开云优惠体育网页版入口

专利名称：一种户外环境下高精度预警的电力箱及预警方法

专利类型：发明专利

专利申请号：CN202411228389.5

专利申请（专利权）人：广东佰林电气设备厂有限公司
权利人地址：广东省汕头市龙湖区万吉北一直街9号

专利发明（设计）人：黄松杰,张哲,戴海辉,江弘伟,黄伟宏

专利摘要：本发明涉及测量电变量技术领域，具体涉及一种户外环境下高精度预警的电力箱及预警方法，包括：通过每个曲线段中极值点对应电流数据之间的差异，获得每个曲线段中电流数据的动态变化指标；通过每个曲线段与之前连续的若干个曲线段中电流数据的动态变化指标趋势之间的差异，获得后电流数据序列和电流预测数据序列对应的每个曲线段电流数据波动的扰动性；然后通过两个序列对应所有曲线段电流数据波动的扰动性之间的差异，对扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性，并进行电力箱的预警。本发明提高对电力箱中电流数据异常波动判断的精确性，提高电力箱高精度预警的准确性。

主权利要求：
1.一种户外环境下高精度预警方法，其特征在于，该方法包括以下步骤：
获取电力箱在相同时间内的前电流数据序列、温度数据序列和湿度数据序列；
再获取前电流数据序列之后的后电流数据序列，通过前电流数据序列、温度数据序列和湿度数据序列预测后续的电流数据，获得电流预测数据序列；对后电流数据序列进行曲线拟合，获得后电流数据拟合曲线，将后电流数据拟合曲线划分为若干个曲线段；通过每个曲线段中极值点对应电流数据之间的差异，获得每个曲线段中电流数据的动态变化指标；
通过每个曲线段与之前连续的若干个曲线段中电流数据的动态变化指标趋势之间的差异，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性；根据后电流数据序列对应的每个曲线段电流数据波动的扰动性获取过程，得到电流预测数据序列对应的每个曲线段电流数据波动的扰动性；
通过后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性之间的差异，获得电力箱中电流数据受外界环境的影响程度；通过电力箱中电流数据受外界环境的影响程度，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性；
通过所述修正后电流数据波动的扰动性进行电力箱的预警；
所述通过每个曲线段与之前连续的若干个曲线段中电流数据的动态变化指标趋势之间的差异，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性，包括的具体步骤如下：获取每个曲线段之前所有曲线段中电流数据的动态变化指标，按照时间顺序排序，组成一组序列，记为每个曲线段的电流动态变化序列；根据每个曲线段的电流动态变化序列通过ARIMA模型进行预测后续一个数据，记为每个曲线段中电流数据的预测动态变化指标；
根据每个曲线段中电流数据的动态变化指标与预测动态变化指标之间的差异归一化后的结果，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性；
后电流数据序列对应的每个曲线段电流数据波动的扰动性具体计算方法为：获取每个曲线段之前所有曲线段中电流数据的动态变化指标，按照时间顺序排序，组成一组序列，记为每个曲线段的电流动态变化序列；根据每个曲线段的电流动态变化序列通过ARIMA模型进行预测后续一个数据，记为每个曲线段中电流数据的预测动态变化指标；其中，第一个曲线段中电流数据的预测动态变化指标为自身；根据每个曲线段中电流数据的动态变化指标与预测动态变化指标之间的差异归一化后的结果，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性；
具体用公式表示为： 式中， 表示第 个曲线段中电流数据的动
态变化指标， 表示第 个曲线段中电流数据的预测动态变化指标，为绝对值符号， 表示后电流数据序列对应的第 个曲线段电流数据波动的扰动性， 表示线性归一化函数；
其中，当每个曲线段中电流数据的动态变化指标与预测动态变化指标之间的差异越。蛩得鞲们叨蔚缌魇莶ǘ娜哦栽叫。环粗，则说明该曲线段电流数据波动的扰动性越大。
2.根据权利要求1所述一种户外环境下高精度预警方法，其特征在于，所述通过前电流数据序列、温度数据序列和湿度数据序列预测后续的电流数据，获得电流预测数据序列，包括的具体步骤如下：根据前电流数据序列、温度数据序列和湿度数据序列通过NSET模型构造过程记忆矩阵，通过过程记忆矩阵获得预测后续的电流数据，并按照时间顺序，组成一组序列，记为电流预测数据序列。
