一种智慧用电安全监测系统的制作方法

1.本发明涉及智慧用电领域，具体涉及一种智慧用电安全监测系统。


背景技术：

2.随着电力系统以及配电网信息化的快速发展，电能已经是人们高度依赖的能源。智慧用电安全监测系统可以通过各采集终端了解线路和用电器的相关数据，对引起电气火灾的各种因素实时在线监测和分析，从而消除潜在的电气火灾安全隐患，全面保障用电安全。
3.目前，现有的智慧用电安全监测系统设计主要采用bp神经网络、卷积神经网络、深度长短时记忆网络等模型。其中bp神经网络具有良好的非线性映射能力、自学习和自适应能力、泛化能力和容错能力，而受到广泛应用。但由于为了提高bp神经网络的非线性拟合能力和监测精度，导致bp神经网络的神经元数目多、结构复杂、自适应学习速率慢的问题。
4.综上所述，如何有效地实现智慧用电安全监测，降低结构复杂程度，提高学习效率和安全监测的准确性，成为目前亟需解决的技术问题。


技术实现要素：

5.鉴于上述问题，提出了本技术，在隐含层中仅采用三个或四个神经元，简化bp神经网络的结构，提高bp神经网络的自适应学习速率。同时每个神经元分别采用不同的激活函数，综合不同激活函数的优点，提高了bp神经网络的监测精度。进一步的，每个激活函数还共享e
x
的计算值，大大提高了bp神经网络的自适应学习速率。
6.本技术提供了一种智慧用电安全监测系统，包括：线缆温度传感器、烟雾传感器、剩余电流传感器、三相电压传感器、三相电流传感器、智能网关、云平台；
7.线缆温度传感器、烟雾传感器、剩余电流传感器、三相电压传感器、三相电流传感器对目标环境中的线缆温度、烟雾、剩余电流、三相电压、三相电流进行采集，获取得到线缆温度采样信号、烟雾采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic；
8.智能网关接收线缆温度采样信号、烟雾采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic进行汇总，将其传输到云平台；
9.云平台基于线缆温度采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，采用神经网络模型进行综合分析，产生安全监测结果；
10.神经网络模型的隐含层采用至少三个不同的激活函数。
11.进一步的，神经网络模型包括输入层、隐含层和输出层；
12.其中，输入层由八个神经元构成，每个神经元分别接收线缆温度采样信号t、剩余电流采样信号ires、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，将其传递到隐含层；
13.隐含层由三个神经元构成，每个神经元的八个输入端分别接收输入层传递的线缆
温度采样信号t、剩余电流采样信号ires、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，进行求和运算和激活变换后，产生三个隐含输出；
14.输出层由一个神经元构成，接收三个隐含输出，进行求和运算和激活变换后，产生安全监测结果。
15.进一步的，隐含层中第一神经元的激活函数具体为：
[0016][0017]
其中，x为激活函数的输入。
[0018]
进一步的，隐含层中第二神经元的激活函数具体为：
[0019][0020]
进一步的，隐含层中第三神经元的激活函数具体为：
[0021][0022]
进一步的，隐含层还设置有第四神经元。
[0023]
进一步的，隐含层中第四神经元的激活函数具体为：
[0024]
f4(x)＝ln(1+e
x
)
[0025]
进一步的，云平台还基于安全监测结果和烟雾采样信号判断是否采用保护措施。
[0026]
进一步的，当安全监测结果指示发生火灾且烟雾采样信号指示存在烟雾时，判断火灾已发生，采用保护措施；当安全监测结果指示发生火灾且烟雾采样信号指示不存在烟雾时，判断火灾没有发生，但存在火灾隐患，需工程人员进行排查。
[0027]
本技术的有益效果是：
[0028]
(1)本技术提供了一种智慧用电安全监测系统，在隐含层中仅采用三个或四个神经元，简化bp神经网络的结构，提高bp神经网络的自适应学习速率。同时每个神经元分别采用不同的激活函数，综合不同激活函数的优点，提高了bp神经网络的监测精度。
[0029]
(2)本技术隐含层中每个激活函数共享e
x
的计算值，大大提高了bp神经网络的自适应学习速率。
[0030]
(3)本技术采用安全监测结果和烟雾采样信号进行保护措施判断，能够防止保护措施的误触发，提高了智慧用电安全监测的可靠性。
附图说明
[0031]
为了更清楚地说明本技术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一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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。
[0032]
图1为本技术提供的一种智慧用电安全监测系统的结构框图；
[0033]
图2为本技术提供的神经网络模型的结构框图。
具体实施方式
[0034]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
[0035]
在本技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
[0036]
本技术提供了一种智慧用电安全监测系统，在隐含层中仅采用三个或四个神经元，简化bp神经网络的结构，提高bp神经网络的自适应学习速率。同时每个神经元分别采用不同的激活函数，综合不同激活函数的优点，提高了bp神经网络的监测精度。进一步的，每个激活函数还共享e
x
的计算值，大大提高了bp神经网络的自适应学习速率。
[0037]
下面结合附图和具体实施例对本技术作进一步说明。
[0038]
图1为本发明实施例提供的一种智慧用电安全监测系统。如图1所示，一种智慧用电安全监测系统，包括：线缆温度传感器、烟雾传感器、剩余电流传感器、三相电压传感器、三相电流传感器、智能网关、云平台。
[0039]
线缆温度传感器、烟雾传感器、剩余电流传感器、三相电压传感器、三相电流传感器作为智慧用电安全监测系统的感知层，对目标环境中的线缆温度、烟雾、剩余电流、三相电压、三相电流进行采集，获取得到线缆温度采样信号、烟雾采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic。
[0040]
智能网关作为智慧用电安全监测系统的网络层，接收线缆温度采样信号、烟雾采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic进行汇总，将其传输到云平台。
[0041]
云平台作为智慧用电安全监测系统的应用层，基于线缆温度采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，采用神经网络模型进行综合分析，产生安全监测结果，并基于安全监测结果和烟雾采样信号判断是否采用保护措施。
[0042]
进一步的，在本实施例中，神经网络模型包括输入层、隐含层和输出层。
[0043]
其中，输入层由八个神经元构成，每个神经元分别接收线缆温度采样信号t、剩余电流采样信号ires、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，将其传递到隐含层。
[0044]
隐含层由三个神经元构成，每个神经元的八个输入端分别接收输入层传递的线缆温度采样信号t、剩余电流采样信号ires、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，进行求和运算和激活变换后，产生三个隐含输出。
[0045]
输出层由一个神经元构成，接收三个隐含输出，进行求和运算和激活变换后，产生安全监测结果。
[0046]
现有技术中，为了提高神经网络模型的泛化能力和非线性拟合能力，需要采用数量较多的神经元和复杂的模型结构，导致了自适应学习速率慢的问题。
[0047]
而本技术在隐含层中仅采用三个神经元，简化bp神经网络的结构，提高bp神经网络的自适应学习速率。同时每个神经元分别采用不同的激活函数，综合不同激活函数的优点，提高了bp神经网络的监测精度。
[0048]
具体的，在本技术隐含层中，第一神经元、第二神经元和第三神经元分别采用三个不同的激活函数，综合不同激活函数的优点，克服每种激活函数的适用范围和缺点，提高了bp神经网络的监测精度。
[0049]
进一步的，在本技术中，第一神经元中激活函数具体为：
[0050][0051]
其中，x为激活函数的输入。
[0052]
该激活函数是连续函数，为平滑的s形曲线，适用于二分类输出问题。但输出值域不对称，学习速率比较慢。
[0053]
第二神经元中激活函数具体为：
[0054][0055]
该激活函数曲线更加平滑，能够更好的实现非线性拟合，解决了输出值域不对称的问题，且能够增强学习速率，但存在梯度隐没的问题。
[0056]
第三神经元中激活函数具体为：
[0057][0058]
该激活函数曲线更加平缓，减轻了学习速率缓慢、梯度隐没的问题，但也存在输出值域不对称的问题。
[0059]
因此本技术综合三种激活函数的优点，能够提高自适应学习速率，减轻梯度隐没、输出值域不对称问题，提高神经网络模型的监测精度。
[0060]
进一步的，在本技术中，三种激活函数都需要计算e
x
，因此隐含层中三个神经元可以相互共享e
x
的计算值，进一步增强bp神经网络的自适应学习速率。
[0061]
在本技术另一实施例中，bp神经网络的隐含层还可以设置第四神经元，其八个输入端分别接收输入层传递的线缆温度采样信号t、剩余电流采样信号ires、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，进行求和运算和激活变换后，产生第四隐含输出。
[0062]
第四神经元中激活函数具体为：
[0063]
f4(x)＝ln(1+e
x
)
[0064]
该激活函数曲线相对扁平，导数更小，能够避免静默神经元，进而使bp神经网络避免静默神经元。
[0065]
进一步的，在本技术另一实施例中，云平台还基于安全监测结果和烟雾采样信号判断是否采用保护措施，具体为：
[0066]
当安全监测结果指示发生火灾且烟雾采样信号指示存在烟雾时，判断火灾已发生，采用保护措施。
[0067]
当安全监测结果指示发生火灾且烟雾采样信号指示不存在烟雾时，判断火灾没有发生，但存在火灾隐患，需工程人员进行排查。
[0068]
本技术采用安全监测结果和烟雾采样信号进行保护措施判断，能够防止保护措施的误触发，提高了智慧用电安全监测的可靠性。
[0069]
在本技术中，智慧用电安全监测系统在隐含层中仅采用三个或四个神经元，简化bp神经网络的结构，提高bp神经网络的自适应学习速率。同时每个神经元分别采用不同的激活函数，综合不同激活函数的优点，提高了bp神经网络的监测精度。进一步的，每个激活函数还共享e
x
的计算值，大大提高了bp神经网络的自适应学习速率。
[0070]
上述说明示出并描述了本技术的若干优选实施例，但如前所述，应当理解本技术并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本技术的精神和范围，则都应在本技术所附权利要求的保护范围内。

技术特征：
1.一种智慧用电安全监测系统，其特征在于，包括：线缆温度传感器、烟雾传感器、剩余电流传感器、三相电压传感器、三相电流传感器、智能网关、云平台；线缆温度传感器、烟雾传感器、剩余电流传感器、三相电压传感器、三相电流传感器对目标环境中的线缆温度、烟雾、剩余电流、三相电压、三相电流进行采集，获取得到线缆温度采样信号、烟雾采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic；智能网关接收线缆温度采样信号、烟雾采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic进行汇总，将其传输到云平台；云平台基于线缆温度采样信号、剩余电流采样信号、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，采用神经网络模型进行综合分析，产生安全监测结果；神经网络模型的隐含层采用至少三个不同的激活函数。2.根据权利要求1所述的智慧用电安全监测系统，其特征在于，神经网络模型包括输入层、隐含层和输出层；其中，输入层由八个神经元构成，每个神经元分别接收线缆温度采样信号t、剩余电流采样信号ires、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，将其传递到隐含层；隐含层由三个神经元构成，每个神经元的八个输入端分别接收输入层传递的线缆温度采样信号t、剩余电流采样信号ires、三相电压采样信号ua、ub、uc和三相电流采样信号ia、ib、ic，进行求和运算和激活变换后，产生三个隐含输出；输出层由一个神经元构成，接收三个隐含输出，进行求和运算和激活变换后，产生安全监测结果。3.根据权利要求2所述的智慧用电安全监测系统，其特征在于，隐含层中第一神经元的激活函数具体为：其中，x为激活函数的输入。4.根据权利要求3所述的智慧用电安全监测系统，其特征在于，隐含层中第二神经元的激活函数具体为：5.根据权利要求4所述的智慧用电安全监测系统，其特征在于，隐含层中第三神经元的激活函数具体为：6.根据权利要求5所述的智慧用电安全监测系统，其特征在于，隐含层还设置有第四神经元。7.根据权利要求6所述的智慧用电安全监测系统，其特征在于，隐含层中第四神经元的激活函数具体为：
f4(x)＝ln(1+e
x
)8.根据权利要求1所述的智慧用电安全监测系统，其特征在于，云平台还基于安全监测结果和烟雾采样信号判断是否采用保护措施。9.根据权利要求8所述的智慧用电安全监测系统，其特征在于，当安全监测结果指示发生火灾且烟雾采样信号指示存在烟雾时，判断火灾已发生，采用保护措施；当安全监测结果指示发生火灾且烟雾采样信号指示不存在烟雾时，判断火灾没有发生，但存在火灾隐患，需工程人员进行排查。

技术总结
本申请提供了一种智慧用电安全监测系统，包括：线缆温度传感器、烟雾传感器、剩余电流传感器、三相电压传感器、三相电流传感器、智能网关、云平台；其中云平台基于线缆温度采样信号、剩余电流采样信号、三相电压采样信号Ua、Ub、Uc和三相电流采样信号Ia、Ib、Ic，采用神经网络模型进行综合分析，产生安全监测结果。产生安全监测结果。产生安全监测结果。


技术研发人员：胡飞 刘春雨 金剑飞
受保护的技术使用者：浙江鲲游科技有限公司
技术研发日：2023.05.06
技术公布日：2023/8/9