[0001] 本发明涉及GIS内部湿度检测技术领域，特别是一种基于微传感器的GIS内部湿度检测方法及系统。

[0002] 气体绝缘变电站(Gas Insulated Substation，简称GIS)是一种常见的高压电力设施，用于输电和配电系统中的电能转换、传输和分配。而其环境湿度对其内部工作具有重要的影响，由于GIS设备封闭性强、内部构造复杂，使得人们难以精准测量设备内部的湿度。

[0003] 在GIS设备中含有SF6气体，而其在GIS中作为绝缘和灭弧介质，其允许湿度过高时，会导致GIS内部闪络，降低设备绝缘性能。因此，GIS中的SF6气体的允许湿度要严格控制，一般不超过90％。

[0004] 现有的基于LC传感器的GIS湿度检测方法需要将LC传感器置于GIS内部环境中，由于GIS内部温度变化及高气压等因素，LC传感器线圈会发生形变从而影响检测精度，因此需要一种高精度、高可靠性的方法来检测GIS内部湿度。

[0059] 为使本发明的上述目的、特征和优点能够更加浅显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。

[0060] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

[0061] 其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

[0062] 实施例1

[0063] 参照图1‑图3，为本发明第一个实施例，该实施例提供了一种基于微传感器的GIS内部湿度检测方法，包括：

[0064] 本申请提供了可以有效解决上述提到的问题，接下来将结合多个实施例来详细阐述如何实现该基于微传感器的GIS内部湿度检测方法；

[0065] 图1示出了一种基于微传感器的GIS内部湿度检测方法及系统的方法流程图，包括：

[0066] S1：采用微传感器记录GIS内部环境数据和初始校准参数，并对GIS内部环境数据进行数据预处理，GIS内部环境数据包括GIS实时环境数据和GIS历史环境数据；

[0067] 进一步的，微传感器为LC无线无源传感器；

[0068] GIS实时环境数据包括实时GIS内部湿度、实时GIS内部温度和实时GIS内部气压；

[0069] GIS历史环境数据包括历史GIS内部湿度、历史GIS内部温度和历史GIS内部气压；

[0070] 初始校准参数包括谐振频率fr、Q值Q和灵敏度系数S；

[0071] 数据预处理包括数据清洗和数据填补。

[0072] S2：根据GIS内部环境数据构建动态环境补偿模型，并将GIS实时环境数据输入至所述动态环境补偿模型，得到动态环境补偿参数；

[0073] 进一步的，构建动态环境补偿模型包括，

[0074] 使用初始校准参数对采集的数据进行初步校准，以确保数据的准确性；

[0075] 分别构建实时环境数据和历史环境数据的向量矩阵函数；

[0076] 计算从初始时刻到当前时刻t的积分，积累各个时间点上的补偿量，得到环境补偿参数，计算公式如下：

[0077] Ec(t)＝∫0(M(Hr(τ)，Tr(τ),Pr(τ))‑M(Hh(τ)，Th(τ)，Ph(τ)))dτ[0078] 其中，Ec(t)表示环境数据的补偿量，反映了实时数据与历史数据之间的差异，τ为积分变量，Hr(τ)为当前时间τ时的实时湿度数据，Tr(τ)为当前时间τ时的实时温度数据，Pr(τ)为当前时间τ时的实时气压数据，Hh(τ)为历史时间τ的历史湿度数据，Th(τ)为历史时间τ的历史温度数据，Ph(τ)为历史时间τ的历史气压数据，M(H，T，P)为基于湿度、温度和气压的向量矩阵函数；M(H，T，P)计算公式如下：

[0079]

[0080] 其中，αi为湿度系数，βi为温度系数，γi为气压系数，i＝1、2、3，H为湿度，T为温度，P为气压；

[0081] 由于Ec(t)是积分函数，环境补偿量Ec(t)值域取决于环境数据的波动范围和积分时间长度。

[0082] 进一步的，确定αi，βi和γi的步骤包括，

[0083] 采集一段时间内的GIS内部实时湿度、温度和气压数据，分别记为Hr(t)、Tr(t)和Pr(t)；

[0084] 采集相同时间段内的历史湿度、温度和气压数据，分别记为Hh(t)、Th(t)和Ph(t)；

[0085] 使用初始校准参数(谐振频率fr、Q值Q和灵敏度系数S)对采集的数据进行初步校准，以确保数据的准确性；

[0086] 使用线性回归或其他数据拟合方法，并进行参数拟合，确定αi，βi和γi的向量矩阵函数；

[0087] 通过最小二乘法或其他优化算法，求解参数，使得拟合误差最小化，即，[0088]