3.根据权利要求1所述一种户外环境下高精度预警方法，其特征在于，所述对后电流数据序列进行曲线拟合，获得后电流数据拟合曲线，包括的具体步骤如下：对后电流数据序列通过最小二乘法进行曲线拟合，获得后电流数据拟合曲线。
4.根据权利要求3所述一种户外环境下高精度预警方法，其特征在于，所述将后电流数据拟合曲线划分为若干个曲线段，包括的具体步骤如下：通过STL算法将后电流数据序列分解，获得季节项数据序列，对季节项数据序列通过最小二乘法进行曲线拟合，获得电流数据季节拟合曲线；
获取电流数据季节拟合曲线中的极值点，通过所述极值点将后电流数据拟合曲线划分为若干个曲线段。
5.根据权利要求1所述一种户外环境下高精度预警方法，其特征在于，所述通过每个曲线段中极值点对应电流数据之间的差异，获得每个曲线段中电流数据的动态变化指标，包括的具体步骤如下：将每个曲线段中所有极大值点对应电流数据的均值与所有极小值点对应电流数据的均值之间的差异，记为每个曲线段的第一差异；
将每个曲线段中所有相邻极值点对应电流数据之间差异的均值，记为每个曲线段的第二差异；
通过每个曲线段的第一差异和第二差异，获得每个曲线段中电流数据的动态变化指标；
其中，所述第一差异与每个曲线段中电流数据的动态变化指标为正相关关系，所述第二差异与每个曲线段中电流数据的动态变化指标为正相关关系。
6.根据权利要求1所述一种户外环境下高精度预警方法，其特征在于，所述通过后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性之间的差异，获得电力箱中电流数据受外界环境的影响程度，包括的具体步骤如下：将后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性的均值之间的差异，记为第三差异；
对第三差异进行归一化处理，将归一化后的第三差异，记为电力箱中电流数据受外界环境的影响程度。
7.根据权利要求6所述一种户外环境下高精度预警方法，其特征在于，所述通过电力箱中电流数据受外界环境的影响程度，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性，包括的具体步骤如下：将1减去电力箱中电流数据受外界环境的影响程度的结果，记为后电流数据序列对应的每个曲线段电流数据波动的扰动性的修正系数；
根据所述修正系数，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性。
8.根据权利要求1所述一种户外环境下高精度预警方法，其特征在于，所述通过所述修正后电流数据波动的扰动性进行电力箱的预警，包括的具体步骤如下：将后电流数据序列中任意一个时刻记为目标时刻，将目标时刻对应曲线段之前的 个曲线段，记为目标时刻的参考曲线段；计算目标时刻对应曲线段修正后电流数据波动的扰动性与所述参考曲线段修正后电流数据波动的扰动性的均值之间差值的绝对值；当所述差值的绝对值大于预设阈值 时，则需要进行预警；当所述差值的绝对值小于或者等于预设阈值 时，则不需要进行预警；
其中，为预设参数。
9.一种户外环境下高精度预警的电力箱，包括电力箱本体、电力箱本体中的存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1?8任意一项所述一种户外环境下高精度预警方法的步骤。 说明书 : 一种户外环境下高精度预警的电力箱及预警方法技术领域[0001] 本发明涉及测量电变量技术领域，具体涉及一种户外环境下高精度预警的电力箱及预警方法。背景技术[0002] 户外电力箱通常暴露在恶劣的自然环境中，如高温、低温、湿度等。通过预警，可以及时监测电力箱及其内部设备的工作状态和环境条件，提前发现潜在的故障和安全隐患，避免因电力设备故障引发的事故和损失。[0003] 在对电力箱中的电流数据进行异常检测时，通常可以通过电流数据的异常波动来对电力箱中短路、过载或负载失衡等情况进行预警；但是由于电力箱处在户外环境中，户外环境中的温度和湿度变化相对较大，对电力箱中的电流数据的波动极易造成影响，因此电流数据的波动是电流自身的异常波动还是外界环境对电流影响出现的异常波动，使得对户外环境的电力箱中电流数据的异常波动无法准确判断，导致对电力箱高精度预警的准确性会降低。发明内容[0004] 本发明提供一种户外环境下高精度预警的电力箱及预警方法，以解决现有的问题。