本发明涉及配电柜监测，尤其涉及一种配电柜运行环境的智能安全监控系统及方法。
背景技术：
1、配电柜分动力配电柜和照明配电柜、计量柜，是配电系统的末级设备。
2、中国专利公开号：cn114665611b公开了一种基于数据分析的配电柜运行智能监测管理系统，包括状态监控模块、环境分析模块、周期管理模块以及规律分析模块，所述状态监控模块与环境分析模块、周期管理模块均通信连接；所述状态监控模块用于对配电柜的运行状态进行监测管理分析并将监测对象标记为正常对象或异常对象，状态监控模块将正常对象与整体分析信号发送至周期管理模块，状态监控模块将异常对象与环境分析信号发送至环境分析模块；本发明解决现有的配电柜运行监测管理系统无法针对运行状态波动较大的配电柜进行规律分析的问题，可以对配电柜的运行状态进行实时监测，在配电柜运行异常时及时进行预警。
3、当前的配电柜运行环境监控主要依靠分布在几个关键位置的温度和湿度传感器，这种方式无法全面、精准地监控整个配电柜内部的微小环境变化，尤其是局部的热点区域和湿度集聚区；此外配电柜火灾的早期预警系统主要依赖烟雾和温度传感器，往往在火灾已经发展到一定程度后才能检测到异常，导致预警时间滞后；而目前对于此类问题，通常采用增加传感器数量和冷却设备的方式来提高监控覆盖面，以及通过增加传感器种类和数量来提高预警能力，但这带来了系统复杂性和误报率问题，无法实现对局部环境的精准调节；因此亟需一种配电柜运行环境的智能安全监控系统及方法来解决此类问题。
技术实现思路
1、为此，本发明提供一种配电柜运行环境的智能安全监控系统及方法，用以克服现有技术中无法全面、精准地监控整个配电柜内部的微小环境变化，以及火灾预警时间滞后性的问题。
2、为实现上述目的，一方面，本发明提供一种配电柜运行环境的智能安全监控系统，包括：
3、高密度传感器网络，监测环境参数；
4、微气候监控模块，通过微气候模型模拟配电柜内部空气流动和温湿度分布，识别潜在的热点区域和湿度集聚区；
5、智能控制系统，用于动态调节配电柜内部局部环境；
6、火灾监控模块，实时分析环境数据变化趋势，识别火灾风险；
7、智能预警系统，用于提前发出火灾预警并启动防火措施。
8、另一方面，本发明还提供一种配电柜运行环境的智能安全监控方法，包括：
9、步骤s1，高密度传感器网络数据监控，采用高密度微型传感器节点采集实时数据，包括温度、湿度和气体浓度在内的环境参数；高密度微型传感器节点布置在配电柜内部；
10、步骤s2，多传感器数据融合，基于步骤s1中采集的环境参数，进行多传感器数据融合，融合后的数据用于后续微气候模拟和火灾风险预测；
11、步骤s3，微气候模拟，利用cfd工具建立配电柜内部微气候模型，模拟配电柜内部空气流动和温湿度分布；根据步骤s2中融合的传感器数据，实时更新模型，通过cfd模拟识别潜在的热点区域和湿度集聚区，指导局部环境的调节；
12、步骤s4，火灾风险预测，采用多参数融合算法实时分析环境数据变化趋势，提前预测火灾风险；使用机器学习模型对传感器数据进行时序分析，识别潜在的火灾风险；并建立环境参数变化模型，通过主成分分析pca算法进行分析结果验证；
13、步骤s5，局部环境调节与火灾预警，智能控制系统基于步骤s4的实时数据分析结果，动态调节局部环境；
14、进一步地，步骤s2中数据融合的步骤包括：
15、进行归一化和数据对其，其中xi,j表示第i个传感器在第j时刻的原始数据，
16、min(xi)和max(xi)分别为第i个传感器数据的最小值和最大值，x'i,j为归一化后的数据；
17、xi(t)＝ip(xi(t1),xi(t2),...,xi(tj))，此处xi(t)为第i个传感器在时间t的对齐数据，xi(tj)为第i个传感器在时间tj的原始数据，ip指代插值过程；
