CN117761444B - 一种电涌保护器的寿命监测方法及系统 - Google Patents
一种电涌保护器的寿命监测方法及系统 Download PDFInfo
- Publication number
- CN117761444B CN117761444B CN202410197410.3A CN202410197410A CN117761444B CN 117761444 B CN117761444 B CN 117761444B CN 202410197410 A CN202410197410 A CN 202410197410A CN 117761444 B CN117761444 B CN 117761444B
- Authority
- CN
- China
- Prior art keywords
- data
- surge protector
- monitoring
- key parameters
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 194
- 230000001012 protector Effects 0.000 title claims abstract description 185
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000013135 deep learning Methods 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 152
- 230000036541 health Effects 0.000 claims description 66
- 238000012423 maintenance Methods 0.000 claims description 55
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000013179 statistical model Methods 0.000 claims description 30
- 230000007246 mechanism Effects 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 25
- 230000000875 corresponding effect Effects 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000007906 compression Methods 0.000 claims description 21
- 230000006835 compression Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 230000004931 aggregating effect Effects 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000013144 data compression Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 12
- 238000007405 data analysis Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 238000005265 energy consumption Methods 0.000 description 10
- 238000004140 cleaning Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000032683 aging Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011202 physical detection method Methods 0.000 description 1
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提出了一种电涌保护器的寿命监测方法及系统。所述方法包括：在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；将采集到的所述电力数据以及所述关键参数发送至边缘设备；通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理。通过在电力系统中安装传感器，可以实时监测电涌保护器的关键参数和电力数据，及时了解电涌保护器的运行状态。
Description
技术领域
本发明提出了一种电涌保护器的寿命监测方法及系统，属寿命监测技术领域。
背景技术
电涌保护器是电力系统中重要的保护设备，可以有效地防止雷电、电力浪涌等对电力系统造成的损害。然而，电涌保护器的寿命直接影响到其保护效果。因此，对电涌保护器的寿命进行监测和预测具有重要意义。
现有的电涌保护器寿命监测方法主要基于传统的物理检测方法，通过检测电涌保护器的温度、电流等参数来评估其寿命。然而，这些方法不仅需要人工操作，而且准确度不高，无法满足实时、远程监测的需求。
发明内容
本发明提供了一种电涌保护器的寿命监测方法及系统，用以解决现有技术中检测依赖于人工，检测效率低，准确率不高以及实时性不够的问题：
本发明提出的一种电涌保护器的寿命监测方法，所述方法包括：
S1：在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；将采集到的所述电力数据以及所述关键参数发送至边缘设备；
S2：通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；
S3：所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；
S4：基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换。
进一步的，所述在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；将采集到的所述电力数据以及所述关键参数发送至边缘设备；包括：
S11：根据需要监测的电力数据以及电涌保护器的关键参数，进行传感器选择；
S12：对所述传感器进行安装，并物联网将所述传感器与所述边缘设备进行连接；
S13：将所述传感器采集到的所述电力数据以及关键参数通过有线或无线方式传输至边缘设备。
进一步的，所述通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；包括：
S21：通过所述边缘设备对所述电力数据以及关键参数进行数据过滤，并去除无效以及异常数据；
S22：对进行过数据过滤，并去除无效以及异常数据的所述电力数据以及关键参数进行数据校正并进行标准化处理；
S23：对标准化处理后的所述电力数据以及关键参数进行降噪处理，并通过压缩算法对进行降噪处理后的电力数据以及关键参数进行压缩，获得监测数据；
