一种电气设备高温预警方法、装置、设备及存储介质
阅读：869发布：2020-05-08
专利汇可以提供一种电气设备高温预警方法、装置、设备及存储介质专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种电气设备高温预警方法，会先获取目标电气设备的环境 温度 参数、湿度参数、 电流 参数以及负荷参数；之后会调用基于最小二乘法所设置的拟合优化模型，通过最小二乘法对获取的四个参数分别进行拟合优化以得到对应的拟合 环境温度 参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；之后会调用BP神经网络模型根据拟合优化后的参数得到目标电气设备的运行温度参数，最后根据运行温度参数的大小确定是否需要告警。通过最小二乘法可以避免外界因素对参数的影响；而通过BP神经网络模型可以得到目标电气设备的运行温度参数，进而根据运行温度参数进行告警。本发明还提供了一种装置、设备及存储介质，同样具有上述有益效果。，下面是一种电气设备高温预警方法、装置、设备及存储介质专利的具体信息内容。
1.一种电气设备高温预警方法，其特征在于，包括：
获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数；
调用拟合优化模型，将所述环境温度参数、所述湿度参数、所述电流参数和所述负荷参数分别拟合优化成对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；所述拟合优化模型为基于最小二乘法所设置的拟合优化模型；
调用BP神经网络模型，根据所述拟合环境温度参数、所述拟合湿度参数、所述拟合电流参数以及所述拟合负荷参数计算所述目标电气设备的运行温度参数；
当所述运行温度参数大于温度阈值时，进行告警。
2.根据权利要求1所述的方法，其特征在于，所述BP神经网络模型设置有两个隐藏层。
3.根据权利要求2所述的方法，其特征在于，所述BP神经网络模型的输入层设置有四个节点，所述BP神经网络模型的输出层设置有一个节点；所述隐藏层中节点数量的取值范围为2至12，包括端点值。
4.根据权利要求3所述的方法，其特征在于，所述BP神经网络模型的隐藏层设置有10个节点。
5.根据权利要求1所述的方法，其特征在于，所述获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数包括：
获取目标电气设备的湿度参数、电流参数、负荷参数、以及通过RFID测温标签测量的环境温度参数。
6.一种电气设备高温预警装置，其特征在于，包括：
获取模块：用于获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数；
优化模块：用于调用拟合优化模型，将所述环境温度参数、所述湿度参数、所述电流参数和所述负荷参数分别拟合优化成对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；所述拟合优化模型为基于最小二乘法所设置的拟合优化模型；
神经网络模块：用于调用BP神经网络模型，根据所述拟合环境温度参数、所述拟合湿度参数、所述拟合电流参数以及所述拟合负荷参数计算所述目标电气设备的运行温度参数；
告警模块：用于当所述运行温度参数大于温度阈值时，进行告警。
7.根据权利要求6所述的装置，其特征在于，所述BP神经网络模型设置有两个隐藏层。
8.根据权利要求6所述的装置，其特征在于，所述获取模块具体用于：
获取目标电气设备的湿度参数、电流参数、负荷参数、以及通过RFID测温标签测量的环境温度参数。
9.一种电气设备高温预警设备，其特征在于，所述设备包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序时实现如权利要求1至5任一项所述电气设备高温预警方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述电气设备高温预警方法的步骤。
一种电气设备高温预警方法、装置、设备及存储介质
技术领域
[0001] 本发明涉及电气设备技术领域，特别是涉及一种电气设备高温预警方法、一种电气设备高温预警装置、一种电气设备高温预警设备以及一种计算机可读存储介质。
背景技术
[0002] 电气设备的安全可靠运行直接关系着电网尤其是超大规模输配电网的安全可靠运行，特别是目前我国的电网供电负荷一直处于大幅增长状态，对运行中的电气设备进行状态监控将发挥非常重要的作用。在电力系统中，一些设备如断路器、发电机等的一些触头和接头是关系电网运行安全的主要安全隐患。
