CN120222270A 一种基于物联网的计量型智能重合闸断路器

(19)国家知识产权局(10)申请公布号CN120222270A(21)申请号202510685837.2(22)申请日2025.05.27(71)申请人上海人民电器开关厂集团有限公司地址200000上海市崇明区港沿公路1230号(74)专利代理机构北京启航嘉知识产权代理有限公司16264专利代理师戴纯箴HO2H1/00(2006.01)(54)发明名称物联网平台(57)摘要本发明公开了一种基于物联网的计量型智能重合闸断路器，涉及电力系统技术领域；本发明通过先提取各时区内各时间点电流数据，筛除最高和最低值后求平均值得到电流综合值，再与上一设定时间窗口的电流比对值计算比值，得出电流变化比例，根据该比例确定调整方向，整合为增加或减少数据集，与预先构建的比例范围集匹配，从而调整下一设定时间窗口各时区的电流参考阈值，这样能适应不同用电时段和设备类型21.一种基于物联网的计量型智能重合闸断路器，其特征在于，包括有物联网平台，其中物联网平台内设置有：计量模块：实时采集电路中的计量数据，并将计量数据传输至保护模块；计量数据包括保护模块：记录设定时间窗口内不同时区的电流数据，并进行评估，确定下一设定时间窗口内电流信号的参考阈值，实时监测电路计量数据中的电流信号，识别电流信号的所处时区并提取对应的参考阈值，当所处时区内某一时间点检测到电流信号超过设定阈值时，判定电路跳闸并触发跳闸信号发送至控制模块；控制模块：接收跳闸信号后，结合历史故障数据对当前触发跳闸信号的计量数据进行分析和评估，并判定当前触发跳闸信号的预估故障类型；其中预估故障类型包括瞬时性故障和永久性故障，基于预估故障类型执行相应的步骤。2.根据权利要求1所述的一种基于物联网的计量型智能重合闸断路器，其特征在于，所述记录设定时间窗口内不同时区的电流数据，并进行评估，具体为：对于设定时间窗口内不同时区的电流数据，提取不同时区内各时间点的电流数据；筛除不同时区内各时间点电流数据中的最高电流值和最低电流值，对剩余各时间点的电流数据求取平均值，得到不同时区所对应的电流综合值；提取上一设定时间窗口内不同时区所对应的电流综合值，记为电流比对值；对属于同一时区内的电流综合值和电流比对值之间进行比值计算，以电流综合值为分子，电流比对值为分母计算比值，得到不同时区的电流变化比例。3.根据权利要求2所述的一种基于物联网的计量型智能重合闸断路器，其特征在于，所述确定下一设定时间窗口内电流信号的参考阈值，具体为：将不同时区的电流变化比例与整数一进行比对，判定调整反向，若某一时区的电流变化比例大于整数一，则调整反向为增加方向，反之则调整方向为减少方向；将不同时区的电流变化比例按照不同调整方向整合为增加数据集和减少数据集，预先构建一个比例范围集，比例范围集内包含增加方向所对应的各组电流变化比例所处区间以及减少方向所对应的各组电流变化比例所处区间，每组电流变化比例所处区间分别对应一个调整百分比；将增加数据集与比例范围集内增加方向所对应的各组电流变化比例所处区间进行匹配，确定增加数据集内各时区在下一设定时间窗口的调整百分比，提取各时区的参考阈值并根据确定的调整百分比进行提高，作为下一设定时间窗口各时区调整后的参考阈值；将减少数据集与比例范围集内减少方向所对应的各组电流变化比例所处区间进行匹配，确定减少数据集内各时区在下一设定时间窗口的调整百分比，提取各时区的参考阈值并根据确定的调整百分比进行减少，作为下一设定时间窗口各时区调整后的参考阈值。4.