[0005] 本发明的一种户外环境下高精度预警的电力箱及预警方法采用如下技术方案：[0006] 本发明一个实施例提供了一种户外环境下高精度预警方法，该方法包括以下步骤：[0007] 获取电力箱在相同时间内的前电流数据序列、温度数据序列和湿度数据序列；[0008] 再获取前电流数据序列之后的后电流数据序列，通过前电流数据序列、温度数据序列和湿度数据序列预测后续的电流数据，获得电流预测数据序列；对后电流数据序列进行曲线拟合，获得后电流数据拟合曲线，将后电流数据拟合曲线划分为若干个曲线段；通过每个曲线段中极值点对应电流数据之间的差异，获得每个曲线段中电流数据的动态变化指标；通过每个曲线段与之前连续的若干个曲线段中电流数据的动态变化指标趋势之间的差异，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性；根据后电流数据序列对应的每个曲线段电流数据波动的扰动性获取过程，得到电流预测数据序列对应的每个曲线段电流数据波动的扰动性；[0009] 通过后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性之间的差异，获得电力箱中电流数据受外界环境的影响程度；通过电力箱中电流数据受外界环境的影响程度，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性；[0010] 通过所述修正后电流数据波动的扰动性进行电力箱的预警。[0011] 进一步地，所述通过前电流数据序列、温度数据序列和湿度数据序列预测后续的电流数据，获得电流预测数据序列，包括的具体步骤如下：[0012] 根据前电流数据序列、温度数据序列和湿度数据序列通过NSET模型构造过程记忆矩阵，通过过程记忆矩阵获得预测后续的电流数据，并按照时间顺序，组成一组序列，记为电流预测数据序列。[0013] 进一步地，所述对后电流数据序列进行曲线拟合，获得后电流数据拟合曲线，包括的具体步骤如下：[0014] 对后电流数据序列通过最小二乘法进行曲线拟合，获得后电流数据拟合曲线。[0015] 进一步地，所述将后电流数据拟合曲线划分为若干个曲线段，包括的具体步骤如下：[0016] 通过STL算法将后电流数据序列分解，获得季节项数据序列，对季节项数据序列通过最小二乘法进行曲线拟合，获得电流数据季节拟合曲线；[0017] 获取电流数据季节拟合曲线中的极值点，通过所述极值点将后电流数据拟合曲线划分为若干个曲线段。[0018] 进一步地，所述通过每个曲线段中极值点对应电流数据之间的差异，获得每个曲线段中电流数据的动态变化指标，包括的具体步骤如下：[0019] 将每个曲线段中所有极大值点对应电流数据的均值与所有极小值点对应电流数据的均值之间的差异，记为每个曲线段的第一差异；[0020] 将每个曲线段中所有相邻极值点对应电流数据之间差异的均值，记为每个曲线段的第二差异；[0021] 通过每个曲线段的第一差异和第二差异，获得每个曲线段中电流数据的动态变化指标；[0022] 其中，所述第一差异与每个曲线段中电流数据的动态变化指标为正相关关系，所述第二差异与每个曲线段中电流数据的动态变化指标为正相关关系。[0023] 进一步地，所述通过每个曲线段与之前连续的若干个曲线段中电流数据的动态变化指标趋势之间的差异，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性，包括的具体步骤如下：[0024] 获取每个曲线段之前所有曲线段中电流数据的动态变化指标，按照时间顺序排序，组成一组序列，记为每个曲线段的电流动态变化序列；根据每个曲线段的电流动态变化序列通过ARIMA模型进行预测后续一个数据，记为每个曲线段中电流数据的预测动态变化指标；[0025] 根据每个曲线段中电流数据的动态变化指标与预测动态变化指标之间的差异归一化后的结果，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性。[0026] 进一步地，所述通过后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性之间的差异，获得电力箱中电流数据受外界环境的影响程度，包括的具体步骤如下：[0027] 将后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性的均值之间的差异，记为第三差异；[0028] 对第三差异进行归一化处理，将归一化后的第三差异，记为电力箱中电流数据受外界环境的影响程度。