一种智能开关对异常负荷进行识别与预警的处理方法与流程

本发明涉及数据处理，特别涉及一种智能开关对异常负荷进行识别与预警的处理方法。

背景技术：

1、智能开关是一种依靠软件手段实现多任务并发处理功能的新型开关/断路器，智能开关可对接入的一路或多路电力线的实时电流进行监测，还能基于预装的电流监测软件定期对各接入线路进行异常电流事件识别/预警。

2、近年来多起将电瓶车电池带进居室内充电造成的火灾事件引发了全社会的广泛关注，如能在电网侧对居室内的异常负荷情况(诸如将电瓶车电池带进居室内充电造成的异常负荷)进行及时识别/预警，就能对该类事件进行及时避免。然而目前市面上还没有能对上述异常负荷情况(将电瓶车电池带进居室内充电造成的异常负荷)进行及时识别/预警的技术方案，而这也是本发明需要解决的技术问题。

技术实现思路

1、本发明的目的，就是针对现有技术的缺陷，提供一种智能开关对异常负荷进行识别与预警的处理方法。本发明的智能开关在开关启动后为每个接入的第一电力线路分配一个对应的异常负荷计数器记为对应的第一线路计数器,并将所有计数器初始化为0；并按预设的第一时间频率定期对接入的各个第一电力线路上的实时电流进行数据采样得到对应的第一采样数据并添加到对应的第一线路采样序列中；并按预设的第二时间频率定期使用一个预装的异常负荷识别模型根据所有第一线路采样序列进行异常负荷线路识别得到对应的第一识别清单；并根据第一识别清单对所有第一线路计数器进行计数值设置；并将各个计数值超过预设的第一阈值的第一线路计数器记为对应的第一风险计数器；并在第一风险计数器的总数不为0时根据所有第一风险计数器进行预警信息准备得到对应的第一预警报告向远程的第一远程服务端发送。通过本发明可以对特定的异常负荷情况(将电瓶车电池带进居室内充电造成的异常负荷)进行及时识别/预警。

2、为实现上述目的，本发明实施例提供了一种智能开关对异常负荷进行识别与预警的处理方法，所述方法包括：

3、第一智能开关在开关启动后，为每个接入的第一电力线路分配一个对应的异常负荷计数器记为对应的第一线路计数器；并将所有所述第一线路计数器初始化为0；

4、并按预设的第一时间频率定期对接入的各个第一电力线路上的实时电流进行数据采样得到对应的第一采样数据并添加到对应的第一线路采样序列中；

5、并按预设的第二时间频率定期根据所有所述第一线路采样序列进行异常负荷线路识别得到对应的第一识别清单；并根据所述第一识别清单对所有所述第一线路计数器进行计数值设置；并将各个计数值超过预设的第一阈值的所述第一线路计数器记为对应的第一风险计数器；并在所述第一风险计数器的总数不为0时根据所有所述第一风险计数器进行预警信息准备得到对应的第一预警报告向远程的第一远程服务端发送。

6、优选的，所述第一智能开关接入多个所述第一电力线，每个所述第一电力线的另一侧还接入一个对应的第一入户电表或一个下一级的所述第一智能开关；每个所述第一入户电表对应一个家庭用户；

7、所述第一智能开关通过无线通信方式或有线通信方式与第一远程服务端连接；所述有线通信接口包括hplc通信接口和串口通信接口；所述无线通信接口包括wi f i通信接口、蓝牙通信接口、nfc通信接口、rf通信接口和4g/5g/lte通信接口；

8、所述第一远程服务端为一个上一级的所述第一智能开关或一个远程的模块、装置、终端、设备、服务器、系统或平台；

9、所述第一线路采样序列由多个第一采样数据按时间先后排序而成；每个所述第一采样数据包括第一采样时间和第一采样电流；

10、所述第一识别清单包括多个第一线路识别记录；所述第一线路识别记录与所述第一电力线一一对应；所述第一线路识别记录包括第一线路标识字段、第一识别时间字段和第一识别结果字段；所述第一线路标识字段为对应的所述第一电力线的唯一线路标识；所述第一识别结果字段包括异常和正常。

