一种配电箱故障智能定位方法及系统与流程

本发明涉及配电箱，特别是涉及一种配电箱故障智能定位方法及系统。

背景技术：

1、配电箱内布置有母线连接点、断路器接线端子、接触器主触点、电缆接头等电气节点，各节点通过负荷电流时因导体电阻持续产生热量，热量经导体及箱体结构向相邻部位传导，并由箱体外壁向外散热。若某一节点出现接触电阻增大、接线松动或绝缘老化，其发热量明显高于负荷相同的其他节点，持续运行会导致局部温度不断升高，造成绝缘劣化甚至引发电气事故，因此需要在运行中监测各节点发热状况并及时判断发热产生的具体部位。

2、现有的配电箱热状态监测方式多以箱内温度测点采集的温度高低作为判断依据，温度超出限值即视为该处异常。由于各节点温度随负荷电流同步起伏，仅凭温度高低无法区分负荷引起的正常升温与故障引起的异常发热；且热量沿导体和箱体向相邻部位传导，温度较高处常为热量汇聚位置，与实际发热部位并不重合，导致排查只能按温度由高到低逐点确认，定位耗时且易误判至相邻节点。

技术实现思路

1、本发明提供了一种配电箱故障智能定位方法及系统，改善了在配电箱运行监测场景中，现有方式多依赖温度测点采集到的温度高低作出判断，未区分箱内温度升高是由负荷增大引起的正常变化还是由局部故障引起的异常变化，当某一部位出现异常发热时，温度较高处与故障实际发生处往往并不重合，导致故障排查需逐点确认、定位耗时长且容易偏离实际故障部位的技术问题。

2、本发明公开了如下技术方案：

3、第一方面，本发明提供了一种配电箱故障智能定位方法，方法包括：

4、获取配电箱内各电气节点的实时负荷电流、实时温度及温度变化速率，并构建电-热双层同构图；

5、以历史正常工况数据为训练样本，训练图自编码器，并在图自编码器的损失函数中嵌入物理约束项，得到物理约束热场重构模型；

6、将实时负荷电流输入物理约束热场重构模型，输出各节点在当前负荷下的基准温度重构值和基准温度变化速率重构值，并计算各节点的热力残差；

7、以电-热双层同构图为拓扑约束，沿热力残差梯度上升方向进行聚类，得到异常热聚类簇，提取异常热聚类簇内热力残差梯度上升方向所汇聚的节点作为故障源点，并输出故障传播路径。

8、第二方面，本发明提供了一种配电箱故障智能定位系统，系统包括：

9、数据构建模块，用于获取配电箱内各电气节点的实时负荷电流、实时温度及温度变化速率，并构建电-热双层同构图；

10、模型训练模块，用于以历史正常工况数据为训练样本，训练图自编码器，并在图自编码器的损失函数中嵌入物理约束项，得到物理约束热场重构模型；

11、残差计算模块，用于将实时负荷电流输入物理约束热场重构模型，输出各节点在当前负荷下的基准温度重构值和基准温度变化速率重构值，并计算各节点的热力残差；

12、定位输出模块，用于以电-热双层同构图为拓扑约束，沿热力残差梯度上升方向进行聚类，得到异常热聚类簇，提取异常热聚类簇内热力残差梯度上升方向所汇聚的节点作为故障源点，并输出故障传播路径。

13、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

14、本发明技术方案通过提供的一种配电箱故障智能定位方法，首先，通过获取配电箱内各电气节点的实时负荷电流、实时温度及温度变化速率，并构建电-热双层同构图，实现了将配电箱内电气节点之间的电气连接关系与空间传热关系在同一图结构中分别表达，解决了箱内电气连接结构与热量传递路径相互交织、单一拓扑难以同时描述两种关系而使后续分析缺乏统一结构载体的问题，为将负荷与温度信息按节点对应关系组织到同一模型提供了数据基础。

15、进一步的，通过以历史正常工况数据为训练样本训练图自编码器，并在图自编码器的损失函数中嵌入物理约束项，得到物理约束热场重构模型，实现了将配电箱在无故障状态下的负荷与温度对应关系连同热传导物理规律一并学习到模型中，解决了仅依靠历史数据的统计拟合难以保证温度重构结果符合配电箱热平衡规律的问题，为判断实时温度是否偏离正常状态提供了可信的基准来源。

16、再进一步的，通过将实时负荷电流输入物理约束热场重构模型，输出各节点在当前负荷下的基准温度重构值和基准温度变化速率重构值，并计算各节点的热力残差，实现了将实时温度与当前负荷下应有的温度水平按节点逐一对齐比较，解决了箱内各节点温度随负荷同步起伏而无法判断温度偏高是否由负荷引起的问题，为逐节点给出偏离正常状态的量化结果提供了计算依据。

17、最后，通过以电-热双层同构图为拓扑约束，沿热力残差梯度上升方向进行聚类，得到异常热聚类簇，提取异常热聚类簇内热力残差梯度上升方向所汇聚的节点作为故障源点，并输出故障传播路径，实现了沿箱内实际连接的传播路径确定热量汇聚位置并向运维给出传播走向，解决了温度较高处与实际发热部位不重合而导致故障排查逐点确认的问题，使故障源点能够被直接定位并附带可追溯的传播路径。

18、由此可得，本发明通过将配电箱内电气连接关系与空间传热关系构建为电-热双层同构图，在历史正常工况数据训练图自编码器时嵌入物理约束项得到物理约束热场重构模型，按当前负荷重构各节点的基准温度与基准温度变化速率并计算热力残差，再以该电-热双层同构图为拓扑约束沿热力残差梯度上升方向聚类并提取故障源点、输出故障传播路径，实现了从负荷与温度采集、正常状态基准重构、逐节点偏差量化到故障部位定位与传播路径输出的完整处理，有利于在负荷波动条件下准确判断配电箱内的故障部位，缩短故障排查时间，提升配电运维的效率与准确性。

1.一种配电箱故障智能定位方法，其特征在于，包括：

2.根据权利要求1所述的一种配电箱故障智能定位方法，其特征在于，构建电-热双层同构图，包括：

3.根据权利要求1所述的一种配电箱故障智能定位方法，其特征在于，以历史正常工况数据为训练样本，训练图自编码器，并在所述图自编码器的损失函数中嵌入物理约束项，得到物理约束热场重构模型，包括：

4.根据权利要求3所述的一种配电箱故障智能定位方法，其特征在于，所述物理约束损失项用于将配电箱的热传导物理规律嵌入所述图自编码器的特征重构过程，包括：

5.根据权利要求3所述的一种配电箱故障智能定位方法，其特征在于，计算各节点的热力残差，包括：

6.根据权利要求5所述的一种配电箱故障智能定位方法，其特征在于，还包括：

7.根据权利要求1所述的一种配电箱故障智能定位方法，其特征在于，以所述电-热双层同构图为拓扑约束，沿热力残差梯度上升方向进行聚类，得到异常热聚类簇，包括：

8.根据权利要求7所述的一种配电箱故障智能定位方法，其特征在于，提取所述异常热聚类簇内热力残差梯度上升方向所汇聚的节点作为故障源点，并输出故障传播路径，包括：

9.根据权利要求8所述的一种配电箱故障智能定位方法，其特征在于，在输出故障传播路径之后，还包括：

10.一种配电箱故障智能定位系统，其特征在于，所述系统用于执行权利要求1至9任一项所述的配电箱故障智能定位方法，所述系统包括：