本發(fā)明涉及配電柜控制，尤其涉及一種電氣配電柜及其控制方法。

背景技術(shù)：

1、傳統(tǒng)配電柜控制方法中，數(shù)據(jù)的處理往往局限于電流、電壓等基本參數(shù)的監(jiān)測，未能充分利用環(huán)境參數(shù)(如溫度、濕度、振動等)和歷史運行數(shù)據(jù)進行綜合分析。這使得在面對復雜運行環(huán)境時，配電柜的調(diào)度決策往往無法做到全面優(yōu)化。缺少對多維數(shù)據(jù)的全面理解與融合，導致策略執(zhí)行的靈活性與精確度不足，尤其在高負載、高溫等異常情況出現(xiàn)時，缺乏有效的動態(tài)調(diào)整機制?，F(xiàn)有技術(shù)中，配電柜的性能評估依賴于靜態(tài)的指標或簡單的規(guī)則進行判定，缺乏動態(tài)評估機制，無法及時反映配電柜在不同運行條件下的實際表現(xiàn)。雖然現(xiàn)有的一些技術(shù)通過監(jiān)測電流、電壓波動來識別故障，但這些方法在實際應用中往往對復雜的故障模式、長期累積的微小變化等較為隱蔽的故障識別能力較弱。這些技術(shù)大多數(shù)側(cè)重于基于單一指標的預警，缺乏多維數(shù)據(jù)交叉分析與聯(lián)動預測，難以做到對潛在故障的精準預判。

技術(shù)實現(xiàn)思路

1、基于此，有必要提供一種電氣配電柜及其控制方法，以解決至少一個上述技術(shù)問題。

2、為實現(xiàn)上述目的，一種電氣配電柜控制方法，所述方法包括以下步驟：

3、步驟s1：獲取配電柜多維數(shù)據(jù)；對配電柜多維數(shù)據(jù)進行數(shù)據(jù)預處理，生成配電柜預處理數(shù)據(jù)集；

4、步驟s2：對配電柜預處理數(shù)據(jù)集進行貢獻度排序，生成配電柜貢獻度排序數(shù)據(jù)；根據(jù)配電柜貢獻度排序數(shù)據(jù)進行用電柜模型構(gòu)建，生成用電柜用電預測模型；

5、步驟s3：獲取實時配電柜數(shù)據(jù)；基于用電柜用電預測模型對實時配電柜數(shù)據(jù)進行配電柜用電預測，生成配電柜預測結(jié)果；基于預設(shè)的結(jié)果判斷閾值對配電柜預測結(jié)果進行判斷分析，并進行配電柜配電策略生成，生成配電柜配電策略；

6、步驟s4：對配電柜配電策略進行策略執(zhí)行，生成配電柜多維調(diào)度結(jié)果；基于配電柜多維調(diào)度結(jié)果進行報告生成，生成配電柜控制報告，從而完成電氣配電柜控制作業(yè)。

7、本發(fā)明的有益效果在于，通過獲取并預處理配電柜的多維數(shù)據(jù)(包括電流、電壓、溫濕度、振動等數(shù)據(jù))，可以消除噪聲和異常值，確保輸入數(shù)據(jù)的質(zhì)量，從而為后續(xù)的特征分析和模型訓練提供了可靠的基礎(chǔ)。通過對數(shù)據(jù)進行貢獻度排序，可以識別出影響配電柜用電情況的關(guān)鍵因素，為模型的構(gòu)建提供了更加精確的依據(jù)。基于這些貢獻度排序的數(shù)據(jù)，構(gòu)建的用電預測模型不僅能夠反映配電柜在不同環(huán)境條件下的用電情況，還能預測負載變化趨勢和潛在故障風險，進一步優(yōu)化配電管理策略。實時數(shù)據(jù)預測和基于閾值判斷的策略生成機制，可以動態(tài)調(diào)整配電柜的負載分配和電氣環(huán)境控制，從而實現(xiàn)對配電柜的精準調(diào)度和高效管理。最終，通過策略執(zhí)行和調(diào)度結(jié)果分析，生成的控制報告為電氣配電柜的運行提供了數(shù)據(jù)支持和決策依據(jù)，有助于提升配電柜的整體運行效率和可靠性。基于多維數(shù)據(jù)的調(diào)度優(yōu)化，不僅增強了配電系統(tǒng)的穩(wěn)定性，還提高了配電過程中的能源利用效率，減少了故障發(fā)生的風險，確保了電力資源的合理分配和高效使用。因此，本發(fā)明通過全面整合配電柜的多維數(shù)據(jù)進行智能預測和優(yōu)化調(diào)度，解決了傳統(tǒng)配電柜管理中預測精度低、資源分配不均、響應滯后等問題，提高了電氣配電柜的運行效率和資源利用率。