[0029] 进一步地，所述通过电力箱中电流数据受外界环境的影响程度，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性，包括的具体步骤如下：[0030] 将1减去电力箱中电流数据受外界环境的影响程度的结果，记为后电流数据序列对应的每个曲线段电流数据波动的扰动性的修正系数；[0031] 根据所述修正系数，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性。[0032] 进一步地，所述通过所述修正后电流数据波动的扰动性进行电力箱的预警，包括的具体步骤如下：[0033] 将后电流数据序列中任意一个时刻记为目标时刻，将目标时刻对应曲线段之前的个曲线段，记为目标时刻的参考曲线段；计算目标时刻对应曲线段修正后电流数据波动的扰动性与所述参考曲线段修正后电流数据波动的扰动性的均值之间差值的绝对值；[0034] 当所述差值的绝对值大于预设阈值 时，则需要进行预警；当所述差值的绝对值小于或者等于预设阈值 时，则不需要进行预警；[0035] 其中，为预设参数。[0036] 本发明还提供了一种户外环境下高精度预警的电力箱，包括电力箱本体、电力箱本体中的存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任意一项一种户外环境下高精度预警方法的步骤。[0037] 本发明的技术方案的有益效果是：将后电流数据拟合曲线划分为若干个曲线段，使得更容易分析电流数据的动态变化；通过每个曲线段中极值点对应电流数据之间的差异，获得每个曲线段中电流数据的动态变化指标，提高对动态变化分析的准确性；通过每个曲线段与之前连续的若干个曲线段中电流数据的动态变化指标趋势之间的差异，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性；根据后电流数据序列对应的每个曲线段电流数据波动的扰动性获取过程，得到电流预测数据序列对应的每个曲线段电流数据波动的扰动性；通过扰动性来分析电流数据未来趋势的波动差异分析的准确性；通过后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性之间的差异，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性，提高对电力箱中电流数据异常波动判断的精确性；通过所述修正后电流数据波动的扰动性进行电力箱的预警，提高电力箱高精度预警的准确性。附图说明[0038] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0039] 图1为本发明一种户外环境下高精度预警方法的步骤流程图；[0040] 图2为户外环境下高精度预警流程图；[0041] 图3为电力箱本体示意图。具体实施方式[0042] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种户外环境下高精度预警的电力箱及预警方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0043] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。[0044] 下面结合附图具体的说明本发明所提供的一种户外环境下高精度预警的电力箱及预警方法的具体方案。[0045] 请参阅图1，其示出了本发明一个实施例提供的一种户外环境下高精度预警方法的步骤流程图，该方法包括以下步骤：[0046] 步骤S001：采集电力箱在相同时间内的前电流数据序列、温度数据序列和湿度数据序列。[0047] 需要说明的是，为了对户外环境中的电力箱进行高精度的预警，则需要采集电力箱中的电流数据，并且由于电力箱是处在外界环境中，外界环境的温度变化比较大，因此还需要采集外界环境中的温度数据。[0048] 具体地，以10秒为采样的时间间隔，采集一周内电力箱中的电流时序数据，并按照时间顺序排序，组成一组序列，记为前电流序列。在电力箱内部安装温度传感器和湿度传感器，以相同的采样时间间隔，采集相同时间一周内电力箱外界环境中的温度数据和湿度数据；按照时间顺序分别对温度数据和湿度数据进行排序，获得温度序列和湿度序列。其中，采样的时间间隔和采样时长不进行具体限定，实施者可根据具体情况而定。[0049] 进一步需要说明的是，为了保证数据的完整性和准确性，则需要对采集到的数据进行去噪和缺失值的填充。并且在后续计算中为了避免量纲存在的影响，则需要对采集到的所有数据机械能标准化处理。[0050] 具体地，通过指数平滑法分别对前电流序列、温度序列和湿度序列中的数据先进行去噪处理，再通过线性插值法进行数据缺失值的填充处理，再最后通过Z?score进行标准化处理，将处理完后的序列分别记为前电流数据序列、温度数据序列和湿度数据序列。其中，指数平滑法、线性插值法以及Z?score都为公知技术，此处不再进行具体赘述。[0051] 至此，得到前电流数据序列、温度数据序列和湿度数据序列。[0052] 步骤S002：再获取前电流数据序列之后的后电流数据序列，通过前电流数据序列、温度数据序列和湿度数据序列预测后续的电流数据，获得电流预测数据序列；对后电流数据序列进行曲线拟合，获得后电流数据拟合曲线，将后电流数据拟合曲线划分为若干个曲线段；通过每个曲线段中极值点对应电流数据之间的差异，获得每个曲线段中电流数据的动态变化指标；通过每个曲线段与之前连续的若干个曲线段中电流数据的动态变化指标趋势之间的差异，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性；根据后电流数据序列对应的每个曲线段电流数据波动的扰动性获取过程，得到电流预测数据序列对应的每个曲线段电流数据波动的扰动性。[0053] 需要说明的是，在对电力箱中的电流数据进行异常检测时，通常可以通过电流数据的异常波动来对电力箱中短路、过载或负载失衡等情况进行预警；但是实际情况是，电力箱处在一个温度变化较大的外界环境中，即温度和湿度的变化对电力箱中的电流数据影响比较大，因此需要考虑温度和湿度的变化对电力箱中电流数据的影响。为了分析温度和湿度的变化对电流数据的影响，可以通过NSET模型可以获取在温度和湿度影响下预测出来的一组电流数据，通过实际电流数据的波动和预测后的电流数据的波动之间的差异来进行高精度的电力箱预警。其中，NSET模型为公知技术，此处不再进行具体赘述。[0054] 优选地，根据前电流数据序列、温度数据序列和湿度数据序列通过NSET模型构造过程记忆矩阵，通过过程记忆矩阵获得预测后续一周的电流数据，并按照时间顺序，组成一组序列，记为电流预测数据序列，通过步骤S001过程中和前电流数据序列的采集和处理方式，采集前电流数据序列之后一周的电流数据，并进行处理，得到后电流数据序列。[0055] 进一步地，通过STL算法将后电流数据序列分解为趋势项数据序列、季节项数据序列和残差项数据序列，对季节项数据序列通过最小二乘法使用五次多项式进行曲线拟合，获得电流数据季节拟合曲线。对后电流数据序列通过最小二乘法使用五次多项式进行曲线拟合，获得后电流数据拟合曲线。获取电流数据季节拟合曲线中的极值点，通过所述极值点将后电流数据拟合曲线划分为若干个曲线段。其中，STL算法和最小二乘法都为公知技术，此处不再进行具体赘述。并且本实施例中的五次多项式不进行具体限定，实施者可根据具体情况而定。[0056] 需要说明的是，在正常情况下，电力箱中电流的数据是一组比较平稳的数据，并且电流数据的分布接近正弦和余弦变化的函数曲线，并且函数曲线的幅度较。虼丝梢酝ü缌魇莸姆缺浠笮±捶治龅缌魇莸亩浠副。[0057] 进一步需要说明的是，由于在没有干扰的电流数据中，电流数据呈现周期性的变化，并且所有相邻极值点之间的差异相等；当电流数据受到外界环境的干扰时，相邻极值点之间的差异不再是相等的，并且相邻极值点之间存在波动和存在的其他极值点，所以通过对相邻极值点之间中的数据波动进行分析。因此通过每个曲线段中极值点对应电流数据之间的差异，获得每个曲线段中电流数据的动态变化指标。[0058] 优选地，作为一种实施例，每个曲线段中电流数据的动态变化指标具体计算方法为：[0059] 将每个曲线段中所有极大值点对应电流数据的均值与所有极小值点对应电流数据的均值之间的差异，记为每个曲线段的第一差异；[0060] 将每个曲线段中所有相邻极值点对应电流数据之间差异的均值，记为每个曲线段的第二差异；[0061] 通过每个曲线段的第一差异和第二差异，获得每个曲线段中电流数据的动态变化指标；[0062] 其中，所述第一差异与每个曲线段中电流数据的动态变化指标为正相关关系，所述第二差异与每个曲线段中电流数据的动态变化指标为正相关关系。[0063] 在本发明一个实施例中，具体用公式表示为：[0064][0065] 式中， 表示第 个曲线段中所有极大值电点对应电流数据的均值， 表示第 个曲线段中所有极小值点对应电流数据的均值， 表示第 个曲线段中第 个极值点对应电流数据， 表示第 个曲线段中第 个极值点对应电流数据， 表示第 个曲线段中所有极值点的个数，为绝对值符号， 表示第 个曲线段中电流数据的动态变化指标。[0066] 其中， 表示每个曲线段中所有极大值点和极小值点分别对应电流数据均值之间的差异，当该差异越大，则该曲线段中电流数据的动态变化指标越大，反之，则该曲线段中电流数据的动态变化指标越小。 表示每个曲线段中所有相邻极值点对应电流数据之间的差异的均值，当该差异的均值越大，则该曲线段中电流数据的动态变化指标越大，反之，则该曲线段中电流数据的动态变化指标越小。[0067] 至此，得到每个曲线段中电流数据的动态变化指标。[0068] 需要说明的是，电力箱的电流动态变化指标能够揭示设备的健康状况和潜在故障，当电流波动出现异常与正常电流波动变化不符时，电力箱可能存在故障，需要进行预警。然而电力系统具有高度的非线性特性，使得电流波动受到多种因素的影响，包括负载变化、天气条件、设备状况等。这些因素相互作用，导致电流波动呈现出复杂的非线性模式，直接获取电流异常波动而不考虑这些非线性因素可能会导致错误的判断。因此通过每个曲线段与之前连续的若干个曲线段中电流数据的动态变化指标趋势之间的差异，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性。[0069] 优选地，作为一种实施例，后电流数据序列对应的每个曲线段电流数据波动的扰动性具体计算方法为：[0070] 获取每个曲线段之前所有曲线段中电流数据的动态变化指标，按照时间顺序排序，组成一组序列，记为每个曲线段的电流动态变化序列；根据每个曲线段的电流动态变化序列通过ARIMA模型进行预测后续一个数据，记为每个曲线段中电流数据的预测动态变化指标；其中，ARIMA模型为公知技术，此处不再进行具体赘述；其中，第一个曲线段中电流数据的预测动态变化指标为自身；[0071] 根据每个曲线段中电流数据的动态变化指标与预测动态变化指标之间的差异归一化后的结果，获得后电流数据序列对应的每个曲线段电流数据波动的扰动性。[0072] 在本发明一个实施例中，具体用公式表示为：[0073][0074] 式中， 表示第 个曲线段中电流数据的动态变化指标， 表示第 个曲线段中电流数据的预测动态变化指标，为绝对值符号， 表示后电流数据序列对应的第 个曲线段电流数据波动的扰动性， 表示线性归一化函数。[0075] 其中，当每个曲线段中电流数据的动态变化指标与预测动态变化指标之间的差异越。蛩得鞲们叨蔚缌魇莶ǘ娜哦栽叫。环粗，则说明该曲线段电流数据波动的扰动性越大。[0076] 至此，得到后电流数据序列对应的每个曲线段电流数据波动的扰动性。[0077] 根据后电流数据序列对应的每个曲线段电流数据波动的扰动性的获取过程，获得电流预测数据序列对应的每个曲线段电流数据波动的扰动性。[0078] 步骤S003：通过后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性之间的差异，获得电力箱中电流数据受外界环境的影响程度；通过电力箱中电流数据受外界环境的影响程度，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性。[0079] 需要说明的是，电力箱的电流波动扰动性并不一定直接指示着故障的存在，由于电力箱处于户外环境，存在如温度变化、湿度高低等影响，也会引起电力箱电流数据的异常波动。环境因素可能暂时影响设备的运行状态，导致参数偏离正常值，但并不意味着电力箱本身存在故障。因此，在确定电力箱是否存在故障时，不能仅仅依据电流数据波动的扰动性，还需要综合考虑环境因素的影响，并进行更深入的分析和诊断。环境温度和湿度对电力箱电流波动的影响，既会直接导致导体和绝缘材料的性能变化，从而引起电流数据的波动，又会间接影响散热效率，甚至触发保护机制。这种影响还具有明显的季节性特征，夏季高温和冬季低温都会给电力箱的稳定运行带来挑战。因此，为了确保电力系统的可靠性，需要分析获取环境温度和湿度对电力箱电流数据波动的影响，从而排除干扰因素的影响，提高电力箱故障预警的准确性。[0080] 进一步需要说明的是，由于电流预测数据序列中分析考虑了温度和湿度的影响，而电流预测数据序列的分析获取中包含了温度与湿度的影响；因此通过后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性之间的差异，获得电力箱中电流数据受外界环境的影响程度。