本發(fā)明涉及監(jiān)測數(shù)據(jù)處理領(lǐng)域，更具體地說，它涉及一種連接器智能監(jiān)測和調(diào)控系統(tǒng)。

背景技術(shù)：

1、連接器是一種用于連接兩個或多個電子設(shè)備或部件之間的裝置，是傳輸電力信號或數(shù)據(jù)的接口。連接器通常由插頭(插口)和插座(插槽)兩部分組成，它們通過特定的物理接口方式將設(shè)備之間的電力數(shù)據(jù)信號連接起來。連接器可以根據(jù)其用途和設(shè)計不同而具有各種形狀、大小和類型。

2、隨著現(xiàn)代城市和工業(yè)的快速發(fā)展，電力安全監(jiān)督所面臨的數(shù)據(jù)量呈現(xiàn)出爆炸性增長，連接器監(jiān)督數(shù)據(jù)不僅僅是數(shù)量龐大，而且數(shù)據(jù)量的迅速增長也帶來了處理的壓力，增加了從數(shù)據(jù)中提取價值信息的難度，對連接器的實時狀態(tài)難以快速響應(yīng)和提取，通過各類智能傳感器的監(jiān)測，造成連接器監(jiān)督數(shù)據(jù)的來源多樣化，使得結(jié)構(gòu)上也呈現(xiàn)出多樣性，數(shù)據(jù)整合工作變得尤為復(fù)雜，這使得數(shù)據(jù)分析工作變得異常復(fù)雜，進而導(dǎo)致連接器的調(diào)控缺少支持且拉長決策時間，難以針對異常情況進行實時的調(diào)控反饋，因此，需要對連接器的智能監(jiān)控數(shù)據(jù)分析進行設(shè)計。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)存在的問題，本發(fā)明的目的在于提供一種連接器智能監(jiān)測和調(diào)控系統(tǒng)，實現(xiàn)校園數(shù)據(jù)的安全監(jiān)控。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案：一種連接器智能監(jiān)測和調(diào)控系統(tǒng)，所述連接器智能監(jiān)測和調(diào)控系統(tǒng)包括：

3、數(shù)據(jù)采集模塊：采集連接器的綜合工作數(shù)據(jù)和環(huán)境數(shù)據(jù)；

4、數(shù)據(jù)優(yōu)化模塊：用于對綜合工作數(shù)據(jù)進行預(yù)處理，獲取調(diào)校數(shù)據(jù)；

5、特征分析模塊：用于對調(diào)校數(shù)據(jù)進行奇異譜分析ssa，獲取特征數(shù)據(jù)；

6、預(yù)測調(diào)控模塊：將特征數(shù)據(jù)輸入至預(yù)先訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型中，預(yù)測得到連接器的調(diào)控決策；

7、各個模塊之間通過有線和/或無線的方式進行連接。

8、優(yōu)選地，所述綜合工作數(shù)據(jù)包括電流數(shù)據(jù)和電壓數(shù)據(jù)，電流數(shù)據(jù)包括周期時間內(nèi)電流值的集合，電壓數(shù)據(jù)包括周期時間內(nèi)電壓值的集合，環(huán)境數(shù)據(jù)包括溫度數(shù)據(jù)和濕度數(shù)據(jù)。

9、優(yōu)選地，所述預(yù)處理方式包括數(shù)據(jù)同步校準(zhǔn)，數(shù)據(jù)同步校準(zhǔn)具體包括：

10、構(gòu)建統(tǒng)一時間軸：定義采集時間周期，識別時間戳，將時間周期內(nèi)電流數(shù)據(jù)和電壓數(shù)據(jù)采集的起止時間作為統(tǒng)一時間軸的時間范圍，以固定時間間隔t生成的時間序列，作為時間點；

11、基于統(tǒng)一時間軸進行電流數(shù)據(jù)和電壓數(shù)據(jù)對齊：遍歷電流數(shù)據(jù)、電壓數(shù)據(jù)中每個電流值、電壓值的時間戳，計算每個電流值、電壓值時間戳與統(tǒng)一時間軸上所有時間點的差值，并選擇最小差值對應(yīng)的時間點進行插入，對于單個時間點上存在重復(fù)電流值或者電壓值進行加權(quán)處理，對于單個時間點上數(shù)據(jù)缺失進行插值法填充；