8、優(yōu)選的，步驟s1包括以下步驟：

9、步驟s11：獲取配電柜多維數(shù)據(jù)；對配電柜多維數(shù)據(jù)進行數(shù)據(jù)清洗處理，生成配電柜多維清洗數(shù)據(jù)，其中配電柜多維清洗數(shù)據(jù)包括電流清洗數(shù)據(jù)、電壓清洗數(shù)據(jù)、溫度清洗數(shù)據(jù)、濕度清洗數(shù)據(jù)和振動清洗數(shù)據(jù)；

10、步驟s12：對配電柜多維清洗數(shù)據(jù)進行特征處理，生成配電柜多維特征數(shù)據(jù)；

11、步驟s13：根據(jù)配電柜多維特征數(shù)據(jù)進行數(shù)據(jù)集標準化，生成配電柜預處理數(shù)據(jù)集。

12、本發(fā)明通過配電柜多維數(shù)據(jù)的清洗處理，能夠有效地去除異常值、噪聲數(shù)據(jù)以及不完整的數(shù)據(jù)，從而減少了無效信息對分析結(jié)果的干擾。這一環(huán)節(jié)的實施確保了電流、電壓、溫度、濕度和振動等多維數(shù)據(jù)的準確性，為后續(xù)分析提供了更加可靠的輸入數(shù)據(jù)。特別是電流和電壓數(shù)據(jù)的清洗，可以消除由設(shè)備故障或傳感器誤差導致的異常波動，從而確保用電模型的穩(wěn)定性和可靠性。此外，溫濕度和振動數(shù)據(jù)的清洗處理能夠剔除由環(huán)境因素或外界干擾引發(fā)的誤差，確保在復雜環(huán)境下數(shù)據(jù)的真實反映。其次，特征處理環(huán)節(jié)通過從清洗數(shù)據(jù)中提取出具有代表性的特征，可以捕捉到配電柜運行狀態(tài)與外部環(huán)境之間的關(guān)鍵關(guān)系，如電流變化對溫度或濕度的響應等。這些經(jīng)過處理的特征數(shù)據(jù)不僅反映了配電柜的運行規(guī)律，還幫助減少了冗余信息，提高了數(shù)據(jù)的有效性。最后，通過對多維特征數(shù)據(jù)進行標準化處理，將不同量綱和尺度的數(shù)據(jù)統(tǒng)一到一個標準的范圍內(nèi)，有助于消除數(shù)據(jù)之間的尺度差異，避免了某些特征因數(shù)值較大或較小而對模型產(chǎn)生不均衡的影響。這一標準化步驟使得數(shù)據(jù)適應了不同分析算法的需求，提升了后續(xù)建模過程中的收斂速度和穩(wěn)定性。通過這些步驟，整個數(shù)據(jù)集的質(zhì)量得到了顯著提升，能夠為后續(xù)的預測模型構(gòu)建提供更加準確、穩(wěn)定和有價值的信息。

13、優(yōu)選的，步驟s12包括以下步驟：

14、步驟s121：對電流清洗數(shù)據(jù)和電壓清洗數(shù)據(jù)進行傅里葉變換頻譜分析，生成電流-電壓頻率成分數(shù)據(jù)；對電流-電壓頻率成分數(shù)據(jù)進行均值計算，生成配電柜電流-電壓特征數(shù)據(jù)；