18、状态空间模型融合多传感器数据，设系统状态x(t)受控制输入u(t)和过程噪声w(t)的影响，测量值z(t)受测量噪声v(t)的影响，状态方程：x(t+1)＝ax(t)+bu(t)+w(t)，此处x(t+1)为时间t+1时的系统状态向量，包括温度、湿度、气体浓度，a为状态转移矩阵，表示系统状态的变化，b为控制矩阵，表示控制输入对系统状态的影响，u(t)为控制输入向量，w(t)为过程噪声向量，设为零均值高斯白噪声；
19、观测方程：z(t)＝hx(t)+v(t)，z(t)为时间t时的测量向量，h为观测矩阵，表示系统状态对测量值的影响，v(t)为测量噪声向量，设为零均值高斯白噪声；
20、进一步地，步骤s2中数据融合的步骤还包括：
21、利用卡尔曼滤波对状态空间模型进行估计，融合多传感器数据，预测步骤：p(t|t-1)＝ap(t-1|t-1)at+q，此处为时间t时的先验状态估计，
22、p(t|t-1)为时间t时的先验误差协方差矩阵，q为过程噪声协方差矩阵，at表示状态转移矩阵的转置，表示在时间t-1时的后验状态估计，u(t-1)表示在时间t-1时的控制输入向量，p(t-1|t-1)为在时间t-1时的后验误差协方差矩阵；
23、更新步骤：
24、k(t)＝p(t|t-1)ht(hp(t|t-1)ht+r)-1；
25、
26、p(t|t)＝(i-k(t)h)p(t|t-1)，此处k(t)为时间t时的卡尔曼增益矩阵，p(t|t-1)为时间t时的先验误差协方差矩阵，h为观测矩阵，r表示测量噪声协方差矩阵；为时间t时的后验状态估计，z(t)时间t时的测量值，为时间t时的先验测量估计，p(t|t)为时间t时的后验误差协方差矩阵，r为测量噪声协方差矩阵，i为单位矩阵；
27、将经过卡尔曼滤波处理后的数据作为最终的融合数据；
28、进一步地，热点区域和湿度集聚区识别方式包括：
29、使用cad软件构建配电柜的三维几何模型，使用网格生成工具对几何模型进行网格划分；
30、定义流体属性，定义配电柜的边界条件，包括进风口、出风口、墙面和设备表面的温度和对流换热系数；
31、使用cfd工具求解连续性方程、动量方程和能量方程，得到空气流动和温度分布；
32、基于温度分布和空气流动，计算湿度分布，利用湿度传输方程求解；
33、根据传感器数据动态更新cfd模型，通过cfd模拟结果识别潜在的热点区域和湿度集聚区，为局部环境调节提供依据；步骤3模拟配电柜内部空气流动和温湿度分布，为后续的环境调节和火灾风险预测提供重要数据支持；
34、进一步地，步骤s3中进行的微气候模拟步骤包括：
35、构建配电柜的几何模型，包括配电柜内部的各种设备和组件，对几何模型进行网格划分；
36、设置空气的物理属性，包括密度、粘度、导热系数；
37、定义配电柜的边界条件，包括进风口、出风口、墙面和设备表面；
38、求解navierstokes方程，包括：
39、连续性方程：其中表示流体密度ρ对时间t的偏导数，▽·(ρu)为流体密度和速度u的散度；
40、动量方程：其中表示速度u对时间t的偏导数乘以密度ρ，u·▽u表示速度向量u与其梯度的点积，-▽p为压力梯度，▽·(μ▽u)为粘性力项，表示粘性作用下的动量扩散，f表示体积力；
41、能量方程：其中表示温度t对时间t的偏导数乘以密度ρ和比热容cp，u·▽t为温度梯度与速度向量的点积，▽·(k▽t)表示热导率k的扩散项，φ为粘性耗散项；
42、计算湿度分布，湿度传输方程：其中表示水蒸气浓度cw对时间t的偏导数，u·▽cw为水蒸气浓度梯度与速度向量的点积，dw▽2cw表示水蒸气在空气中的扩散项，▽2为拉普拉斯算子，▽为nabla算子；
43、根据传感器数据动态更新cfd模型，通过cfd模拟结果识别潜在的热点区域和湿度集聚区；
44、进一步地，火灾风险预测步骤包括：
45、计算综合特征向量的加权和，突出重要特征；
46、使用历史数据训练机器学习模型进行时序分析；
47、利用训练好的机器学习模型，对实时数据进行异常检测；
48、根据异常得分评估火灾风险，并确定预警阈值；
49、根据风险评估值触发预警机制，通知相关人员并启动防火措施；