[0003] 电气设备中的某些部件，例如开关柜中动、静触头、接头等发生故常或老化时，会由于电阻的增加而造成局部过热，进而导致电气设备发生故障。所以如何提供一种电气设备高温预警方法是本领域技术人员急需解决的问题。
发明内容
[0004] 本发明的目的是提供一种电气设备高温预警方法，可以准确计算到电气设备的运行温度参数，并根据运行温度参数的大小进行告警；本发明的另一目的在于提供一种电气设备高温预警装置、一种电气设备高温预警设备以及一种计算机可读存储介质，可以准确计算到电气设备的运行温度参数，并根据运行温度参数的大小进行告警。
[0005] 为解决上述技术问题，本发明提供一种电气设备高温预警方法，包括：
[0007] 调用拟合优化模型，将所述环境温度参数、所述湿度参数、所述电流参数和所述负荷参数分别拟合优化成对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；所述拟合优化模型为基于最小二乘法所设置的拟合优化模型；
[0008] 调用BP神经网络模型，根据所述拟合环境温度参数、所述拟合湿度参数、所述拟合电流参数以及所述拟合负荷参数计算所述目标电气设备的运行温度参数；
[0009] 当所述运行温度参数大于温度阈值时，进行告警。
[0012] 可选的，所述BP神经网络模型的隐藏层设置有10个节点。
[0013] 可选的，所述获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数包括：
[0014] 获取目标电气设备的湿度参数、电流参数、负荷参数、以及通过RFID测温标签测量的环境温度参数。
[0015] 本发明还提供了一种电气设备高温预警装置，包括：
[0016] 获取模块：用于获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数；
[0017] 优化模块：用于调用拟合优化模型，将所述环境温度参数、所述湿度参数、所述电流参数和所述负荷参数分别拟合优化成对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；所述拟合优化模型为基于最小二乘法所设置的拟合优化模型；
[0018] 神经网络模块：用于调用BP神经网络模型，根据所述拟合环境温度参数、所述拟合湿度参数、所述拟合电流参数以及所述拟合负荷参数计算所述目标电气设备的运行温度参数；
[0019] 告警模块：用于当所述运行温度参数大于温度阈值时，进行告警。
[0020] 可选的，所述BP神经网络模型设置有两个隐藏层。
[0021] 可选的，所述获取模块具体用于：
[0022] 获取目标电气设备的湿度参数、电流参数、负荷参数、以及通过RFID测温标签测量的环境温度参数。
[0023] 本发明还提供了一种电气设备高温预警设备，所述设备包括：
[0025] 处理器：用于执行所述计算机程序时实现如上述任一项所述电气设备高温预警方法的步骤。
[0026] 本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述电气设备高温预警方法的步骤。
[0027] 本发明所提供的一种电气设备高温预警方法，会先获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数；之后会调用基于最小二乘法所设置的拟合优化模型，通过最小二乘法对获取的四个参数分别进行拟合优化以得到对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；之后会调用BP神经网络模型，将拟合优化后的参数输入该BP神经网络模型得到目标电气设备的运行温度参数，最后根据运行温度参数的大小确定是否需要告警。通过最小二乘法先对参数进行优化，可以减少或避免由于外界干扰、数据传输干扰等外界因素对采集到的参数的影响；而通过BP神经网络模型，基于优化后的参数可以准确的得到目标电气设备的运行温度参数，进而可以根据该运行温度参数进行准确的告警。
[0029] 为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
[0030] 图1为本发明实施例所提供的一种电气设备高温预警方法的流程图；
[0031] 图2为一种BP神经网络的拓扑结构图；
