逆变器过热预警方法、装置、计算机设备及存储介质

技术领域

本发明涉及工业控制领域，尤其涉及一种逆变器过热预警方法、装置、计算机设备及存储介质。

背景技术

近些年随着科技和社会的进步，物联网发展迅速，物联网的价值在于数据，物联网的数据具有多样性，异构性和非结构性等特点，并且有着极高的增长速度。传统的物联网数据通过设备直接上传云平台，云平台对接用户应用系统和数据库，当逆变器过热故障发生后，上传逆变器过热故障数据到云平台再转发到用户应用系统，给予用户故障提醒，该过程是在设备已经发生故障后才给用户发出故障提醒，毫无预警功能，用户体验差。

发明内容

本发明实施例提供了一种逆变器过热预警方法、装置、计算机设备及存储介质，旨在解决现有逆变器过热故障提醒无预警功能，用户体验差。

第一方面，本发明实施例提供了一种逆变器过热预警方法该方法包括：

接收用户请求，所述请求用于订阅逆变器的过热预警功能；

获取逆变器的历史数据；

对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间；

根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型，所述二元回归预测模型为Y＝β+β

获取逆变器的实时工作温度以及过载运行时间；

对所述逆变器的实时工作温度以及过载运行时间进行预处理；

将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率；

根据所述过热故障率判断是否发出过热故障预警。

第二方面，本发明实施例还提供了一种逆变器过热预警装置，该装置包括：

接收单元，用于接收用户请求，所述请求用于订阅逆变器的过热预警功能；

第一获取单元，用于获取逆变器的历史数据；

第一预处理单元，用于对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间；

第一计算单元，用于根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以计算得到过热故障率模型，所述二元回归预测模型为Y＝β+β

第二获取单元，用于获取逆变器的实时工作温度以及过载运行时间

第二预处理单元，用于对所述逆变器的实时工作温度以及过载运行时间进行预处理；

第二计算单元，用于将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率；

判断单元，用于根据所述过热故障率判断是否发出过热故障预警。

第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时实现上述方法。

本发明实施例提供了一种逆变器过热预警方法、装置、计算机设备及存储介质，其中逆变器过热预警方法，该方法包括：接收用户请求，所述请求用于订阅逆变器的过热预警功能；从数据库中获取逆变器的历史数据；对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间；根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型，获取逆变器的实时工作温度以及过载运行时间；对所述逆变器的实时工作温度以及过载运行时间进行预处理；将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率；根据所述过热故障率判断是否发出过热故障预警。本发明实施例实现了逆变器过热故障提前预警的功能，提升了逆变器使用过程中的安全性，降低了逆变器的故障发生率，为用户提供良好的体验。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明实施例提供的一种物联网平台的示意框图；

图2为本发明实施例提供的一种逆变器过热预警方法流程示意图；

图3为本发明实施例提供的一种逆变器过热预警方法的子流程示意图；

图4为本发明实施例提供的一种逆变器过热预警方法的子流程示意图；

图5为本发明实施例提供的一种逆变器过热预警方法的子流程示意图；

图6为本发明实施例提供的一种逆变器过热预警装置的示意性框图；

图7为本发明实施例提供的一种计算机设备的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

请参阅图1，图1是本发明实施例提供的一种物联网平台200的示意框图。如图所示所述物联网平台200包括数据库201、第二云平台202、多个第一云平台203以及多个所述逆变器控制终端204，每个所述逆变器控制终端204均连接有一个逆变器205，每个所述第一云平台203均连接多个所述逆变器控制终端204，多个所述第一云平台203均连接于所述第二云平台202，所述第二云平台202与所述数据库201连接。本发明实施例提供的一种逆变器过热预警方法应用于物联网平台200中的逆变器控制终端204，在所述接收用户请求之前，所述逆变器205过热预警方法还包括：