11、优选的，所述第一智能开关内预装一个异常负荷识别模型；

12、所述异常负荷识别模型用于根据模型的电流序列x进行异常负荷预测处理并输出对应的预测向量y；所述异常负荷识别模型的模型输入端用于接收所述电流序列x，模型输出端用于输出所述预测向量y；

13、所述电流序列x由j个电流数据xj按时间先后排序而成，1≤索引j≤j，j为预设的模型序列输入长度；

14、所述预测向量y由两个负荷预测概率组成，分别为异常负荷预测概率y1和正常负荷预测概率y2；

15、所述异常负荷识别模型包括小波转换模块、第一lstm模型、第二lstm模型、第三lstm模型、第一mlp网络、第二mlp网络、第三mlp网络和加权求和模块；

16、所述小波转换模块的输入端与所述模型输入端连接；所述小波转换模块的第一输出端与所述第一lstm模型的输入端连接，第二输出端与所述第二lstm模型的输入端连接,第三输出端与所述第三lstm模型的输入端连接；

17、所述小波转换模块用于基于预设的第一小波基对所述电流序列x进行一个低频电流特征和两个高频电流特征提取得到对应的第一低频特征序列、第一高频特征序列和第二高频特征序列；并分别对所述第一、第二高频特征序列进行降噪和平滑处理；并在降噪和平滑处理结束后，对所述第一低频特征序列进行归一化处理得到对应的归一化特征序列da、对所述第一高频特征序列进行归一化处理得到对应的归一化特征序列db、对所述第二高频特征序列进行归一化处理得到对应的归一化特征序列dc；并将所述归一化特征序列da、db、dc向对应的所述第一、第二、第三lstm模型发送；其中，所述第一小波基至少包括coi f4小波基和db4小波基；

18、所述第一lstm模型的输出端与所述第一mlp网络的输入端连接；

19、所述第一lstm模型用于对所述归一化特征序列da的时序特征进行提取得到对应的时序特征向量ha；并将所述时序特征向量ha向所述第一mlp网络发送；

20、所述第二lstm模型的输出端与所述第二mlp网络的输入端连接；

21、所述第二lstm模型用于对所述归一化特征序列db的时序特征进行提取得到对应的时序特征向量hb；并将所述时序特征向量hb向所述第二mlp网络发送；

22、所述第三lstm模型的输出端与所述第三mlp网络的输入端连接；

23、所述第三lstm模型用于对所述归一化特征序列dc的时序特征进行提取得到对应的时序特征向量hc；并将所述时序特征向量hc向所述第三mlp网络发送；

24、所述第一mlp网络的输出端与所述加权求和模块的第一输入端连接；

25、所述第一mlp网络用于根据所述时序特征向量ha进行二分类预测得到对应的二分类预测向量pa；并将所述二分类预测向量pa向所述加权求和模块发送；所述二分类预测向量pa由两个负荷预测概率组成，分别为第一异常负荷概率pa,1和第一正常负荷概率pa,2；

26、所述第二mlp网络的输出端与所述加权求和模块的第二输入端连接；

27、所述第二mlp网络用于根据所述时序特征向量hb进行二分类预测得到对应的二分类预测向量pb；并将所述二分类预测向量pb向所述加权求和模块发送；所述二分类预测向量pb由两个负荷预测概率组成，分别为第二异常负荷概率pb,1和第二正常负荷概率pb,2；

28、所述第三mlp网络的输出端与所述加权求和模块的第三输入端连接；

29、所述第三mlp网络用于根据所述时序特征向量hc进行二分类预测得到对应的二分类预测向量pc；并将所述二分类预测向量pc向所述加权求和模块发送；所述二分类预测向量pc由两个负荷预测概率组成，分别为第三异常负荷概率pc,1和第三正常负荷概率pc,2；

30、所述加权求和模块用于对所述二分类预测向量pa、pb、pc进行加权求和得到对应的所述异常负荷预测概率y1和所述正常负荷预测概率y2组成对应的所述预测向量y并输出；y1＝wa×pa,1+wb×pb,1+wc×pc,1，y2＝wa×pa,2+wb×pb,2+wc×pc,2；wa、wb、wc为预设的第一、第二和第三加权系数。