根据权利要求3所述的一种基于物联网的计量型智能重合闸断路器，其特征在于，所述对当前触发跳闸信号的计量数据进行分析和评估，具体为：S1:预设触发跳闸信号后的数据收集时间窗口，在数据收集时间窗口内获取电路的电S2:对于数据收集时间窗口内的电压，依据中间时间点将数据收集时间窗口划分为前窗口和后窗口；提取后窗口内各时间点的电压，并3预设电路的电压参考值，以电压参考值为分子，后窗均值为分母进行比值计算后，将计算的比值与整数一进行差值计算，并取绝对值得到电路在数据收集时间窗口内的电压置信S3:对于数据收集时间窗口内的电流，提取电流所对应的参考阈值，构建折线图，绘制参考阈值对应在折线图内的阈值线以及数据收集时间窗口内各时间点电流对应在折线图内的数值点；识别折线图内高于阈值线的数值点数量，判定为异常数值点，统计异常数值点的数量记为电流异常个数，计算电流异常个数在数值点数量中的占比，记为个数比；识别各组异常数值点中电流最高的异常数值点并作为基准点，从基准点出发，构建到X轴之间的垂直线段，并获取垂直线段的长度作为峰长，计算峰长与参考线长之间的比值，记为线长比；其中参考线长为阈值线与X轴之间的垂直距离；即通过以峰长为分子，参考线长为分母计算得到；对于数据收集时间窗口内所计算的得到的个数比和线长比，进行归一化处理后，分别与对应预设的权重系数相乘，然后求和得到电路在数据收集时间窗口内的电流置信值；S4:预设有功功率和频率所分别对应的参考阈值，并同理步骤S3计算电路在数据收集时间窗口内的功率置信值和频率置信值。5.根据权利要求4所述的一种基于物联网的计量型智能重合闸断路器，其特征在于，所述对当前触发跳闸信号的计量数据进行分析和评估，还包括：S5:提取电路在数据收集时间窗口内的电流置信值、功率置信值以及频率置信值，并分别标记为rea、reb以及rec;行加权计算得到电路对应当前触发跳闸信号的故障判断指数；其中α₁α2α3分别为电流置信值、功率置信值以及频率置信值所分别对应的权重系数；μ为附加系数，具体取值由电压置信值的数值大小进行转化得到。6.根据权利要求5所述的一种基于物联网的计量型智能重合闸断路器，其特征在于，所述μ的转化过程为：预设电压置信值所对应的各组置信值所处区间，每组置信值所处区间分别对应一个附加系数值，将电路在数据收集时间窗口内的电压置信值与各组置信值所处区间进行匹配，确定附加系数μ的取值。7.根据权利要求6所述的一种基于物联网的计量型智能重合闸断路器，其特征在于，所述判定当前触发跳闸信号的预估故障类型，具体为：S6:将电路对应当前触发跳闸信号的故障判断指数与预设的指数参考范围进行比对，若电路对应当前触发跳闸信号的故障判断指数高于指数参考范围，则判定预估故障类型为永久性故障，若电路对应当前触发跳闸信号的故障判断指数低于指数参考范围，则判定预估故障类型为瞬时性故障；若电路对应当前触发跳闸信号的故障判断指数处于指数参考范围，则执行步骤S7。4将电路对应当前触发跳闸信号的电压置信值标记为F,通过F二δ计算出各组案例的初步关联值；将各组案例的初步关联值进行从小到大的排序，并从左开始筛选前t组的案例作为初同理绘制电路对应当前触发跳闸信号的电流置信值、功率置从起始点出发构建与各组参考点之间的垂直线段，筛选出垂直线段前三短的初筛案若匹配结果均不一致，则选取垂直线段较短的案例，并将若匹配结果存在一组案例一致，则直接选取，并将选取案若匹配结果存在两组案例一致，则选取垂直线段较短的案例，并将选取案例中的预估若预估故障类型为瞬时性故障，则在设定的延时时间后自5一种基于物联网的计量型智能重合闸断路器技术领域[0001]本发明涉及电力系统技术领域，特别涉及一种基于物联网的计量型智能重合闸断路器。背景技术[0002]在电力供应领域，断路器作为保障电路安全稳定运行的关键设备，其性能优劣直接影响着供电的可靠性与效率。