1.基于智能數(shù)據(jù)分析的電源柜防火預(yù)警系統(tǒng)，其特征在于：包括數(shù)據(jù)采集模塊、智能數(shù)據(jù)分析模塊、警報模塊和通訊與監(jiān)控模塊，所述數(shù)據(jù)采集模塊采集電源柜內(nèi)電源的原始數(shù)據(jù)，所述智能數(shù)據(jù)分析模塊對數(shù)據(jù)采集模塊采集到的原始數(shù)據(jù)進(jìn)行處理，所述警報模塊觸發(fā)警報信號，所述通訊與監(jiān)控模塊提供標(biāo)準(zhǔn)的通信接口；
2.根據(jù)權(quán)利要求1所述的基于智能數(shù)據(jù)分析的電源柜防火預(yù)警系統(tǒng)，其特征在于，所述步驟s2，具體包括以下步驟：
3.根據(jù)權(quán)利要求1所述的基于智能數(shù)據(jù)分析的電源柜防火預(yù)警系統(tǒng)，其特征在于，所述智能數(shù)據(jù)分析模塊包括數(shù)據(jù)預(yù)處理單元、特征提取單元、模式識別引擎、控制優(yōu)化單元和預(yù)測分析單元，所述數(shù)據(jù)預(yù)處理單元負(fù)責(zé)對采集到的原始數(shù)據(jù)進(jìn)行清洗、去噪和歸一化處理，使用深度學(xué)習(xí)算法中的自編碼器autoencoder進(jìn)行數(shù)據(jù)降噪，提高數(shù)據(jù)質(zhì)量得到預(yù)處理數(shù)據(jù)，所述特征提取單元利用深度學(xué)習(xí)算法中的卷積神經(jīng)網(wǎng)絡(luò)cnn和循環(huán)神經(jīng)網(wǎng)絡(luò)rnn提取預(yù)處理數(shù)據(jù)的特征向量，所述模式識別引擎采用深度神經(jīng)網(wǎng)絡(luò)dnn、卷積神經(jīng)網(wǎng)絡(luò)cnn和循環(huán)神經(jīng)網(wǎng)絡(luò)rnn，對特征向量進(jìn)行分類和識別，判斷電源柜是否存在火災(zāi)隱患，輸出識別結(jié)果，控制優(yōu)化單元使用深度q網(wǎng)絡(luò)dqn算法，根據(jù)模式識別引擎的識別結(jié)果，實時調(diào)整電源柜的運行，預(yù)測分析單元采用聯(lián)邦梯度下降fedgd算法，聯(lián)合多個電源柜的識別結(jié)果進(jìn)行模型訓(xùn)練，通過預(yù)測分析單元，預(yù)測電源柜在未來一段時間內(nèi)的運行狀態(tài)。
4.根據(jù)權(quán)利要求3所述的基于智能數(shù)據(jù)分析的電源柜防火預(yù)警系統(tǒng)，其特征在于，所述數(shù)據(jù)預(yù)處理單元的工作流程如下所示：
5.根據(jù)權(quán)利要求3所述的基于智能數(shù)據(jù)分析的電源柜防火預(yù)警系統(tǒng)，其特征在于，所述特征提取單元的工作流程如下所示：
6.根據(jù)權(quán)利要求3所述的基于智能數(shù)據(jù)分析的電源柜防火預(yù)警系統(tǒng)，其特征在于，所述模式識別引擎的工作流程如下所示：
7.根據(jù)權(quán)利要求3所述的基于智能數(shù)據(jù)分析的電源柜防火預(yù)警系統(tǒng)，其特征在于，所述控制優(yōu)化單元的工作流程如下所示：
8.根據(jù)權(quán)利要求3所述的基于智能數(shù)據(jù)分析的電源柜防火預(yù)警系統(tǒng)，其特征在于，所述預(yù)測分析單元的工作流程如下所示：