50、进一步地，火灾风险预测方式为：采用多参数融合算法计算综合特征向量的加权和：其中fj表示在时间j的综合特征值，wi表示第i个传感器的数据权重，满足x'i,j表示第i个传感器在时间j的归一化数据；
51、使用历史数据训练lstm机器学习模型进行时序分析；
52、利用训练好的机器学习模型，采用孤立森林对实时数据进行异常检测：此处s(x)为异常得分，e(h(x))表示数据点x的平均路径长度，c(n)为归一化因子，n为样本数量；
53、根据异常得分评估火灾风险，并确定预警阈值：此处r(t)表示在时间t的风险评估值，s(xj)表示在时间j的异常得分，n为时间窗口大小；
54、进一步地，步骤s4中的预警机制为：根据风险评估值触发预警机制，通知相关人员并启动防火措施，此处al为预警状态(1为触发预警，0为正常)，td为预警阈值；
55、进一步地，步骤s5中，在热点区域增加微风扇或局部冷却装置，在湿度较高的区域增加小型除湿器，结合模糊逻辑控制算法，根据传感器数据自动调整控制策略，提高调节效果；智能预警系统基于实时数据和预测结果，提前检测火灾风险，发出预警并启动防火措施。
56、与现有技术相比，本发明具有以下有益效果：
57、本发明，采用基于微气候建模的局部环境控制方式，利用微气候建模技术和高密度微型传感器网络，实现对配电柜内部局部环境的精准监控与调节；
58、在配电柜内部布置高密度微型传感器节点，全面监测温度、湿度和气体浓度等环境参数，利用cfd工具建立配电柜内部微气候模型，模拟空气流动和温湿度分布，通过智能控制系统实时数据分析，动态调节局部环境；在热点区域增加微风扇或局部冷却装置，在湿度较高的区域增加小型除湿器，实现精准调节；
59、本发明，采用基于环境参数的智能火灾预警方式，采用多维度环境参数监测技术和多参数融合算法，构建智能火灾预警系统，实现早期精准预警；
60、利用多参数融合算法，实时分析环境数据变化趋势，提前预测火灾风险，基于机器学习模型对环境数据进行时序分析，识别潜在的火灾风险，然后基于实时数据和预测结果，提前检测火灾风险，发出预警并启动防火措施；
61、解决了现有技术中无法全面、精准地监控整个配电柜内部的微小环境变化，以及火灾预警时间滞后性的问题。
1.一种配电柜运行环境的智能安全监控系统，包括高密度传感器网络、微气候监控模块、智能控制系统、火灾监控模块以及智能预警系统，其特征在于：
2.一种配电柜运行环境的智能安全监控方法，其特征在于，使用了权利要求1所述的一种配电柜运行环境的智能安全监控系统，包括以下步骤：
3.根据权利要求2所述的一种配电柜运行环境的智能安全监控方法，其特征在于，步骤s2中数据融合的步骤包括：
4.根据权利要求3所述的一种配电柜运行环境的智能安全监控方法，其特征在于，步骤s2中数据融合的步骤还包括：
5.根据权利要求4所述的一种配电柜运行环境的智能安全监控方法，其特征在于，热点区域和湿度集聚区识别方式包括：
6.根据权利要求5所述的一种配电柜运行环境的智能安全监控方法，其特征在于，步骤s3中进行的微气候模拟步骤包括：
7.根据权利要求6所述的一种配电柜运行环境的智能安全监控方法，其特征在于，火灾风险预测步骤包括：
8.根据权利要求7所述的一种配电柜运行环境的智能安全监控方法，其特征在于，火灾风险预测方式为：采用多参数融合算法计算综合特征向量的加权和：其中fj表示在时间j的综合特征值，wi表示第i个传感器的数据权重，满足x′i,j表示第i个传感器在时间j的归一化数据；
9.根据权利要求8所述的一种配电柜运行环境的智能安全监控方法，其特征在于，步骤s4中的预警机制为：根据风险评估值触发预警机制，通知相关人员并启动防火措施，此处al为预警状态，1为触发预警，0为正常，td为预警阈值。
10.根据权利要求9所述的一种配电柜运行环境的智能安全监控方法，其特征在于，步骤s5中，在热点区域增加微风扇或局部冷却装置，在湿度较高的区域增加小型除湿器，结合模糊逻辑控制算法，根据传感器数据自动调整控制策略。