12、生成調(diào)校數(shù)據(jù)：將統(tǒng)一時間軸每個時間點都分別對應(yīng)一個電流值和電壓值，所有電流數(shù)據(jù)、電壓數(shù)據(jù)按照對齊后的時間點分別整合形成電流同步數(shù)據(jù)和電壓同步數(shù)據(jù)，電流同步數(shù)據(jù)和電壓同步數(shù)據(jù)共同組成調(diào)校數(shù)據(jù)。

13、優(yōu)選地，所述對于單個時間點上存在重復(fù)電流值或者電壓值進行加權(quán)處理包括：

14、設(shè)定電流值或者電壓值用vi表示，i表示單個時間點上電流值或者電壓值的索引，且i＝1，……，i，i為單個時間點上電流值或者電壓值的數(shù)量，對單個時間點上插入的電流值或者電壓值進行更新；

15、

16、其中，vnew表示加權(quán)處理后插入到單個時間點上的電流值或者電壓值；ωi表示權(quán)重；

17、權(quán)重ωi設(shè)定為：

18、

19、其中，si表示索引為i的vi上的時間戳，st表示所要插入的時間點。

20、優(yōu)選地，所述對于單個時間點上數(shù)據(jù)缺失進行插值法填充包括：

21、識別電流數(shù)據(jù)、電壓數(shù)據(jù)的特征性質(zhì)，對于具有非周期性質(zhì)的電流數(shù)據(jù)、電壓數(shù)據(jù)進行改進線性插值，對于具有周期性質(zhì)的電流數(shù)據(jù)、電壓數(shù)據(jù)進行三角函數(shù)插值；

22、對于具有非周期性質(zhì)的電流數(shù)據(jù)、電壓數(shù)據(jù)進行改進線性插值包括：

23、設(shè)定統(tǒng)一時間軸上時間點s(x)處的缺失數(shù)據(jù)值為vnanx，數(shù)據(jù)值用來表示電流值或者電壓值，引入占比系數(shù)λ，計算缺失數(shù)據(jù)值vnani，

24、

25、其中，v(x-1)表示時間點s(x)上一時間點s(x-1)處的數(shù)據(jù)值，v(x+1)表示時間點s(x)下一時間點s(x+1)處的數(shù)據(jù)值。

26、優(yōu)選地，所述對于具有周期性質(zhì)的電流數(shù)據(jù)、電壓數(shù)據(jù)進行三角函數(shù)插值包括：

27、構(gòu)建三角函數(shù)模型：選定三角函數(shù)y(u)＝asin(bu+c)+d，通過最小二乘擬合確定a、b、c和d的取值，獲取完整的三角函數(shù)表達；

28、缺失數(shù)據(jù)值補充：設(shè)定統(tǒng)一時間軸上存在缺失數(shù)據(jù)值的時間點為u,根據(jù)構(gòu)建的三角函數(shù)模型計算時間點u處的數(shù)值，將計算得到的數(shù)值填充到對應(yīng)的時間點u處,遍歷所有存在缺失數(shù)據(jù)值的時間點，逐一填充。

29、優(yōu)選地，所述對調(diào)校數(shù)據(jù)進行奇異譜分析ssa包括：

30、構(gòu)建分析矩陣：將調(diào)校數(shù)據(jù)組成時間序列數(shù)據(jù)矩陣，其中行表示時間點，列表示電流值、電壓值，形成分析矩陣；

31、嵌入延遲嵌入矩陣：構(gòu)建延遲嵌入矩陣；定義延遲窗口大小l和數(shù)據(jù)向量長度n，設(shè)定延遲嵌入矩陣的行數(shù)為n-l+1，延遲嵌入矩陣每一列以分析矩陣中連續(xù)l個數(shù)據(jù)點作為一個子序列，沿著時間軸依次滑動形成延遲嵌入矩陣的行，將分析矩陣嵌入延遲嵌入矩陣中，延遲嵌入矩陣如下：

32、

33、對延遲嵌入矩陣進行奇異值分解，選擇奇異值較大的前k個奇異值對應(yīng)的左奇異向量，得到主成分矩陣,使用主成分矩陣重構(gòu)原始的時間序列數(shù)據(jù)矩陣，得到調(diào)校數(shù)據(jù)特征重構(gòu)后的特征數(shù)據(jù)。

34、優(yōu)選地，所述神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練包括：

35、定義遞歸神經(jīng)網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)結(jié)構(gòu)，基礎(chǔ)結(jié)構(gòu)包括輸入層、隱藏層和輸出層；

