一种内置智能管控系统的开关柜的制作方法

本发明涉及一种内置智能管控系统的开关柜。

背景技术：

1、随着电力系统和自动化设备的普及，开关柜已成为电力系统、工业自动化、通讯和楼宇配电等领域的核心设备之一，用于提供电力控制和分配，传统开关柜主要依赖人工监测和定期维护，然而，这种模式存在以下技术缺陷和局限性：传统开关柜通常通过定期维护和人工巡检来保障设备的正常运行，这种方式无法实时掌握设备内部状态，例如，设备过载、温湿度异常、电流波动等状态可能在出现重大故障前的早期阶段并无明显外部特征，导致设备过热、线路故障或火灾风险无法及时预警，此外，开关柜中往往还存在局部放电和震动隐患，这些因素在长时间运行后会对设备的稳定性和安全性造成严重影响，缺乏实时监控和数据采集的传统方式已难以满足现代电力设备的需求。

2、由于传统开关柜缺少智能分析能力，设备状态的评估主要基于手动记录和经验判断，无法进行精确的故障预测与管理，随着电力系统的复杂化和设备运行环境的多样化，依靠传统的定期维护与经验预测难以保障设备安全运行，往往造成维护资源的浪费和潜在风险的累积，现有技术缺乏通过设备运行数据建模并结合智能算法进行故障预测和管理的有效方法，导致在出现潜在隐患时难以及时发现并采取应对措施。

3、因此，本领域技术人员需要一种集成多模块化系统，实现设备状态的实时监测、智能分析与故障预测，并结合主动安全保护和远程监控功能的内置智能管控系统的开关柜。

技术实现思路

1、本发明的目的是为了解决以上现有技术的不足，提供一种内置智能管控系统的开关柜，通过整合传感器网络、智能分析算法和主动保护装置，使开关柜具备智能化管控能力，实现从被动维护到主动管控：

2、在一方面，一种内置智能管控系统的开关柜，包括传感器网络模块、数据采集模块、智能处理模块、远程监控模块和主动安全保护模块，传感器网络模块包括传感器单元，所述传感器单元设于开关柜内，所述传感器单元包括温湿度传感器、电流传感器、烟雾传感器、局放传感器和振动传感器，所述传感器网络模块还包括时间戳记录单元，时间戳记录单元与各传感器连接，用于对每次采集的数据附加时间戳并生成历史数据；所述数据采集模块与所述传感器网络模块连接，数据采集模块用于接收传感器网络模块采集的数据并保存至智能处理模块；所述智能处理模块包括健康管理算法单元、深度学习算法单元和数据分析单元，其中所述健康管理算法单元依据传感器网络模块的实时数据生成设备运行状态模型，预测设备寿命和故障风险并将结果传输至远程监控模块；所述深度学习算法单元基于历史数据构建多维特征模型，以识别不同故障模式，生成相应报警信号并将结果传输至远程监控模块；所述数据分析单元用于生成开关柜运行报告并将结果传输至远程监控模块；所述主动安全保护模块包括电力切断装置、温度超限保护单元和应急电源单元，其中，所述电力切断装置与智能处理模块连接，用于在智能处理模块收到异常传感器参数时，断开开关柜电源；所述温度超限保护单元用于智能处理模块收到内部温度超过预设阈值时触发降温装置；所述应急电源单元用于在断电情况下为传感器网络模块、数据采集模块和通信模块提供持续电力。

3、更进一步地，所述健康管理算法单元通过动态状态空间建模实现设备运行状态的多维参数估算，所述动态状态空间模型表示为：

4、其中，xt为状态向量，代表传感器单元收集的各个参数，ut为外部输入干扰变量，a、b、c、d为状态转移矩阵与观测矩阵，wt、vt分别表示过程噪声与测量噪声；健康管理算法单元采用动态状态空间建模，旨在通过实时监测数据对设备运行状态进行多维参数估算，该模型的设置包括状态向量和外部输入干扰变量，结合状态转移矩阵与观测矩阵，可以有效地捕捉到设备状态的变化规律，通过此模型，可实现对系统动态行为的准确描述和预测，提高故障预测的精度，确保在潜在故障发生前及时采取维护措施，解决了传统方法在动态环境下状态识别能力不足的问题。

