本發(fā)明涉及安全監(jiān)測，特別涉及一種dtu的安全監(jiān)測方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著智能電網(wǎng)的快速發(fā)展，配電系統(tǒng)自動化水平不斷提高，對配電終端設(shè)備（如dtu，即distribution?terminal?unit）的智能化監(jiān)控與維護需求日益增強。環(huán)網(wǎng)柜作為配電網(wǎng)的關(guān)鍵組成部分，其穩(wěn)定運行直接關(guān)系到電網(wǎng)的安全和供電質(zhì)量。然而，傳統(tǒng)的環(huán)網(wǎng)柜監(jiān)測方法大多依賴人工巡檢和簡單的數(shù)值閾值報警，缺乏對電氣參數(shù)的深度分析與故障的早期預(yù)警能力，尤其是在面對復(fù)雜工況和微弱信號異常時，診斷準(zhǔn)確性受限。此外，故障診斷過程中對故障定位不夠精確，難以快速響應(yīng)和有效調(diào)度資源進行維護，影響了電力系統(tǒng)的運行效率和安全水平。

技術(shù)實現(xiàn)思路

1、本發(fā)明的主要目的為提供一種dtu的安全監(jiān)測方法、裝置、設(shè)備及存儲介質(zhì)，解決了在面對復(fù)雜工況和微弱信號異常時，診斷準(zhǔn)確性受限的技術(shù)問題。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種dtu的安全監(jiān)測方法，包括以下步驟：

3、通過dtu獲取環(huán)網(wǎng)柜的電氣參數(shù)；其中，所述電氣參數(shù)包括電壓參數(shù)、電流參數(shù)以及功率因數(shù)；

4、利用預(yù)設(shè)的逐字段校驗技術(shù)對所述電氣參數(shù)進行驗證，以檢測電氣參數(shù)是否在預(yù)設(shè)電氣參數(shù)安全的范圍內(nèi)；若所述電氣參數(shù)不在預(yù)設(shè)的電氣參數(shù)安全范圍內(nèi)，則采用小波分析對所述電氣參數(shù)進行多尺度分解，得到潛在隱患特征信號；其中，所述小波分析用于識別電氣參數(shù)的突變點與異常波動；

5、對所述潛在隱患特征信號進行頻率域特征提取，得到故障頻譜特征；

6、調(diào)用預(yù)設(shè)的故障模式數(shù)據(jù)庫，將所述故障頻譜特征與所述故障模式數(shù)據(jù)庫內(nèi)的頻譜特征進行匹配，得到環(huán)網(wǎng)柜的故障問題區(qū)域以及故障類型；

7、對所述故障問題區(qū)域賦予權(quán)重，對所述故障類型賦予評分，并基于所述故障問題區(qū)域的權(quán)重以及故障類型的評分得到環(huán)網(wǎng)柜的異常風(fēng)險等級，當(dāng)所述異常風(fēng)險等級不在預(yù)設(shè)的風(fēng)險等級范圍內(nèi)，則發(fā)出警報。

8、作為本發(fā)明進一步的方案，利用預(yù)設(shè)的逐字段校驗技術(shù)對所述電氣參數(shù)進行驗證，以檢測電氣參數(shù)是否在預(yù)設(shè)電氣參數(shù)安全的范圍內(nèi)；若所述電氣參數(shù)不在預(yù)設(shè)的電氣參數(shù)安全范圍內(nèi)，則采用小波分析對所述電氣參數(shù)進行多尺度分解，得到潛在隱患特征信號，包括：

9、對所述電氣參數(shù)進行數(shù)字濾波，得到數(shù)字化濾波參數(shù)；

10、計算數(shù)字化濾波參數(shù)的均方根值，得到標(biāo)準(zhǔn)化電氣參數(shù)；

11、利用預(yù)設(shè)的逐字段校驗技術(shù)對所述標(biāo)準(zhǔn)化電氣參數(shù)進行逐字段校驗，以檢查所述標(biāo)準(zhǔn)化電氣參數(shù)是否位于預(yù)設(shè)電氣參數(shù)安全的范圍內(nèi)，若任一標(biāo)準(zhǔn)化電氣參數(shù)超出預(yù)設(shè)電氣參數(shù)安全的范圍內(nèi)，則利用預(yù)設(shè)的小波基函數(shù)對超出所述電氣參數(shù)安全的范圍內(nèi)的所述標(biāo)準(zhǔn)化電氣參數(shù)進行多尺度分解，得到不同尺度下的頻率分量；其中，所述頻率分量包括高頻分量以及低頻分量；

