[发明专利]基于自学习的高温预警阈值的设置方法和系统

权利要求书

1.一种基于自学习的高温预警阈值的设置方法，其特征在于，所述方法包括：

划分子区域，将待监控区域划分为N个子区域，其中，N≥2；

获取并存储所述N个子区域的实时温度值；

根据所述N个子区域的实时温度值计算并存储待监控区域环境温度值、及各个子区域的实时温度值和待监控区域环境温度值的温度差值；

自学习计算每个子区域的最终温度差最大值；

根据所述每个子区域的最终温度差最大值计算每个子区域的高温预警阈值；

所述计算待监控区域环境温度值具体为：

计算出所述待监控区域温度的典型值，并将所述典型值作为环境温度值；

所述典型值为N个子区域的所述实时温度值的平均值、中位值、剔除干扰数据后的平均值或剔除干扰数据后的中位值；

所述自学习计算每个子区域的最终温度差最大值具体为：调用存储的数据，通过迭代比较法计算每个子区域的最终温度差最大值；

所述存储的数据包括：每个子区域的实时温度值T_mnt、每个子区域的实时温度和待监控区域环境温度值的温度差值ΔT_mnt、待监控区域环境温度值T_at。

2.根据权利要求1所述的方法，其特征在于，

所述计算各个子区域的实时温度值和待监控区域环境温度值的温度差值ΔT_mnt具体为：

ΔT_mnt=T_mnt-T_at

其中，T_mnt为每个子区域的实时温度值，T_at为待监控区域环境温度值。

3.根据权利要求1所述的方法，其特征在于，所述根据每个子区域的最终温度差最大值计算每个子区域的高温预警阈值T_mny具体为：

T_mny=T_at+ΔT_mn+ΔT_r

其中，ΔT_mn为最终温度差最大值，ΔT_r为人工设定的冗余温度值。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括设置自学习条件，所述自学习条件包括随时再次自学习或重新自学习。

5.根据权利要求1-4任一项所述的方法，其特征在于，通过红外热像仪获取待监控的N个子区域的环境实时温度值。

6.一种基于自学习的高温预警阈值设置系统，该系统包括：获取模块、存储模块和运算模块，所述运算模块包括第一确定模块、第二确定模块和第三确定模块；

所述获取模块被配置为获取待监控的N个子区域的环境实时温度值；

所述第一确定模块被配置为根据获取模块获取的所述实时温度值计算待监控区域环境温度值及各个子区域的实时温度和待监控区域环境温度值的温度差值；

所述第二确定模块被配置为自学习计算每个子区域的最终温度差最大值；

所述第三确定模块被配置为根据所述每个子区域的最终温度差最大值计算每个子区域的高温预警阈值；

所述存储模块被配置为存储N个子区域的环境实时温度值、待监控区域环境温度值及各个子区域的实时温度和实时环境温度的温度差值，

所述计算待监控区域环境温度值具体为：

计算出所述待监控区域温度的典型值，并将所述典型值作为环境温度值；

所述典型值为N个子区域的所述实时温度值的平均值、中位值、剔除干扰数据后的平均值或剔除干扰数据后的中位值；

所述自学习计算每个子区域的最终温度差最大值具体为：调用存储的数据，通过迭代比较法计算每个子区域的最终温度差最大值；

所述存储的数据包括：每个子区域的实时温度值T_mnt、每个子区域的实时温度和待监控区域环境温度值的温度差值ΔT_mnt、待监控区域环境温度值T_at。