15、步驟s122：根據(jù)溫度清洗數(shù)據(jù)和濕度清洗數(shù)據(jù)進行時間序列分析，生成溫度-濕度季節(jié)波動性數(shù)據(jù)；對溫度-濕度季節(jié)波動性數(shù)據(jù)進行溫濕度協(xié)同處理，生成配電柜溫濕度特征數(shù)據(jù)；

16、步驟s123：對振動清洗數(shù)據(jù)進行加速度分析，生成加速度分析數(shù)據(jù)；對加速度分析數(shù)據(jù)進行振幅波動范圍分析，生成配電柜加速度-振幅特征數(shù)據(jù)；

17、步驟s124：將配電柜電流-電壓特征數(shù)據(jù)、配電柜溫濕度特征數(shù)據(jù)和配電柜加速度-振幅特征數(shù)據(jù)進行時間戳校準，生成配電柜多維特征數(shù)據(jù)。

18、本發(fā)明通過對電流清洗數(shù)據(jù)和電壓清洗數(shù)據(jù)進行傅里葉變換頻譜分析，可以有效地識別電流和電壓信號中的頻率成分，揭示出電氣特性在不同頻率下的變化規(guī)律。這一過程能夠捕捉到電流和電壓的波動模式，尤其是在負載波動或設(shè)備故障時的高頻振蕩，進而生成具有代表性的電流-電壓頻率成分數(shù)據(jù)，為后續(xù)的用電預測和故障診斷提供了關(guān)鍵特征。其次，對電流-電壓頻率成分數(shù)據(jù)進行均值計算，從數(shù)據(jù)層面簡化了頻域信息，提取出電流與電壓的核心特征，進一步生成配電柜電流-電壓特征數(shù)據(jù)，為后續(xù)分析提供了穩(wěn)定且有代表性的輸入。與此同時，針對溫度清洗數(shù)據(jù)和濕度清洗數(shù)據(jù)的時間序列分析，能夠揭示出溫濕度在季節(jié)變化中的規(guī)律性波動，生成溫度-濕度季節(jié)波動性數(shù)據(jù)，這為評估環(huán)境因素對配電柜的影響提供了時間維度上的深度分析。通過進一步的溫濕度協(xié)同處理，可以整合溫度與濕度之間的關(guān)系，生成配電柜溫濕度特征數(shù)據(jù)，這一數(shù)據(jù)反映了環(huán)境因素與電氣特性之間的協(xié)同效應，有助于提升配電柜運行狀態(tài)的準確預測。再者，通過對振動清洗數(shù)據(jù)進行加速度分析，可以識別振動信號的強度和頻率變化，為設(shè)備故障的早期預警提供了有效的監(jiān)測依據(jù)。振幅波動范圍分析進一步揭示了設(shè)備在運行過程中出現(xiàn)的異常振動模式，生成的配電柜加速度-振幅特征數(shù)據(jù)有助于判斷配電柜的健康狀態(tài)和預測潛在故障風險。最后，將這些來自不同維度的特征數(shù)據(jù)進行時間戳校準，可以確保電流、電壓、溫濕度和振動數(shù)據(jù)在同一時間軸上對齊，消除了不同傳感器或測量點之間的時間偏差，確保了數(shù)據(jù)的一致性和可比性。經(jīng)過時間戳校準后的配電柜多維特征數(shù)據(jù)，為進一步的分析和預測提供了精確的時間同步信息，有助于提升模型的預測精度和決策的準確性。