[0089] 使用部分数据进行验证，检查模型的精度和可靠性；

[0090] 根据验证结果，对参数进行微调，确保模型能够准确反映环境变化。

[0091] 具体的，假设采集了n组数据，每组数据包括实时和历史的湿度、温度和气压，具体表示为矩阵形式：

[0092]

[0093] 使用线性回归模型来拟合以下公式，得到αi，βi和γi：

[0094] y＝Xθ1

[0095] 其中，y为观测到的结果向量，θ1为待求解的参数向量，包含αi，βi和γi；

[0096] 设定目标函数为最小化均方误差，并通过最小化目标函数求得最优的参数值，即，[0097]

[0098] 使用正规方程求解最优参数，计算公式如下：

[0099] θ1＝(XTX)‑1XTy

[0100] 其中，XT为矩阵X的转置矩阵；

[0101] 也可以使用梯度下降法，通过迭代逐步调整Θ1，直到目标函数值收敛。

[0102] 进一步的，S2步骤通过构建动态环境补偿模型，对GIS实时环境数据进行补偿，确保湿度、温度和气压数据的准确性和可靠性；初步校准使用初始校准参数对数据进行初步校准，减少数据初始误差；构建实时和历史环境数据的向量矩阵函数，通过综合考虑湿度、温度和气压三个因素，提高数据处理的效率和准确性；环境补偿参数Ec(t)通过积分函数动态调整环境数据，确保实时数据的稳定性和可靠性；参数拟合和优化使用线性回归或其他方法，确定湿度、温度和气压的向量矩阵函数，并通过最小二乘法或其他优化算法，确保模型参数的最优性，提升模型的精度和可靠性；模型验证和微调通过部分数据验证，检查模型的精度和可靠性，根据验证结果对参数进行微调，进一步提升模型在实际应用中的有效性和稳定性；通过这些步骤，本发明在构思上实现了环境数据的动态补偿和实时校准，解决了传统方法中数据误差较大、实时性差等技术问题；初步校准和向量矩阵函数构建使得环境数据处理更加系统和精确，环境补偿参数的计算通过积分方法确保了实时数据的稳定性，参数拟合和优化通过科学方法确保模型参数的最优性，模型验证和微调进一步提高了模型的实际应用效果；综上所述，本发明通过动态环境补偿模型的构建和优化，实现了GIS系统内部环境数据的精确校准，提高了数据的可靠性和稳定性，在技术上具有显著的创新性和实用性。

[0103] S3：根据动态环境补偿参数对所述GIS实时环境数据进行补偿，并生成补偿数据集，构建校准参数调整模型，采用校准参数调整模型和补偿数据集对初始校准参数进行训练，得到调整后的校准参数；

[0104] 进一步的，生成补偿数据集包括，

[0105] 根据计算得到的环境补偿参数Ec(t)，修正实时环境数据，得到补偿后的湿度检测结果Hf(t)，计算公式如下：

[0106] Hf(t)＝Hr(t)+k1·Ec(t)

[0107] Tf(t)＝Tr(t)+k2·Ec(t)

[0108] Pf(t)＝Pr(t))+k3·Ec(t)

[0109] 其中，Hf(t)为补偿后的湿度检测结果，k1为湿度补偿系数，Hr(t)为时间t时的实时湿度数据，Tf(t)为补偿后的温度检测结果，Tr(t)为时间t时的实时温度数据，k2为温度补偿系数，Pf(t)为补偿后的气压检测结果，Pr(t)为时间t时的实时气压数据，k3为气压补偿系数；

[0110] 将补偿后的数据集{Hf(t)，Tf(t)，Pf(t)}与原始历史数据集{Hh(t)，Th(t)，Ph(t)}融合，生成完整的补偿数据集{Hc(t)，Tc(t)，Pc(t)}。

[0111] 进一步的，对所述初始校准参数进行训练包括，

[0112] 定义误差函数L，用于训练校准参数，表示补偿数据与校准模型的误差，误差函数的计算公式如下：

[0113]

[0114] 其中，Hc(ti)为补偿数据集中时间点为ti的湿度补偿数据，Tc(ti)为补偿数据集中时间点为ti的温度补偿数据，Pc(ti)为补偿数据集中时间点为ti的气压补偿数据，Hm(ti，Θ)为基于校准模型的湿度预测值，Tm(ti，Θ)为基于校准模型的温度预测值，Pm(ti，Θ)为基于校准模型的气压预测值，n为数据点数量；

