摘要
本发明公开了一种基于多数据融合的开关柜监测方法及系统,涉及开关柜监控技术领域,解决了现有技术中将开关柜视为整体来考虑是否基于温度进行告警,并未考虑开关柜内部各部件之间的温度关联程度的问题。本发明首先结合开关柜体内各部件的类型、运行数据、环境温度数据、自身温度数据以及邻接温度数据训练各类型的部件自身温度数据预测模型;然后基于此预测各部件的自身温度数据;最后将各部件预测的自身温度数据与预先设定的安全温度范围进行对比,若在安全温度范围之外则发出告警信号。在温度预测的过程中,本发明充分考虑开关柜内部各部件之间的相互影响关系,在温度预测模型中考虑其周围的部件所带来的影响,提高了部件温度预测的精确程度。
技术关键词
数据预测模型
开关柜监控技术
神经网络训练
开关柜监测系统
开关柜体
构造开关柜
温度预测模型
训练神经网络
气候
数据采集单元
训练集数据
神经网络模型
处理器
电流
关系
冗余
规模
系统为您推荐了相关专利信息
波形分析方法
血流
血管
构建深度神经网络
离散小波变换
光场模型
移动立方体算法
相机
无人机
神经网络训练
体态信息
监测系统
深度神经网络训练
多重身份认证
智能穿戴设备
无人驾驶车辆
驾驶控制方法
深度强化学习方法
深度神经网络
智能驾驶技术