5、更进一步地，所述深度学习算法单元基于长短期记忆网络构建时序模型，基于以下公式计算：其中，为长短期记忆网络模型的输出，yt为实际输出，θ为模型参数向量，λ为正则化系数，通过反向传播算法和梯度下降算法逐步更新模型参数向量，更新公式为：其中，η为学习率；深度学习算法单元采用长短期记忆网络来构建时序模型，用于处理和分析历史数据以识别潜在的故障模式，长短期记忆网络能够有效地捕捉数据的长期依赖性，克服传统rnn在序列数据处理上的不足，通过反向传播算法和梯度下降算法对模型参数进行逐步更新，实现了对复杂故障模式的精准识别，生成报警信号，提高了系统的自适应能力和响应速度，能够在不依赖大量人工经验的情况下，提升开关柜的智能化水平。

6、更进一步地，所述数据分析单元生成开关柜运行报告的稳定性评估通过以下分布式变分贝叶斯算法进行，设表示数据集，评估函数为：其中，表示假设模型，zj表示隐变量；数据分析单元通过分布式变分贝叶斯算法对开关柜运行报告的稳定性进行评估，设定的评估函数能够结合多样的数据集，以处理和分析设备运行状态的复杂性，此方法提供了一种有效的方式来推断隐变量和评估假设模型的可靠性，为设备维护提供更为准确的建议，能够避免因数据分析不足而造成的维护失误，确保设备的高效稳定运行。

7、更进一步地，所述电力切断装置依据模糊逻辑控制规则对切断条件进行动态调节，模糊控制函数为：其中，μc(x)为切断命令的隶属度，x为传感器参数，α和x0分别为调节系数和临界点，通过模糊隶属度判定是否触发切断操作，以适应环境参数的波动性；电力切断装置依据模糊逻辑控制规则进行动态调节，使切断条件能适应环境参数的波动性，模糊控制函数通过评估切断命令的隶属度，结合传感器参数及其调节系数和临界点，提供一种柔性且高效的动态响应机制，解决了传统切断系统在面对不确定性时反应迟钝的问题。

8、更进一步地，所述温度超限保护单元采用自适应预测控制算法调节降温装置触发条件，所述触发预测函数为：

9、其中，为预测的下一时刻温度，tt为当前时刻温度，m为回溯时长，∈t为误差项，通过递归最小二乘算法动态更新预测模型参数，以确保在温度波动情况下准确触发降温装置；温度超限保护单元采用自适应预测控制算法，能实时调整降温装置的触发条件，通过递归最小二乘算法动态更新预测模型参数，该系统能够在温度波动情况下准确触发降温装置，从而有效防止设备过热问题。

10、更进一步地，所述应急电源单元采用基于马尔科夫链的剩余电力状态转移模型，模型状态转移方程为：p(et+1＝k|et＝i)＝pij，其中，rt为时刻t的电力状态，pij为从状态i转移至状态j的概率，通过求解状态转移矩阵来估算应急电源的剩余电力时间，以优化应急供电策略并确保模块的持续运行；应急电源单元利用基于马尔科夫链的剩余电力状态转移模型，通过求解状态转移矩阵来估算应急电源的剩余电力时间，使开关柜在电力不足时能够更有效地调度电源，优化应急供电策略，确保在紧急情况下的连续运行。

11、在另一方面，一种内置智能管控系统的开关柜的使用方法，包括以下步骤：传感器网络模块连续生成数据，数据通过数据采集模块实时传输至智能处理模块；智能处理模块生成设备运行状态模型以预测故障风险，并通过算法识别异常模式，生成对应的报警信号并通知运维人员；生成开关柜运行报告并将结果传输至远程监控模块；主动安全保护模块根据智能处理模块的处理结果进行主动安全保护。

12、更进一步地，所述主动安全保护模块根据智能处理模块的处理结果进行主动安全保护之后还包括步骤：生成开关柜运行报告，开关柜运行报告包括状态评估和维护建议。

13、有益效果：通过多种数据采集和学习算法，实现了精确的设备健康管理与故障预测；集成电力切断装置、温度超限保护单元和应急电源单元，实现对突发电流波动或温度异常的快速响应，保障设备的安全性和连续性；通过整合各个模块，提升开关柜的智能化管控能力，实现从被动维护到主动管控，提升了设备的安全性和维护便捷性。