一种开关柜模型压缩与重构方法、系统及监测终端

技术领域

本发明属于计算机技术领域，尤其涉及一种开关柜模型压缩与重构方法、系统及监测终端。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

高压开关柜作为电力系统中的重要设备，在线监测能够直观的把控其运行状态。开关柜数字孪生利用先进的计算机建模和仿真技术，将物理开关柜与数字化模型进行对应，实现实时监测、预测和优化的技术。通过数字孪生，可以实现对开关柜的全生命周期管理，包括设计、制造、运营和维护等各个阶段。开关柜运行时会以电阻损耗、铁磁损耗、介质损耗的方式产生热量，并通过热传导、热对流、热辐射的形式散失，实现柜内温度的稳定。

面对开关柜内部零部件众多、组件结构复杂的问题，问题维度的上升使代理模型构建所花费的样本点数和时间会大幅度地增加，在一定程度上降低代理模型的精度，影响其提供信息的可信度，导致代理模型的辅助能力下降。综上，会降低系统仿真的效率和精确度。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种开关柜模型压缩与重构方法、系统及监测终端，将数据降维方法与代理模型相结合，可以提高模型对高维复杂问题的运行效率和预测效果。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种开关柜模型压缩与重构方法，包括如下步骤：

获取压缩前的开关柜三维模型；

对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

进一步地，所述对开关柜三维模型进行第一网格划分得到第一网格划分结果，包括：

采用模型网格粗化技术开关柜三维模型的空间节点进行压缩，首先对部件网格进行第一步粗化，在第一步粗化的基础上，对仿真温度无影响的结构件进行第二部粗化，得到第一网格划分结果。

进一步地，对第一网格划分结果进行热点耦合仿真时，采用温度场域控制方程进行仿真。

进一步地，所述在第二空间节点数据插入字典树，压缩得到第三空间节点数据包括：

在第二空间节点数据中，每一个空间节点对应一个三维坐标(X,Y,Z)，将每一个空间节点对应一个三维坐标看作由三个字符组成的字符串；

遍历空间节点，从根节点X出发一直到目标节点Z的路径，得到对应空间节点的字符串；

通过相同的字符串整合重复遍历的空间节点，以此利用字符串的公共点来减少遍历和查询时间；

再次遍历第二空间节点，插入字典树，再查询所有的字典树路径，得到第三空间节点数据。

进一步地，所述结合第一空间节点、温度数据和第三空间节点数据进行节点重构时，包括：

将第一空间节点、温度数据、第三空间节点数据作为训练数据集和测试数据集，采用K折交叉验证方法，将数据集均匀地分成K个子集，每次选择其中一个子集作为验证集，剩余的K-1个子集作为训练集，基于训练集进行节点温度重构模型训练，并在验证集上进行预测和评估。

进一步地，所述节点温度重构模型的构建过程包括：

在由第一空间节点和温度数据组成的集合中，利用KNN算法通过最近邻搜索的方式寻找第三空间节点数据的K邻近样本；

根据第三空间节点数据的K邻近样本，结合高斯核函数RBF插值对第三空间节点数据的温度进行预测，得到对应的温度预测值；

基于对应的温度预测值，进行第三空间节点数据的温度重构结果。本发明的第二个方面提供一种开关柜三维模型压缩与重构系统，包括：

数据提取模块，其用于对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

模型压缩模型，其用于对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

模型重构模块，其用于结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

数据提取模块中，所述对开关柜三维模型进行第一网格划分得到第一网格划分结果，包括：

采用模型网格粗化技术开关柜三维模型的空间节点进行压缩，首先对部件网格进行第一步粗化，在第一步粗化的基础上，对仿真温度无影响的结构件进行第二部粗化，得到第一网格划分结果。

