【技術實現步驟摘要】
本專利技術涉及電力設備檢測，具體涉及一種高壓開關柜運行環境控制方法、系統、設備及存儲介質。
技術介紹
1、目前，潮濕、凝露和污閃仍然是開關柜設備運行環境本質安全的主要風險。現有的措施普遍存在除濕方式粗放、人工運維量大、耗能、智能化程度低、效果不理想，推廣有限等問題。相關技術中，公布號為cn111767869a的專利申請文獻中提出一種基于深度學習的開關柜凝露識別方法，利用溫濕度傳感器采集到多組溫濕度數據，同時，由攝像頭采集水分檢測試紙的圖像；根據水分檢測試紙的圖像篩選出發生凝露現象和未發生凝露現象的溫濕度數據，對上述溫濕度數據進行歸一化處理，作為訓練數據集；利用上述訓練數據集對凝露識別神經網絡模型進行訓練；采集待識別開關柜的實時溫濕度數據，輸入到訓練好的凝露識別神經網絡模型中，判斷凝露發生的概率，其采用的是前向傳播算法。公布號為cn115185732a的專利申請文獻提出了一種融合遺傳算法和深度神經網絡的軟件缺陷預測方法，采用了結果優化的遺傳算法選取數據集的特征，結合變分自編碼器和最大均值差異距離，學習源項目和目標項目的共性特征，來訓練可靠的缺陷預測模型；該方案中先通過遺傳算法提取源項目和目標項目的特征子集，然后，通過變分自編碼器進行無監督訓練。
技術實現思路
1、本專利技術所要解決的技術問題在于如何自主判斷并控制開關柜運行環境始終處于設備全壽命周期最合理的范圍內。
2、本專利技術通過以下技術手段解決上述技術問題的：
3、本專利技術提出了一種高壓開關柜運行環境控
4、采集開關柜相關的溫濕度數據構成數據集；
5、利用變分自編碼器對所述數據集進行增強處理，得到模擬數據；
6、對于所述模擬數據進行編碼，初始化種群，并采用遺傳算法對所述變分自編碼器進行優化訓練，得到訓練好的模型；
7、將實時采集的溫濕度數據輸入到訓練好的模型中，得到濕度閾值；
8、基于所述濕度閾值，控制除濕風機打開或關閉。
9、進一步地，所述采集開關柜相關的溫濕度數據構成數據集，包括：
10、利用安裝在開關柜內及開關室內的溫濕度傳感器，采集開關柜內外空氣實時溫濕度數據；
11、獲取歷史同樣時刻開關柜內外的溫濕度歷史記錄；
12、將所述實時溫濕度數據和所述溫濕度歷史記錄，構成所述數據集。
13、進一步地，所述利用變分自編碼器對所述數據集進行增強處理，得到模擬數據，包括：
14、對于輸入的所述數據集中的樣本數據，利用編碼層估計每個樣本的近似后驗概率分布；
15、利用隱空間采樣層對每個樣本的近似后驗概率分布進行采樣，得到隱空間采樣矩陣；
16、利用解碼層將所述隱空間采樣矩陣映射生成一組與輸入的原樣本數據概率同分布的模擬數據。
17、進一步地，所述利用隱空間采樣層對每個樣本的近似后驗概率分布進行采樣，得到隱空間采樣矩陣，包括：
18、利用所述隱空間采樣層對每個樣本的近似后驗概率分布進行采樣，得到隱空間采樣向量；
19、根據每個樣本對應的隱空間采樣向量，構建所述隱空間采樣矩陣。
20、進一步地，所述利用解碼層將所述隱空間采樣矩陣映射生成一組與輸入的原樣本數據概率同分布的模擬數據，包括：
21、設定原樣本數據的概率分布為：p(xi)＝∫p(zi)p(xi|zi)dzi，其中，p(xi)是原數據樣本xi的邊緣概率分布，p(zi)是隱空間采樣向量zi的概率分布，p(xi|zi)表示xi與zi的聯合概率分布；
22、期望最大化xi的邊際似然logp(xi)，使近似后驗分布逼近真實后驗分布，所述邊際似然logp(xi)包括邊際似然logp(xi)的變分下界f1(xi)及真實后驗分布p(zi|xi)與近似后驗分布q(zi|xi)的kl散度f2(xi)；
23、將最大化邊際似然的目標轉化為最大化邊際似然的變分下界，根據貝葉斯定理得到損失函數loss(xi)為：
24、
25、式中，表示生成的模擬數據zi與原訓練樣本xi的重構誤差，dkl(q(zi|xi)∥p(zi))表示所述編碼層推斷的原樣本數據xi的近似后驗概率分布qi與標準正態分布的kl散度差異；
26、訓練至所述損失函數最小化時，生成的模擬數據與原樣本數據概率同分布。
27、進一步地，所述對于所述模擬數據進行編碼，初始化種群，并采用遺傳算法對所述變分自編碼器進行優化訓練，得到訓練好的模型，包括：
28、對所述變分自編碼器的權值和閾值進行編碼，由n位染色體組型隨機生成所述變分自編碼器的權值和閾值，并將所述變分自編碼器中層與層之間的連接權值、各層的閾值按次序級聯；
29、利用適應度函數選擇均方誤差，并利用所述均方誤差對染色體的適合度進行測算，并選擇適合度符合條件的染色體進行變異、交叉、復制，生成新個體；