31、优选的，所述方法还包括：

32、在所述第一智能开关内安装所述异常负荷识别模型之前，基于预设的第一数据集对所述异常负荷识别模型进行模型训练；

33、所述第一数据集包括多个第一数据记录；所述第一数据记录包括第一训练电流序列和第一标签向量；所述第一标签向量由两个标签负荷预测概率组成，分别为异常负荷标签概率和正常负荷标签概率；所述异常、正常负荷标签概率的取值为1或0，且所述异常、正常负荷标签概率的取值互斥；

34、所述第一数据集中所述异常负荷标签概率为1的所述第一训练电流序列为在室内进行电瓶车电池充电时采集到的电流时序序列；所述第一数据集中所述异常负荷标签概率为0的所述第一训练电流序列为未在室内进行电瓶车电池充电时采集到的电流时序序列。

35、进一步的，所述基于预设的第一数据集对所述异常负荷识别模型进行模型训练，具体包括：

36、步骤51，基于预设的第一训练评估比将所述第一数据集随机拆分成对应的第一训练集和第一评估集；

37、其中，所述第一训练评估比为一个预设比值；所述第一训练集和所述第一评估集都包括多个所述第一数据记录；所述第一训练集的记录总数与所述第一评估集的记录总数的比值满足所述第一训练评估比；

38、步骤52，将所述第一训练集的第一个所述第一数据记录提取出来作为对应的当前训练记录；

39、步骤53，将所述当前训练记录的所述第一训练电流序列输入所述异常负荷识别模型进行异常负荷预测处理得到对应的第一训练预测向量；

40、步骤54，将所述第一训练预测向量与所述当前训练记录的所述第一标签向量带入预设的第一模型损失函数进行计算得到对应的第一损失值；

41、其中，所述第一模型损失函数包括l1损失函数、l2损失函数和二分类交叉熵损失函数；

42、步骤55，对所述第一损失值是否满足预设的第一损失值范围进行识别；若所述第一损失值满足所述第一损失值范围，则对所述当前训练记录是否为所述第一训练集的最后一个所述第一数据记录进行识别，若是则转至步骤56，若否则将所述第一训练集的下一个所述第一数据记录提取出来作为新的所述当前训练记录并返回步骤53；若所述第一损失值不满足所述第一损失值范围，则基于预设的第一模型参数优化器朝着使所述第一模型损失函数达到最小值的方向对所述异常负荷识别模型的模型参数进行一轮优化，并在本轮优化结束时返回步骤53；

43、其中，所述第一模型参数优化器包括sgd优化器、adam优化器；

44、步骤56，对所述第一评估集的所有所述第一数据记录进行遍历；并在遍历时，将当前遍历的所述第一数据记录作为对应的当前评估记录；并将所述当前评估记录所述第一训练电流序列输入所述异常负荷识别模型进行异常负荷预测处理得到对应的第二训练预测向量；并由所述第二训练预测向量和所述当前评估记录的所述第一标签向量组成一个对应的第一预测标签对；

45、步骤57，根据得到的所有所述第一预测标签对进行二分类的精确率和召回率计算得到对应的第一精确率和第一召回率；并根据所述率和所述第一召回率进行f1分值计算得到对应的第一f1分值；

46、步骤58，对所述第一精确率、所述第一召回率和所述第一f1分值是否都满足对应的第一预设精确率范围、第一预设召回率范围和第一预设f1分值范围进行识别；若所述第一精确率不满足对应的所述第一预设精确率范围或所述第一召回率不满足对应的所述第一预设召回率范围或所述第一f1分值不满足对应的所述第一预设f1分值范围，则返回步骤51继续训练；若所述第一精确率满足对应的所述第一预设精确率范围且所述第一召回率满足对应的所述第一预设召回率范围且所述第一f1分值满足对应的所述第一预设f1分值范围，则停止模型训练、并对所述异常负荷识别模型的模型参数进行固化、并确认所述异常负荷识别模型的模型训练结束。