S24：将所述监测数据进行聚合，并将聚合后监测数据通过有线或无线方式传输至云平台。
进一步的，所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；包括：
S31：所述云平台接收到所述监测数据后，根据时间窗口对所述监测数据进行分段存储至不同的存储空间内，再通过所述监测数据类型将所述监测数据存储在所述存储空间内不同的子空间内；
S32：将不同子空间内的所述监测数据划分为多个数据块，每个数据块表示一个处理任务；
S33：通过处理单元或进程对所述数据块进行并行处理，并实时监测所述处理单元或进程的资源用量，通过调度算法对所述资源进行调度；
S34：并行处理完毕后通过合并算法，将计算结果合并为整体结果；
S35：通过机器学习算法对所述整体结果进行分类或回归，并通过与预设阈值进行比较，来判断所述电涌保护器的健康状态；
S36：基于统计模型，对所述电涌保护器的使用时间、工作状态进行分析和建模，预测其寿命状态。
进一步的，所述基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换；包括：
S41：根据健康状况和寿命状态的判断结果，生成所述电涌保护器的状态评估报告以及维修建议；
S42：通过预计机制将所述评估报告以及维修建议反馈给用户，所述用户接收到所述评估报告以及维修建议后，采取相应的行动。
本发明提出的一种电涌保护器的寿命监测系统，所述系统包括：
数据采集模块：在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；将采集到的所述电力数据以及所述关键参数发送至边缘设备；
数据预处理模块：通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；
数据处理模块：所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；
预警模块：基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换。
进一步的，所述数据采集模块，包括：
选择模块；根据需要监测的电力数据以及电涌保护器的关键参数，进行传感器选择；
安装模块：对所述传感器进行安装，并物联网将所述传感器与所述边缘设备进行连接；
传输模块：将所述传感器采集到的所述电力数据以及关键参数通过有线或无线方式传输至边缘设备。
进一步的，所述数据预处理模块，包括：
数据过滤模块：通过所述边缘设备对所述电力数据以及关键参数进行数据过滤，并去除无效以及异常数据；
标注化处理模块：对进行过数据过滤，并去除无效以及异常数据的所述电力数据以及关键参数进行数据校正并进行标准化处理；
数据压缩模块：对标准化处理后的所述电力数据以及关键参数进行降噪处理，并通过压缩算法对进行降噪处理后的电力数据以及关键参数进行压缩，获得监测数据；
数据聚合模块：将所述监测数据进行聚合，并将聚合后监测数据通过有线或无线方式传输至云平台。
进一步的，所述数据处理模块，包括：
数据分段模块：所述云平台接收到所述监测数据后，根据时间窗口对所述监测数据进行分段存储至不同的存储空间内，再通过所述监测数据类型将所述监测数据存储在所述存储空间内不同的子空间内；
任务划分模块：将不同子空间内的所述监测数据划分为多个数据块，每个数据块表示一个处理任务；
并行处理模块：通过处理单元或进程对所述数据块进行并行处理，并实时监测所述处理单元或进程的资源用量，通过调度算法对所述资源进行调度；
数据合并模块：并行处理完毕后通过合并算法，将计算结果合并为整体结果；
状态判断模块：通过机器学习算法对所述整体结果进行分类或回归，并通过与预设阈值进行比较，来判断所述电涌保护器的健康状态；
状态预测模块：基于统计模型，对所述电涌保护器的使用时间、工作状态等进行分析和建模，预测其寿命状态。
进一步的，所述预警模块，包括：
建议生成模块：根据健康状况和寿命状态的判断结果，生成所述电涌保护器的状态评估报告以及维修建议；
措施处理模块：通过预计机制将所述评估报告以及所述维修建议反馈给用户，所述用户接收到所述评估报告以及维修建议后，采取相应的行动。
本发明有益效果：通过在电力系统中安装传感器，可以实时监测电涌保护器的关键参数和电力数据，及时了解电涌保护器的运行状态；边缘设备和云平台对采集的数据进行预处理、标准化处理、降噪处理和压缩，提高了数据处理效率，降低了数据传输和存储的负担；云平台通过深度学习算法对分段存储的监测数据进行处理，可以更准确地判断电涌保护器的健康状况和寿命状态，提高了预测的准确性；根据电涌保护器的健康状况和寿命状态，通过预警机制提醒用户进行维护或更换，及时处理潜在问题，保证电力系统的稳定运行；通过调度算法对资源进行调度，保证了每个资源合理利用，且资源使用最大化，提高了数据处理效率；通过机器学习算法对整体结果进行分类或回归，可以更准确地判断电涌保护器的健康状态，为维修提供了更准确的依据；基于统计模型对电涌保护器的使用时间、工作状态等进行分析和建模，可以预测其寿命状态，为用户提供了更全面的信息；根据健康状况和寿命状态的判断结果，生成状态评估报告以及维修建议，并通过预计机制反馈给用户，使用户能够及时采取相应的行动。
附图说明
图1为本发明所述一种电涌保护器的寿命监测方法步骤图；
图2为本发明所述一种电涌保护器的寿命监测系统模块图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
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。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明的一个实施例，如图1所示，一种电涌保护器的寿命监测方法，所述方法包括：
S1：在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；所述电力数据包括电压、电流、功率以及能耗；所述关键参数包括工作电压以及电涌电流；将采集到的所述电力数据以及所述关键参数发送至边缘设备；
S2：通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；
S3：所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；
S4：基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换。
上述技术方案的工作原理为：在电力系统中安装传感器，通过传感器实时监测电力数据，包括电压、电流、功率以及能耗。同时，传感器还监测电涌保护器的关键参数，包括工作电压和电涌电流；传感器采集到的电力数据和关键参数通过边缘设备进行预处理，获得预处理后的监测数据。预处理后的监测数据被传输至云平台进行进一步处理和分析；云平台接收到监测数据后，对数据进行分段存储，并利用深度学习算法对数据进行处理。通过统计模型，判断电涌保护器的健康状况和寿命状态。这些判断可以基于历史数据和已知的故障模式进行；根据电涌保护器的健康状况和寿命状态，系统通过预警机制提醒用户进行维护或更换。用户可以根据预警信息及时采取行动，确保电涌保护器的正常工作和系统的稳定运行。