[0003]传统断路器在功能上存在诸多局限性，难以满足现代电力系统日益增长的复杂需通常采用固定的电流阈值来判断电路故障，不能根据实际电路运行情况进行动态调整，在不同的用电时段下，这种静态阈值无法适应电路电流的正常波动，容易造成误判，在工业生产中，设备启动时的瞬间电流较大，会使传统断路器误跳闸，影响生产的连续性；当电路发生故障导致跳闸后，传统断路器难以准确区分瞬时性故障和永久性故障，对于瞬时性故障，若不能及时自动重合闸恢复供电，会造成不必要的停电，影响用户的增加维修成本和停电时间。[0004]为此，推出一种基于物联网的计量型智能重合闸断路器。发明内容[0005]有鉴于此，本发明提供一种基于物联网的计量型智能重合闸断路器，以解决上述背景技术提出的问题。[0006]本发明的目的可以通过以下技术方案实现：一种基于物联网的计量型智能重合闸计量模块：实时采集电路中的计量数据，并将计量数据传输至保护模块；计量数据保护模块：记录设定时间窗口内不同时区的电流数据，并进行评估，确定下一设定时间窗口内电流信号的参考阈值，实时监测电路计量数据中的电流信号，识别电流信号的所处时区并提取对应的参考阈值，当所处时区内某一时间点检测到电流信号超过设定阈值时，判定电路跳闸并触发跳闸信号发送至控制模块；控制模块：接收跳闸信号后，结合历史故障数据对当前触发跳闸信号的计量数据进行分析和评估，并判定当前触发跳闸信号的预估故障类型；其中预估故障类型包括瞬时性故障和永久性故障，基于预估故障类型执行相应的步骤。[0007]在一些实施例中，所述记录设定时间窗口内不同时区的电流数据，并进行评估，具6筛除不同时区内各时间点电流数据中的最高电流值和最低电流值，对剩余各时间点的电流数据求取平均值，得到不同时区所对应的电流综合值；提取上一设定时间窗口内不同时区所对应的电流综合值，记为电流比对值；对属于同一时区内的电流综合值和电流比对值之间进行比值计算，以电流综合值为分子，电流比对值为分母计算比值，得到不同时区的电流变化比例。[0008]在一些实施例中，所述确定下一设定时间窗口内电流信号的参考阈值，具体为：将不同时区的电流变化比例与整数一进行比对，判定调整反向，若某一时区的电流变化比例大于整数一，则调整反向为增加方向，反之则调整方向为减少方向；将不同时区的电流变化比例按照不同调整方向整合为增加数据集和减少数据集，预先构建一个比例范围集，比例范围集内包含增加方向所对应的各组电流变化比例所处区间以及减少方向所对应的各组电流变化比例所处区间，每组电流变化比例所处区间分别对应一个调整百分比；将增加数据集与比例范围集内增加方向所对应的各组电流变化比例所处区间进行匹配，确定增加数据集内各时区在下一设定时间窗口的调整百分比，提取各时区的参考阈值并根据确定的调整百分比进行提高，作为下一设定时间窗口各时区调整后的参考阈将减少数据集与比例范围集内减少方向所对应的各组电流变化比例所处区间进行匹配，确定减少数据集内各时区在下一设定时间窗口的调整百分比，提取各时区的参考阈值并根据确定的调整百分比进行减少，作为下一设定时间窗口各时区调整后的参考阈[0009]在一些实施例中，所述对当前触发跳闸信号的计量S1:预设触发跳闸信号后的数据收集时间窗口，在数据收集时间窗口内获取电路S2:对于数据收集时间窗口内的电压，依据中间时间点将数据收集时间窗口划分为前窗口和后窗口；提取后窗口内各时间点的电压，并分别求取平均值后，得到后窗均值；预设电路的电压参考值，以电压参考值为分子，后窗均值为分母进行比值计算后，将计算的比值与整数一进行差值计算，并取绝对值得到电路在数据收集时间窗口内的电压置信值；S3:对于数据收集时间窗口内的电流，提取电流所对应的参考阈值，构建折线图，绘制参考阈值对应在折线图内的阈值线以及数据收集时间窗口内各时间点电流对应在折线图内的数值点；识别折线图内高于阈值线的数值点数量，判定为异常数值点，统计异常数值点的数量记为