一种配电控制柜能量损失评估方法

技术领域

本说明书一个或多个实施例涉及配电控制柜监控技术领域，尤其涉及一种配电控制柜能量损失评估方法。

背景技术

配电控制柜是按电气接线要求将开关设备、测量仪表、保护电器和辅助设备组装在封闭或半封闭金属柜中或屏幅上，满足电力系统正常运行的要求的电力设备，在配电控制柜工作的过程中，必然伴随着能量损失，而能量损失不仅可以反映配电控制柜布局的合理程度、接线质量、元器件水平，还能一定程度上对配电控制柜的故障老化等情况进行监控，但现有技术中尚缺少对配电控制柜能量损失进行评估的方法。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种配电控制柜能量损失评估方法，以填补现有技术的空白。

基于上述目的，本说明书一个或多个实施例提供了一种配电控制柜能量损失评估方法，包括：

采集配电控制柜内部热成像的样本图片和配电控制柜内部元器件的运行数据；

将样本图片作为数据集，将数据集划分为训练集和测试集；

利用配电控制柜内部元器件的运行数据对样本图片进行标注；

基于对样本图片的标注进行评估模型训练，得到可用的评估模型参数；

采集待测配电控制柜的热成像图片；

利用训练好的评估模型对采集到的热成像图片进行评估，得出待测配电控制柜的能量损失评估结果。

优选地，在将样本图片作为数据集之前，本方法还包括：

对样本图片进行预处理。

优选地，对样本图片进行预处理包括：

依据配电控制柜内部元器件的运行数据，对样本图片进行裁剪、缩放、去重。

优选地，样本图片包括配电控制柜在多种运行状态下、多种使用环境中的多张图片。

优选地，本方法还包括：

根据样本图片的运行状态和使用环境，对样本图片进行分类；

根据样本图片的分类，得到多组可用的评估模型参数。

优选地，本方法还包括：

基于对样本图片的分类结果进行分类模型训练，得到可用的分类模型参数；

在利用训练好的评估模型对采集到的热成像图片进行评估前，利用训练好的分类模型对热成像图片进行识别，得出待测配电控制柜的热成像图片的分类结果；

根据得出的分类结果，选择合适的评估模型参数，对采集到的热成像图片进行评估。

优选地，将数据集划分为训练集和测试集包括：

将数据集按8:2的比例划分为训练集和测试集；

所述训练集用于对评估模型参数进行训练，所述测试集用于验证训练出的评估模型的效果。

优选地，利用配电控制柜内部元器件的运行数据对样本图片进行标注包括：

所述配电控制柜内部元器件的运行数据包括元器件的输入端总功率和输出端总功率；

所述利用配电控制柜内部元器件的运行数据对样本图片进行标注包括，根据元器件的输入端总功率和输出端总功率计算出元器件的能量损失；

利用labelImg工具标注样本图片上元器件的能量损失。

从上面所述可以看出，本说明书一个或多个实施例提供的配电控制柜能量损失评估方法，通过采集配电控制柜内部热成像的样本图片和配电控制柜内部元器件的运行数据，利用配电柜内部元器件的运行数据对样本图片进行标注，基于标注进行评估模型训练，得到可用的评估模型参数，并将采集到的待测配电控制柜的热成像图片带入评估模型进行评估，得出待测配电控制柜的能量损失评估结果，利用深度学习技术，能够以较高的准确率，对配电控制柜的能量损失状况进行评估，对配电控制柜的选用、调整、检修等工作作出指导，具有较大的推广价值。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书一个或多个实施例的配电控制柜能量损失评估方法流程示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本公开进一步详细说明。

需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

本说明书一个或多个实施例提供一种配电控制柜能量损失评估方法，如图1所示，包括：

S101采集配电控制柜内部热成像的样本图片和配电控制柜内部元器件的运行数据；

举例来说，热成像的样本图片包括配电控制柜在多种运行状态下，如空载、满载、故障等运行状态下的图片，也包括配电控制柜在多种使用环境中，如低温、高温、低湿度、高湿度等环境中的图片，样本图片数量通常不少于1000张。

S102将样本图片作为数据集，将数据集划分为训练集和测试集；

举例来说，将数据集划分为训练集和测试集包括：

将数据集按8:2的比例划分为训练集和测试集；

其中训练集用于对评估模型参数进行训练，测试集用于验证训练出的评估模型的效果。

S103利用配电柜内部元器件的运行数据对样本图片进行标注；

S104基于对样本图片的标注进行评估模型训练，得到可用的评估模型参数；

S105采集待测配电控制柜的热成像图片；

S106利用训练好的评估模型对采集到的热成像图片进行评估，得出待测配电控制柜的能量损失评估结果。

本说明书实施例提供的方法，通过采集配电控制柜内部热成像的样本图片和配电控制柜内部元器件的运行数据，利用配电柜内部元器件的运行数据对样本图片进行标注，基于标注进行评估模型训练，得到可用的评估模型参数，并将采集到的待测配电控制柜的热成像图片带入评估模型进行评估，得出待测配电控制柜的能量损失评估结果，利用深度学习技术，能够以较高的准确率，对配电控制柜的能量损失状况进行评估，对配电控制柜的选用、调整、检修等工作作出指导，具有较大的推广价值。

作为一种实施方式，在将样本图片作为数据集之前，本方法还包括：

对样本图片进行预处理，举例来说，预处理包括依据配电控制柜内部元器件的运行数据，对样本图片进行裁剪、缩放、去重等。

通过预处理，能够对采集的样本图片进行统一化和规范化，提高评估模型训练的准确度。

作为一种实施方式，本方法还包括：

根据样本图片的运行状态和使用环境，对样本图片进行分类；

根据样本图片的分类，得到多组可用的评估模型参数。

作为一种实施方式，本方法还包括：基于对样本图片的分类结果进行分类模型训练，得到可用的分类模型参数；

在利用训练好的评估模型对采集到的热成像图片进行评估前，利用训练好的分类模型对热成像图片进行识别，得出待测配电控制柜的热成像图片的分类结果；

根据得出的分类结果，选择合适的评估模型参数，对采集到的热成像图片进行评估。

考虑到运行状态的不同的使用环境的不同，会很大程度上影响配电控制柜内部的热成像图片生成结果，通过上述方法，可以为能量损失评估选择更加适合的评估模型参数，提高评估的准确率。

作为一种实施方式，利用配电控制柜内部元器件的运行数据对样本图片进行标注包括：

所述配电控制柜内部元器件的运行数据包括元器件的输入端总功率和输出端总功率；

所述利用配电控制柜内部元器件的运行数据对样本图片进行标注包括，根据元器件的输入端总功率和输出端总功率计算出元器件的能量损失；

利用labelImg工具标注样本图片上元器件的能量损失。

由于在配电控制柜中，能量的损失通常以元器件发热的方式散失，因此可以检测通过元器件温度的方式进行能量损失的大致评估，本方法中利用热成像图片和深度学习技术，得出包含热成像图片和能量损失相关性的评估模型，具有很强的实用价值和评估的准确性，进一步地，可以将评估结果分为多个阈值范围，以此得出简单直观的评估结果，当评估结果超出某一阈值时，作为故障报警的评判依据。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。

本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。