所述在第二空间节点数据插入字典树，压缩得到第三空间节点数据包括：

模型压缩模型中，在第二空间节点数据中，每一个空间节点对应一个三维坐标(X,Y,Z)，将每一个空间节点对应一个三维坐标看作由三个字符组成的字符串；

遍历空间节点，从根节点X出发一直到目标节点Z的路径，得到对应空间节点的字符串；

通过相同的字符串整合重复遍历的空间节点，以此利用字符串的公共点来减少遍历和查询时间；

再次遍历第二空间节点，插入字典树，再查询所有的字典树路径，得到第三空间节点数据。

模型重构模块中，所述结合第一空间节点、温度数据和第三空间节点数据进行节点重构时，包括：

将第一空间节点、温度数据、第三空间节点数据作为训练数据集和测试数据集，采用K折交叉验证方法，将数据集均匀地分成K个子集，每次选择其中一个子集作为验证集，剩余的K-1个子集作为训练集，基于训练集进行节点温度重构模型训练，并在验证集上进行预测和评估。

所述节点温度重构模型的构建过程包括：

在由第一空间节点和温度数据组成的集合中，利用KNN算法通过最近邻搜索的方式寻找第三空间节点数据的K邻近样本；

根据第三空间节点数据的K邻近样本，结合高斯核函数RBF插值对第三空间节点数据的温度进行预测，得到对应的温度预测值；

基于对应的温度预测值，进行第三空间节点数据的温度重构结果。

本发明的第三方面提供一种开关柜监测终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现第一方面所述一种开关柜模型压缩与重构方法中的步骤：

获取压缩前的开关柜三维模型；

对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

本发明的第四方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的一种开关柜模型压缩与重构中的步骤：

获取压缩前的开关柜三维模型；

对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

本发明的第五个方面提供一种计算机设备。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的一种开关柜模型压缩与重构中的步骤：

获取压缩前的开关柜三维模型；

对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

与现有技术相比，本发明的有益效果是：

1、本发明设计了一种开关柜模型空间节点温度重构方法，通过预测算法，结合精细化网格模型的数据信息，构造空间节点的温度特征，实现降维后模型的修复与优化，提高了开关柜模型仿真的速度和精确度，为后续开关柜热电场耦合仿真、状态监测、故障诊断等研究提供极大便利。

2、本发明设计了一种开关柜模型空间节点压缩方法，通过网格粗化和字典树去重技术，可以显著减小开关柜模型的数据量，提高数据结构的紧凑性和查询效率，在处理大规模模型时能够提高计算效率和降低运行成本。

3、本发明在处理开关柜模型时，不限于特定规模或结构，对于不同复杂程度的开关柜模型都适用。因此，适用范围广泛且具有良好的可扩展性。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明实施例提供的开关柜模型压缩与空间节点温度重构方法流程图；

图2为本发明实施例提供的开关柜模型网格示意图；

图3为本发明实施例提供的降维模型温度节点构造流程图；

图4为本发明实施例提供的不同K值的降维模型重构示意图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

针对本发明背景技术中提及的产生热量，并通过热传导、热对流、热辐射的形式散失，实现柜内温度的稳定。面对开关柜内部零部件众多、组件结构复杂的问题，问题维度的上升使代理模型构建所花费的样本点数和时间会大幅度地增加，在一定程度上降低代理模型的精度，影响其提供信息的可信度，导致代理模型的辅助能力下降的技术问题。

本发明设计了一种开关柜模型空间节点温度重构方法，通过预测算法，结合精细化网格模型的数据信息，构造空间节点的温度特征，实现降维后模型的修复与优化，提高了开关柜模型仿真的速度和精确度，为后续开关柜热电场耦合仿真、状态监测、故障诊断等研究提供极大便利。

本发明设计了一种开关柜模型空间节点压缩方法，通过网格粗化和字典树去重技术，可以显著减小开关柜模型的数据量，提高数据结构的紧凑性和查询效率，在处理大规模模型时能够提高计算效率和降低运行成本。

