一种基于物联网的数字化漏电检测与保护系统及方法与流程

本发明属于紧急保护电路领域，具体的说是一种基于物联网的数字化漏电检测与保护系统及方法。

背景技术：

1、漏电保护是针对电气安全防护的一种措施，在电力系统中，如果人体接触带电的设备外壳或线路，电流可以通过人体流入大地，形成漏电，漏电会破坏供电系统的平衡，使电气设备外壳带电，从而可能危害人身安全，同时，漏电也可能会引发电气火灾，为了防止这些潜在的危险，需要安装漏电保护装置，当电气设备出现漏电时，保护装置能及时切断电源，从而防止发生事故，常见的漏电保护装置包括漏电断路器、漏电保护器、接地监视报警装置等，但是现有技术的漏电保护器经常会因工业环境的噪声影响导致误判，无法对运行电路的电路数据和干扰数据进行综合分析，导致对漏电判断的准确性较低，现有技术中均存在上述问题；

2、例如在授权公布号为cn103487699b的中国专利中公开了一种漏电保护器的数字式检测系统和高精度检测方法，系统包括变压器、调压器、消弧电路、负载电流过零检测模块、剩余电流t型调流模块、剩余电流峰值检测模块、漏电保护器、漏电保护器负载、负载电流调理采样模块、剩余电流调理采样模块、采样处理和控制模块。本发明采用电子无触点式ssr的电流过零调压技术、结合调压消弧电路，能有效削弱调压时电弧对抽头的烧蚀程度；t型网络和ssr阵列实现剩余电流的数字化调流，解决了模拟调流法精度差、可靠性欠佳等缺点；电流峰值时间点的高通容阻检测方案，提高了检测精度；数字化架构的检测系统具有高效、高精度和高可靠的特点；

3、同时在申请公开号为cn104422848a的中国专利中公开了一种洗碗机漏电检测装置，包括：一检测模块，用于检测洗碗机是否有超过人体安全的漏电现象，并将信号输出给ad转换模块；一ad转换模块，用于将检测模块的输出信号数字化，并输出给控制模块；一控制模块，用于接收ad转换模块的输出信号，然后判断是否超出人体安全，并控制蜂鸣器的通断电；一电源电路，用于给检测模块、ad转换模块、控制模块、蜂鸣器提供电源；该洗碗机漏电检测装置，能够在第一时间检测到洗衣服是否漏电超出人体的安全用电，并发出提醒声音，这样可以很好的防止因漏电而导致使用者的生命安全受到威胁；

4、以上专利均存在本背景技术提出的问题：现有技术的漏电保护器经常会因工业环境的噪声影响导致误判，无法对运行电路的电路数据和干扰数据进行综合分析，导致对漏电判断的准确性较低，为了解决这些问题，本技术设计了一种基于物联网的数字化漏电检测与保护系统及方法。

技术实现思路

1、针对现有技术的不足，本发明提出了一种基于物联网的数字化漏电检测与保护系统及方法，本发明实时通过电力采集终端获取运行电路中的电力数据，同时通过干扰采集终端对运行环境中的干扰数据进行获取，构建电力数据去噪模型，将获取得到的电流和电压变化曲线代入电力数据去噪模型中获取去噪后的电流和电压变化曲线，将去噪后的电流和电压变化曲线代入漏电识别模型中进行漏电识别，将识别得到漏电分析结果代入漏电危险分析模型中进行漏电危险分析，根据得到漏电危险分析结果进行漏电危险预警，并进行数字化展示，通过对运行电路的电路数据和干扰数据进行综合分析极大的提高了对漏电判断的准确性，同时对漏电进行等级区分，提高了对漏电事故的管控能力。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于物联网的数字化漏电检测与保护方法，其包括以下具体步骤：

4、实时通过电力采集终端获取运行电路中的电力数据，同时通过干扰采集终端对运行环境中的干扰数据进行获取；

5、构建电力数据去噪模型，将获取得到的电流和电压变化曲线代入电力数据去噪模型中获取去噪后的电流和电压变化曲线；

6、将去噪后的电流和电压变化曲线代入漏电识别模型中进行漏电识别；

7、将识别得到漏电分析结果代入漏电危险分析模型中进行漏电危险分析；

8、根据得到漏电危险分析结果进行漏电危险预警，并进行数字化展示。

9、在此需要具体说明的是，所述实时通过电力采集终端获取运行电路中的电力数据，同时通过噪声采集终端对运行环境中的噪声数据进行获取包括以下具体步骤：

10、s11、将电力采集终端安装在运行电路中，通过电力采集终端采集运行电路的电路数据，其中，电路数据包括电流和电压变化曲线，储存在储存模组中；

11、s12、通过干扰采集终端采集运行电路运行过程中的环境噪声数据，其中，环境噪声数据包括环境噪声强度数据和环境噪声频率数据，储存在储存模组中；

12、s13、通过干扰采集终端采集运行电路运行过程中的环境温度和环境湿度数据，储存在储存模组中。

13、在此需要体说明的是，所述构建电力数据去噪模型，将获取得到的电流和电压变化曲线代入电力数据去噪模型中获取去噪后的电流和电压变化曲线包括以下具体内容：

14、s21、获取历史电路运行过程中的环境温度、环境湿度数据、环境噪声强度数据、环境噪声频率数据、历史真实电路数据和历史电力采集终端采集的电路数据，构建输入为电力采集终端采集的电路数据、电路运行过程中的环境温度、环境湿度数据、环境噪声强度数据和环境噪声频率数据，输出为真实电路数据的深度学习神经网络模型，即为电路数据去噪模型；