指示多个所述第一云平台203将采集的多个所述逆变器205的数据发送至所述第二云平台202；

指示所述第二云平台202将接收的多个所述逆变器205的数据存储于所述数据库201。

具体实施中，所述逆变器控制终端204指示多个所述第一云平台203将采集的多个所述逆变器205的数据发送至所述第二云平台202；所述逆变器控制终端204指示所述第二云平台202中将接收的多个所述逆变器205的数据存储于所述数据库201。以便在接收到用户请求订阅逆变器205的过热预警功能时提供逆变器205工作的历史数据，其中逆变器205工作的历史数据包括逆变器205的工作温度、过载运行时间、逆变器205的参数、逆变器205的工作电压及电流等数据。需要说明的是，所述逆变器控制终端204既可以是与逆变器205相连接的上位机，也可以是装载在逆变器205上的物联网模块。

参阅图2，图2是本发明实施例提供的逆变器过热预警方法的流程示意图。如图2所示，该方法包括以下步骤S1-S8。

S1，接收用户请求。

具体实施中，接收用户请求，所述请求用于订阅逆变器的过热预警功能，当用户在用户端界面点击逆变器的过热预警功能时便发出用户订阅逆变器的过热预警功能的请求。

S2，从数据库中获取逆变器的历史数据。

具体实施中，从数据库中获取逆变器的历史数据，在物联网平台中逆变器工作的历史数据存储于数据库中。具体的，物联网平台中的逆变器控制终端通过访问所述数据库，将所述数据库中已储存的逆变器数据作为逆变器的历史数据，逆变器的历史数据包括逆变器的工作温度、过载运行时间、逆变器的参数、逆变器的工作电压及电流等数据，为逆变器过热故障率模型的建立及模型参数的计算提供数据。

S3，对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间。

具体实施中，对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间。根据工程师的经验以及对逆变器工作的历史数据进行初步的分析，可以得到逆变器的工作温度以及过载运行时间为促使逆变器发生过热故障的两大关键因素。所以在建立逆变器过热故障率模型之前需要从逆变器的历史工作数据中筛选出逆变器的工作温度以及过载运行时间，以供后期建模使用。

现实世界中数据大体上都是不完整，不一致的脏数据，无法直接进行使用。为了提高数据的质量所以需要对数据进行预处理。

参见图3，在一实施例中，以上步骤S3具体包括：S31-S32。

S31，从所述历史数据中筛选出逆变器的工作温度以及过载运行时间。

具体实施中，从所述历史数据中筛选出逆变器的工作温度以及过载运行时间。数据的筛选在数学建模中占有很重要的地位，是数学建模的第一步，只有得到好的数据才能保证得出的结果的真实性与准确性。而在实际的问题中遇到的数据量往往是巨大的。为了保证所用的方法能够在原始数据的支持下得以实现，必须要对数据进行筛选，使得解决方法简单化。同时，又要保证筛选出来的数据具有代表性，使得到的结果更加准确与真实。

S32，对逆变器的工作温度以及过载运行时间进行数据清洗处理。

具体实施中，对逆变器的工作温度以及过载运行时间进行数据清洗处理。筛选出来的逆变器的工作温度以及过载运行时间的数据里面会有些不完整、错误的数据就需要经过数据清洗处理得到适合建模的数据。

数据清洗就是对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。数据清洗从名字上看就是把“脏”的“洗掉”，指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。因为数据库中的数据是面向某一主题的数据的集合，这些数据从历史数据中抽取而来，这样就避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是无法用于建立逆变器过热故障率模型，称之为“脏数据”。我们要按照一定的规则把“脏数据”“洗掉”，这就是数据清洗。而数据清洗的任务是过滤那些不符合要求的数据。具体的，经过数据清洗处理的逆变器的工作温度以及过载运行时间用于计算逆变器过热故障率模型的参数。