12、對所述頻率分量進行分析，以識別異常波動和突變點，得到潛在隱患特征信號。

13、作為本發(fā)明進一步的方案，對所述頻率分量進行分析，以識別異常波動和突變點，得到潛在隱患特征信號，包括：

14、對所述頻率分量進行歸一化處理，得到標(biāo)準(zhǔn)化的頻率分量信號；

15、基于預(yù)設(shè)的波束成形技術(shù)，對所述標(biāo)準(zhǔn)化的頻率分量信號進行聚焦處理，得到增強后的目標(biāo)頻率分量信號；

16、對所述目標(biāo)頻率分量信號進行變化趨勢分析，得到波動信號；

17、獲取設(shè)定的異常檢測閾值，并通過所述異常檢測閾值對所述波動信號進行檢測，得到初步的異常波動信號；

18、通過預(yù)設(shè)遞歸神經(jīng)網(wǎng)絡(luò)模型，對初步的異常波動信號進行深度學(xué)習(xí)，得到高維特征向量；

19、對所述高維特征向量進行時間序列分析，得到時序高維特征向量；

20、對所述時序高維特征向量進行隱患識別，得到潛在隱患特征信號。

21、作為本發(fā)明進一步的方案，對所述潛在隱患特征信號進行頻率域特征提取，得到故障頻譜特征，包括：

22、通過預(yù)設(shè)的快速傅里葉變換對所述潛在隱患特征信號進行時頻轉(zhuǎn)換，得到初步頻譜圖；

23、采用預(yù)設(shè)希爾伯特-黃變換算法，對所述初步頻譜圖進行頻譜密度計算，生成第一頻譜密度圖；其中，所述第一頻譜密度圖用于量化各個頻率分量的能量分布；

24、利用獨立成分分析算法，在所述第一頻譜密度圖識別關(guān)鍵頻率成分；

25、利用自編碼器，在所述第一頻譜密度圖識別異常峰值；

26、將所述關(guān)鍵頻率成分和異常峰值進行結(jié)合，在第一頻譜密度圖定位到故障頻譜特征集；

27、對所述故障頻譜特征集進行降維與篩選，得到故障頻譜特征。

28、作為本發(fā)明進一步的方案，采用預(yù)設(shè)希爾伯特-黃變換算法，對所述初步頻譜圖進行頻譜密度計算，生成第一頻譜密度圖，包括：

29、采用預(yù)設(shè)的希爾伯特-黃變換算法，對所述初步頻譜圖進行預(yù)處理，得到預(yù)處理頻譜圖；

30、將所述預(yù)處理頻譜圖進行分解，得到多個本征模函數(shù)，并對各個所述本征模函數(shù)進行逐一提取，得到各個獨立的本征模函數(shù)；

31、對各個獨立的本征模函數(shù)進行希爾伯特變換，得到各個本征模函數(shù)的瞬時頻率和瞬時振幅；

32、將所述瞬時頻率和瞬時振幅進行重構(gòu)，得到重構(gòu)時頻信號；

33、對所述重構(gòu)時頻信號進行頻譜密度計算，得到頻譜密度數(shù)據(jù)，其中，所述頻譜密度數(shù)據(jù)是重構(gòu)時頻信號的能量分布情況；

34、基于所述頻譜密度數(shù)據(jù)，對所述初步頻譜圖進行繪制，得到第一頻譜密度圖。

35、作為本發(fā)明進一步的方案，調(diào)用預(yù)設(shè)的故障模式數(shù)據(jù)庫，將所述故障頻譜特征與所述故障模式數(shù)據(jù)庫內(nèi)的頻譜特征進行匹配，得到環(huán)網(wǎng)柜的故障問題區(qū)域以及故障類型，包括：

36、分別對所述故障頻譜特征以及所述故障模式數(shù)據(jù)庫內(nèi)的頻譜特征進行分析，對應(yīng)得到故障頻譜特征矢量以及第一頻譜特征矢量；

37、對所述故障頻譜特征矢量以及第一頻譜特征矢量進行馬氏距離計算，得到故障頻譜的馬氏距離；

38、若所述馬氏距離在預(yù)設(shè)的距離范圍內(nèi)，則對所述故障頻譜特征矢量以及第一頻譜特征矢量進行相關(guān)性匹配，得到匹配結(jié)果；其中，所述匹配結(jié)果是匹配度報告；

39、基于所述匹配度報告對所述故障頻譜特征進行分析，得到環(huán)網(wǎng)柜的故障問題區(qū)域以及故障類型。

40、作為本發(fā)明進一步的方案，對所述故障問題區(qū)域賦予權(quán)重，對所述故障類型賦予評分，并基于所述故障問題區(qū)域的權(quán)重以及故障類型的評分得到環(huán)網(wǎng)柜的異常風(fēng)險等級，當(dāng)所述異常風(fēng)險等級不在預(yù)設(shè)的風(fēng)險等級范圍內(nèi)，則發(fā)出警報，包括：