上述技术方案的效果为：通过安装传感器并实时监测电力数据和关键参数，可以及时获取电涌保护器的工作状态和性能指标，有效避免潜在故障或损坏风险；通过边缘设备对采集到的数据进行预处理，可以提取有用的监测信息，并将预处理后的数据传输至云平台，为后续的深度学习算法处理和分析做准备；云平台利用深度学习算法对分段存储的监测数据进行处理，通过统计模型判断电涌保护器的健康状况和寿命状态。这样可以提前发现潜在的问题，并采取相应的维护措施，避免故障发生；基于电涌保护器的健康状况和寿命状态，系统通过预警机制提醒用户进行维护或更换。这有助于及时处理有故障风险的保护器，确保电力系统的正常运行和安全性；通过对电涌保护器的实时监测和健康状态判断，可以提高电力系统的稳定性和可靠性。及时维护和更换保护器可有效降低故障风险，减少停机时间和维修成本。
本发明的一个实施例，所述在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；将采集到的所述电力数据以及所述关键参数发送至边缘设备；包括：
S11：根据需要监测的电力数据以及电涌保护器的关键参数，进行传感器选择；所述传感器包括电压传感器、电流传感器、功率传感器、能耗传感器；
S12：对所述传感器进行安装，并物联网将所述传感器与所述边缘设备进行连接；
S13：将所述传感器采集到的所述电力数据以及关键参数通过有线或无线方式传输至边缘设备。
上述技术方案的工作原理为：根据需要监测的电力数据和电涌保护器的关键参数，选择相应的传感器。例如，可选择电压传感器、电流传感器、功率传感器以及能耗传感器；对选定的传感器进行安装，将其与电涌保护器连接，并通过物联网技术将传感器与边缘设备进行连接；采集到的电力数据和关键参数通过有线或无线方式传输至边缘设备。在此过程中，传感器实时监测电力数据和电涌保护器的关键参数，并将采集到的数据发送至边缘设备；边缘设备对接收到的数据进行预处理，例如清洗、去噪、滤波等，以便后续的深度学习算法处理和分析；预处理后的数据传输至云平台，为后续的深度学习算法处理和分析做准备；云平台利用深度学习算法对分段存储的监测数据进行处理，通过统计模型判断电涌保护器的健康状况和寿命状态；基于电涌保护器的健康状况和寿命状态，系统通过预警机制提醒用户进行维护或更换。
上述技术方案的效果为：通过在电力系统中安装传感器，能够实时监测电力数据和电涌保护器的关键参数，及时掌握电力设备的运行状态；传感器选择涵盖了电压、电流、功率以及能耗等多个方面，能够全面监测电力设备的运行情况；传感器采集到的数据送至边缘设备进行预处理，数据质量更高，能够减少错误判断和误报警情况的发生；传感器的实时监测和数据采集能够帮助企业快速发现设备故障，提高维修效率和设备利用率；根据深度学习算法对分段存储的监测数据进行处理，判断电涌保护器的健康状况和寿命状态，通过预警机制提醒用户进行维护或更换，从而降低维修成本和风险。
本发明的一个实施例，所述通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；包括：
S21：通过所述边缘设备对所述电力数据以及关键参数进行数据过滤，并去除无效以及异常数据；
S22：对进行过数据过滤，并去除无效以及异常数据的所述电力数据以及关键参数进行数据校正并进行标准化处理；所述标准化处理的方法包括：
通过公式计算出所述电力数据以及关键参数中每个属性的标准差，在通过/>公式对数据进行标准化处理。其中，/>表示第i个属性值，n表示属性的个数；
S23：对标准化处理后的所述电力数据以及关键参数进行降噪处理，并通过压缩算法对进行降噪处理后的电力数据以及关键参数进行压缩，获得监测数据；
S24：将所述监测数据进行聚合，并将聚合后监测数据通过有线或无线方式传输至云平台。
上述技术方案的工作原理为：边缘设备对接收到的电力数据和关键参数进行数据过滤，去除无效和异常数据，确保传输给云平台的数据质量高，减少对云计算资源的消耗；经过数据过滤后的电力数据和关键参数进行数据校正和标准化处理，使得数据具有一致性和可比性，方便后续的数据分析和处理；对标准化处理后的电力数据和关键参数进行降噪处理，去除噪声干扰，提升数据的准确性。随后，通过压缩算法对降噪处理后的数据进行压缩，减小数据体积，降低传输成本和延迟；将处理后的监测数据进行聚合，将多个数据点合并为一个，降低数据量和计算复杂度，以减少对网络带宽和云平台计算资源的需求；聚合后的监测数据通过有线或无线方式传输至云平台，供后续的数据存储、分析和决策使用。聚合可以降低数据量以及计算复杂度。
上述技术方案的效果为：通过边缘设备对电力数据进行预处理，可以在边缘端完成数据过滤、校正和标准化等操作，减少数据传输到云平台的量，降低传输延迟和成本，提高传输效率；通过数据过滤、校正和标准化等操作，能够去除无效和异常数据，提高数据质量和可用性，使得后续的数据处理更加准确和可靠；通过降噪处理和压缩算法，可以减小数据体积，降低对网络带宽和云平台计算资源的需求，节约计算资源，提高系统性能；通过对监测数据进行聚合，可以降低数据量和计算复杂度，减少对网络带宽和云平台计算资源的需求，提高数据处理效率和系统性能；通过将数据预处理和传输至边缘设备进行实时响应，可以快速响应电力系统的变化，及时采取措施，提高电力系统的稳定性和安全性。同时，第一次压缩操作通过采用压缩算法，可以减小电力数据和关键参数的体积，从而降低传输所需的带宽和存储成本。这有助于提高数据传输的效率，并节省网络资源；由于第一次压缩操作降低了数据的体积，传输所需的时间也相应减少。这样可以减少数据在传输过程中的延迟，并使得监测数据更快地到达云平台，实现实时的数据分析和处理；第二次聚合操作将多个数据点合并为一个，减少了数据量和计算复杂度。这样可以降低云平台的计算负载，提高计算效率，并节省计算资源的使用；第一次压缩操作减小了数据的体积，从而降低了存储所需的空间。这样可以减少云平台上的存储成本，使得大规模的电力数据和关键参数能够更加经济地被保存和管理；第二次聚合操作将多个数据点合并为一个，可以降低数据的复杂性和维度，使得后续的数据分析和决策更加简化。这有助于提高数据分析的效率和准确性，同时降低了数据处理的复杂性。通过上述公式进行数据过滤、校正、标准化、降噪、压缩以及聚合和传输等处理步骤，可以提高电力数据和关键参数的质量和准确性，方便后续的数据分析和应用。同时，这些处理方法还可以节省存储和传输资源，提高数据处理的效率和性能。通过边缘设备对电力数据和关键参数进行数据过滤，可以去除无效和异常数据。这样可以提高数据的准确性和可靠性，避免错误数据对后续处理和分析产生影响；通过对数据进行校正和标准化处理，可以消除数据之间的偏差和差异。标准化处理可以使数据具有相同的尺度和范围，方便后续的分析和比较。同时，计算每个属性的标准差可以提供数据分布的信息，帮助用户了解数据的变化情况；对标准化后的电力数据和关键参数进行降噪处理可以去除不必要的噪声和干扰，提高数据的质量和可信度。通过压缩算法对降噪处理后的数据进行压缩，可以减少数据的存储和传输成本，提高效率；将经过处理的监测数据进行聚合，可以将多个数据源的数据合并为一个整体，方便后续的分析和处理。通过有线或无线方式将聚合后的监测数据传输至云平台，可以实现数据的远程监测和管理，提高数据的可访问性和利用价值。
本发明的一个实施例，所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；包括：