19、優(yōu)選的，步驟s2包括以下步驟：

20、步驟s21：對配電柜預處理數(shù)據(jù)集進行特征交叉分析，生成配電柜交叉數(shù)據(jù)集；

21、步驟s22：根據(jù)配電柜交叉特征數(shù)據(jù)集進行貢獻度排序，生成配電柜貢獻度排序數(shù)據(jù)；

22、步驟s23：根據(jù)配電柜貢獻度排序數(shù)據(jù)進行用電柜模型構(gòu)建，生成用電柜用電預測模型。

23、本發(fā)明通過特征交叉分析對配電柜預處理數(shù)據(jù)集中的不同特征進行組合與互動分析，從而生成了一個包含多維度信息的交叉數(shù)據(jù)集。通過這種交叉分析，可以捕捉到各個特征之間的非線性關(guān)系以及多重影響因素的協(xié)同效應。例如，電流與溫度、濕度之間的相互作用，電壓與振動之間的耦合效應等，這些交叉特征數(shù)據(jù)有助于揭示配電柜運行中復雜的物理現(xiàn)象及其潛在規(guī)律，從而為進一步分析和建模提供了豐富的特征基礎(chǔ)。其次，基于配電柜交叉特征數(shù)據(jù)集進行貢獻度排序，能夠識別出對配電柜用電行為和系統(tǒng)性能影響最大的關(guān)鍵特征。這一排序步驟通過評估各特征的預測能力，篩選出對用電模型具有較大影響的特征，并將其優(yōu)先用于模型構(gòu)建。貢獻度排序不僅提高了模型的效率，避免了冗余數(shù)據(jù)的引入，還使得最終的用電預測模型能夠更好地反映配電柜的實際運行情況，從而提升了預測的精度和可信度。最后，根據(jù)配電柜貢獻度排序數(shù)據(jù)構(gòu)建的用電預測模型，不僅能夠有效處理多維度、多層次的數(shù)據(jù)，還能對未來用電趨勢進行精準預測，尤其是在動態(tài)變化的環(huán)境下，能夠及時調(diào)整配電策略和資源分配。通過這些精細化的步驟，整個數(shù)據(jù)處理過程大大提高了配電柜用電預測的科學性與實用性，有助于實現(xiàn)配電柜系統(tǒng)的智能化管理和精細化調(diào)度。

24、優(yōu)選的，步驟s21包括以下步驟：

25、步驟s211：將配電柜電流-電壓特征數(shù)據(jù)和配電柜溫濕度特征數(shù)據(jù)進行電流-溫度乘積計算，生成配電柜電流-溫度乘積比率影響數(shù)據(jù)；對配電柜電流-電壓特征數(shù)據(jù)和配電柜溫濕度特征數(shù)據(jù)進行電壓-濕度交互項波動分析，生成配電柜電壓-濕度波動交互項數(shù)據(jù)；

26、步驟s212：將配電柜電流-電壓特征數(shù)據(jù)和配電柜加速度-振幅特征數(shù)據(jù)進行電流-振動頻率負荷相關(guān)性分析，生成電流-振動頻率相關(guān)數(shù)據(jù)；對電流-振動頻率相關(guān)數(shù)據(jù)進行皮爾遜相關(guān)系數(shù)計算，生成配電柜電流-振動頻率特征數(shù)據(jù)；將配電柜電流-電壓特征數(shù)據(jù)和配電柜加速度-振幅特征數(shù)據(jù)進行伏電壓-加速度聯(lián)動分析，生成配電柜電壓-加速度聯(lián)動數(shù)據(jù)；

27、步驟s213：將配電柜溫濕度特征數(shù)據(jù)和配電柜加速度-振幅特征數(shù)據(jù)進行溫度-振動幅度熱分析，生成溫度-振動幅度熱分析數(shù)據(jù)；對溫度-振動幅度熱分析數(shù)據(jù)進行振動摩擦分析處理，生成配電柜溫度-振動幅度數(shù)據(jù)；對配電柜溫濕度特征數(shù)據(jù)和配電柜加速度-振幅特征數(shù)據(jù)進行濕度-加速度物理性質(zhì)分析，生成濕度-加速度物理性質(zhì)變化數(shù)據(jù)；對濕度-加速度物理性質(zhì)變化數(shù)據(jù)機械能比率動態(tài)分析，生成配電柜濕度-加速度變化特征數(shù)據(jù)；

