(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110205561.5 (22)申请日 2021.02.24 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518000 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 郭建国　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 董慧 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/18(2020.01) G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06Q 50/08(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 电气安全监测方法、 装置、 计算机设备和存 储介质 (57)摘要 本申请涉及一种电气安全监测方法、 装置、 计算机设备和存储介质。 所述方法涉及人工智能 技术领域， 包括： 获取建筑对应的三维空间模型， 三维空间模型是根据建筑内电气设备的部署位 置及各电气设备之间的线路连接关系生成的， 电 气设备包括线路监测仪和用电设备； 接收目标线 路监测仪采集的目标线路数据； 通过训练好的基 于神经网络的电气安全监测模型， 根据三维空间 模型和目标线路数据获得目标线路监测仪所在 目标线路的运行状态检测结果； 当运行状态检测 结果指示目标线路处于异常运行状态时， 确定目 标线路相关的目标用电设备， 生成用于关闭目标 用电设备的控制指令。 采用本方法能够自动调节 用电设备的运行情况， 减少因异常导致整个区域 断电带来的损失。 权利要求书3页 说明书17页 附图5页 CN 114969876 A 2022.08.30 CN 114969876 A 1.一种电气安全监测方法， 包括： 获取建筑对应的三维空间模型， 所述三维空间模型是根据 所述建筑内电气设备的部署 位置及各所述电气设备之 间的线路连接 关系生成的， 所述电气设备包括线路监测仪和用电 设备； 接收目标线路监测仪采集的目标线路数据； 通过训练好的基于神经网络的电气安全监测模型， 根据 所述三维空间模型和所述目标 线路数据获得 所述目标线路监测仪所在目标线路的运行状态检测结果； 当所述运行状态检测结果指示所述目标线路处于异常运行状态时， 确定所述目标线路 相关的目标用电设备， 生成用于关闭所述目标用电设备的控制指令 。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取建筑对应的三维空间模型， 包括： 获取所述建筑对应的建筑信息模型； 将所述建筑内电气设备的部署位置及各所述电气设备之间的线路连接关系映射至所 述建筑信息模型， 获得 所述建筑对应的三维空间模型。 3.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 接收样本线路监测仪上报的样本线路数据； 获取所述建筑内电气设备对应的额定电参数； 根据所述样本线路数据计算所述样本线路监测仪所在线路的实际电参数； 当所述实际电参数与所述样本线路监测仪所在线路的额定电参数的差异在预设时长 内超出阈值时， 则确定所述样本线路监测仪所在线路的运行状态标注数据为异常。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述样本线路数据计算所述样本 线路监测仪所在线路的实际电参数， 包括： 当所述样本线路监测仪位于监测用电设备的线路时， 所述样本线路数据包括实际电 压、 实际电流和实际温度中的至少一种， 根据所述实际电压与所述实际电流计算监测的所 述用电设备的实际工作功率； 所述当所述实际电参数与所述样本线路监测仪所在线路的额定电参数的差异在预设 时长内超出阈值时， 则确定所述样本线路监测仪所在线路的运行状态标注数据为异常， 包 括： 当所述实际电压与 所述用电设备的额定电压之间的差异、 所述实际电流与 所述用电设 备的额定电流之间的差异、 所述实际工作功率与所述用电设备的额定功率之间的差异、 所 述实际温度与正常工作温度之 间的差异中的至少一种在预设时长内超出阈值时， 则确定所 述用电设备的运行状态标注数据为异常。 5.根据权利要求3所述的方法， 其特征在于， 所述根据所述样本线路数据计算所述样本 线路监测仪所在线路的实际电参数， 包括： 当所述样本线路监测仪用于监测线路时， 所述样本线路数据包括实 际电压、 实 际电流 和实际温度中的至少一种， 根据监测的所述线路在所述实际温度下 的电阻率、 所述实际电 流和所述实际电压计算 监测的所述线路的实际线路损耗； 所述当所述实际电参数与所述样本线路监测仪所在线路的额定电参数的差异在预设 时长内超出阈值时， 则确定所述样本线路监测仪所在线路的运行状态标注数据为异常， 包 括：权　利　要　求　书 1/3 页 2 CN 114969876 A 2当所述实际线路损耗与 标准线路耗损之间的差异在预设时长 内超出阈值 时， 则确定监 测的所述线路的运行状态标注数据为异常。 6.根据权利要求1所述的方法， 其特 征在于， 所述电气安全监测模型的训练步骤 包括： 获取训练样本， 所述训练样本包括所述建筑内的样本线路监测仪监测到的样本线路数 据和对应的运行状态标注数据； 将所述样本线路数据和所述三维空间模型输入至初始神经网络模型， 通过所述初始神 经网络模型的输入层与隐藏层之间当前的第一连接权重， 对所述三 维空间模型和所述样本 线路数据进行变换处 理， 获得隐藏层特 征； 通过所述初始神经网络模型的隐藏层与输出层之间当前的第 二连接权重， 对各所述隐 藏层特征进行变换处 理后融合， 获得 预测运行状态； 根据所述运行状态标注数据与所述预测运行状态构建误差函数， 将所述误差函数最小 化， 确定更新的第一连接 权重与更新的第二连接 权重； 根据所述更新的第一连接权重与所述更新的第二连接权重对所述初始神经网络模型 进行更新后， 返回至所述 获取训练样本的步骤继续训练， 直至满足训练结束条件时， 获得所 述电气安全监测模型。 7.根据权利要求1所述的方法， 其特征在于， 所述通过训练好的基于神经网络的电气安 全监测模型， 根据所述三 维空间模型和所述目标线路数据获得所述目标线路监测仪所在目 标线路的运行状态检测结果， 包括： 将所述三维空间模型和所述目标线路数据输入训练好的基于神经网络的电气安全监 测模型； 通过所述电气安全监测模型的输入层与隐藏层之间的第 一连接权重， 对所述三维空间 模型和所述目标线路数据进行变换处 理， 获得隐藏层特 征； 通过所述电气安全监测模型的隐藏层与输出层之间的第 二连接权重， 对各所述隐藏层 特征进行变换处 理后融合， 获得 所述目标线路监测仪所在目标线路的运行状态检测结果。 8.根据权利要求1所述的方法， 其特征在于， 所述通过训练好的基于神经网络的电气安 全监测模型， 根据所述三 维空间模型和所述目标线路数据获得所述目标线路监测仪所在目 标线路的运行状态检测结果， 包括： 确定所述目标线路数据时采集时间； 将所述采集 时间、 所述三维空间模型和所述目标线路数据输入训练好的基于神经网络 的电气安全监测模型， 通过所述电气安全监测模型输出所述目标线路监测仪所在目标线路 的运行状态检测结果； 所述方法还 包括： 当所述运行状态检测结果指示所述目标线路处于正常运行状态， 且所述采集 时间属于 高峰用电时间段时， 确定所述 目标线路相关的目标用电设备， 生成关于所述 目标用电设备 的错峰运行信息 。 9.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 当关于所述建筑的输电线路的动态调整功能已启动时， 则 执行所述生成用于关闭所述目标用电设备的控制 指令的步骤， 并将所述控制 指令发送 至所述目标用电设备， 以使所述目标用电设备停止运行；权　利　要　求　书 2/3 页 3 CN 114969876 A 3