电流异常个数，计算电流异常个数在数值点数量中的占比，记为个数比；识别各组异常数值点中电流最高的异常数值点并作为基准点，从基准点出发，构建到X轴之间的垂直线段，并获取垂直线段的长度作为峰长，计算峰长与参考线长之间的比线长为分母计算得到；对于数据收集时间窗口内所计算的得到的个数比和线长比，进行归一化处理后，分别与对应预设的权重系数相乘，然后求和得到电路在数据收集时间窗口内的电流置信7S4:预设有功功率和频率所分别对应的参考阈值，并同理步骤S3计算电路在数据收集时间窗口内的功率置信值和频率置信值。[0010]在一些实施例中，所述对当前触发跳闸信号的计量数据进行分析和评估，还S5:提取电路在数据收集时间窗口内的电流置信值、功率置信值以及频率置信值，并分别标记为rea、reb以及rec;标记完成进行归一化处理后，代入公式进行加权计算得到电路对应当前触发跳闸信号的故障判断指数；其中α1α2、α3分别为电流置信值、功率置信值以及频率置信值所分别对应的权重系数；μ为附加系数，具体取值由电压置信值的数值大小进行转化得到。预设电压置信值所对应的各组置信值所处区间，每组置信值所处区间分别对应一个附加系数值，将电路在数据收集时间窗口内的电压置信值与各组置信值所处区间进行匹S6:将电路对应当前触发跳闸信号的故障判断指数与预设的指数参考范围进行比对，若电路对应当前触发跳闸信号的故障判断指数高于指数参考范围，则判定预估故障类型为永久性故障，若电路对应当前触发跳闸信号的故障判断指数低于指数参考范围，则判定预估故障类型为瞬时性故障；若电路对应当前触发跳闸信号的故障判断指数处于指数参考范围，则执行步骤S7:构建历史数据库，记录每个触发跳闸信号的历史案例，包括各组置信值、预估故障类型、实际故障类型、故障发生时间以及故从每个触发跳闸信号的历史案例中提取各组案例所分别对应的电压置信值，记为将电路对应当前触发跳闸信号的电压置信值标记为F,通过F-δP计算出各组案例的初步关联值；将各组案例的初步关联值进行从小到大的排序，并从左开始筛选前t组的案例作为初筛案例；其中t>5,对于各组初筛案例，预先构建一个三维空间坐标系，以电流置信值、功率置信值以及频率置信值分别作为X轴、Y轴以及Z轴上的数值，并绘制对应在三维空间坐标系内的三维坐标点，作为参考点；同理绘制电路对应当前触发跳闸信号的电流置信值、功率置信值以及频率置信值对应在三维空间坐标系内的三维坐标点，作为起始点；从起始点出发构建与各组参考点之间的垂直线段，筛选出垂直线段前三短的初筛8案例，并分别提取预估故障类型与实际故障类型进行匹配，若匹配结果均一致，则选取垂直线段较短的案例，并将选取案例中的预估故障类型作为电路对应当前触发跳闸信号的预估故障类型；若匹配结果均不一致，则选取垂直线段较短的案例，并将选取案例中的预估故障类型作为电路对应当前触发跳闸信号的预估故障类型；若匹配结果存在一组案例一致，则直接选取，并将选取案例中的预估故障类型作为电路对应当前触发跳闸信号的预估故障类型；若匹配结果存在两组案例一致，则选取垂直线段较短的案例，并将选取案例中的预估故障类型作为电路对应当前触发跳闸信号的预估故障类型。若预估故障类型为瞬时性故障，则在设定的延时时间后自动尝试合闸，若在设定重合次数后仍合闸失败，则控制断路器锁定并发送排查信令给技术人员；若预估故障类型为永久性故障，则控制断路器锁定并发送排查信令给技术人员。