[0001] 本发明属于电力设备监测技术领域，具体涉及一种SF6密度继电器预判报警监测系统、方法、存储介质及电子设备。

[0002] SF6气体以其优异的绝缘和灭弧性能，在电力系统中获得了广泛的应用。SF6密度继电器是一种用于监测SF6气体密度的设备，它可以实时监测SF6气体的密度变化，并在气体密度低于设定值时发出报警信号，以提醒工作人员及时采取措施，避免因SF6气体泄漏而导致的设备故障和安全事故。

[0003] 然而，传统的SF6密度继电器监测系统存在着一些不足之处。例如，传统的监测系统只能在SF6气体密度低于设定值时发出报警信号，无法提前预测SF6气体密度的变化趋势，从而导致工作人员无法及时采取措施，避免设备故障和安全事故的发生。此外，传统的监测系统还存在着监测精度不高、误报率高等问题，这些问题都严重影响了电力设备的安全运行。

[0004] 公开号CN116798806A公开了一种基于双波纹管的六氟化硫气体密度继电器，继电器包括：机械组件包括前表壳、设备连接接头、刻度盘、显示指针、通气管、表芯组件及压力调节机构；设备连接接头与被测六氟化硫气体气室连接；通气管与表芯组件连接；表芯组件中的双波纹管组件包括主波纹管、副波纹管、底盘、套筒及顶杆，双波纹管组件一端与底盘固定连接，另一端通过顶杆与膜合机芯连接；支架固定于底盘上，微动开关设置在支架上；啮合弹簧一端固定在底盘上，另一端拉紧拉杆，支撑板与拉杆固定连接；远传电子组件中的压力温度集成传感器与双波纹管组件连接，远传线路板用于数据传输。本发明实现更高精度的调节，提高密度继电器的精度，实现更精细与更可靠的监控。该申请没有提前预测气体密度变化趋势的功能。

[0005] 公开号CN116224848A公开了一种基于传感器阵列的变电站六氟化硫气体压力实时监测系统包括接触式测量装置，包括密度继电器、压力传感器和数字温度传感器，所述压力传感器和数字温度传感器与密度继电器连接；以及非接触式测量装置，包括图像采集模块，包括CMOS图像传感器芯片，所述CMOS图像传感器芯片集成有源晶振、低压差线性稳压器LDO和自动对焦AF。该监测系统正常运行时，通过双重测量原理精确采集数据，系统可随时在线监测、记录高压设备六氟化硫气体的状态，并利用诊断系统对设备的运行状态进行分析判断。当高压设备出现异常时，该系统可快速采集、处理故障数据，同时具备在线计算、存储、统计、报警、分析报表和数据远传等功能。该申请无法做到在线深度学习。

[0022] 为了更好地理解本发明，下面结合实施例进一步清楚阐述本发明的内容，但本发明的保护内容不仅仅局限于下面的实施例。在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本发明可以无需一个或多个这些细节而得以实施。

[0023] 在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

[0024] 实施例1：本申请提供了包括均通过5G通讯模块与AI处理器相连的SF6密度继电器、数据采集模块、深度学习模块、报警模块和显示模块；AI处理器多任务协同处理能力和卓越的计算能力，所述AI处理器采用市售骁龙870AI处理器，得益于高通骁龙 Elite Gaming 支持、5G Sub‑6GHz 和毫米波支持以及直观的 AI 特性，以及对一些全新功能的支持，如机器学习、神经网络等；利用5G通讯单元的低延迟，覆盖面广的特性，大大提高了精确度和时效性，有效地解决了传统SF6密度在线监测过程中对云端计算和存储的依赖问题。其中，SF6密度继电器用于监测SF6气体的密度变化，并将监测数据发送给数据采集模块；
数据采集模块用于接收SF6密度继电器发送的监测数据，并将监测数据发送给深度学习模块；
深度学习模块用于对数据采集模块发送的监测数据进行实时分析和处理；
报警模块用于接收深度学习模块发送的预测结果，
显示模块用于显示SF6密度继电器的监测数据和深度学习模块的预测结果。

