[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

说明书

本发明公开了基于神经网络的汇流夹钳温度预警方法、系统及介质，采样汇流夹钳发生的历史电流数据与历史温度数据；构建循环神经网络模型，并通过历史电流数据与历史温度数据对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温度数据，通过最优循环神经网络模型对电流数据以及温度数据进行不断的迭代更新处理，获得预测温度；基于预测温度的大小以及其预测时间的先后顺序，计算预测温度对应的预警系数，根据预警系数对汇流夹钳做出预警提示；本发明的有益效果为实现了对汇流夹钳工作状态的提前预测，实现了对汇流夹钳可能的温度超限风险及进行预警，有效的增强了不停电作业的安全性以及可靠性。

技术领域

本发明涉及温度预警技术领域，具体而言，涉及基于神经网络的汇流夹钳温度预警方法、系统及介质。

背景技术

汇流夹钳是0.4kV配网不停电作业中常用的一种工具，通常用作低压电源侧与用户端电缆的连接。由于汇流夹钳的载流能力有限，且用户负荷的波动较大，因此汇流夹钳常常面临着过载风险，进而影响到不停电作业的安全性和可靠性，因此在不停电作业过程中需要实时监测汇流夹钳的工作状态；目前，在配网不停电作业中通常采用人工测量的方式来监测汇流夹钳的工作状态，即在固定时间间隔内对汇流夹钳的电流、温度进行测量，并在发现电流、温度超限后立即停止作业。基于人工测量的方法无法对汇流夹钳的工作温度进行有效预测，在用户负荷快速变化时无法提前预知过载风险。

因此，在目前对汇流夹钳的电流温度监测过程中，通过间隔固定时间进行监测，无法在负荷波动较大的情况下，对过载进行实时监测，并进行过载风险阈值距离，容易增加了不停电作业的风险性。

有鉴于此，特提出本申请。

发明内容

本发明所要解决的技术问题是现有技术中，在汇流夹钳负荷波动比较大的时候，通过间隔固定时间测量汇流夹钳的电流以及温度，无法及时对汇流夹钳面临的过载风险进行预测，增加了不停电作业的风险性，目的在于提供基于神经网络的汇流夹钳温度预警方法、系统及介质，实现了对汇流夹钳的电流以及温度进行实时监控，并通过监控的电流与温度对汇流夹钳面临的过载风险进行准确预测，实现了对汇流夹钳可能的温度超限风险及进行预警，有效的增强了不停电作业的安全性以及可靠性。

本发明通过下述技术方案实现：

基于神经网络的汇流夹钳温度预警方法，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。

传统的在对汇流夹钳的电流与温度进行检测的过程中，是固定间隔时间，并通过人工测量的方式对汇流夹钳的工作状态进行监测，但是在采用这种方法对汇流夹钳的工作状态进行监测的时候，若汇流夹钳的负荷波动比较大，无法及时对汇流夹钳面临的过载风险进行预测，增加了不停电作业的风险性；本发明提供了基于神经网络的汇流夹钳温度预警方法，通过将神经网络对当前时刻测量的汇流夹钳的电流数据与温度数据进行处理，来预测未来下个时刻汇流夹钳所处的状态是否有过载风险，实现了对汇流夹钳工作状态的提前预测，实现了对汇流夹钳可能的温度超限风险及进行预警，有效的增强了不停电作业的安全性以及可靠性。

优选地，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。

优选地，所述最优循环神经网络模型获得的子步骤包括：