S31：所述云平台接收到所述监测数据后，根据时间窗口对所述监测数据进行分段存储至不同的存储空间内，再通过所述监测数据类型将所述监测数据存储在所述存储空间内不同的子空间内；
S32：将不同子空间内的所述监测数据划分为多个数据块，每个数据块表示一个处理任务；
S33：通过处理单元或进程对所述数据块进行并行处理，并实时监测所述处理单元或进程的资源用量，通过调度算法对所述资源进行调度；保证每个资源合理利用，且资源使用最大化；所述资源使用量的计算公式为：
；
其中，所述g表示数据块编号；G表示总数据块数；表示第j个处理单元的硬件资源容量；/>表示第j个处理单元的当前资源利用率；N表示处理单元总数；L表示数据块大小；
S34：并行处理完毕后通过合并算法，将计算结果合并为整体结果；
S35：通过机器学习算法对所述整体结果进行分类或回归，并通过与预设阈值进行比较，来判断所述电涌保护器的健康状态；
S36：基于统计模型，对所述电涌保护器的使用时间、工作状态等进行分析和建模，预测其寿命状态。
上述技术方案的工作原理为：云平台接收到监测数据后，根据时间窗口将数据进行分段存储。这意味着将数据按照时间划分成不同的片段，并存储在不同的存储空间的子空间中。这样可以方便后续的处理和管理；每个子空间内的监测数据被划分为多个数据块，每个数据块表示一个处理任务。这样可以将数据并行处理，提高处理效率和速度；通过处理单元或进程对数据块进行并行处理，并实时监测资源的使用情况。调度算法用于对资源进行调度，确保处理任务的平衡性和优先级；并行处理完成后，通过合并算法将各个处理单元或进程的计算结果合并为整体结果。这样可以保证数据的完整性和一致性；利用机器学习算法对整体结果进行分类或回归分析。通过与预设阈值进行比较，可以判断电涌保护器的健康状态。例如，可以将结果分为正常、异常等类别，或者评估电涌保护器的剩余寿命；基于统计模型，对电涌保护器的使用时间、工作状态等进行分析和建模。这样可以预测电涌保护器的寿命状态，提供预测性维护和管理建议。
上述技术方案的效果为：通过将监测数据进行分段存储和处理，可以更加准确地捕捉电涌保护器的状态变化，避免因为数据量过大而导致信息丢失或模糊；云平台可以实时接收和处理监测数据，通过并行处理和优化调度，能够在短时间内完成处理任务，及时反馈电涌保护器的健康状况，以便采取相应的措施；利用深度学习算法和统计模型，云平台可以自动对电涌保护器的健康状况和寿命状态进行评估和预测，无需人工干预。这样可以降低人力成本并提高管理效率；通过基于统计模型的寿命预测，云平台可以提前发现电涌保护器的潜在故障和老化问题，并及时提供维护和更换建议。这样可以避免设备突发故障带来的停机损失和安全风险；云平台可以将处理结果和监测数据共享给相关的管理人员和技术人员，使他们能够随时随地远程监测电涌保护器的状态，并进行决策和调整。同时，多次分段可以将大规模的监测数据分割成更小的数据块，使得每个数据块的处理任务更加轻量化和高效化。通过并行处理这些分段数据，可以同时利用多个计算资源进行处理，大幅度提升整体的数据处理效率；通过并行处理和优化调度，可以将计算资源充分利用起来。无论是在单台计算机上使用多个处理单元，还是在分布式计算环境中利用多个节点进行处理，都能够实现资源的最大化利用，提高系统的整体性能；通过对分段数据进行并行处理，可以将处理任务分配给不同的处理单元或节点。这样可以实现任务的平衡性，避免某些处理单元负载过重，同时也可以根据任务的优先级进行调度，确保重要任务的及时完成；多次分段和并行处理可以减少数据处理的延迟，使得结果能够更快地产生。特别是对于需要实时监测和决策的应用场景，能够及时地获取处理结果，以便做出相应的行动；通过多次分段和并行处理，系统具备了较好的可扩展性和灵活性。可以根据需求增加或减少处理单元，根据数据量大小动态调整分段策略，以适应不同规模和复杂度的监测数据处理任务。通过上述公式，可以实时监测处理单元或进程的资源用量，并根据计算出来的使用量进行资源调度，以保证每个资源合理利用，且资源使用最大化。这样可以有效提高并行处理的效率和速度，减少资源的浪费。
本发明的一个实施例，所述基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换；包括：
S41：根据健康状况和寿命状态的判断结果，生成所述电涌保护器的状态评估报告以及维修建议；
S42：通过预计机制将所述评估报告以及所述评估建议反馈给用户，所述用户接收到所述评估报告以及维修建议后，采取相应的行动。若报告建议进行维护措施，则进行清洁、检查连接等操作；若建议进行更换措施，则可以考虑更换元件或整个电涌保护器。
上述技术方案的工作原理为：通过传感器等设备对电涌保护器进行监测，获取其运行状态和相关参数的数据；基于收集到的监测数据，使用深度学习算法和统计模型对电涌保护器的健康状况和寿命状态进行判断和评估。这些模型可以通过训练来识别异常、故障和老化的特征，并将其与预设的阈值进行比较；根据健康状况和寿命状态的判断结果，生成电涌保护器的状态评估报告。该报告会提供详细的健康状况和寿命状态的描述，以及可能存在的问题和风险；结合电涌保护器的状态评估报告，系统会提供相应的维修建议。维修建议可能包括清洁、检查连接、更换元件或整个电涌保护器等措施；根据评估报告和维修建议，系统会通过预警机制向用户发送预警信息。用户接收到评估报告和维修建议后，可以采取相应的行动。如果报告建议进行维护措施，用户可以进行清洁、检查连接等操作；如果建议进行更换措施，用户可以考虑更换元件或整个电涌保护器。
上述技术方案的效果为：通过监测电涌保护器的健康状况和寿命状态，系统可以提前发现潜在问题和风险。这样可以避免设备故障对正常运行造成的影响，并减少维修和更换的紧急情况发生；根据健康状况和寿命状态的判断结果，生成电涌保护器的状态评估报告和维修建议。这些报告和建议提供了详细的信息，使用户能够全面了解电涌保护器的状况，并能够采取相应的维护或更换措施；针对不同的评估建议，系统会提供相应的操作指导。如果报告建议进行维护措施，用户可以进行清洁、检查连接等操作；如果建议进行更换措施，用户可以考虑更换元件或整个电涌保护器。这样用户可以根据具体的情况采取正确的操作，提高维护的效果；通过定期的健康状况和寿命状态评估，用户可以及时采取维护措施，延长电涌保护器的使用寿命。这样可以避免因老化或损坏导致的设备故障，并节约更换设备的成本；电涌保护器是保护电子设备免受电涌干扰和损害的重要组件。通过及时维护和更换，可以确保电涌保护器的正常运行和有效保护，提高系统的可靠性和稳定性。
本发明的一个实施例，一种电涌保护器的寿命监测系统，所述系统包括：
数据采集模块：在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；所述电力数据包括电压、电流、功率以及能耗；所述关键参数包括工作电压以及电涌电流；将采集到的所述电力数据以及所述关键参数发送至边缘设备；
数据预处理模块：通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；
数据处理模块：所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；
预警模块：基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换。