28、步驟s214：將配電柜電流-溫度乘積比率影響數(shù)據(jù)、配電柜電壓-濕度波動交互項數(shù)據(jù)、配電柜電流-振動頻率特征數(shù)據(jù)、配電柜電壓-加速度聯(lián)動數(shù)據(jù)、配電柜溫度-振動幅度數(shù)據(jù)和配電柜濕度-加速度變化特征數(shù)據(jù)進行多維特征數(shù)據(jù)矩陣生成，生成配電柜多維數(shù)據(jù)矩陣；對配電柜多維數(shù)據(jù)矩陣進行主成分分析降維，并進行數(shù)據(jù)集構(gòu)建，生成配電柜交叉數(shù)據(jù)集。

29、本發(fā)明通過電流-溫度乘積計算與電壓-濕度交互項波動分析，能夠揭示電流與溫度之間的關(guān)聯(lián)性及電壓與濕度之間的相互作用，從而為電氣特性與環(huán)境因子之間的動態(tài)關(guān)系提供量化數(shù)據(jù)。這種交互分析不僅有助于捕捉環(huán)境變化對配電柜電氣性能的影響，還能通過構(gòu)建交互項數(shù)據(jù)增強模型的解釋能力，提高對潛在故障的預測準確性。電流-振動頻率負荷相關(guān)性分析與伏電壓-加速度聯(lián)動分析進一步提升了模型對電氣與機械系統(tǒng)的聯(lián)合敏感性。通過對電流與振動頻率、加速度的相互作用進行分析，能夠揭示電氣負荷與機械振動之間的關(guān)系，為設(shè)備故障預測和健康監(jiān)測提供關(guān)鍵依據(jù)。皮爾遜相關(guān)系數(shù)的計算則有助于量化這些變量之間的相關(guān)程度，從而為下一步的模型構(gòu)建提供精確的數(shù)據(jù)支持。溫度-振動幅度熱分析與濕度-加速度物理性質(zhì)分析，通過對溫濕度與振動幅度之間的熱力學關(guān)系及物理性質(zhì)變化的深度剖析，能夠進一步捕捉配電柜在不同環(huán)境條件下的動態(tài)特征。這些特征不僅提供了設(shè)備狀態(tài)和環(huán)境影響的多維視角，還通過機械能比率的動態(tài)分析優(yōu)化了對物理現(xiàn)象的理解，增強了數(shù)據(jù)的時間序列特性和趨勢預測能力。將上述所有交叉特征數(shù)據(jù)進行矩陣化處理，進行主成分分析(pca)降維，使得冗余特征被有效減少，核心特征得以突出，數(shù)據(jù)集更加簡潔且信息密度高，能夠提高后續(xù)建模的效率和精度。

30、優(yōu)選的，步驟s23包括以下步驟：

31、步驟s231：對配電柜貢獻度排序數(shù)據(jù)進行排序，生成配電柜貢獻度排序數(shù)據(jù)，其中配電柜貢獻度排序數(shù)據(jù)包括配電柜高貢獻度數(shù)據(jù)和配電柜低貢獻度數(shù)據(jù)；