本发明通过先提取各时区内各时间点电流数据，筛除最高和最低值后求平均值得到电流综合值，再与上一设定时间窗口的电流比对值计算比值，得出电流变化比例，根据该比例确定调整方向，整合为增加或减少数据集，与预先构建的比例范围集匹配，从而调整下一设定时间窗口各时区的电流参考阈值，这样能适应不同用电时段和设备类型下电路电流的正常波动，避免传统断路器因静态阈值导致的误跳闸；本发明通过在接收到跳闸信号后，预设数据收集时间窗口获取电路的电压、有功功率、频率以及电流数据，分别计算这些参数的置信值，将这些置信值标记并归一化处理后，代入特定公式计算得到故障判断指数，通过故障判断指数与预设指数参考范围比对，初步判断故障类型；本发明在故障判断指数处于参考范围时，构建历史数据库，记录每个触发跳闸信号的历史案例相关信息，提取历史案例和当前跳闸信号的电压置信值计算初步关联值，排序后筛选前t组案例作为初筛案例，在三维空间坐标轴绘制初筛案例和当前跳闸信号的坐标点，通过比较垂直线段长度筛选案例，并根据预估故障类型与实际故障类型的匹配情况，最终准确判定当前触发跳闸信号的预估故障类型。附图说明[0016]在下面结合附图对于示例性实施例的描述中，本申请的更多细节、特征和优点被图1为本发明的结构框图；图2为本发明的流程图。具体实施方式[0017]下面将参照附图更详细地描述本申请的若干个实施例以便使得本领域技术人员能够实现本申请。本申请可以体现为许多不同的形式和目的并且不应局限于本文所阐述的实施例。提供这些实施例以使得本申请全面且完整，并充分地向本领域技术人员传达本申9请的范围。所述实施例并不限定本申请。[0018]除非另有定义，本文中使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域的普通技术人员所通常理解的相同含义。将进一步理解的是，诸如那些在通常使用的字典中定义的之类的术语应当被解释为具有与其在相关领域和/或本说明书上下文中的含义相一致的含义，并且将不在理想化或过于正式的意义上进行解释，除非本文中明确地如此定义。[0019]请参阅图1所示，一种基于物联网的计量型智能重合闸断路器，包括有物联网平物联网平台内设置有计量模块、保护模块以及控制模块；计量模块内设置有包含高精度计量芯片，用于实时采集电路中的计量数据，并将保护模块用于记录设定时间窗口内不同时区的电流数据，并进行评估，确定下一设定时间窗口内电流信号的参考阈值；根据记录数据的变化，对不同设定时间窗口的参考阈值进行调整和更新；实时监测电路计量数据中的电流信号，识别电流信号的所处时区并提取对应的参考阈值，当所处时区内某一时间点检测到电流信号超过设定阈值时，判定电路跳闸并触发跳闸信号发送至控制模块；补充说明，设定时间窗口可设置为一周，即根据前一周的电流数据，对下一周的参考阈值进行调整，在每个设定时间窗口内，保护模块会精准记录不同时区的电流数据，例如，若设定时间窗口为一周，就会记录这一周内不同时区(如周一至周日)的电流数据；对于设定时间窗口内不同时区的电流数据，提取不同时区内各时间点的电流数筛除不同时区内各时间点电流数据中的最高电流值和最低电流值，对剩余各时间点的电流数据求取平均值，得到不同时区所对应的电流综合值；补充说明，电流综合值表现当前时区内电流的水平表现；提取上一设定时间窗口内不同时区所对应的电流综合值，记为电流比对值；对属于同一时区内的电流综合值和电流比对值之间进行比值计算，以电流综合值为分子，电流比对值为分母计算比值，得到不同时区的电流变化比例；将不同时区的电流变化比例与整数一进行比对，判定调整反向，若某一时区的电流变化比例大于整数一，则调整反向为增加方向，反之则调整方向为减少方向；将不同时区的电流变化比例按照不同调整方向整合为增加数据集和减少数据集，预先构建一个比例范围集，比例范围集内包含增加方向所对应的各组电流变化比例所处区间以及减少方向所对应的各组电流变化比例所处区间，每组电流变化比例所处区间分别对应一个调整百分比；将增加数据集与比例范围集内增加方向所对应的各组电流变化比例所处区间进行匹配，确定增加数据集内各时区在下一设定时间窗口的调整百分比