15、s22、将提取的历史电路运行过程中的环境温度、环境湿度数据、环境噪声强度数据、环境噪声频率数据、历史真实电路数据和历史电力采集终端采集的电路数据按照8:2的比例设置参数训练集和参数测试集；将80%的参数训练集输入深度学习神经网络模型进行训练，以得到初始深度学习神经网络模型；利用20%的参数测试集对初始深度学习神经网络模型进行测试，输出满足最高真实电路数据输出准确率的初始深度学习神经网络模型作为深度学习神经网络模型，其中，深度学习神经网络模型中的第m层第z项神经元的输出策略公式为：=sig()，其中为m层第z项神经元的输出，为第m-1层第i项神经元与m层第z项神经元的连接权重，代表第m-1层第i项神经元的输入，代表第m-1层第i项神经元与m层第z项神经元的线性关系的偏置，sig()代表sigmoid激活函数，n为第m-1层神经元的数量;

16、s23、将采集得到的实时电路运行过程中的环境噪声数据、实时运行电路的电路数据、实时环境温度和实时环境湿度数据导入构建的深度学习神经网络模型中输出去噪后的电流和电压变化曲线。

17、在此需要说明的是，这样通过深度学习神经网络对设备的环境影响进行去除，提高了电压和电流测量的准确性，进一步提高了漏电识别准确性；

18、在此需要具体说明的是，所述将去噪后的电流和电压变化曲线代入漏电识别模型中进行漏电识别包括如下具体步骤：

19、s31、获取去噪后的电流和电压的变化曲线，获取对应的设备运行过程中对应运行电路的电压和电流对应关系，将去噪后的电流和电压的变化曲线、电压和电流对应关系代入漏电判断值计算公式中进行漏电判断值的计算，其中，漏电判断值计算公式为：，其中，t为检测时间，dt为时间积分，为t时刻去噪后的电压输入对应运行电路的电压和电流对应关系输出的电流值，为t时刻去噪后的电流值，其中，当时，对应的数据不带入漏电判断值公式中计算，其中，t的取值范围为0至t；

20、s32、将计算得到的漏电判断值与设定的漏电判断阈值进行对比，若计算得到的漏电判断值大于等于设定的漏电判断阈值，则判断发生漏电，若计算得到的漏电判断值小于设定的漏电判断阈值，则判断未发生漏电。

21、在此需要说明的是，对于运行电路而言其运行设备和器件确定，因此对应运行电路的电压和电流对应关系能够从其电路配置得到，此为本领域的常规技术手段，在此不进行详细赘述；

22、同时在此需要说明的是，这里的漏电判断阈值的取值方式为：获取500组电路漏电数据进行漏电判断值计算，聘请专家对电路漏电数据进行分析，判断是否会对人体造成异常危险，将判断结果和计算得到的漏电判断值代入拟合软件中输出符合最高危险判断准确率的漏电判断阈值，这里的漏电判断阈值优选为0.08；

23、在此需要具体说明的是，所述将识别得到漏电分析结果代入漏电危险分析模型中进行漏电危险分析包括如下具体步骤：

24、s41、获取计算得到的漏电判断值和漏电判断阈值代入危险等级计算公式中计算漏电危险等级，其中，危险等级计算公式为：，其中，m为漏电判断阈值；

25、s42、若计算得到的危险等级区间为（0，1），则进行漏电危险一级预警;若计算得到的危险等级区间为[1，2)，则进行漏电危险二级预警；若计算得到的危险等级区间大于2，则进行漏电危险三级预警，若计算得到的危险等级小于等于0，则不进行漏电危险预警；

26、在此需要说明的是，所述根据得到漏电危险分析结果进行漏电危险预警，并进行数字化展示包括以下具体内容：

27、获取漏电危险等级，同时对漏电设备进行断电，向应急管理部门、维修人员发布漏电危险预警和危险等级，并在应急显示器上进行漏电位置、漏电危险等级和漏电设备的显示。

28、一种基于物联网的数字化漏电检测与保护系统，其基于上述一种基于物联网的数字化漏电检测与保护方法实现，其具体包括数据获取模块、电力数据去噪模型构建模块、漏电识别模块、漏电危险分析模块、漏电危险预警模块和控制模块，所述数据获取模块用于实时通过电力采集终端获取运行电路中的电力数据，同时通过干扰采集终端对运行环境中的干扰数据进行获取，所述电力数据去噪模型构建模块用于构建电力数据去噪模型，将获取得到的电流和电压变化曲线代入电力数据去噪模型中获取去噪后的电流和电压变化曲线。