32、步驟s232：通過預設(shè)的貢獻度閾值對低貢獻度進行冗余剔除，生成低貢獻度剔除數(shù)據(jù)；

33、步驟s233：將高貢獻度數(shù)據(jù)和低貢獻度剔除數(shù)據(jù)進行線性回歸預測用電柜模型構(gòu)建，生成用電柜用電預測模型。

34、本發(fā)明通過對配電柜貢獻度排序數(shù)據(jù)進行排序，將數(shù)據(jù)按照對用電預測的影響程度進行分類，從而形成高貢獻度數(shù)據(jù)和低貢獻度數(shù)據(jù)。這一排序處理能夠幫助識別出對配電柜用電情況預測最具影響力的關(guān)鍵因素，并將它們與相對冗余的低貢獻度數(shù)據(jù)區(qū)分開來，為后續(xù)建模提供更加精準的特征輸入。通過對低貢獻度數(shù)據(jù)進行冗余剔除，進一步減少了不重要特征對模型的干擾。冗余剔除不僅提升了模型的計算效率，還避免了數(shù)據(jù)過擬合問題的出現(xiàn)，從而提高了模型的泛化能力，使得模型在面對不同配電柜環(huán)境下的應用時，能保持較高的準確性與穩(wěn)定性。此外，低貢獻度數(shù)據(jù)的剔除還幫助避免了數(shù)據(jù)冗余所帶來的信息噪聲問題，進一步優(yōu)化了數(shù)據(jù)的質(zhì)量。將高貢獻度數(shù)據(jù)和剔除低貢獻度后的數(shù)據(jù)合并，并使用線性回歸方法進行用電柜模型的構(gòu)建。這一方法利用高貢獻度數(shù)據(jù)的顯著特征進行預測建模，同時通過優(yōu)化的輸入數(shù)據(jù)確保了模型在復雜環(huán)境中的準確性和有效性。通過線性回歸的計算，模型能夠更精確地捕捉各特征與用電情況之間的線性關(guān)系，從而提供更加可靠的預測結(jié)果。整體而言，本過程從數(shù)據(jù)篩選、冗余剔除到模型構(gòu)建的多個環(huán)節(jié)，體現(xiàn)了數(shù)據(jù)質(zhì)量提升和模型精度優(yōu)化的良性循環(huán)，有效解決了傳統(tǒng)模型中數(shù)據(jù)冗余、特征噪聲和計算效率低的問題。

35、優(yōu)選的，步驟s3包括以下步驟：

36、步驟s31：獲取實時配電柜數(shù)據(jù)；

37、步驟s32：基于用電柜用電預測模型對實時配電柜數(shù)據(jù)進行配電柜用電預測，生成配電柜預測結(jié)果；對配電柜預測結(jié)果進行位置標注，生成配電柜位置-預測結(jié)果；

38、步驟s33：基于預設(shè)的結(jié)果判斷閾值對配電柜預測結(jié)果進行判斷分析，生成配電柜預測判斷結(jié)果；基于配電柜預測判斷結(jié)果進行配電柜配電策略生成，生成配電柜配電策略。

39、本發(fā)明通過獲取實時配電柜數(shù)據(jù)，為接下來的分析和預測提供了時效性強且相關(guān)性高的輸入數(shù)據(jù)。這些數(shù)據(jù)包括配電柜的電流、電壓、溫濕度等多維度信息，能夠真實反映設(shè)備當前的工作狀態(tài)和運行環(huán)境，為準確預測用電需求提供基礎(chǔ)。通過用電柜用電預測模型，對實時數(shù)據(jù)進行處理和預測，生成配電柜用電預測結(jié)果。此步驟的關(guān)鍵在于利用已建立的預測模型對實時數(shù)據(jù)進行智能分析，通過數(shù)學模型挖掘數(shù)據(jù)中的規(guī)律和趨勢，從而預測配電柜的用電情況。預測結(jié)果的準確性直接影響到后續(xù)配電策略的合理性和電力資源的高效利用。通過位置標注將預測結(jié)果與具體的地理位置進行關(guān)聯(lián)，生成配電柜位置-預測結(jié)果數(shù)據(jù)。通過位置標注，可以對不同位置的配電柜進行差異化管理，根據(jù)其所處位置的不同要求，制定相應的電力調(diào)度策略。依據(jù)預設(shè)的閾值，對配電柜預測結(jié)果進行判斷分析，生成配電柜預測判斷結(jié)果。該分析階段不僅幫助識別出是否存在異?；蚋哓摵汕闆r，還為判斷配電柜是否需要進行調(diào)整提供依據(jù)。根據(jù)判斷結(jié)果，生成配電柜配電策略，以確保配電柜的運行狀態(tài)與電力需求的匹配，并實現(xiàn)最優(yōu)的電力分配和調(diào)度。通過這一系列步驟的合理運作，系統(tǒng)能夠在實時監(jiān)控和預測的基礎(chǔ)上，靈活生成最符合實際需求的配電策略，從而提高電力系統(tǒng)的運行效率，減少故障發(fā)生的風險，提升配電柜的使用壽命和安全性。