上述技术方案的工作原理为：在电力系统中安装传感器，通过传感器实时监测电力数据，包括电压、电流、功率以及能耗。同时，传感器还监测电涌保护器的关键参数，包括工作电压和电涌电流；传感器采集到的电力数据和关键参数通过边缘设备进行预处理，获得预处理后的监测数据。预处理后的监测数据被传输至云平台进行进一步处理和分析；云平台接收到监测数据后，对数据进行分段存储，并利用深度学习算法对数据进行处理。通过统计模型，判断电涌保护器的健康状况和寿命状态。这些判断可以基于历史数据和已知的故障模式进行；根据电涌保护器的健康状况和寿命状态，系统通过预警机制提醒用户进行维护或更换。用户可以根据预警信息及时采取行动，确保电涌保护器的正常工作和系统的稳定运行。
上述技术方案的效果为：通过安装传感器并实时监测电力数据和关键参数，可以及时获取电涌保护器的工作状态和性能指标，有效避免潜在故障或损坏风险；通过边缘设备对采集到的数据进行预处理，可以提取有用的监测信息，并将预处理后的数据传输至云平台，为后续的深度学习算法处理和分析做准备；云平台利用深度学习算法对分段存储的监测数据进行处理，通过统计模型判断电涌保护器的健康状况和寿命状态。这样可以提前发现潜在的问题，并采取相应的维护措施，避免故障发生；基于电涌保护器的健康状况和寿命状态，系统通过预警机制提醒用户进行维护或更换。这有助于及时处理有故障风险的保护器，确保电力系统的正常运行和安全性；通过对电涌保护器的实时监测和健康状态判断，可以提高电力系统的稳定性和可靠性。及时维护和更换保护器可有效降低故障风险，减少停机时间和维修成本。
本发明的一个实施例，所述数据采集模块，包括：
选择模块；根据需要监测的电力数据以及电涌保护器的关键参数，进行传感器选择；所述传感器包括电压传感器、电流传感器、功率传感器以及能耗传感器；
安装模块：对所述传感器进行安装，并物联网将所述传感器与所述边缘设备进行连接；
传输模块：将所述传感器采集到的所述电力数据以及关键参数通过有线或无线方式传输至边缘设备。
上述技术方案的工作原理为：根据需要监测的电力数据和电涌保护器的关键参数，选择相应的传感器。例如，可选择电压传感器、电流传感器、功率传感器以及能耗传感器；对选定的传感器进行安装，将其与电涌保护器连接，并通过物联网技术将传感器与边缘设备进行连接；采集到的电力数据和关键参数通过有线或无线方式传输至边缘设备。在此过程中，传感器实时监测电力数据和电涌保护器的关键参数，并将采集到的数据发送至边缘设备；边缘设备对接收到的数据进行预处理，例如清洗、去噪、滤波等，以便后续的深度学习算法处理和分析；预处理后的数据传输至云平台，为后续的深度学习算法处理和分析做准备；云平台利用深度学习算法对分段存储的监测数据进行处理，通过统计模型判断电涌保护器的健康状况和寿命状态；基于电涌保护器的健康状况和寿命状态，系统通过预警机制提醒用户进行维护或更换。
上述技术方案的效果为：通过在电力系统中安装传感器，能够实时监测电力数据和电涌保护器的关键参数，及时掌握电力设备的运行状态；传感器选择涵盖了电压、电流、功率以及能耗等多个方面，能够全面监测电力设备的运行情况；传感器采集到的数据送至边缘设备进行预处理，数据质量更高，能够减少错误判断和误报警情况的发生；传感器的实时监测和数据采集能够帮助企业快速发现设备故障，提高维修效率和设备利用率；根据深度学习算法对分段存储的监测数据进行处理，判断电涌保护器的健康状况和寿命状态，通过预警机制提醒用户进行维护或更换，从而降低维修成本和风险。
本发明的一个实施例，所述数据预处理模块，包括：
数据过滤模块：通过所述边缘设备对所述电力数据以及关键参数进行数据过滤，并去除无效以及异常数据；
标注化处理模块：对进行过数据过滤，并去除无效以及异常数据的所述电力数据以及关键参数进行数据校正并进行标准化处理；所述标准化处理的方法包括：
通过公式计算出所述电力数据以及关键参数中每个属性的标准差，在通过/>公式对数据进行标准化处理。其中，/>表示第i个属性值，n表示属性的个数；
数据压缩模块：对标准化处理后的所述电力数据以及关键参数进行降噪处理，并通过压缩算法对进行降噪处理后的电力数据以及关键参数进行压缩，获得监测数据；
数据聚合模块：将所述监测数据进行聚合，并将聚合后监测数据通过有线或无线方式传输至云平台。
上述技术方案的工作原理为：边缘设备对接收到的电力数据和关键参数进行数据过滤，去除无效和异常数据，确保传输给云平台的数据质量高，减少对云计算资源的消耗；经过数据过滤后的电力数据和关键参数进行数据校正和标准化处理，使得数据具有一致性和可比性，方便后续的数据分析和处理；对标准化处理后的电力数据和关键参数进行降噪处理，去除噪声干扰，提升数据的准确性。随后，通过压缩算法对降噪处理后的数据进行压缩，减小数据体积，降低传输成本和延迟；将处理后的监测数据进行聚合，将多个数据点合并为一个，降低数据量和计算复杂度，以减少对网络带宽和云平台计算资源的需求；聚合后的监测数据通过有线或无线方式传输至云平台，供后续的数据存储、分析和决策使用。聚合可以降低数据量以及计算复杂度。
上述技术方案的效果为：通过边缘设备对电力数据进行预处理，可以在边缘端完成数据过滤、校正和标准化等操作，减少数据传输到云平台的量，降低传输延迟和成本，提高传输效率；通过数据过滤、校正和标准化等操作，能够去除无效和异常数据，提高数据质量和可用性，使得后续的数据处理更加准确和可靠；通过降噪处理和压缩算法，可以减小数据体积，降低对网络带宽和云平台计算资源的需求，节约计算资源，提高系统性能；通过对监测数据进行聚合，可以降低数据量和计算复杂度，减少对网络带宽和云平台计算资源的需求，提高数据处理效率和系统性能；通过将数据预处理和传输至边缘设备进行实时响应，可以快速响应电力系统的变化，及时采取措施，提高电力系统的稳定性和安全性。同时，第一次压缩操作通过采用压缩算法，可以减小电力数据和关键参数的体积，从而降低传输所需的带宽和存储成本。这有助于提高数据传输的效率，并节省网络资源；由于第一次压缩操作降低了数据的体积，传输所需的时间也相应减少。这样可以减少数据在传输过程中的延迟，并使得监测数据更快地到达云平台，实现实时的数据分析和处理；第二次聚合操作将多个数据点合并为一个，减少了数据量和计算复杂度。这样可以降低云平台的计算负载，提高计算效率，并节省计算资源的使用；第一次压缩操作减小了数据的体积，从而降低了存储所需的空间。这样可以减少云平台上的存储成本，使得大规模的电力数据和关键参数能够更加经济地被保存和管理；第二次聚合操作将多个数据点合并为一个，可以降低数据的复杂性和维度，使得后续的数据分析和决策更加简化。这有助于提高数据分析的效率和准确性，同时降低了数据处理的复杂性。通过上述公式进行数据过滤、校正、标准化、降噪、压缩以及聚合和传输等处理步骤，可以提高电力数据和关键参数的质量和准确性，方便后续的数据分析和应用。同时，这些处理方法还可以节省存储和传输资源，提高数据处理的效率和性能。通过边缘设备对电力数据和关键参数进行数据过滤，可以去除无效和异常数据。这样可以提高数据的准确性和可靠性，避免错误数据对后续处理和分析产生影响；通过对数据进行校正和标准化处理，可以消除数据之间的偏差和差异。标准化处理可以使数据具有相同的尺度和范围，方便后续的分析和比较。同时，计算每个属性的标准差可以提供数据分布的信息，帮助用户了解数据的变化情况；对标准化后的电力数据和关键参数进行降噪处理可以去除不必要的噪声和干扰，提高数据的质量和可信度。通过压缩算法对降噪处理后的数据进行压缩，可以减少数据的存储和传输成本，提高效率；将经过处理的监测数据进行聚合，可以将多个数据源的数据合并为一个整体，方便后续的分析和处理。通过有线或无线方式将聚合后的监测数据传输至云平台，可以实现数据的远程监测和管理，提高数据的可访问性和利用价值。