[0032] 图3为本发明实施例所提供的一种具体的电气设备高温预警方法的流程图；
[0033] 图4为本发明实施例所提供的一种电气设备高温预警装置的结构框图；
[0034] 图5为本发明实施例所提供的一种电气设备高温预警设备的结构框图。
具体实施方式
[0035] 本发明的核心是提供一种电气设备高温预警方法。在现阶段，电气设备中的某些部件，例如开关柜中动、静触头、接头等发生故常或老化时，会由于电阻的增加而造成局部过热，进而导致电气设备发生故障。而在现有技术中，通常仅仅是通过温度传感器获取的电气设备的温度参数，然后根据该温度参数的大小确定是否需要告警。但是仅仅根据当前温度参数进行告警，具有一定的延时性，通常只能在电气设备损坏后才会报警；同时由于温度传感器通常不会遍布整个电气设备，导致不能及时检测到电气设备是否损坏，这将造成极大的损失。
[0036] 而本发明所提供的一种电气设备高温预警方法，会先获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数；之后会调用基于最小二乘法所设置的拟合优化模型，通过最小二乘法对获取的四个参数分别进行拟合优化以得到对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；之后会调用BP神经网络模型，将拟合优化后的参数输入该BP神经网络模型得到目标电气设备的运行温度参数，最后根据运行温度参数的大小确定是否需要告警。通过最小二乘法先对参数进行优化，可以减少或避免由于外界干扰、数据传输干扰等外界因素对采集到的参数的影响；而通过BP神经网络模型，基于优化后的参数可以准确的得到目标电气设备的运行温度参数，进而可以根据该运行温度参数进行准确的告警。
[0037] 为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0038] 请参考图1以及图2，图1为本发明实施例所提供的一种电气设备高温预警方法的流程图；图2为一种BP神经网络的拓扑结构图。
[0039] 参见图1，在本发明实施例中，电气设备高温预警方法包括：
[0040] S101：获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数。
[0041] 在本步骤中，通常会通过多种传感器，针对性的获取对应的参数，例如通过温度传感器获取环境温度参数、通过湿度传感器获取湿度参数、通过电流计获取电流参数等等。有关获取环境温度参数、湿度参数、电流参数以及负荷参数具体所使用的传感器的具体种类可以参考现有技术，在此不再进行赘述。
[0042] 需要说明的是，在本步骤中通常会获取目标电气设备一段时间内的环境温度参数、湿度参数、电流参数以及负荷参数，以便于在后续步骤中分别对上述各个参数进行拟合优化。
[0043] S102：调用拟合优化模型，将环境温度参数、湿度参数、电流参数和负荷参数分别拟合优化成对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数。
[0044] 在本发明实施例中，所述拟合优化模型为基于最小二乘法所设置的拟合优化模型。
[0045] 上述拟合优化模型具体为基于最小二乘法所设置的拟合优化模型。而最小二乘法又称最小平方法，是一种数学优化技术。最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以解决如何从一组测量值中寻求可信赖值的问题，使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。使得这条拟合曲线上的各点的值与测量值的差的平方和在所有拟合曲线中最小。
[0046] 本发明实施例中所应用的最小二乘法所选择的回归模型应该使所有观察值的残差平方和达到最小，其样本回归模型为：
[0047] Yi＝β0+βiXi+ei；
[0048] ei＝Yi-β0-β1Xi；
[0049] 其中Xi表示输入参量；Yi表示输出变量；β0、βi表示输入变量和输出变量之间的拟合参数，其具体数值需根据实际样本进行拟合得到；ei为样本(Xi,Yi)的误差，该ei为样本的实际值与拟合值的误差。
[0050] 本发明实施例中所应用的最小二乘法中平方损失函数为：
[0051]
[0052] 其中Q为残差平方和，m为样本个数。在本步骤中，使用最小二乘法将S101中获取的环境温度参数、湿度参数、电流参数以及负荷参数分别进行前期拟合及优化，以减少或避免由于外界干扰、数据传输干扰等外界因素对上述数据的影响。经过处理后的相关参数才能在后续步骤中输入到BP神经网络模型中，作为BP神经网络模型的输入参数。