，提取各时区的参考阈值并根据确定的调整百分比进行提高，作为下一设定时间窗口各时区调整后的参考阈将减少数据集与比例范围集内减少方向所对应的各组电流变化比例所处区间进阈值并根据确定的调整百分比进行减少，作为下一设定时间窗口各时区调整后的参考阈增加方向：区间(1,1.1)对应调整百分比为5%;区间[1.1,1.2]对应调整百分比为10%;区间(1.2,+∞)对应调整百分比为15%;减少方向：区间(0.9,1)对应调整百分比为-5%;区间(0.8,0.9)对应调整百分比为-10%;区间(0,0.8)对应调整百分比为-15%;初始参考阈值：由技术人员设定，周一到周日的初始参考阈值分别为[100,110,假设第一周周一到周日各时区记录的电流数据如下(每个时区按每小时记录一周一：[90,92,95,98,100,102,105,108,110,112,115,118,120,122,125,128,周二：[100,102,105,108,110,112,115,118,120,122,125,128,130,132,135,周三：[110,112,115,118,120,122,125,128,130,132,135,138,140,142,145,周四：[120,122,125,128,130,132,135,138,140,142,145,148,150,152,155,周五：[130,132,135,138,140,142,145,148,150,152,155,158,160,162,165,周六：[140,142,145,148,150,152,155,158,160,162,165,168,170,172,175,周日：[150,152,155,158,160,162,165,168,170,172,175,178,180,182,185,周一去掉90和148后，剩余数据的平均值为(92+95+...+145)/22≈119;周二去掉100和158后，剩余数据的平均值为(102+105+...+155)/22≈129;周三去掉110和168后，剩余数据的平均值为(112+115+...+165)/22≈139;11周四去掉120和178后，剩余数据的平均值为(122+125+...+175)/22≈149;周五去掉130和188后，剩余数据的平均值为(132+135+...+185)/22≈159;周六去掉140和198后，剩余数据的平均值为(142+145+...+195)/22≈169;周日去掉150和208后，剩余数据的平均值为(152+155+...+205)/22≈179;[0022]步骤3:计算电流变化比例将第一周各时区的电流综合值与初始参考阈值相比，得到电流变化比例：[0023]步骤4:判定调整方向由于所有时区的电流变化比例都大于1,所以调整方向均为增加方向；[0024]步骤5:确定调整百分比将各时区的电流变化比例与比例范围集内增加方向的区间进行匹配：周一：1.19落在区间(1.1,1.2)内，调整百分比为10%;周二：1.17落在区间(1.1,1.2)内，调整百分比为10%;周三：1.16落在区间(1.1,1.2)内，调整百分比为10%;周四：1.15落在区间(1.1,1.2)内，调整百分比为10%;周五：1.14落在区间[1.1,1.2]内，调整百分比为10%;周六：1.13落在区间(1.1,1.2)内，调整百分比为10%;周日：1.12落在区间[1.1,1.2]内，调整百分比为10%;[0025]步骤6:计算下一设定时间窗口(第二周)各时区调整后的参考阈值[0026]通过以上步骤，根据第一周的电流数据完成了对第二周各时区参考阈值的调整，在后续的时间窗口中，重复上述过程，不断根据实际电流数