至少一个目标参数的参数类型以及数值范围判断已有模型库中是否存在与所述至少一个目标参数匹配的分类模型，若存在，则基于与所述至少一个目标参数匹配的分类模型获得所述电气系统存在的安全隐患的隐患类别；

若已有模型库中不存在与所述至少一个目标参数匹配的分类模型，则基于所述至少一个目标参数建立新的分类模型，并将新的分类模型添加至所述已有模型库。

进一步的，基于所述至少一个目标参数建立新的分类模型，并将新的分类模型添加至所述已有模型库，包括：

接收基于所述至少一个目标参数建立的新分类模型；

将所述新分类模型与已有模型库中的各模型进行匹配，以判断是否存在与所述新分类模型的功能相同的已有模型；

若存在，则将所述新分类模型与功能相同的已有模型合并。

进一步的，将所述新分类模型与已有模型库中的各模型进行匹配，以判断是否存在与所述新分类模型的功能相同的已有模型，包括：

将所述新分类模型对应的处理方式与已有模型库中各模型对应的处理方式进行匹配，若匹配相似度达到设定阈值，则确定存在与所述新分类模型的功能相同的已有模型；和/或，

将所述新分类模型对应的目标参数的参数类型以及数值范围与已有模型库中各模型对应的目标参数的参数类型以及数值范围进行匹配，若匹配相似度达到设定阈值，则确定存在与所述新分类模型的功能相同的已有模型。

进一步的，将所述新分类模型与功能相同的已有模型合并，包括：

将所述新分类模型与功能相同的已有模型进行关联存储。