本发明在处理开关柜模型时，不限于特定规模或结构，对于不同复杂程度的开关柜模型都适用。因此，适用范围广泛且具有良好的可扩展性。

实施例一

本实施例提供一种开关柜模型压缩与重构方法，旨在对开关柜精细化网格模型进行降维压缩以及节点温度重构，实现开关柜模型的轻量化，极大提高系统仿真运行效率，该方法的执行流程如图1所示，包括以下步骤：

S101:对开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

S102:对开关柜三维模型进行第二网格划分得到第二网格划分结果；

S103:遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

S104:结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

为了更清楚地说明本发明的技术方案，下面以具体实施例的方式加以说明。

S101中，对开关柜三维模型进行精细网格划分，基于温度场域控制方程通过热电耦合仿真得到模型内部温度分布，基于模型内部温度分布结果导出空间节点和温度数据；

其中，温度场是指空间中各节点的温度分布情况，用数学方程来描述。温度场的控制方程描述了温度场的演化和变化规律。

温度的控制方程采用热传导方程来描述，其公式为：

其中，T为温度场，α为热扩散系数，/>

具体包括：采用模型网格粗化技术开关柜三维模型的空间节点进行压缩，首先对部件网格进行第一步粗化，在第一步粗化的基础上，对仿真温度无影响的结构件进行第二部粗化，得到第一网格划分结果。

如图2所示，即对开关柜三维模型进行粗化网格划分得到粗化网格时，对母排、电缆、绝缘支柱等部件网格进行适当粗化，对柜体等对仿真温度无影响的结构件进行更大程度的粗化；

S102中，对开关柜三维模型进行第二网格划分得到第二网格划分结果，其目的是针对开关柜模型关键部位(母排、电缆、绝缘支柱、不同部件接触面等)和实际运行中异常发热的特定区域保留更细化的网格，在零件交接的边界处也能准确捕捉保留开关柜模型的几何特征，保证边界的连续性。

S103中，所述在第二空间节点数据插入字典树，压缩得到第三空间节点数据包括：

将第二空间节点(X,Y,Z)看作由三个字符组成的字符串，从根节点X出发一直到目标节点Z的路径，组成空间节点坐标；

基于该空间节点坐标，查询所有的字典树路径，进行节点的去重与压缩。

具体包括：

在第二空间节点数据中，每一个空间节点对应一个三维坐标(X,Y,Z)，将每一个空间节点对应一个三维坐标看作由三个字符组成的字符串；

遍历空间节点，从根节点X出发一直到目标节点Z的路径，得到对应空间节点的字符串；

通过相同的字符串整合重复遍历的空间节点，以此利用字符串的公共点来减少遍历和查询时间；

再次遍历第二空间节点，插入字典树，再查询所有的字典树路径，得到第三空间节点数据，由此完成节点的去重与压缩。

如图3所示，S104中，所述结合第一空间节点、温度数据和第三空间节点数据进行节点重构时，包括：

将第一空间节点、温度数据、第三空间节点数据作为训练数据集和测试数据集，采用K折交叉验证方法，将数据集均匀地分成K个子集，每次选择其中一个子集作为验证集，剩余的K-1个子集作为训练集，基于训练集进行节点温度重构模型训练，并在验证集上进行预测和评估。

其中，所述节点温度重构模型的构建过程包括：

在由第一空间节点和温度数据组成的集合中，利用KNN算法通过最近邻搜索的方式寻找第三空间节点数据的K邻近样本；

根据第三空间节点数据的K邻近样本，结合高斯核函数RBF插值对第三空间节点数据的温度进行预测，得到对应的温度预测值；

基于对应的温度预测值，进行第三空间节点数据的温度重构结果。

对于每个想要尝试的K值，使用训练集进行模型训练，并在验证集上进行预测和评估，计算每个K值对应的模型在验证集上的性能指标，如准确率、F1值等，选择具有最佳性能指标的K值作为最优的K值；