36、以統(tǒng)一時間軸上的時間點作為時間標(biāo)簽，將時間標(biāo)簽添加到特征數(shù)據(jù)中，獲取時序數(shù)據(jù)集，將時序數(shù)據(jù)集作為神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練輸入，將連接器的調(diào)控決策作為神經(jīng)網(wǎng)絡(luò)模型的預(yù)測輸出；

37、初始化神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)；網(wǎng)絡(luò)參數(shù)包括輸入層到隱藏層的權(quán)重矩陣、隱藏層的循環(huán)權(quán)重矩陣、隱藏層的偏置向量、隱藏層到輸出層的權(quán)重矩陣以及輸出層的偏置向量；

38、定義神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)，

39、

40、其中，m為時序數(shù)據(jù)集中數(shù)據(jù)值的數(shù)量，數(shù)據(jù)值包括電流值、電壓值；b為數(shù)據(jù)值的索引，α、β為權(quán)重參數(shù)，jb為實際的電性異常判定值，為模型預(yù)測輸出的電性異常判定值，eh為實際的環(huán)境影響系數(shù)，為模型預(yù)測輸出的環(huán)境影響系數(shù)；

41、獲取樣本集，設(shè)定時序數(shù)據(jù)集為子集，將樣本集劃分為多個批次，依次將每個批次的時序數(shù)據(jù)集傳遞至輸入層，根據(jù)優(yōu)化算法更新網(wǎng)絡(luò)參數(shù)，直到損失函數(shù)的值最小且不再變化時停止，完成神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練。

42、優(yōu)選地，所述電性異常判定值；

43、

44、環(huán)境影響系數(shù)，

45、

46、其中，r1、r2、r3、r4、r5和r6為權(quán)重參數(shù)，可以由管理人員根據(jù)實驗分析或者經(jīng)驗進行自主設(shè)定；tt為周期時間內(nèi)獲取的實時溫度數(shù)值；t1為最大安全溫度；t2為最小安全溫度；sd為周期時間內(nèi)獲取的實時濕度數(shù)值；dy為周期時間內(nèi)獲取的實時電壓值；dl為周期時間內(nèi)獲取的實時電流值；為標(biāo)定電壓值；為標(biāo)定電流值。

47、優(yōu)選地，所述占比系數(shù)λ計算為，

48、

49、其中，v(b)表示標(biāo)準(zhǔn)數(shù)據(jù)值。

50、與現(xiàn)有技術(shù)相比，本發(fā)明具備以下有益效果：

51、本發(fā)明中，本發(fā)明通過通信數(shù)據(jù)的預(yù)處理，對連接器上不同傳感器來源的電流數(shù)據(jù)和電壓數(shù)據(jù)進行同步校準(zhǔn)，保證數(shù)據(jù)的在統(tǒng)一時間軸上的一致性和可比性，減少時間未對齊對電性數(shù)據(jù)分析過程的干擾，減少數(shù)據(jù)分析的運行算力，同時實現(xiàn)了通信數(shù)據(jù)的高質(zhì)量輸入，提高后續(xù)數(shù)據(jù)處理和模型訓(xùn)練的效果以及檢索和響應(yīng)速度，為后續(xù)的調(diào)控策略分析和模型優(yōu)化提供了精確的數(shù)據(jù)基礎(chǔ)；通過插值法實現(xiàn)對周期性數(shù)據(jù)和非周期數(shù)據(jù)進行特征插值，在數(shù)據(jù)補充過程中充分保留數(shù)據(jù)的特性，為奇異譜分析ssa提供良好的計算基礎(chǔ)，加速特征提取效率，為數(shù)據(jù)處理的敏捷性和靈活性注入了新動能，本系統(tǒng)所實現(xiàn)的基于神經(jīng)網(wǎng)絡(luò)模型的連接器智能調(diào)控，對連接器不同狀態(tài)(異常和非異常)智能輸出調(diào)控決策；自適應(yīng)的調(diào)控優(yōu)化機制，不斷提升數(shù)據(jù)處理的整體效率，多模塊相互協(xié)作，能夠?qū)崿F(xiàn)數(shù)據(jù)的全面采集、處理和分析，提供實時、精準(zhǔn)的數(shù)據(jù)支持，幫助管理人員更好地了解連接器運行情況并做出相應(yīng)調(diào)控對策。