[0053] 在本步骤中，上述Xi可以具体为上述环境温度参数、湿度参数、电流参数以及负荷参数，而Yi即通过拟合优化模型所计算得到的对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数。
[0054] S103：调用BP神经网络模型，根据拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数计算目标电气设备的运行温度参数。
[0055] 在本发明实施例中，会具体调用BP神经网络模型，BP神经网络是基于误差反向的多层前馈神经网络。BP算法属于梯度下降算法，是一种监督式的学习算法。用网络的实际输出与目标矢量之间的误差来修正网络权值，使输出与期望尽可能接近，即网络输出层的误差平方和达到最小；通过反复在误差函数梯度下降方向上调整网络权值的变化，逐渐逼近目标。BP网络通常为层结构，包括输入层、若干隐藏层和输出层，层与层之间的神经元全向连接，层内神经单元没有联系。基本BP算法包括2个方面：信号的前向传播和误差的反向传播。即计算实际输出时按从输入到输出的方向进行，而权值和阈值的修正从输出到输入的方向进行。
[0056] 以图2为例，图2为一种BP神经网络的拓扑结构图。该图2具体所示为3层BP神经网络拓扑结构图，图中共有M个输入节点，P个隐藏节点，N个输出节点，其中：
[0057] xi表示输入层第i个节点的输入，i＝1,2,…,M；wij表示输入层第i个节点到隐藏层第j个节点之间的权值，j＝1,2,…,P；θi表示隐藏层第i个节点的阈值；φ(x)表示隐藏层的激励函数；wjk表示隐藏层第j个节点到输出层第k个节点之间的权值，k＝1,2,…,N；ai表示输出层第i个节点的阈值，i＝1,2,…,N；ψ(x)表示输出层的激励函数；yi表示输出层第i个节点的输出。
[0058] 在本步骤中，具体会将S102中通过拟合优化模型所得到的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数输入BP神经网络模型，以得到目标电气设备的运行温度参数有关BP神经网络模型的具体内容将在下述发明实施例中做详细介绍，在此不再进行赘述。
[0059] S104：当运行温度参数大于温度阈值时，进行告警。
[0060] 当运行温度参数大于温度阈值时，意味着目标电气设备存在安全隐患，需要进行故常的排查以及修理，以保证目标电气设备的正常运行。有关温度阈值的具体数值需要根据实际情况以及目标电气设备的实际种类进行确定，在此不做具体限定。
[0061] 本发明实施例所提供的一种电气设备高温预警方法，会先获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数；之后会调用基于最小二乘法所设置的拟合优化模型，通过最小二乘法对获取的四个参数分别进行拟合优化以得到对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；之后会调用BP神经网络模型，将拟合优化后的参数输入该BP神经网络模型得到目标电气设备的运行温度参数，最后根据运行温度参数的大小确定是否需要告警。通过最小二乘法先对参数进行优化，可以减少或避免由于外界干扰、数据传输干扰等外界因素对采集到的参数的影响；而通过BP神经网络模型，基于优化后的参数可以准确的得到目标电气设备的运行温度参数，进而可以根据该运行温度参数进行准确的告警。
[0062] 有关本发明所提供的一种电气设备高温预警方法的具体内容将在下述发明实施例中做详细介绍。
[0063] 请参考图3，图3为本发明实施例所提供的一种具体的电气设备高温预警方法的流程图。
[0064] 参见图3，在本发明实施例中，电气设备高温预警方法包括：
[0065] S201：获取目标电气设备的湿度参数、电流参数、负荷参数、以及通过RFID测温标签测量的环境温度参数。
[0066] 在发明实施例中，目标电气设备表面以及附近设置有RFID(Radio Frequency Identification，射频识别)测温标签，RFID测温标签依靠标签内部的天线接收阅读器通过外接天线发射的能量。当标签处在阅读器的电磁场范围内时，通过电磁场空间耦合，标签从电磁场中获得能量，再用整流的方法将射频能量转变为直流电源，通过大电容对直流电源进行储能，在电压累计达到启动电压时，激活测温系统电路，发射测温数据。温度传感器及模数转换器完成温度的传感及量化。RFID返回数据的方式是通过控制天线接口的阻抗，由阻抗变化改变天线的反射系数，从而对载波信号完成调制。