40、優(yōu)選的，步驟s33包括以下步驟：

41、步驟s331：基于預設(shè)的結(jié)果判斷閾值對配電柜預測結(jié)果進行判斷分析，生成配電柜預測判斷結(jié)果；基于配電柜預測判斷結(jié)果進行配電柜配電策略生成，生成配電柜配電策略，其中配電柜配電策略包括配電柜負載與環(huán)境配電策略和故障預測與負載調(diào)節(jié)配電策略；

42、步驟s332：當配電柜預測判斷結(jié)果大于或等于預設(shè)的結(jié)果判斷閾值，對配電柜電流-電壓特征數(shù)據(jù)進行配電柜實時負載分析，生成配電柜實時負載力數(shù)據(jù)；對配電柜實時負載力數(shù)據(jù)進行高負載區(qū)域標記，生成配電柜高負載區(qū)域標記數(shù)據(jù)；根據(jù)配電柜溫濕度特征數(shù)據(jù)進行溫濕度分析，并進行高溫濕度標記，生成配電柜高溫濕度標記數(shù)據(jù)；基于配電柜高負載區(qū)域標記數(shù)據(jù)和配電柜高溫濕度標記數(shù)據(jù)進行配電負荷優(yōu)化，從而生成配電柜負載與環(huán)境配電策略；

43、步驟s333：當配電柜預測判斷結(jié)果小于預設(shè)的結(jié)果判斷閾值，對配電柜電流-電壓特征數(shù)據(jù)進行電流波動-振幅超標分析，生成異常故障預警數(shù)據(jù)；基于配電柜預測結(jié)果對異常故障預警數(shù)據(jù)進行監(jiān)測分析，生成預警消息，并上傳至云平臺，從而完成故障預測與負載調(diào)節(jié)配電策略。

44、本發(fā)明通過預設(shè)的判斷閾值，對配電柜的預測結(jié)果進行分析，進而生成配電柜的預測判斷結(jié)果。這一判斷依據(jù)有助于精準識別系統(tǒng)運行中的潛在風險與不正常變化，確保配電柜的電力分配能夠更加靈活、智能地適應實時需求變化。在此基礎(chǔ)上，生成的配電柜配電策略包括兩部分：負載與環(huán)境配電策略，以及故障預測與負載調(diào)節(jié)配電策略。負載與環(huán)境配電策略主要側(cè)重于調(diào)整配電柜的負載和調(diào)度方式，以應對環(huán)境變化(如溫濕度變化)對負載的影響，而故障預測與負載調(diào)節(jié)配電策略則著眼于故障風險的提前識別，并對負載進行相應的調(diào)節(jié)，從而避免因超負荷運行導致的故障。在配電柜預測判斷結(jié)果大于或等于預設(shè)閾值時，通過電流-電壓特征數(shù)據(jù)進行實時負載分析，生成實時負載力數(shù)據(jù)，并對高負載區(qū)域進行標記，生成高負載區(qū)域標記數(shù)據(jù)。同時，通過溫濕度特征數(shù)據(jù)進行分析，標記出高溫濕度區(qū)域，進而生成高溫濕度標記數(shù)據(jù)。結(jié)合這兩個標記數(shù)據(jù)，進行負載與環(huán)境的綜合配電優(yōu)化，生成負載與環(huán)境配電策略，有效避免了因環(huán)境因素對負載分配的影響，提升了電力分配的精確性與系統(tǒng)穩(wěn)定性。針對配電柜預測判斷結(jié)果小于預設(shè)閾值的情況，通過電流波動與振幅的超標分析，生成異常故障預警數(shù)據(jù)，并進一步進行監(jiān)測分析，生成預警消息并上傳至云平臺，確保電力系統(tǒng)在出現(xiàn)異常負荷或故障時能夠?qū)崟r反應并采取預防措施。通過這種方式，系統(tǒng)能夠及時發(fā)現(xiàn)并響應潛在故障，極大地降低了故障發(fā)生的概率，并且實現(xiàn)了對負載的智能調(diào)節(jié)。