29、在此需要具体说明的是，所述漏电识别模块用于将去噪后的电流和电压变化曲线代入漏电识别模型中进行漏电识别，所述漏电危险分析模块用于将识别得到漏电分析结果代入漏电危险分析模型中进行漏电危险分析，所述漏电危险预警模块用于根据得到漏电危险分析结果进行漏电危险预警，并进行数字化展示。

30、在此需要具体说明的是，所述控制模块用于控制数据获取模块、电力数据去噪模型构建模块、漏电识别模块、漏电危险分析模块和漏电危险预警模块的运行。

31、一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

32、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种基于物联网的数字化漏电检测与保护方法。

33、一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的一种基于物联网的数字化漏电检测与保护方法。

34、与现有技术相比，本发明的有益效果是：

35、本发明实时通过电力采集终端获取运行电路中的电力数据，同时通过干扰采集终端对运行环境中的干扰数据进行获取，构建电力数据去噪模型，将获取得到的电流和电压变化曲线代入电力数据去噪模型中获取去噪后的电流和电压变化曲线，将去噪后的电流和电压变化曲线代入漏电识别模型中进行漏电识别，将识别得到漏电分析结果代入漏电危险分析模型中进行漏电危险分析，根据得到漏电危险分析结果进行漏电危险预警，并进行数字化展示，通过对运行电路的电路数据和干扰数据进行综合分析极大的提高了对漏电判断的准确性，同时对漏电进行等级区分，提高了对漏电事故的管控能力。

技术特征：

1.一种基于物联网的数字化漏电检测与保护方法，其特征在于，其包括以下具体步骤：

2.如权利要求1所述的一种基于物联网的数字化漏电检测与保护方法，其特征在于，所述实时通过电力采集终端获取运行电路中的电力数据，同时通过噪声采集终端对运行环境中的噪声数据进行获取包括以下具体步骤：

3.如权利要求2所述的一种基于物联网的数字化漏电检测与保护方法，其特征在于，所述构建电力数据去噪模型，将获取得到的电流和电压变化曲线代入电力数据去噪模型中获取去噪后的电流和电压变化曲线包括以下具体内容：

4.如权利要求3所述的一种基于物联网的数字化漏电检测与保护方法，其特征在于，所述将去噪后的电流和电压变化曲线代入漏电识别模型中进行漏电识别包括如下具体步骤：

5.如权利要求4所述的一种基于物联网的数字化漏电检测与保护方法，其特征在于，所述将识别得到漏电分析结果代入漏电危险分析模型中进行漏电危险分析包括如下具体步骤：

6.如权利要求5所述的一种基于物联网的数字化漏电检测与保护方法，其特征在于，所述根据得到漏电危险分析结果进行漏电危险预警，并进行数字化展示包括以下具体内容：

7.一种基于物联网的数字化漏电检测与保护系统，其基于如权利要求1-6任一项的所述一种基于物联网的数字化漏电检测与保护方法实现，其特征在于，其具体包括数据获取模块、电力数据去噪模型构建模块、漏电识别模块、漏电危险分析模块、漏电危险预警模块和控制模块，所述数据获取模块用于实时通过电力采集终端获取运行电路中的电力数据，同时通过干扰采集终端对运行环境中的干扰数据进行获取，所述电力数据去噪模型构建模块用于构建电力数据去噪模型，将获取得到的电流和电压变化曲线代入电力数据去噪模型中获取去噪后的电流和电压变化曲线。

8.如权利要求7所述的一种基于物联网的数字化漏电检测与保护系统，其特征在于，所述漏电识别模块用于将去噪后的电流和电压变化曲线代入漏电识别模型中进行漏电识别，所述漏电危险分析模块用于将识别得到漏电分析结果代入漏电危险分析模型中进行漏电危险分析，所述漏电危险预警模块用于根据得到漏电危险分析结果进行漏电危险预警，并进行数字化展示，所述控制模块用于控制数据获取模块、电力数据去噪模型构建模块、漏电识别模块、漏电危险分析模块和漏电危险预警模块的运行。

9.一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

10.一种计算机可读存储介质，其特征在于，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-6任一项所述的一种基于物联网的数字化漏电检测与保护方法。

技术总结
本发明公开了一种基于物联网的数字化漏电检测与保护系统及方法，属于紧急保护电路领域，本发明通过干扰采集终端对运行环境中的干扰数据进行获取，构建电力数据去噪模型，将获取得到的电流和电压变化曲线代入电力数据去噪模型中获取去噪后的电流和电压变化曲线，将去噪后的电流和电压变化曲线代入漏电识别模型中进行漏电识别，将识别得到漏电分析结果代入漏电危险分析模型中进行漏电危险分析，根据得到漏电危险分析结果进行漏电危险预警，并进行数字化展示，通过对运行电路的电路数据和干扰数据进行综合分析极大的提高了对漏电判断的准确性，同时对漏电进行等级区分，提高了对漏电事故的管控能力。

技术研发人员：张南松,黄成华,朱佑华,舒叶
受保护的技术使用者：深圳市云之声科技有限公司
技术研发日：
技术公布日：2024/9/23