41、賦值各個所述故障問題區(qū)域權(quán)重，并將各個所述故障問題區(qū)域的權(quán)重進行向量轉(zhuǎn)化，得到故障問題區(qū)域的向量；

42、賦予各個所述故障類型進行評分，并將各個所述故障類型的評分進行向量轉(zhuǎn)化，得到故障類型的向量；

43、將所述故障問題區(qū)域的向量與所述故障類型的向量進行相乘，得到故障的風(fēng)險值；

44、基于所述故障的風(fēng)險值得到環(huán)網(wǎng)柜的異常風(fēng)險等級，當(dāng)所述異常風(fēng)險等級不在預(yù)設(shè)的風(fēng)險等級范圍內(nèi)，則發(fā)出警報。

45、本發(fā)明還提供了一種環(huán)網(wǎng)柜的安全監(jiān)測裝置，包括：

46、獲取模塊，用于通過dtu獲取環(huán)網(wǎng)柜的電氣參數(shù)；其中，所述電氣參數(shù)包括電壓參數(shù)、電流參數(shù)以及功率因數(shù)；

47、驗證模塊，用于利用預(yù)設(shè)的逐字段校驗技術(shù)對所述電氣參數(shù)進行驗證，以檢測電氣參數(shù)是否在預(yù)設(shè)電氣參數(shù)安全的范圍內(nèi)；若所述電氣參數(shù)不在預(yù)設(shè)的電氣參數(shù)安全范圍內(nèi)，則采用小波分析對所述電氣參數(shù)進行多尺度分解，得到潛在隱患特征信號；其中，所述小波分析用于識別電氣參數(shù)的突變點與異常波動；

48、提取模塊，用于對所述潛在隱患特征信號進行頻率域特征提取，得到故障頻譜特征；

49、匹配模塊，用于調(diào)用預(yù)設(shè)的故障模式數(shù)據(jù)庫，將所述故障頻譜特征與所述故障模式數(shù)據(jù)庫內(nèi)的頻譜特征進行匹配，得到環(huán)網(wǎng)柜的故障問題區(qū)域以及故障類型；

50、賦予模塊，用于對所述故障問題區(qū)域賦予權(quán)重，對所述故障類型賦予評分，并基于所述故障問題區(qū)域的權(quán)重以及故障類型的評分得到環(huán)網(wǎng)柜的異常風(fēng)險等級，當(dāng)所述異常風(fēng)險等級不在預(yù)設(shè)的風(fēng)險等級范圍內(nèi)，則發(fā)出警報。

51、本發(fā)明還提供一種計算機設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述任一項所述方法的步驟。

52、本發(fā)明還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述任一項所述的方法的步驟。

53、本發(fā)明提供的dtu的安全監(jiān)測方法、裝置、設(shè)備及存儲介質(zhì)，包括以下步驟：通過dtu獲取環(huán)網(wǎng)柜的電氣參數(shù)；其中，所述電氣參數(shù)包括電壓參數(shù)、電流參數(shù)以及功率因數(shù)；利用預(yù)設(shè)的逐字段校驗技術(shù)對所述電氣參數(shù)進行驗證，以檢測電氣參數(shù)是否在預(yù)設(shè)電氣參數(shù)安全的范圍內(nèi)；若所述電氣參數(shù)不在預(yù)設(shè)的電氣參數(shù)安全范圍內(nèi)，則采用小波分析對所述電氣參數(shù)進行多尺度分解，得到潛在隱患特征信號；其中，所述小波分析用于識別電氣參數(shù)的突變點與異常波動；對所述潛在隱患特征信號進行頻率域特征提取，得到故障頻譜特征；調(diào)用預(yù)設(shè)的故障模式數(shù)據(jù)庫，將所述故障頻譜特征與所述故障模式數(shù)據(jù)庫內(nèi)的頻譜特征進行匹配，得到環(huán)網(wǎng)柜的故障問題區(qū)域以及故障類型；對所述故障問題區(qū)域賦予權(quán)重，對所述故障類型賦予評分，并基于所述故障問題區(qū)域的權(quán)重以及故障類型的評分得到環(huán)網(wǎng)柜的異常風(fēng)險等級，當(dāng)所述異常風(fēng)險等級不在預(yù)設(shè)的風(fēng)險等級范圍內(nèi)，則發(fā)出警報；通過上述的技術(shù)方案，解決了在面對復(fù)雜工況和微弱信號異常時，診斷準(zhǔn)確性受限的技術(shù)問題，極大提升了診斷的精確度和效率。