S4，根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型。

具体实施中，根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型。二元回归预测方法是指运用影响一个因变数的两个自变量建立二元回归预测模型进行回归分析的一种预测方法。在具体实施例中二元回归预测模型的因变数为逆变器的过热故障率，二元回归预测模型的两个自变量为促进逆变器发生过热故障率的两个关键因素，即逆变器的工作温度以及过载运行时间。根据二元回归预测方法建立二元回归预测模型为Y＝β+β

参见图4，在一实施例中，以上步骤S4具体包括：S41-S43。

S41，根据预设的二元回归预测模型建立逆变器过热故障率的预估模型。

具体实施中，根据预设的二元回归预测模型建立逆变器过热故障率的预估模型，将二元回归预测模型参数的估计值作为逆变器过热故障率的预估模型的参数得到所述预估模型为

S42，根据公式计算模型参数的预估值从而得到所述过热故障率的预估模型。

具体实施中，根据公式

S43，对过热故障率的预估模型进行检验以得到过热故障率模型。

具体实施中，对过热故障率的预估模型进行检验以得到过热故障率模型。由步骤S42得到的模型为逆变器过热故障率的预估模型，所以需要经过检验以得到过热故障率模型。若过热故障率的预估模型通过检验，则模型参数的预估值

S5，获取逆变器的实时工作温度以及过载运行时间。

具体实施中，获取逆变器的实时工作温度以及过载运行时间，通过访问存储逆变器工作数据的数据库来获取逆变器的实时工作温度以及过载运行时间。

S6，对所述逆变器的实时工作温度以及过载运行时间进行预处理。

具体实施中，对所述逆变器的实时工作温度以及过载运行时间进行预处理，该步骤与步骤S32的处理方式相同，在此不再赘述。

S7，将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率。

具体实施中，将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率。将预处理后的逆变器的实时工作温度以及过载运行时间带入逆变器过热故障率模型中计算得到逆变器的过热故障率，其中逆变器的过热故障率为0-1的数值。

S8，根据所述过热故障率判断是否发出过热故障预警。

具体实施中，判断所述过热故障率是否小于预设阈值；预设阈值为逆变器接近发生过热故障率的一个概率值，用户可根据实际情况对预设阈值进行设定，本发明对此不做具体限定。

参见图5，在一实施例中，以上步骤S8具体包括：S81-S82。

S81，判断所述过热故障率是否小于预设阈值。

具体实施中，判断所述过热故障率是否小于预设阈值,若判断所述过热故障率小于所述预设阈值，则返回所述判断所述过热故障率是否等于预设阈值的步骤S81。

S82，向用户发出过热故障预警。

具体实施中，若判断所述过热故障率不小于所述预设阈值，则向用户发出过热故障预警，以提醒用户对可能发生过热故障的逆变器进行处理，进而降低了逆变器的故障发生率，为用户提供良好的体验。

本发明实施例提供了一种逆变器过热预警方法、装置、计算机设备及存储介质，其中逆变器过热预警方法，该方法包括：接收用户请求，所述请求用于订阅逆变器的过热预警功能；从数据库中获取逆变器的历史数据；对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间；根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型，获取逆变器的实时工作温度以及过载运行时间；对所述逆变器的实时工作温度以及过载运行时间进行预处理；将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率；根据所述过热故障率判断是否发出过热故障预警。本发明实施例实现了逆变器过热故障提前预警的功能，提升了逆变器使用过程中的安全性，降低了逆变器的故障发生率，为用户提供良好的体验。

图6是本发明实施例提供的一种逆变器过热预警装置的示意性框图。如图6所示，对应于以上逆变器过热预警方法，本发明还提供一种逆变器过热预警装置100。该逆变器过热预警装置100包括用于执行上述逆变器过热预警方法的单元，该装置可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地，请参阅图6，该逆变器过热预警装置100包括接收单元101、第一获取单元102、第一预处理单元103、第一计算单元104、第二获取单元105、第二预处理单元106、第二计算单元107以及判断单元108。

接收单元101，用于接收用户请求，所述请求用于订阅逆变器的过热预警功能；

第一获取单元102，用于从数据库中获取逆变器的历史数据；

第一预处理单元103，用于对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间；

第一计算单元104，用于根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以计算得到过热故障率模型，所述二元回归预测模型为Y＝β+β