据调整参考阈值，以更好地适应电路的运行情况；控制模块用于接收跳闸信号后，结合历史故障数据对当前触发跳闸信号的计量数据进行分析和评估，并判定当前触发跳闸信号的预估故障类型；其中预估故障类型包括瞬时性故障和永久性故障，基于预估故障类型执行相应的步骤；控制模块为断路器的核心控制模块，与计量模块、保护模块电连接；重合闸包括电具体为：判定当前触发跳闸信号的预估故障类型，具体为：S1:预设触发跳闸信号后的数据收集时间窗口，在数据收集时间窗口内获取电路S2:对于数据收集时间窗口内的电压，依据中间时间点将数据收集时间窗口划分为前窗口和后窗口；提取后窗口内各时间点的电压，并分别求取平均值后，得到后窗均值；预设电路的电压参考值，以电压参考值为分子，后窗均值为分母进行比值计算后，将计算的比值与整数一进行差值计算，并取绝对值得到电路在数据收集时间窗口内的电压置信值；补充说明，若电压在跳闸瞬间大幅下降且持续处于较低水平，则更倾向于永久性故障；若电压短暂下降后又恢复正常，则倾向于瞬时性故障；通过计算出的电压置信值，若电压置信值越高则对应偏向于永久性故障的可能性越高，反之则偏向于瞬时性故障的可能性越高；S3:对于数据收集时间窗口内的电流，提取电流所对应的参考阈值，构建折线图，绘制参考阈值对应在折线图内的阈值线以及数据收集时间窗口内各时间点电流对应在折线图内的数值点；识别折线图内高于阈值线的数值点数量，判定为异常数值点，统计异常数值点的数量记为电流异常个数，计算电流异常个数在数值点数量中的占比，记为个数比；识别各组异常数值点中电流最高的异常数值点并作为基准点，从基准点出发，构建到X轴之间的垂直线段，并获取垂直线段的长度作为峰长，计算峰长与参考线长之间的比线长为分母计算得到；对于数据收集时间窗口内所计算的得到的个数比和线长比，进行归一化处理后，分别与对应预设的权重系数相乘，然后求和得到电路在数据收集时间窗口内的电流置信补充说明，如果故障瞬间申流幅值非常大.且在短时间内迅速达到峰值，随后很快消失，则更偏向于瞬时性故障；若电流幅值持续维持在较高水平，没有明显下降趋势，则更偏向于是永久性故障；通过计算出的电流置信值，若电流置信值越高则对应偏向于永久性故障的可能性越高，反之则偏向于瞬时性故障的可能性越高；S4:预设有功功率和频率所分别对应的参考阈值，并同理步骤S3计算电路在数据收集时间窗口内的功率置信值和频率置信值；[0027]补充说明，若有功功率在跳闸后迅速恢复正常，则偏向于是瞬时性故障；若有功功率一直处于异常升高状态，则更偏向于是永久性故障；通过计算出的电流置信值，若电流置信值越高则对应偏向于永久性故障的可能性越高，反之则偏向于瞬时性故障的可能性越若频率在跳闸后迅速恢复正常，则偏向于是瞬时性故障；若频率持续异常升高，则更偏向于是永久性故障；通过计算出的电流置信值，若电流置信值越高则对应偏向于永久性故障的可能性越高，反之则偏向于瞬时性故障的可能性越高；进行加权计算得到电路对应当前触发跳闸信别对应的权重系数，且α₁>α₂>α₃;μ为附加系数，具体取值由电压置信值的数值大小进例如，某一组置信值所处区间设定为(0-0.01),则该区间对应的附加系数值此时S6:将电路对应当前触发跳闸信号的故障判断指数与预设的指数参考范围进行比若电路对应当前触发跳闸信号的故障判断指数处于指数参考范围，则执行步骤从每个触发跳闸信号的历史案例中提取各组案例将电路对应当前触发跳闸信号的电压置信值标记为F,通过F-8P计算出各组案将各组案例的初步关联值进行从小到大的排序，并从左开始筛选前t组的案例作线段较短的案例，并将选取案例中的预估故障类型作为电路对应当前触发跳闸信号的预估故障类型；若匹配结果均不一致，则选取垂直线段较短的案例，并将选取案例中的预估故障类型作为电路对应当前触发