[0067] 在本步骤中，具体可以通过预先设置的阅读器获取各个RFID测温标签所返回的环境温度参数，并根据其他种类的传感器获取目标电气设备的湿度参数、电流参数以及负荷参数。本步骤的其余内容与上述发明实施例中S101基本类似，详细内容已在上述发明实施例中做详细介绍，在此不再进行赘述。
[0068] S202：调用拟合优化模型，将环境温度参数、湿度参数、电流参数和负荷参数分别拟合优化成对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数。
[0069] 本步骤与上述发明实施例中S102基本类似，详细内容已在上述发明实施例中做详细介绍，在此不再进行赘述。有关拟合优化模型的具体内容同样以在上述发明实施例中做详细介绍，在此不再进行赘述。
[0070] S203：调用BP神经网络模型，根据拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数计算目标电气设备的运行温度参数。
[0071] 在现阶段，任意函数可以被一个有3层单元，其中输出层使用线性单元，两个隐藏层使用sigmoid单元的网络以任意精度逼近，增加层数可进一步降低误差，但会增加网络的复杂度。
[0072] 在本发明实施例中，考虑训练速度和计算精度，结合电气设备运行温度预警与预测的实际需求，通常选择具有2个隐藏层的神经网络作为本发明实施例中的BP神经网络模型，即所述BP神经网络模型设置有两个隐藏层。
[0073] 在本发明实施例中，由于向BP神经网络模型中输入的有拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数这四个变量，相应的所述BP神经网络模型的输入层通常会设置有四个节点；而由于在本发明实施例中BP神经网络模型仅输出运行温度参数这一个参数，相应的所述BP神经网络模型的输出层通常仅设置有一个节点。而在本发明实施例中，隐藏层节点数目的选择将下述参考公式来确定：
[0074]
[0075] 其中，l为隐藏层的节点数，n为输入层的节点数，m为输出层的节点数，a为一个0-至0之间的常数。根据上述参考公式，在本发明实施例中所述隐藏层中节点数量的取值范围通常为2至12，包括端点值。具体的，在本发明实施例中，采用试凑法确定本发明实施例的BP神经网络模型中最佳隐藏层节点数为10；即在本发明实施例中所述BP神经网络模型的隐藏层设置有10个节点，此时可以保证BP神经网络模型可以较快且较为精准的根据拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数输出运行温度参数。
[0076] 本步骤的其余内容已在上述发明实施例中S103做详细介绍，在此不再进行赘述。
[0077] S204：当运行温度参数大于温度阈值时，进行告警。
[0078] 本步骤与上述发明实施例中S104基本一致，详细内容请参考上述发明实施例，在此不再进行赘述。
[0079] 本发明实施例所提供的一种电气设备高温预警方法，通过最小二乘法先对参数进行优化，可以减少或避免由于外界干扰、数据传输干扰等外界因素对采集到的参数的影响；而通过BP神经网络模型，基于优化后的参数可以准确的得到目标电气设备的运行温度参数，进而可以根据该运行温度参数进行准确的告警。
[0080] 下面对本发明实施例所提供的一种电气设备高温预警装置进行介绍，下文描述的电气设备高温预警装置与上文描述的电气设备高温预警方法可相互对应参照。
[0081] 图4为本发明实施例所提供的一种电气设备高温预警装置的结构框图，参照图4，电气设备高温预警装置可以包括：
[0082] 获取模块100：用于获取目标电气设备的环境温度参数、湿度参数、电流参数以及负荷参数。
[0083] 优化模块200：用于调用拟合优化模型，将所述环境温度参数、所述湿度参数、所述电流参数和所述负荷参数分别拟合优化成对应的拟合环境温度参数、拟合湿度参数、拟合电流参数以及拟合负荷参数；所述拟合优化模型为基于最小二乘法所设置的拟合优化模型。
[0084] 神经网络模块300：用于调用BP神经网络模型，根据所述拟合环境温度参数、所述拟合湿度参数、所述拟合电流参数以及所述拟合负荷参数计算所述目标电气设备的运行温度参数。