30、確認新個體是否滿足均方誤差值函數的所有條件，若是則按順序劃分最優解個體，并將vae神經網絡的權值和閾值進行更替，若否則重新對染色體的適合度進行測算；對所述變分自編碼器進行循環練習，直到達到擬定的練習次數和精度條件，得到訓練好的模型。
31、進一步地，所述濕度閾值包括濕度最大值和濕度最小值，所述基于所述濕度閾值，控制除濕風機打開或關閉，包括：
32、當開關柜內空氣濕度大于所述濕度最大值時，控制打開所述除濕風機；
33、當開關柜內空氣濕度小于所述濕度最小值時，控制關閉所述除濕風機。
34、此外，本專利技術還提出了一種高壓開關柜運行環境控制系統，所述系統包括采集模塊，用于采集開關柜相關的溫濕度數據構成數據集；
35、數據增強模塊，用于利用變分自編碼器對所述數據集進行增強處理，得到模擬數據；優化訓練模塊，用于對于所述模擬數據進行編碼，初始化種群，并采用遺傳算法對所述變分自編碼器進行優化訓練，得到訓練好的模型；
36、溫濕度閾值計算模塊，用于將實時采集的溫濕度數據輸入到訓練好的模型中，得到濕度閾值；
37、控制模塊，用于基于所述濕度閾值，控制除濕風機打開或關閉。
38、此外，本專利技術還提出了一種設備，所述設備包括存儲器、處理器；其中，所述處理器通過讀取所述存儲器中存儲的可執行程序代碼來運行與所述可執行程序代碼對應的程序，以用于實現如上所述的高壓開關柜運行環境控制方法。
39、此外，本專利技術還提出了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時，實現如上所述的高壓開關柜運行環境控制方法。
40、本專利技術的優點在于：
41、(1)本專利技術通過采用變分自編碼器(variational?auto?encoder,vae)，變分自編碼器是一種無監督深度生成模型，可以從輸入數據中提取高級統計信息并生成新的模擬數據，具有可靠的數據生成和擬合能本文檔來自技高網...
【技術保護點】
1.一種高壓開關柜運行環境控制方法，其特征在于，所述方法包括：
2.如權利要求1所述的高壓開關柜運行環境控制方法，其特征在于，所述采集開關柜相關的溫濕度數據構成數據集，包括：
3.如權利要求1所述的高壓開關柜運行環境控制方法，其特征在于，所述利用變分自編碼器對所述數據集進行增強處理，得到模擬數據，包括：
4.如權利要求3所述的高壓開關柜運行環境控制方法，其特征在于，所述利用隱空間采樣層對每個樣本的近似后驗概率分布進行采樣，得到隱空間采樣矩陣，包括：
5.如權利要求3所述的高壓開關柜運行環境控制方法，其特征在于，所述利用解碼層將所述隱空間采樣矩陣映射生成一組與輸入的原樣本數據概率同分布的模擬數據，包括：
6.如權利要求1所述的高壓開關柜運行環境控制方法，其特征在于，所述對于所述模擬數據進行編碼，初始化種群，并采用遺傳算法對所述變分自編碼器進行優化訓練，得到訓練好的模型，包括：
7.如權利要求1所述的高壓開關柜運行環境控制方法，其特征在于，所述濕度閾值包括濕度最大值和濕度最小值，所述基于所述濕度閾值，控制除濕風機
8.一種高壓開關柜運行環境控制系統，其特征在于，所述系統包括
9.一種高壓開關柜運行環境控制設備，其特征在于，所述設備包括存儲器、處理器；其中，所述處理器通過讀取所述存儲器中存儲的可執行程序代碼來運行與所述可執行程序代碼對應的程序，以用于實現如權利要求1-7中任一項所述的方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時，實現如權利要求1-7中任一項所述的方法。
...【技術特征摘要】
1.一種高壓開關柜運行環境控制方法，其特征在于，所述方法包括：
2.如權利要求1所述的高壓開關柜運行環境控制方法，其特征在于，所述采集開關柜相關的溫濕度數據構成數據集，包括：
3.如權利要求1所述的高壓開關柜運行環境控制方法，其特征在于，所述利用變分自編碼器對所述數據集進行增強處理，得到模擬數據，包括：
4.如權利要求3所述的高壓開關柜運行環境控制方法，其特征在于，所述利用隱空間采樣層對每個樣本的近似后驗概率分布進行采樣，得到隱空間采樣矩陣，包括：
5.如權利要求3所述的高壓開關柜運行環境控制方法，其特征在于，所述利用解碼層將所述隱空間采樣矩陣映射生成一組與輸入的原樣本數據概率同分布的模擬數據，包括：
6.如權利要求1所述的高壓開關柜運行環境控制方法，其特征在于，...
【專利技術屬性】
技術研發人員：黃馮，金鐘，李奇越，李帷韜，劉紅新，宋華茂，徐浩，陳青，孫偉，阮力，曹夢馨，洪一姍，汪東，陳婭，孫晨光，吳東兵，
申請(專利權)人：國網安徽省電力有限公司六安供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。