第二获取单元105，用于获取逆变器的实时工作温度以及过载运行时间

第二预处理单元106，用于对所述逆变器的实时工作温度以及过载运行时间进行预处理；

第二计算单元107，用于将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率；

判断单元108，用于根据所述过热故障率判断是否发出过热故障预警。

在一实施例中，所述对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间，包括：

从所述历史数据中筛选出逆变器的工作温度以及过载运行时间；

对所述逆变器的工作温度以及过载运行时间进行数据清洗处理。

在一实施例中，所述根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型，包括：

根据所述预设的二元回归预测模型建立逆变器过热故障率的预估模型，所述预估模型为

根据公式

对所述过热故障率的预估模型进行检验以得到所述过热故障率模型。

在一实施例中，所述对所述逆变器的实时工作温度以及过载运行时间进行预处理，包括：

对所述逆变器的实时工作温度以及过载运行时间进行数据清洗处理。

在一实施例中，判断所述过热故障率是否小于预设阈值；

若所述过热故障率不小于所述预设阈值，则向用户发出过热故障预警；

若所述过热故障率小于所述预设阈值，则返回所述判断所述过热故障率是否等于预设阈值的步骤。

在一实施例中，该方法应用于物联网平台中的逆变器控制终端，所述物联网平台包括数据库、第二云平台、多个第一云平台以及多个所述逆变器控制终端，每个所述逆变器控制终端均连接有一个逆变器，每个所述第一云平台均连接多个所述逆变器控制终端，多个所述第一云平台均连接于所述第二云平台，所述第二云平台与所述数据库连接，在所述接收用户请求之前，所述逆变器过热预警方法还包括：

指示多个所述第一云平台将采集的多个所述逆变器的数据发送至所述第二云平台；

指示所述第二云平台将接收的多个所述逆变器的数据存储于所述数据库。

在一实施例中，所述获取逆变器的历史数据，包括：

访问所述数据库，将所述数据库中已储存的逆变器数据作为逆变器的历史数据。

需要说明的是，所属领域的技术人员可以清楚地了解到，上述逆变器过热预警装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。

上述逆变器过热预警装置可以实现为一种计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。

请参阅图7，图7是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备300是上位机。其中，上位机可以是平板电脑、笔记本电脑、台式电脑等电子设备。

参阅图7，该计算机设备300包括通过系统总线301连接的处理器302、存储器和网络接口305，其中，存储器可以包括非易失性存储介质303和内存储器304。

该非易失性存储介质303可存储操作系统3031和计算机程序3032。该计算机程序3032被执行时，可使得处理器302执行一种逆变器过热预警方法。

该处理器302用于提供计算和控制能力，以支撑整个计算机设备300的运行。

该内存储器304为非易失性存储介质303中的计算机程序3032的运行提供环境，该计算机程序3032被处理器302执行时，可使得处理器302执行一种逆变器过热预警方法。

该网络接口305用于与其它设备进行网络通信。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备300的限定，具体的计算机设备300可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器302用于运行存储在存储器中的计算机程序3032，以实现如下步骤：