[0085] 告警模块400：用于当所述运行温度参数大于温度阈值时，进行告警。
[0086] 作为优选的，在本发明实施例中，所述BP神经网络模型设置有两个隐藏层。
[0087] 作为优选的，在本发明实施例中，所述BP神经网络模型的输入层设置有四个节点，所述BP神经网络模型的输出层设置有一个节点；所述隐藏层中节点数量的取值范围为2至12，包括端点值。
[0088] 作为优选的，在本发明实施例中，所述BP神经网络模型的隐藏层设置有10个节点。
[0089] 作为优选的，在本发明实施例中，所述获取模块100具体用于：
[0090] 获取目标电气设备的湿度参数、电流参数、负荷参数、以及通过RFID测温标签测量的环境温度参数。
[0091] 本实施例的电气设备高温预警装置用于实现前述的电气设备高温预警方法，因此电气设备高温预警装置中的具体实施方式可见前文中电气设备高温预警方法的实施例部分，例如，获取模块100，优化模块200，神经网络模块300，告警模块400分别用于实现上述业务调度方法中步骤S101，S102，S103以及S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
[0092] 下面对本发明实施例提供的一种电气设备高温预警设备进行介绍，下文描述的电气设备高温预警设备与上文描述的电气设备高温预警方法以及电气设备高温预警装置可相互对应参照。
[0093] 请参考图5，图5为本发明实施例所提供的一种电气设备高温预警设备的结构框图。
[0094] 参照图5，该电气设备高温预警设备可以包括处理器11和存储器12。
[0095] 所述存储器12用于存储计算机程序；所述处理器11用于执行所述计算机程序时实现上述发明实施例中所述的电气设备高温预警方法。
[0096] 本实施例的电气设备高温预警设备中处理器11用于安装上述发明实施例中所述的电气设备高温预警装置，同时处理器11与存储器12相结合可以实现上述任一发明实施例中所述的电气设备高温预警方法。因此电气设备高温预警设备中的具体实施方式可见前文中的电气设备高温预警方法的实施例部分，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
[0097] 本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一发明实施例中所介绍的一种电气设备高温预警方法。其余内容可以参照现有技术，在此不再进行展开描述。
[0098] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0099] 专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0100] 结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
[0101] 最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0102] 以上对本发明所提供的一种电气设备高温预警方法、一种电气设备高温预警装置、一种电气设备高温预警设备以及一种计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种多功能智能消防应急系统 | 2020-05-08 | 673 |
| 一种能够监测儿童使用的电梯系统及其控制方法 | 2020-05-11 | 1019 |
| 一种基于RFID集群内部导航定位系统、方法 | 2020-05-08 | 288 |
| 用于将电动车辆连接到电力网络的装置和系统及使用方法 | 2020-05-08 | 220 |
| 一种公路养护封道施工安全管理的信息化方法与装置 | 2020-05-11 | 596 |
| 一种机电设备数据库系统及其控制方法 | 2020-05-11 | 586 |
| 一种双屏触摸智能收款一体机 | 2020-05-08 | 843 |
| 智能在线点餐系统 | 2020-05-08 | 948 |
| RFID智能托盘及信息读取系统 | 2020-05-11 | 636 |
| 基于RFID技术的出入库管理系统 | 2020-05-08 | 172 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
RFID网络热门专利
QQ群二维码
意见反馈
意见反馈