[发明专利]基于神经网络的汇流夹钳温度预警方法、系统及介质

权利要求书

1.基于神经网络的汇流夹钳温度预警方法，其特征在于，方法步骤包括：

采样汇流夹钳发生的历史电流数据与对应的历史温度数据；

构建循环神经网络模型，并通过所述历史电流数据与所述历史温度数据对所述循环神经网络模型进行训练，获得最优循环神经网络模型；

获取当前时刻下汇流夹钳的电流数据及对应的温度数据，通过所述最优循环神经网络模型对所述电流数据以及所述温度数据进行不断的迭代更新处理，获得若干不同时间点的预测温度；

基于若干所述预测温度的大小以及其预测时间的先后顺序，计算每个所述预测温度对应的预警系数，并根据所述预警系数对所述汇流夹钳做出预警提示。

2.根据权利要求1所述的基于神经网络的汇流夹钳温度预警方法，其特征在于，在所述历史电流数据与所述历史温度数据中，相邻两个数据之间的采样间隔时间为ts。

3.根据权利要求2所述的基于神经网络的汇流夹钳温度预警方法，其特征在于，所述最优循环神经网络模型获得的子步骤包括：

去除所述历史温度数据中的环境温度数据，获得子历史温度数据；

将t时刻的所述历史电流数据及其对应的所述子历史温度数据作为输入，将t+ts时刻的历史温度数据作为输出，对所述循环神经网络模型进行训练；

训练完成，获得最优循环神经网络模型。

4.根据权利要求3所述的基于神经网络的汇流夹钳温度预警方法，其特征在于，若干所述预测温度获得的子步骤包括：

获取t1时刻下汇流夹钳的电流数据以及对应的温度数据；

去除所述温度数据中的环境温度数据，获得子温度数据；

对t1时刻下，所述最优循环神经网络模型中的隐藏向量进行更新；

以所述子温度数据以及所述电流数据为初始量，通过更新后的所述最优循环神经网络模型对其进行迭代更新计算，获得若干子预测温度；

将环境温度添加到若干所述子预测温度中，获得若干所述预测温度。

5.根据权利要求4所述的基于神经网络的汇流夹钳温度预警方法，其特征在于，获得若干子预测温度子步骤具体为：

通过更新后的所述最优循环神经网络对t1+N*ts时刻的温度数据进行预测，N＝1，2，3…；

在预测过程中，将t1+N*ts时刻的温度数据以及t1时刻下的电流数据作为输入，并通过t1+N*ts时刻的温度数据对隐藏向量进行不断更新；

直到计算出在t1时刻后所需要的时刻点位所有的预测温度，停止更新，获得若干所述子预测温度。

6.根据权利要求5所述的基于神经网络的汇流夹钳温度预警方法，其特征在于，所述预警系数的计算子步骤包括：

选择任意一个所述预测温度，获取该预测温度对应的时间预警系数以及温度预警系数；

将所述时间预警系数以及所述温度预警系数做乘积运算，获得预警数值；

遍历若干所述预测温度，获得若干预警数值；

在若干所述预警数值中，数值最大的所述预警数值即为所述预警系数。

7.根据权利要求6所述的基于神经网络的汇流夹钳温度预警方法，其特征在于，所述预警数值具体表达式为：

为温度预警系数，为时间预警系数，k为预测温度的总个数，α^(t1)为预警系数。

8.根据权利要求7所述的基于神经网络的汇流夹钳温度预警方法，其特征在于，根据所述预警系数对所述汇流夹钳做出预警提示具体为：

获取以t1时刻之前相邻两个时刻预测的预警系数；

比较三个预警系数之间的大小，选取预警系数最大的作为所述汇流夹钳的预警等级。