[0025] 优选的，所述深度学习模块包括输入层、隐藏层和输出层。其中，输入层用于接收数据采集模块发送的监测数据；隐藏层用于对输入层接收的监测数据进行实时分析和处理，从而提前预测SF6气体密度的变化趋势；输出层用于将隐藏层预测的结果发送给报警模块。

[0026] 优选的，所述报警模块包括比较器、报警器和控制器。其中，比较器用于将深度学习模块预测的结果与设定值进行比较；报警器用于在比较器的输出结果小于设定值时发出报警信号；控制器用于控制报警器的工作状态。

[0027] 优选的，所述显示模块包括显示屏和控制器。其中，显示屏用于显示SF6密度继电器的监测数据和深度学习模块的预测结果；控制器用于控制显示屏的工作状态。

[0028] 具体的，在变电站中，数据采集模块每隔5分钟采集一次SF6密度继电器的监测数据。接下来，将深度学习模块与数据采集模块连接，使其能够对监测数据进行分析和处理。同时，将报警模块与深度学习模块连接，以便在气体密度低于设定值时及时发出报警信号。
当深度学习模块预测到SF6气体密度将在未来24小时内低于设定值时，报警模块会立即发出声光报警信号，提醒工作人员及时采取措施。最后，将显示模块与深度学习模块连接，以便实时显示监测数据和预测结果。在变电站的监控室内，工作人员可以通过显示模块实时查看各个开关柜中SF6密度继电器的监测数据和预测结果，以便及时发现问题并采取措施。

[0029] 实施例2：基于与上述实施例1的同一发明构思，提供一种SF6密度继电器预判报警监测方法，具体如图5所示，包括以下步骤，S1,AI处理器利用SF6密度继电器实时监测SF6气体的密度变化，并通过5G通讯模块将监测数据发送给数据采集模块;
S2,数据采集模块接收SF6密度继电器发送的监测数据，并通过5G通讯模块将其发送给深度学习模块;
S3,AI处理器利用深度学习模块对数据采集模块发送的监测数据进行实时分析和处理，从而提前预测SF6气体密度的变化趋势，并通过5G通讯模块将预测结果发送给报警模块;
S4,报警模块接收深度学习模块发送的预测结果，并在气体密度低于设定值时发出报警信号，以提醒工作人员及时采取措施，避免因SF6气体泄漏而导致的设备故障和安全事故。

[0030] 本发明的具有深度学习的SF6密度继电器预判报警监测系统采用了深度学习技术，可以对SF6密度继电器的监测数据进行实时分析和处理，从而提前预测SF6气体密度的变化趋势，提高了监测系统的准确性和可靠性。此外，该系统还具有报警功能和显示功能，可以在气体密度低于设定值时发出报警信号，以提醒工作人员及时采取措施，避免因SF6气体泄漏而导致的设备故障和安全事故，同时还可以显示SF6密度继电器的监测数据和深度学习模块的预测结果，以便工作人员随时了解设备的运行情况。

[0031] 实施例3：本发明还提供一种SF6密度继电器预判报警监测的电子设备，电子设备包括存储器、至少一个处理器、存储在存储器中并可在至少一个处理器上运行的计算机程序及至少一条通讯总线。存储器可用于存储计算机程序，处理器通过运行或执行存储在存储器内的计算机程序，以及调用存储在存储器内的数据，实现实施例2中一种SF6密度继电器预判报警监测方法步骤。

[0032] 优选的，所述电子设备为服务器，系统需要在云端搭建合适的服务器，并部署相应的应用程序。服务器需要支持多用户访问、数据存储和实时控制等功能。

[0033] 数据处理和控制：在服务器上运行数据处理和控制程序，通过数据分析和算法处理，对传感器采集到的数据进行分析，同时根据分析结果下发控制指令，实现远程控制。

[0034] 本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD‑ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

[0035] 本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

[0036] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

[0037] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

[0038] 另外，本领域技术人员应当理解，尽管现有技术中存在许多问题，但是，本发明的每个实施例或技术方案可以仅在一个或几个方面进行改进，而不必同时解决现有技术中或者背景技术中列出的全部技术问题。本领域技术人员应当理解，对于一个权利要求中没有提到的内容不应当作为对于该权利要求的限制。

[0039] 最后说明的是，以上实施例仅用于说明本发明的优选实施方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。