本发明的一个实施例，所述数据处理模块，包括：
数据分段模块：所述云平台接收到所述监测数据后，根据时间窗口对所述监测数据进行分段存储至不同的存储空间内，再通过所述监测数据类型将所述监测数据存储在所述存储空间内不同的子空间内；
任务划分模块：将不同子空间内的所述监测数据划分为多个数据块，每个数据块表示一个处理任务；
并行处理模块：通过处理单元或进程对所述数据块进行并行处理，并实时监测所述处理单元或进程的资源用量，通过调度算法对所述资源进行调度；保证每个资源合理利用，且资源使用最大化；所述资源使用量的计算公式为：
；
其中，所述g表示数据块编号；G表示总数据块数；表示第j个处理单元的硬件资源容量；/>表示第j个处理单元的当前资源利用率；N表示处理单元总数；L表示数据块大小；
数据合并模块：并行处理完毕后通过合并算法，将计算结果合并为整体结果；
状态判断模块：通过机器学习算法对所述整体结果进行分类或回归，并通过与预设阈值进行比较，来判断所述电涌保护器的健康状态；
状态预测模块：基于统计模型，对所述电涌保护器的使用时间、工作状态等进行分析和建模，预测其寿命状态。
上述技术方案的工作原理为：云平台接收到监测数据后，根据时间窗口将数据进行分段存储。这意味着将数据按照时间划分成不同的片段，并存储在不同的存储空间的子空间中。这样可以方便后续的处理和管理；每个子空间内的监测数据被划分为多个数据块，每个数据块表示一个处理任务。这样可以将数据并行处理，提高处理效率和速度；通过处理单元或进程对数据块进行并行处理，并实时监测资源的使用情况。调度算法用于对资源进行调度，确保处理任务的平衡性和优先级；并行处理完成后，通过合并算法将各个处理单元或进程的计算结果合并为整体结果。这样可以保证数据的完整性和一致性；利用机器学习算法对整体结果进行分类或回归分析。通过与预设阈值进行比较，可以判断电涌保护器的健康状态。例如，可以将结果分为正常、异常等类别，或者评估电涌保护器的剩余寿命；基于统计模型，对电涌保护器的使用时间、工作状态等进行分析和建模。这样可以预测电涌保护器的寿命状态，提供预测性维护和管理建议。
上述技术方案的效果为：通过将监测数据进行分段存储和处理，可以更加准确地捕捉电涌保护器的状态变化，避免因为数据量过大而导致信息丢失或模糊；云平台可以实时接收和处理监测数据，通过并行处理和优化调度，能够在短时间内完成处理任务，及时反馈电涌保护器的健康状况，以便采取相应的措施；利用深度学习算法和统计模型，云平台可以自动对电涌保护器的健康状况和寿命状态进行评估和预测，无需人工干预。这样可以降低人力成本并提高管理效率；通过基于统计模型的寿命预测，云平台可以提前发现电涌保护器的潜在故障和老化问题，并及时提供维护和更换建议。这样可以避免设备突发故障带来的停机损失和安全风险；云平台可以将处理结果和监测数据共享给相关的管理人员和技术人员，使他们能够随时随地远程监测电涌保护器的状态，并进行决策和调整。同时，多次分段可以将大规模的监测数据分割成更小的数据块，使得每个数据块的处理任务更加轻量化和高效化。通过并行处理这些分段数据，可以同时利用多个计算资源进行处理，大幅度提升整体的数据处理效率；通过并行处理和优化调度，可以将计算资源充分利用起来。无论是在单台计算机上使用多个处理单元，还是在分布式计算环境中利用多个节点进行处理，都能够实现资源的最大化利用，提高系统的整体性能；通过对分段数据进行并行处理，可以将处理任务分配给不同的处理单元或节点。这样可以实现任务的平衡性，避免某些处理单元负载过重，同时也可以根据任务的优先级进行调度，确保重要任务的及时完成；多次分段和并行处理可以减少数据处理的延迟，使得结果能够更快地产生。特别是对于需要实时监测和决策的应用场景，能够及时地获取处理结果，以便做出相应的行动；通过多次分段和并行处理，系统具备了较好的可扩展性和灵活性。可以根据需求增加或减少处理单元，根据数据量大小动态调整分段策略，以适应不同规模和复杂度的监测数据处理任务。通过上述公式，可以实时监测处理单元或进程的资源用量，并根据计算出来的使用量进行资源调度，以保证每个资源合理利用，且资源使用最大化。这样可以有效提高并行处理的效率和速度，减少资源的浪费。
本发明的一个实施例，所述预警模块，包括：
建议生成模块：根据健康状况和寿命状态的判断结果，生成所述电涌保护器的状态评估报告以及维修建议；
措施处理模块：通过预计机制将所述评估报告以及所述评估建议反馈给用户，所述用户接收到所述评估报告以及维修建议后，采取相应的行动。若报告建议进行维护措施，则进行清洁、检查连接等操作；若建议进行更换措施，则可以考虑更换元件或整个电涌保护器。
上述技术方案的工作原理为：通过传感器等设备对电涌保护器进行监测，获取其运行状态和相关参数的数据；基于收集到的监测数据，使用深度学习算法和统计模型对电涌保护器的健康状况和寿命状态进行判断和评估。这些模型可以通过训练来识别异常、故障和老化的特征，并将其与预设的阈值进行比较；根据健康状况和寿命状态的判断结果，生成电涌保护器的状态评估报告。该报告会提供详细的健康状况和寿命状态的描述，以及可能存在的问题和风险；结合电涌保护器的状态评估报告，系统会提供相应的维修建议。维修建议可能包括清洁、检查连接、更换元件或整个电涌保护器等措施；根据评估报告和维修建议，系统会通过预警机制向用户发送预警信息。用户接收到评估报告和维修建议后，可以采取相应的行动。如果报告建议进行维护措施，用户可以进行清洁、检查连接等操作；如果建议进行更换措施，用户可以考虑更换元件或整个电涌保护器。
上述技术方案的效果为：通过监测电涌保护器的健康状况和寿命状态，系统可以提前发现潜在问题和风险。这样可以避免设备故障对正常运行造成的影响，并减少维修和更换的紧急情况发生；根据健康状况和寿命状态的判断结果，生成电涌保护器的状态评估报告和维修建议。这些报告和建议提供了详细的信息，使用户能够全面了解电涌保护器的状况，并能够采取相应的维护或更换措施；针对不同的评估建议，系统会提供相应的操作指导。如果报告建议进行维护措施，用户可以进行清洁、检查连接等操作；如果建议进行更换措施，用户可以考虑更换元件或整个电涌保护器。这样用户可以根据具体的情况采取正确的操作，提高维护的效果；通过定期的健康状况和寿命状态评估，用户可以及时采取维护措施，延长电涌保护器的使用寿命。这样可以避免因老化或损坏导致的设备故障，并节约更换设备的成本；电涌保护器是保护电子设备免受电涌干扰和损害的重要组件。通过及时维护和更换，可以确保电涌保护器的正常运行和有效保护，提高系统的可靠性和稳定性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种电涌保护器的寿命监测方法，其特征在于，所述方法包括：
在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；将采集到的所述电力数据以及所述关键参数发送至边缘设备；