45、優(yōu)選的，步驟s4包括以下步驟：

46、步驟s41：對配電柜配電策略進行策略執(zhí)行，生成配電柜多維調(diào)度結(jié)果；

47、步驟s42：對配電柜多維調(diào)度結(jié)果進行配電柜性能評估，生成配電柜調(diào)度評估數(shù)據(jù)；

48、步驟s43：對配電柜調(diào)度評估數(shù)據(jù)進行報告生成，生成配電柜控制報告，從而完成電氣配電柜控制作業(yè)。

49、本發(fā)明通過配電策略執(zhí)行是將前期制定的負載和環(huán)境配電策略，通過合理的多維調(diào)度，使電力分配更具實時性和靈活性。對配電柜多維調(diào)度結(jié)果進行性能評估，生成配電柜調(diào)度評估數(shù)據(jù)。這一評估過程不僅能夠?qū)ε潆姽裨趫?zhí)行配電策略后的表現(xiàn)進行全面分析，還能對系統(tǒng)中潛在的調(diào)度瓶頸進行識別，確保在負荷高峰或突發(fā)事件發(fā)生時，電力系統(tǒng)能夠保持高效運行。通過調(diào)度評估數(shù)據(jù)的反饋，能夠精確評估配電柜的運行效果，驗證配電策略是否達到預期目標，進而為后續(xù)策略的優(yōu)化提供數(shù)據(jù)支持和決策依據(jù)。通過對調(diào)度評估數(shù)據(jù)進行處理，生成配電柜控制報告，從而為配電柜的運維團隊提供詳細的電力控制運行情況。這一報告不僅總結(jié)了配電柜在運行中的性能表現(xiàn)，還能根據(jù)評估結(jié)果提出改進建議，確保配電柜的調(diào)度操作得到有效執(zhí)行，并及時調(diào)整配電策略，以應對負載波動或設(shè)備故障。

50、本發(fā)明的有益效果在于，通過獲取并預處理配電柜的多維數(shù)據(jù)(包括電流、電壓、溫濕度、振動等數(shù)據(jù))，可以消除噪聲和異常值，確保輸入數(shù)據(jù)的質(zhì)量，從而為后續(xù)的特征分析和模型訓練提供了可靠的基礎(chǔ)。通過對數(shù)據(jù)進行貢獻度排序，可以識別出影響配電柜用電情況的關(guān)鍵因素，為模型的構(gòu)建提供了更加精確的依據(jù)?；谶@些貢獻度排序的數(shù)據(jù)，構(gòu)建的用電預測模型不僅能夠反映配電柜在不同環(huán)境條件下的用電情況，還能預測負載變化趨勢和潛在故障風險，進一步優(yōu)化配電管理策略。實時數(shù)據(jù)預測和基于閾值判斷的策略生成機制，可以動態(tài)調(diào)整配電柜的負載分配和電氣環(huán)境控制，從而實現(xiàn)對配電柜的精準調(diào)度和高效管理。最終，通過策略執(zhí)行和調(diào)度結(jié)果分析，生成的控制報告為電氣配電柜的運行提供了數(shù)據(jù)支持和決策依據(jù)，有助于提升配電柜的整體運行效率和可靠性?；诙嗑S數(shù)據(jù)的調(diào)度優(yōu)化，不僅增強了配電系統(tǒng)的穩(wěn)定性，還提高了配電過程中的能源利用效率，減少了故障發(fā)生的風險，確保了電力資源的合理分配和高效使用。因此，本發(fā)明通過全面整合配電柜的多維數(shù)據(jù)進行智能預測和優(yōu)化調(diào)度，解決了傳統(tǒng)配電柜管理中預測精度低、資源分配不均、響應滯后等問題，提高了電氣配電柜的運行效率和資源利用率。