接收用户请求，所述请求用于订阅逆变器的过热预警功能；

从数据库中获取逆变器的历史数据；

对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间；

根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型，所述二元回归预测模型为Y＝β+β

获取逆变器的实时工作温度以及过载运行时间；

对所述逆变器的实时工作温度以及过载运行时间进行预处理；

将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率；

根据所述过热故障率判断是否发出过热故障预警。

在一实施例中，所述对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间，包括：

从所述历史数据中筛选出逆变器的工作温度以及过载运行时间；

对所述逆变器的工作温度以及过载运行时间进行数据清洗处理。

在一实施例中，所述根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型，包括：

根据所述预设的二元回归预测模型建立逆变器过热故障率的预估模型，所述预估模型为

根据公式

对所述过热故障率的预估模型进行检验以得到所述过热故障率模型。

在一实施例中，所述对所述逆变器的实时工作温度以及过载运行时间进行预处理，包括：

对所述逆变器的实时工作温度以及过载运行时间进行数据清洗处理。

在一实施例中，判断所述过热故障率是否小于预设阈值；

若所述过热故障率不小于所述预设阈值，则向用户发出过热故障预警；

若所述过热故障率小于所述预设阈值，则返回所述判断所述过热故障率是否等于预设阈值的步骤。

在一实施例中，该方法应用于物联网平台中的逆变器控制终端，所述物联网平台包括数据库、第二云平台、多个第一云平台以及多个所述逆变器控制终端，每个所述逆变器控制终端均连接有一个逆变器，每个所述第一云平台均连接多个所述逆变器控制终端，多个所述第一云平台均连接于所述第二云平台，所述第二云平台与所述数据库连接，在所述接收用户请求之前，所述逆变器过热预警方法还包括：

指示多个所述第一云平台将采集的多个所述逆变器的数据发送至所述第二云平台；

指示所述第二云平台将接收的多个所述逆变器的数据存储于所述数据库。

在一实施例中，所述获取逆变器的历史数据，包括：

访问所述数据库，将所述数据库中已储存的逆变器数据作为逆变器的历史数据。

应当理解，在本申请实施例中，处理器302可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器302还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。

因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行如下步骤：

接收用户请求，所述请求用于订阅逆变器的过热预警功能；

从数据库中获取逆变器的历史数据；

对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间；

根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型，所述二元回归预测模型为Y＝β+β

获取逆变器的实时工作温度以及过载运行时间；

对所述逆变器的实时工作温度以及过载运行时间进行预处理；

将预处理后的所述逆变器的实时工作温度以及过载运行时间输入到所述过热故障率模型中以计算逆变器的过热故障率；

根据所述过热故障率判断是否发出过热故障预警。

在一实施例中，所述对所述历史数据进行预处理得到逆变器的工作温度以及过载运行时间，包括：

从所述历史数据中筛选出逆变器的工作温度以及过载运行时间；

对所述逆变器的工作温度以及过载运行时间进行数据清洗处理。

在一实施例中，所述根据所述逆变器的工作温度以及过载运行时间确定预设的二元回归预测模型的参数以得到过热故障率模型，包括：

根据所述预设的二元回归预测模型建立逆变器过热故障率的预估模型，所述预估模型为

根据公式

对所述过热故障率的预估模型进行检验以得到所述过热故障率模型。

在一实施例中，所述对所述逆变器的实时工作温度以及过载运行时间进行预处理，包括：

对所述逆变器的实时工作温度以及过载运行时间进行数据清洗处理。

在一实施例中，判断所述过热故障率是否小于预设阈值；

若所述过热故障率不小于所述预设阈值，则向用户发出过热故障预警；

若所述过热故障率小于所述预设阈值，则返回所述判断所述过热故障率是否等于预设阈值的步骤。

在一实施例中，该方法应用于物联网平台中的逆变器控制终端，所述物联网平台包括数据库、第二云平台、多个第一云平台以及多个所述逆变器控制终端，每个所述逆变器控制终端均连接有一个逆变器，每个所述第一云平台均连接多个所述逆变器控制终端，多个所述第一云平台均连接于所述第二云平台，所述第二云平台与所述数据库连接，在所述接收用户请求之前，所述逆变器过热预警方法还包括：

指示多个所述第一云平台将采集的多个所述逆变器的数据发送至所述第二云平台；

指示所述第二云平台将接收的多个所述逆变器的数据存储于所述数据库。

在一实施例中，所述获取逆变器的历史数据，包括：

访问所述数据库，将所述数据库中已储存的逆变器数据作为逆变器的历史数据。

所述存储介质为实体的、非瞬时性的存储介质，例如可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的实体存储介质。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。

该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。