CN119414294A 一种基于物联网的标准化电气开关柜检测方法 （沈通科技有限公司）

一种基于物联网的标准化电气开关柜检测本发明公开了一种基于物联网的标准化电估结果将各个异常数据划分为低优先级异常数常数据和高优先级异常数据分别采取不同的排2在电气开关柜运行过程中，实时检测电气开关柜内是否发生实时获取电气开关柜内所有传感器产生的各个异常在异常数据分层排序机制对各个异常数据进行处理的过程中，对整个高电流泄漏处理过程中获取的异常数据、评估结果、分层实时获取电气开关柜内所有传感器产生的各个异常数据的核心信息，并在获取后进行分实时获取电气开关柜内所有传感器产生的各个异常提取经过预处理的各个异常数据的核心信息中的波动信息和故障关联信对生成的各个异常数据的异常波动系数和故障敏感指数构建优先所述各个异常数据的异常波动系数和故障敏感指数的获取逻提取经过预处理的各个异常数据的核心信息中的波动信息，具体包括数据的最大值，表示在历史时间段内第i个异常数据的最小3提取经过预处理的各个异常数据的核心信息中的故障关联信息，具体包在出现高泄漏现象时一段时间内不同时刻的泄漏电流值和电气开关柜在历史时间段内的对生成的各个异常数据的异常波动系数和故障敏感指数Fsri构建优先级评估模型，通过加权求和生成各个异常数据的优先系数，并在生成后与预先设定的优先系数阈值区对低优先级异常数据、中优先级异常数据和高优先级异常数据分别采4在异常数据分层排序机制对各个异常数据进行处理的过程中，提取经过预处理的各个异常数据的动态反馈信息中的排序响应信息和动态处理信息，对生成的各个异常数据的排序响应偏差系数和动态处理结果系数构建排序效果评估所述各个异常数据的排序响应偏差系数和动态处理结果系数的获取逻提取经过预处理的各个异常数据的动态反馈信息中的排序响应信息，具和WAvi，表示第i个异常数据被异常数据分层排序机制识别并进入队列时的时间点，表示第i个异常数据开始被处理的时间点，WAvi表示第i个异常数据所在的队列中所有提取经过预处理的各个异常数据的动态反馈信息中的动态处理信息，具有效数据量和各个异常数据在处理过程中的总有效数据量，并分别标定为me、RR和对生成的各个异常数据的排序响应偏差系数和动态处理结果系数DPRC构建排序效5常数据的排序效果达到预期，不需要对异常数据分层排序机制进行优化；若6[0003]现有的基于物联网的标准化电气开关柜检测技术通过在电气开关柜内安装各类的基于物联网的标准化电气开关柜检测技术无法有效建立高电流泄漏场景下的优先级处78关柜在出现高泄漏现象时一段时间内不同时刻的泄漏电流值和电气开关柜在历史时间段[0010]优选的，对生成的各个异常数据的异常波动系数aec和故障敏感指数Fsri构建优若xi<yxi，出现高电流泄漏现象的电气开关柜内该异常数据的优先级为低优9异常数据的排序效果是否达到预期，并根据评估结果对异常数据分层排序机制进行优化，提取经过预处理的各个异常数据的动态反馈信息中的排序响应信息和动态处理对生成的各个异常数据的排序响应偏差系数和动态处理结果系数构建排序效果和WAvi，表示第i个异常数据被异常数据分层排序机制识别并进入队列时的时间[0014]优选的，对生成的各个异常数据的排序响应偏差系数和动态处理结果系数在生成后与预先设定的各个异常数据的排序评估系数阈值pxpcaw进行比对，根据比对结若，异常数据分层排序机制对该异常数据的排序效果未达到预本发明在相关技术领域中具有显著的创新性和实[0021]本发明提供了如图1所示的一种基于物联网的标准化电气开关柜检测方法，具体中提到的因数据优先级混乱而导致的响应延迟和资本实施例中，实时获取电气开关柜内所有传感器产生的各个异常数据的核心信在电气开关柜运行过程中，实时获取所有传感器产生的各个异常数据的核心信息，可以通过部署在电气开关柜内的多类型传感器与物联网通信模块相结合的方式实现。[0028]预先设定的优先系数阈值可以通过历史数据分析与多场景模拟的方式动态确电气开关柜在出现高电流泄漏现象时一段时间内不同时刻各个异常数据的实际柜运行过程中以固定采样频率实时采集数据，这些数据通过物联网通信协议（如MQTT或[0031]第个异常数据的异常波动系数aec的大小与评估出现高电流泄漏现象的电气开关柜在出现高泄漏现象时一段时间内不同时刻的泄漏电流值和电气开关柜在历史时间段电气开关柜在出现高泄漏现象时一段时间内不同时刻的泄漏电流值和电气开关实时获取故障时间段的泄漏电流数据和历史平均值，为故障敏感指数的计算提供精准输[0034]该计算公式旨在综合评估每个异常数据与高电流泄漏现象的动态关联性。公式差相乘的结果表示异常数据的动态变化对泄漏电流偏差的响应强度，反映[0036]本实施例中，对生成的各个异常数据的异常波动系数aec和故障敏感指数Fsri构若xi<yxi，出现高电流泄漏现象的电气开关柜内该异常数据的优先级为低优该情况意味着该异常数据的异常波动性或故障敏感性在一定程度上与高电流泄数据的异常波动系数和故障敏感指数Fsri分别进行标准化处理，确保它们在相同的数构建异常数据分层排序机制可以通过优先级分级算法和动态资源调度策略结合系统计算资源的可用状态，并根据优先级标签动态调整数据处理的排序策略和执行流程。实时获取异常数据的动态反馈信息可以通过分层排序机制中的动态监测模块实[0046]提取经过预处理的各个异常数据的动态反馈信息中的排序响应信息和动态处理提取经过预处理的各个异常数据的动态反馈信息中的排序响应信息和动态处理[0047]对生成的各个异常数据的排序响应偏差系数和动态处理结果系数构建排序效果[0048]预先设定的各个异常数据的排序评估系数阈值可以通过历史数据分析与多场景和WAvi，表示第i个异常数据被异常数据分层排序机制识别并进入队列时的时间“各个异常数据被异常数据分层排序机制识别并进入队列时的时间点、各个异常排序响应偏差系数的计算公式的设计目的是综合衡量异常数据从进入队列式第一部分比较实际等待时间和平均等待时间的比值，衡量响应效率；第二部分放大偏差量的权重，体现排序响应是否与平均值一致。例如，代入公式[0052]第个异常数据的排序响应偏差系数的大小与评估异“各个异常数据从开始处理到完成处理所用的时间、各个异常数据在处理过程中据量（单位时间生成速率）则由数据处理监控模块通过统计单位时间内生成的有效数据量计相结合的方式，确保数据的实时性和准确性，为动态处理结果系数的计算提供可靠的基础支持。[0055]动态处理结果系数DPRC的计算公式高，系数的效率评价越大；in(1+Rroi)对总生成数据量Rroi进行对数加权，确保其影响逐时间为小时（约两分钟）。假设单位时间生成有效数据量制在处理该数据时的效率和效果，其与评估排序效果是否达到预期密切相关。值越[0057]本实施例中，对生成的各个异常数据的排序响应偏差系数和动态处理结果,并在生成后与预先设定的各个异常数据的排序评估系数阈值进行比对，根据比[0058]若，异常数据分层排序机制对该异常数据的排序效果未达到预[0060]可以通过引入实时反馈调控模块和资源分配模块相结合的方式实现对异常数据[0061]对生成的各个异常数据的排序响应偏差系数和动态处理结果系数构建排序