[0115] 构建校准参数调整模型，基于初始校准参数Θ进行调整，校准参数调整模型的计算公式如下：

[0116] Hm(t,Θ)＝fr·Hc(t)+Q·Tc(t)+S·Pc(t)

[0117] Tm(t,Θ)＝fr·Tc(t)+Q·Hc(t)+S·Pc(t)

[0118] Pm(t,Θ)＝fr·Pc(t)+Q·Hc(t)+S·Tc(t)

[0119] 其中，Θ为初始校准参数；

[0120] 使用梯度下降法最小化误差函数L(Θ)，并更新初始校准参数Θ，更新公式如下：

[0121]

[0122] 其中，Θnew为更新后的校准参数，η为学习率， 为误差函数的梯度；计算公式如下：

[0123]

[0124] 梯度的具体计算可以通过链式法则求得，即，

[0125]

[0126] 通过上述公式进行梯度下降优化，迭代更新校准参数直到误差函数L(Θ)收敛，最终得到调整后的校准参数，即，

[0127]

[0128] 具体的，假设采集到的实验数据如下表所示，

[0129] 表1采集数据表

[0130]

[0131] 根据补偿公式计算补偿后的数据，例如，对于时间t＝1，有一下数据，[0132] Hf(1)＝45.0+0.05·1.5＝45.075

[0133] Tf(1)＝22.0+0.02·1.5＝22.03

[0134] Pf(1)＝1010+0.01·1.5＝1010.015

[0135] 将补偿后的数据与原始数据融合，生成补偿数据集，原始数据集如下表所示，[0136] 表2原始数据表

[0137] 时间(t) 原始湿度数据Hh(t) 原始温度数据Th(t) 原始气压数据Ph(t)1 45.0 22.0 1010
2 46.0 23.0 1008
3 44.5 21.5 1012

[0138] 融合后的补偿数据集如下表所示，

[0139] 表3补偿数据表

[0140] 时间(t) 补偿湿度数据Hf(t) 补偿温度数据Tf(t) 补偿气压数据Pf(t)1 45.075 22.03 1010.015
2 46.078 23.039 1008.026
3 44.068 21.015 1012.051

[0141] 根据定义的误差函数训练校准参数，反复迭代得到调整后的校准参数。

[0142] 进一步的，动态环境补偿参数Ec(t)的引入具有显著的合理性，该参数用于修正实时环境数据，以减小环境变化对测量结果的影响；在复杂多变的GIS系统环境中，补偿参数能够显著提高数据的准确性和可靠性；在生成补偿数据集的过程中，根据计算得到的环境补偿参数修正实时环境数据，得到补偿后的湿度检测结果、温度检测结果和气压检测结果；通过这种方式，环境变化对测量结果的影响得以有效减少，数据的可靠性和准确性显著提升；补偿后的数据集融合了实时和历史数据，生成的完整补偿数据集更全面和准确，能够更好地反映实际情况；通过引入环境补偿参数解决了实时环境数据受环境因素影响的问题，确保了数据的精确性和稳定性；在对初始校准参数进行训练的过程中，定义误差函数用于训练校准参数，并通过梯度下降法最小化误差函数，更新初始校准参数；通过这种方法，校准参数得以优化，校准模型更加准确。经过迭代优化，得到的调整后的校准参数能够更好地匹配实际环境，从而提高传感器的检测精度；传统的校准方法通常需要大量人工干预且精度较低，而本发明通过引入误差函数和梯度下降法，自动化校准过程，提高了校准精度和效率；综上所述，本发明通过动态环境补偿和校准参数优化，创新性地提高了GIS系统的检测精度和可靠性，具有显著的技术优势和实用价值；通过数学模型和优化算法，环境补偿参数和校准参数调整模型的结合，不仅确保了数据的准确性和可靠性，还实现了校准过程的自动化和高效化；这样，本发明在提高检测精度和适应复杂环境变化方面具有突出的优势，解决了传统技术中的多个关键问题，为GIS系统的检测提供了强有力的支持。

[0143] S4：将调整后的校准参数反馈至微传感器，更新传感器的工作状态，重新进行检测，得到GIS内部湿度。

[0144] 监测传感器健康状态，自动检测并修复传感器异常，确保传感器在新的校准参数下继续工作，并保持高精度的湿度检测。

[0145] 进一步的，本实施例还提供一种基于微传感器的GIS内部湿度检测系统，包括：数据采集预处理模块、动态环境补偿模块和参数训练模块；

[0146] 数据采集预处理模块用于采用微传感器记录GIS内部环境数据和初始校准参数，并对所述GIS内部环境数据进行数据预处理，所述GIS内部环境数据包括GIS实时环境数据和GIS历史环境数据；