通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；
所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；
基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换；
所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；包括：
所述云平台接收到所述监测数据后，根据时间窗口对所述监测数据进行分段存储至不同的存储空间内，再通过监测数据类型将所述监测数据存储在所述存储空间内不同的子空间内；
将不同子空间内的所述监测数据划分为多个数据块，每个数据块表示一个处理任务；
通过处理单元或进程对所述数据块进行并行处理，并实时监测所述处理单元或进程的资源用量，通过调度算法对所述资源进行调度；
并行处理完毕后通过合并算法，将计算结果合并为整体结果；
通过机器学习算法对所述整体结果进行分类或回归，并通过与预设阈值进行比较，来判断所述电涌保护器的健康状态；
基于统计模型，对所述电涌保护器的使用时间、工作状态进行分析和建模，预测其寿命状态。
2.根据权利要求1所述一种电涌保护器的寿命监测方法，其特征在于，所述在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；将采集到的所述电力数据以及所述关键参数发送至边缘设备；包括：
根据需要监测的电力数据以及电涌保护器的关键参数，进行传感器选择；
对所述传感器进行安装，并物联网将所述传感器与所述边缘设备进行连接；
将所述传感器采集到的所述电力数据以及关键参数通过有线或无线方式传输至边缘设备。
3.根据权利要求1所述一种电涌保护器的寿命监测方法，其特征在于，所述通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；包括：
通过所述边缘设备对所述电力数据以及关键参数进行数据过滤，并去除无效以及异常数据；
对进行过数据过滤，并去除无效以及异常数据的所述电力数据以及关键参数进行数据校正并进行标准化处理；
对标准化处理后的所述电力数据以及关键参数进行降噪处理，并通过压缩算法对进行降噪处理后的电力数据以及关键参数进行压缩，获得监测数据；
将所述监测数据进行聚合，并将聚合后监测数据通过有线或无线方式传输至云平台。
4.根据权利要求1所述一种电涌保护器的寿命监测方法，其特征在于，所述基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换；包括：
根据健康状况和寿命状态的判断结果，生成所述电涌保护器的状态评估报告以及维修建议；
通过预计机制将所述评估报告以及维修建议反馈给用户，所述用户接收到所述评估报告以及维修建议后，采取相应的行动。
5.一种电涌保护器的寿命监测系统，其特征在于，所述系统包括：
数据采集模块：在电力系统中安装传感器，通过所述传感器实时监测电力数据，并通过传感器对电涌保护器的关键参数进行监测；将采集到的所述电力数据以及所述关键参数发送至边缘设备；
数据预处理模块：通过所述边缘设备对接收到的所述电力数据以及关键参数进行预处理，获得预处理后的监测数据；将预处理后的监测数据传输至云平台；
数据处理模块：所述云平台接收到所述监测数据后，对所述监测数据进行分段存储，并通过深度学习算法对分段存储的监测数据进行处理，并基于处理结果通过统计模型判断所述电涌保护器的健康状况以及寿命状态；
预警模块：基于所述电涌保护器的健康状况以及寿命状态，通过预警机制提醒用户对所述电涌保护器进行维护或更换；
所述数据处理模块，包括：
数据分段模块：所述云平台接收到所述监测数据后，根据时间窗口对所述监测数据进行分段存储至不同的存储空间内，再通过监测数据类型将所述监测数据存储在所述存储空间内不同的子空间内；
任务划分模块：将不同子空间内的所述监测数据划分为多个数据块，每个数据块表示一个处理任务；
并行处理模块：通过处理单元或进程对所述数据块进行并行处理，并实时监测所述处理单元或进程的资源用量，通过调度算法对所述资源进行调度；
数据合并模块：并行处理完毕后通过合并算法，将计算结果合并为整体结果；
状态判断模块：通过机器学习算法对所述整体结果进行分类或回归，并通过与预设阈值进行比较，来判断所述电涌保护器的健康状态；
状态预测模块：基于统计模型，对所述电涌保护器的使用时间、工作状态进行分析和建模，预测其寿命状态。
6.根据权利要求5所述一种电涌保护器的寿命监测系统，其特征在于，所述数据采集模块，包括：
选择模块；根据需要监测的电力数据以及电涌保护器的关键参数，进行传感器选择；
安装模块：对所述传感器进行安装，并物联网将所述传感器与所述边缘设备进行连接；
传输模块：将所述传感器采集到的所述电力数据以及关键参数通过有线或无线方式传输至边缘设备。
7.根据权利要求5所述一种电涌保护器的寿命监测系统，其特征在于，所述数据预处理模块，包括：
数据过滤模块：通过所述边缘设备对所述电力数据以及关键参数进行数据过滤，并去除无效以及异常数据；
标注化处理模块：对进行过数据过滤，并去除无效以及异常数据的所述电力数据以及关键参数进行数据校正并进行标准化处理；
数据压缩模块：对标准化处理后的所述电力数据以及关键参数进行降噪处理，并通过压缩算法对进行降噪处理后的电力数据以及关键参数进行压缩，获得监测数据；
数据聚合模块：将所述监测数据进行聚合，并将聚合后监测数据通过有线或无线方式传输至云平台。
8.根据权利要求5所述一种电涌保护器的寿命监测系统，其特征在于，所述预警模块，包括：
建议生成模块：根据健康状况和寿命状态的判断结果，生成所述电涌保护器的状态评估报告以及维修建议；
措施处理模块：通过预计机制将所述评估报告以及维修建议反馈给用户，所述用户接收到所述评估报告以及维修建议后，采取相应的行动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410197410.3A CN117761444B (zh) | 2024-02-22 | 2024-02-22 | 一种电涌保护器的寿命监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410197410.3A CN117761444B (zh) | 2024-02-22 | 2024-02-22 | 一种电涌保护器的寿命监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117761444A CN117761444A (zh) | 2024-03-26 |
| CN117761444B true CN117761444B (zh) | 2024-04-30 |
Family
ID=90326118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410197410.3A Active CN117761444B (zh) | 2024-02-22 | 2024-02-22 | 一种电涌保护器的寿命监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117761444B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117978678A (zh) * | 2024-03-29 | 2024-05-03 | 杭州汉超科技有限公司 | 一种通信机柜的远程监测方法、系统、设备以及介质 |