47、优选的，所述按预设的第二时间频率定期根据所有所述第一线路采样序列进行异常负荷线路识别得到对应的第一识别清单，具体包括：

48、所述第一智能开关按所述第二时间频率定期对所有所述第一线路采样序列进行一轮遍历；并在本轮遍历的过程中，将当前遍历的所述第一线路采样序列作为对应的当前采样序列；并按预设的第一时长将所述当前采样序列中最近所述第一时长内的子序列提取出来作为对应的当前子序列；并将所述当前子序列输入所述异常负荷识别模型进行异常负荷预测处理得到对应的当前预测向量；并将所述当前采样序列对应的所述第一电力线的唯一线路标识作为对应的所述第一线路标识字段；并将当前开关时间作为对应的所述第一识别时间字段；并在所述当前预测向量的所述异常负荷预测概率不低于所述正常负荷预测概率时设置对应的所述第一识别结果字段为异常、并在所述当前预测向量的所述异常负荷预测概率低于所述正常负荷预测概率时设置对应的所述第一识别结果字段为正常；并由得到的所述第一线路标识字段、所述第一识别时间字段和所述第一识别结果字段组成一个对应的所述第一线路识别记录；并在本轮遍历结束时，由得到的所有所述第一线路识别记录组成对应的所述第一识别清单。

49、优选的，所述根据所述第一识别清单对所有所述第一线路计数器进行计数值设置，具体包括：

50、所述第一智能开关将所述第一识别清单中所述第一识别结果字段为异常的所述第一线路识别记录记为对应的第一异常记录；并在所述第一异常记录的记录总数不为0时，对所有所述第一异常记录进行遍历；并在遍历过程中，将当前遍历的所述第一异常记录作为对应的当前记录；并将所述当前记录对应的所述第一线路计数器作为对应的当前计数器；并对所述当前计数器的计数值加1；

51、并将所述第一识别清单中所述第一识别结果字段为正常的所述第一线路识别记录记为对应的第一正常记录；并在所述第一正常记录的记录总数不为0时，对所有所述第一正常记录进行遍历；并在遍历过程中，将当前遍历的所述第一正常记录作为对应的当前记录；并将所述当前记录对应的所述第一线路计数器作为对应的当前计数器；并对所述当前计数器的计数值清零。

52、优选的，所述在所述第一风险计数器的总数不为0时根据所有所述第一风险计数器进行预警信息准备得到对应的第一预警报告向远程的第一远程服务端发送，具体包括：

53、所述第一智能开关在所述第一风险计数器的总数不为0时对所有所述第一风险计数器进行遍历；并在遍历时，将当前遍历的所述第一风险计数器作为对应的当前计数器；并将所述当前计数器对应的所述第一电力线的唯一线路标识作为对应的第一预警线路标识；并将当前开关时间作为对应的第一线路预警时间；并将预设的室内电瓶车电池充电预警提示信息作为对应的第一预警信息；并由所述第一预警线路标识、所述第一线路预警时间和所述第一预警信息组成一个对应的第一预警记录；并在遍历结束时，由得到的所有所述第一预警记录组成对应的所述第一预警报告向所述第一远程服务端发送。

54、本发明实施例提供了一种智能开关对异常负荷进行识别与预警的处理方法。通过上文内容可知，本发明实施例的智能开关在开关启动后为每个接入的第一电力线路分配一个对应的异常负荷计数器记为对应的第一线路计数器,并将所有计数器初始化为0；并按预设的第一时间频率定期对接入的各个第一电力线路上的实时电流进行数据采样得到对应的第一采样数据并添加到对应的第一线路采样序列中；并按预设的第二时间频率定期使用一个预装的异常负荷识别模型根据所有第一线路采样序列进行异常负荷线路识别得到对应的第一识别清单；并根据第一识别清单对所有第一线路计数器进行计数值设置；并将各个计数值超过预设的第一阈值的第一线路计数器记为对应的第一风险计数器；并在第一风险计数器的总数不为0时根据所有第一风险计数器进行预警信息准备得到对应的第一预警报告向远程的第一远程服务端发送。通过本发明实施例可以对特定的异常负荷情况(将电瓶车电池带进居室内充电造成的异常负荷)进行及时识别/预警。