[0147] 动态环境补偿模块用于根据所述GIS内部环境数据构建动态环境补偿模型，并将所述GIS实时环境数据输入至所述动态环境补偿模型，得到动态环境补偿参数；

[0148] 参数训练模块用于对所述初始校准参数进行训练，得到调整后的校准参数，将所述调整后的校准参数反馈至微传感器，并更新传感器的工作状态，重新进行检测得到GIS内部湿度。

[0149] 本实施例还提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图2所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种适用于大规模分布式电源有序接入的综合评价方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

[0150] 本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：采用微传感器记录GIS内部环境数据和初始校准参数，并对所述GIS内部环境数据进行数据预处理，所述GIS内部环境数据包括GIS实时环境数据和GIS历史环境数据；

[0151] 根据所述GIS内部环境数据构建动态环境补偿模型，并将所述GIS实时环境数据输入至所述动态环境补偿模型，得到动态环境补偿参数；

[0152] 对所述初始校准参数进行训练，得到调整后的校准参数，将所述调整后的校准参数反馈至微传感器，并更新传感器的工作状态，重新进行检测得到GIS内部湿度。

[0153] 实施例2

[0154] 参照图1－图2，为本发明第二个实施例，该实施例提供了一种基于微传感器的GIS内部湿度检测方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。

[0155] 在本试验中，采用LC无线无源微传感器对GIS内部环境数据和初始校准参数进行记录，并对这些数据进行预处理，以确保数据的完整性和准确性。实验环境为某电力公司的GIS设备，传感器安装在GIS设备的内部监测区域。试验对象包括实时环境数据(实时湿度、实时温度、实时气压)和历史环境数据(历史湿度、历史温度、历史气压)。初始校准参数包括谐振频率、Q值和灵敏度系数。

[0156] 首先，将微传感器安装在GIS设备的监测点，并通过无线方式采集GIS内部的实时环境数据和初始校准参数。数据预处理包括数据清洗和数据填补，主要步骤如下：

[0157] 数据清洗：去除噪声数据和无效数据，确保数据的准确性。

[0158] 数据填补：使用历史数据和插值算法填补缺失数据，确保数据的完整性。

[0159] 在完成数据预处理后，使用初始校准参数对采集的数据进行初步校准，分别构建实时环境数据和历史环境数据的向量矩阵函数。计算从初始时刻到当前时刻t的积分，积累各个时间点上的补偿量，得到环境补偿参数Ec(t)，

[0160] 通过计算环境补偿参数修正实时环境数据，并生成补偿数据集，定义误差函数并构建校准参数调整模型，对初始校准参数进行调整。

[0161] 最后，将调整后的校准参数反馈至微传感器，更新传感器的工作状态，并重新进行湿度检测，得到更加准确的GIS内部湿度数据，具体数据如下表所示：

[0162] 表4实验对比表

[0163]

[0164] 通过分析实验数据表格，可以看出，采用基于微传感器的GIS内部湿度检测方法后，各试验对象的湿度、温度和气压数据在调整后均趋于更为合理的范围。例如，试验对象1的初始湿度为60％，经过调整后湿度降至58％，温度和气压也有相应的微调，显示出环境补偿模型的有效性。

[0165] 对比现有技术，传统湿度检测方法在复杂环境中容易受到温度和气压变化的影响，导致检测数据的准确性和稳定性较差。而本发明通过引入动态环境补偿模型和数据预处理步骤，有效地修正了实时环境数据中的误差，使得湿度检测结果更加准确和可靠。例如，试验对象3的初始湿度为55％，经过调整后湿度降至54％，显示出补偿模型对湿度检测结果的精确修正。

[0166] 此外，本发明中的校准参数调整模型通过梯度下降法迭代优化，显著提升了传感器的校准精度。例如，试验对象5的初始气压为1009hPa，调整后气压为1008hPa，这种细微的调整有效地提升了传感器的检测精度，确保了数据的准确性。

[0167] 综上所述，通过本实施例的数据分析可以看出，基于微传感器的GIS内部湿度检测方法具有显著的创新性和优势，能够在复杂环境中提供高精度的湿度检测结果。相比传统方法，本发明不仅有效地克服了环境因素对检测结果的影响，还通过动态补偿和校准参数优化，显著提升了湿度检测的准确性和可靠性，提高了GIS设备的运行效率和安全性。

[0168] 应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

[0169] 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、系统、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。

[0170] 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。

[0171] 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。

[0172] 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。

[0173] 尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

[0174] 显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。