| CN118075269B (zh) * | 2024-04-17 | 2024-07-30 | 浙江星汉信息技术股份有限公司 | 一种基于边缘计算的数据处理方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004102431A1 (en) * | 2003-05-16 | 2004-11-25 | Crux Cybernetics Pty Ltd | A system for scheduling at least one task having a plurality of activities to be performed by one or more users of the system |
| CN112363029A (zh) * | 2020-10-31 | 2021-02-12 | 国网天津市电力公司 | 一种设备电晕放电在线监测系统及其监测方法 |
| CN113689013A (zh) * | 2021-08-27 | 2021-11-23 | 国网新疆电力有限公司吐鲁番供电公司 | 一种变压器智能监测与运维系统 |
| CN117134490A (zh) * | 2023-07-31 | 2023-11-28 | 上海大学 | 一种基于云平台的智能电涌保护器监测系统及其方法 |
| CN117389742A (zh) * | 2023-11-10 | 2024-01-12 | 深圳市天鹤科技有限公司 | 一种用于机器视觉的边缘计算方法、装置及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220019367A1 (en) * | 2017-04-21 | 2022-01-20 | Pure Storage, Inc. | Migrating Data In And Out Of Cloud Environments |
| CN117609716A (zh) * | 2023-10-30 | 2024-02-27 | 广州发展南沙电力有限公司 | 基于状态健康信息的电力设备剩余寿命远程预测方法及系统 |
-
2024
- 2024-02-22 CN CN202410197410.3A patent/CN117761444B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004102431A1 (en) * | 2003-05-16 | 2004-11-25 | Crux Cybernetics Pty Ltd | A system for scheduling at least one task having a plurality of activities to be performed by one or more users of the system |
| CN112363029A (zh) * | 2020-10-31 | 2021-02-12 | 国网天津市电力公司 | 一种设备电晕放电在线监测系统及其监测方法 |
| CN113689013A (zh) * | 2021-08-27 | 2021-11-23 | 国网新疆电力有限公司吐鲁番供电公司 | 一种变压器智能监测与运维系统 |
| CN117134490A (zh) * | 2023-07-31 | 2023-11-28 | 上海大学 | 一种基于云平台的智能电涌保护器监测系统及其方法 |
| CN117389742A (zh) * | 2023-11-10 | 2024-01-12 | 深圳市天鹤科技有限公司 | 一种用于机器视觉的边缘计算方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117761444A (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117761444B (zh) | 一种电涌保护器的寿命监测方法及系统 | |
| CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN116345700B (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
| CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
| CN111262750B (zh) | 一种用于评估基线模型的方法及系统 | |
| CN117347869B (zh) | 储能电池管理系统数据分析方法、装置、电子设备及介质 | |
| CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
| CN113992602B (zh) | 一种电缆监测数据上传方法、装置、设备以及存储介质 | |
| CN117607780A (zh) | 一种电能计量装置异常分析系统及其分析方法 | |
| CN117422447A (zh) | 变压器维护策略生成方法、系统、电子设备及存储介质 | |
| CN118203260A (zh) | 一种基于智能分析的吸尘器状态评估方法及系统 | |
| CN117930718A (zh) | 基于大数据的设备运行状态监测预警方法及系统 | |
| CN118035814A (zh) | 基于数字孪生场域数据分析设备状态故障预警方法及系统 | |
| CN116488351A (zh) | 一种基于物联网的低压配电箱远程监控方法和系统 | |
| JP2022535442A (ja) | 産業オートメーション制御システムまたは電力システムからのデータの保存を促進するための方法および装置 | |
| CN118152970B (zh) | 一种基于边缘计算算法的设备状态趋势感知方法 | |
| CN118152784B (zh) | 模块化变电站设备数据特征提取方法 | |
| CN118232506B (zh) | 一种节能自动售货机用ups电源智能管理方法及系统 | |
| CN118400835A (zh) | 基于深度学习的led驱动电源故障预警方法及系统 | |
| CN118607799A (zh) | 基于物联网的企业能源采集与碳排放智能管理系统 | |
| CN110796282A (zh) | 一种基于相关性系数的行业波动周期监测方法 | |
| CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
| CN118445170B (zh) | 一种基于物联网的智能防误系统 | |
| CN117990976B (zh) | 一种智能电表用电监控方法及系统 | |
| CN118054753A (zh) | 一种光伏信息监控方法、系统、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |