本申請涉及電子領域，尤其涉及一種自適應過流保護方法、裝置、設備及存儲介質。

背景技術：

1、隨著工業(yè)化進程的加速和智能電網的發(fā)展，各類電氣設備在電力系統(tǒng)中扮演著至關重要的角色。然而，電流過載作為影響設備安全運行的主要因素之一，其可能導致的設備損壞、系統(tǒng)故障乃至火災等嚴重后果，一直備受業(yè)界關注。

2、現有技術主要依賴于固定的電流閾值和簡單的保護邏輯來實現過流保護，這種方式在處理復雜多變的負載特性和環(huán)境條件時顯得力不從心。一方面，固定的電流閾值往往無法準確反映不同負載下的實際過流風險，可能導致保護過度或不足；另一方面，現有技術缺乏對不同傳感器數據的綜合分析和異常信號特征的提取能力，難以實現對過流事件的精準預測和及時響應。此外，現有過流保護機制通常缺乏自適應性和學習能力，無法根據歷史數據和當前環(huán)境動態(tài)調整保護策略，從而限制了保護效果的提升。

技術實現思路

1、本申請?zhí)峁┝艘环N自適應過流保護方法、裝置、設備及存儲介質，用于解決相關技術中現有過流保護機制由于缺乏自適應性和學習能力而限制了保護效果的問題。

2、本申請第一方面提供了一種自適應過流保護方法，所述自適應過流保護方法包括：

3、通過多傳感器采集系統(tǒng)獲取目標多維數據；

4、根據傳感器融合算法確定所述目標多維數據對應的融合數據；

5、提取所述融合數據中存在的異常信號特征；

6、通過機器學習算法對所述異常信號特征進行分類，判斷目標設備是否發(fā)生過流事件；

7、若所述目標設備發(fā)生過流事件，則根據預設保護邏輯對所述目標設備進行過流保護。

8、可選的，在本申請第一方面的第一種實現方式中，通過多傳感器采集系統(tǒng)獲取目標多維數據的步驟，包括：

9、根據所述多傳感器采集系統(tǒng)采集的多維數據生成多維時序數據集；

10、對所述多維時序數據集的所有數據進行時間同步處理；

11、通過對時間同步處理完成后的多維數據進行去噪處理確定所述目標多維數據。

12、可選的，在本申請第一方面的第二種實現方式中，所述傳感器融合算法包括加權卡爾曼濾波公式，所述所述根據傳感器融合算法確定所述目標多維數據對應的融合數據的步驟，包括：

13、通過如下公式計算所述融合數據：

14、，

15、其中，表示為所述融合數據，表示為所述目標多維數據，為卡爾曼增益矩陣，為觀測向量，為觀測矩陣，表示為對應時刻。

16、可選的，在本申請第一方面的第三種實現方式中，所述提取所述融合數據中存在的異常信號特征的步驟，包括：

17、在所述融合數據中提取電流信號；

18、通過對所述電流信號進行快速傅里葉變換獲取所述電流信號的頻域特征向量；

19、確定所述電流信號的時域特征向量以及動態(tài)特征；

20、根據所述頻域特征向量、所述時域特征向量以及所述動態(tài)特征生成綜合特征向量；

21、根據馬氏距離公式以及所述綜合特征向量確定異常信號特征。

22、可選的，在本申請第一方面的第四種實現方式中，所述機器學習算法包括支持向量機，所述通過機器學習算法對所述異常信號特征進行分類，判斷目標設備是否發(fā)生過流事件的步驟，包括：

23、根據所述目標設備的歷史正常數據以及故障數據對支持向量機分類器進行訓練；

24、將所述異常信號特征輸入所述支持向量機分類器中，判斷所述目標設備是否發(fā)生過流事件。

25、可選的，在本申請第一方面的第五種實現方式中，所述方法還包括：

26、根據所述目標設備的實時負載特性以及環(huán)境參數對過流保護閾值進行動態(tài)更新；

27、根據所述支持向量機分類器對過流事件的判斷結果，對所述過流保護閾值進行修正；

28、根據修正后的實時過流保護閾值判斷所述目標設備是否發(fā)生過流事件。

29、可選的，在本申請第一方面的第六種實現方式中，所述若所述目標設備發(fā)生過流事件，則根據預設保護邏輯對所述目標設備進行過流保護的步驟之后，還包括：

30、當過流保護完成后，獲取過流保護事件對應的事件參數；

31、根據所述事件參數更新所述支持向量機分類器的訓練集；

32、根據所述訓練集對所述支持向量機分類器進行優(yōu)化。

33、本申請第二方面提供了一種自適應過流保護裝置，所述自適應過流保護裝置包括：

34、獲取模塊，用于通過多傳感器采集系統(tǒng)獲取目標多維數據；

35、確定模塊，用于根據傳感器融合算法確定所述目標多維數據對應的融合數據；

36、提取模塊，用于提取所述融合數據中存在的異常信號特征；

37、判斷模塊，用于通過機器學習算法對所述異常信號特征進行分類，判斷目標設備是否發(fā)生過流事件；

38、保護模塊，用于若所述目標設備發(fā)生過流事件，則根據預設保護邏輯對所述目標設備進行過流保護。

39、本申請實施例第三方面提供了一種電子設備，包括存儲器及處理器，其中，所述處理器用于執(zhí)行存儲在所述存儲器上的計算機程序，所述處理器執(zhí)行所述計算機程序時，實現上述本申請實施例第一方面提供的自適應過流保護方法中的各步驟。

40、本申請實施例第四方面提供了一種計算機可讀存儲介質，其上存儲有計算機程序，計算機程序被處理器執(zhí)行時，實現上述本申請實施例第一方面提供的自適應過流保護方法中的各步驟。

41、綜上所述，根據本申請方案所提供的一種自適應過流保護方法、裝置、設備及存儲介質，通過多傳感器采集系統(tǒng)獲取目標多維數據；根據傳感器融合算法確定所述目標多維數據對應的融合數據；提取所述融合數據中存在的異常信號特征；通過機器學習算法對所述異常信號特征進行分類，判斷目標設備是否發(fā)生過流事件；若所述目標設備發(fā)生過流事件，則根據預設保護邏輯對所述目標設備進行過流保護。通過本申請方案的實施，根據多傳感器采集系統(tǒng)獲取目標多維數據，并綜合運用傳感器融合算法、異常信號特征提取和機器學習算法等技術手段，實現對過流事件的精準預測和動態(tài)保護。

技術特征：

1.一種自適應過流保護方法，其特征在于，包括：

2.根據權利要求1所述的自適應過流保護方法，其特征在于，所述通過多傳感器采集系統(tǒng)獲取目標多維數據的步驟，包括：

3.根據權利要求1所述的自適應過流保護方法，其特征在于，所述傳感器融合算法包括加權卡爾曼濾波公式，所述所述根據傳感器融合算法確定所述目標多維數據對應的融合數據的步驟，包括：

4.根據權利要求1所述的自適應過流保護方法，其特征在于，所述提取所述融合數據中存在的異常信號特征的步驟，包括：

5.根據權利要求1所述的自適應過流保護方法，其特征在于，所述機器學習算法包括支持向量機，所述通過機器學習算法對所述異常信號特征進行分類，判斷目標設備是否發(fā)生過流事件的步驟，包括：

6.根據權利要求5所述的自適應過流保護方法，其特征在于，所述方法還包括：

7.根據權利要求5所述的自適應過流保護方法，其特征在于，所述若所述目標設備發(fā)生過流事件，則根據預設保護邏輯對所述目標設備進行過流保護的步驟之后，還包括：

8.一種自適應過流保護裝置，其特征在于，所述自適應過流保護裝置包括：

9.一種電子設備，其特征在于，包括存儲器及處理器，其中：

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時，實現權利要求1至7中的任意一項所述自適應過流保護方法中的步驟。

技術總結
本申請涉公開了一種自適應過流保護方法、裝置、設備及存儲介質，該方法包括：通過多傳感器采集系統(tǒng)獲取目標多維數據；根據傳感器融合算法確定目標多維數據對應的融合數據；提取融合數據中存在的異常信號特征；通過機器學習算法對異常信號特征進行分類，判斷目標設備是否發(fā)生過流事件；若目標設備發(fā)生過流事件，則根據預設保護邏輯對目標設備進行過流保護。通過本申請方案的實施，根據多傳感器采集系統(tǒng)獲取目標多維數據，并綜合運用傳感器融合算法、異常信號特征提取和機器學習算法等技術手段，實現對過流事件的精準預測和動態(tài)保護。

技術研發(fā)人員：黃濤濤,林鴻武,李秋明,陳靖文,唐明發(fā),丁波文
受保護的技術使用者：深圳率能半導體有限公司
技術研發(fā)日：
技術公布日：2025/5/15