通过选取样本点通过高斯径向基插值的方式预测降维模型节点，并用可信赖性评价降维空间与原始空间的拓扑结构相似性，用连续性评价降维空间对原始空间邻域关系的保持性。

以环境温度下开关柜仿真数据作为训练样本，对不同K值进行验证，将得出的降维模型实现云图重构，选合适的K值结合高斯径向基插值方式预测降维节点温度，完成空间节点温度重构，如图4所示，图4中(a)-(f)分别为不同K值的降维模型重构示意图，输出结果即降维模型节点的温度重构。

通过本发明的技术方案，结合精细化网格模型的数据信息，构造空间节点的温度特征，实现降维后模型的修复与优化，提高了开关柜模型仿真的速度和精确度，为后续开关柜热电场耦合仿真、状态监测、故障诊断等研究提供极大便利。

实施例二

本实施例提供一种开关柜模型压缩与重构系统，包括：

开关柜三维模型获取模块，其用于获取压缩前的开关柜三维模型；

数据提取模块，其用于对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

模型压缩模型，其用于对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

模型重构模块，其用于结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

数据提取模块中，所述对开关柜三维模型进行第一网格划分得到第一网格划分结果，包括：

采用模型网格粗化技术开关柜三维模型的空间节点进行压缩，首先对部件网格进行第一步粗化，在第一步粗化的基础上，对仿真温度无影响的结构件进行第二部粗化，得到第一网格划分结果。

所述在第二空间节点数据插入字典树，压缩得到第三空间节点数据包括：

模型压缩模型中，在第二空间节点数据中，每一个空间节点对应一个三维坐标(X,Y,Z)，将每一个空间节点对应一个三维坐标看作由三个字符组成的字符串；

遍历空间节点，从根节点X出发一直到目标节点Z的路径，得到对应空间节点的字符串；

通过相同的字符串整合重复遍历的空间节点，以此利用字符串的公共点来减少遍历和查询时间；

再次遍历第二空间节点，插入字典树，再查询所有的字典树路径，得到第三空间节点数据。

模型重构模块中，所述结合第一空间节点、温度数据和第三空间节点数据进行节点重构时，包括：

将第一空间节点、温度数据、第三空间节点数据作为训练数据集和测试数据集，采用K折交叉验证方法，将数据集均匀地分成K个子集，每次选择其中一个子集作为验证集，剩余的K-1个子集作为训练集，基于训练集进行节点温度重构模型训练，并在验证集上进行预测和评估。

所述节点温度重构模型的构建过程包括：

在由第一空间节点和温度数据组成的集合中，利用KNN算法通过最近邻搜索的方式寻找第三空间节点数据的K邻近样本；

根据第三空间节点数据的K邻近样本，结合高斯核函数RBF插值对第三空间节点数据的温度进行预测，得到对应的温度预测值；

基于对应的温度预测值，进行第三空间节点数据的温度重构结果。

实施例三

本实施例提供一种开关柜监测终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权实施例一所述的一种开关柜模型压缩与重构方法中的步骤：获取压缩前的开关柜三维模型；

对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

实施例四

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一所述的一种开关柜模型压缩与重构方法中的步骤：

获取压缩前的开关柜三维模型；

对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

实施例五

本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例一所述的一种开关柜模型压缩与重构方法中的步骤：

获取压缩前的开关柜三维模型；

对压缩前的开关柜三维模型进行第一网格划分得到第一网格划分结果，对第一网格划分结果进行热点耦合仿真，得到模型的内部温度分布，所述内部温度分布包括第一空间节点数据和温度数据；

对开关柜三维模型进行第二网格划分得到第二网格划分结果，遍历第二网格划分结果的第二空间节点数据，在第二空间节点数据插入字典树，压缩得到第三空间节点数据；

结合第一空间节点、温度数据和第三空间节点数据进行节点重构，得到开关柜三维模型节点温度重构数据。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-On ly Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。