[0081] 优选地，作为一种实施例，电力箱中电流数据受外界环境的影响程度具体计算方法为：[0082] 将后电流数据序列与电流预测数据序列对应所有曲线段电流数据波动的扰动性的均值之间的差异，记为第三差异；[0083] 对第三差异进行归一化处理，将归一化后的第三差异，记为电力箱中电流数据受外界环境的影响程度。[0084] 在本发明一个实施例中，具体用公式表示为：[0085][0086] 式中， 表示后电流数据序列对应的所有曲线段电流数据波动的扰动性的均值，表示电流预测数据序列对应的所有曲线段电流数据波动的扰动性的均值，为绝对值符号， 表示电力箱中电流数据受外界环境的影响程度， 表示 的函数，用于归一化。[0087] 其中，当后电流数据序列和电流预测数据序列对应的所有曲线段电流数据波动的扰动性的均值之间的差异越大，则说明电力箱中电流数据受外界环境的影响越大；反之，则说明电力箱中电流数据受外界环境的影响越小。[0088] 至此，得到电力箱中电流数据受外界环境的影响程度。[0089] 需要说明的是，当电力箱中电流数据受外界环境的影响程度越大，则说明通过后电流数据序列分析得到的所有曲线段电流数据波动的扰动性的参考性不高，需要进行修正，因此通过电力箱中电流数据受外界环境的影响程度，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性。[0090] 优选地，作为一种实施例，后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性具体计算方法为：[0091] 将1减去电力箱中电流数据受外界环境的影响程度的结果，记为后电流数据序列对应的每个曲线段电流数据波动的扰动性的修正系数；[0092] 根据所述修正系数，对后电流数据序列对应的每个曲线段电流数据波动的扰动性进行修正，获得后电流数据序列对应的每个曲线段修正后电流数据波动的扰动性。[0093] 在本发明一个实施例中，具体用公式表示为：[0094][0095] 式中，表示电力箱中电流数据受外界环境的影响程度， 表示后电流数据序列对应的第 个曲线段电流数据波动的扰动性， 表示后电流数据序列对应的第 个曲线段修正后电流数据波动的扰动性。[0096] 其中，当电力箱中电流数据受外界环境的影响程度越大，则说明后电流数据序列对应的所有曲线段电流数据波动的扰动性受外界环境影响越大，即应该对曲线段电流数据波动的扰动性进行减。壹跣〕潭仍酱。[0097] 至此，得到后电流数据序列对应的所有曲线段修正后电流数据波动的扰动性。[0098] 步骤S004：通过所述修正后电流数据波动的扰动性进行电力箱的预警。[0099] 需要说明的是，当后电流数据序列对应的相邻多干曲线段修正后电流数据波动的扰动性差异越。蛩得鞒鱿忠斐５目赡苄栽叫。焙蟮缌魇菪蛄卸杂Φ南嗔诙喔汕叨涡拚蟮缌魇莶ǘ娜哦圆钜煸酱，则说明出现异常的可能性越大，即需要进行预警。因此通过所述修正后电流数据波动的扰动性进行电力箱的预警。[0100] 优选地，预设一个参数 ，其中本实施例以 为例进行叙述，本实施例不进行具体限定，其中 可根据具体实施情况而定。预设一个阈值 ，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中 可根据具体实施情况而定。[0101] 将后电流数据序列中任意一个时刻记为目标时刻，将目标时刻对应曲线段之前的个曲线段，记为目标时刻的参考曲线段；计算目标时刻对应曲线段修正后电流数据波动的扰动性与所述参考曲线段修正后电流数据波动的扰动性的均值之间差值的绝对值。当所述差值的绝对值大于预设阈值 时，则需要进行预警；当所述差值的绝对值小于或者等于预设阈值 时，则不需要进行预警。其中，户外环境下高精度预警流程图如图2所示。[0102] 本实施例提供了一种户外环境下高精度预警的电力箱，包括电力箱本体、电力箱本体中的存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现步骤S001至步骤S004中的一种户外环境下高精度预警方法。[0103] 其中，电力箱本体示意图如图3所示；其中，电力箱本体中包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。[0104] 至此，本实施例完成。[0105] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

专利地区：广东

专利申请日期：2024-09-03

专利公开日期：2024-11-22

专利公告号：CN118795207B