本发明涉及安全监测，尤其涉及数据中心大电流干式电力变压器智能安全监测方法及系统。
背景技术：
1、随着数据中心规模的不断扩大和高功率设备的广泛应用，数据中心的电力供应系统面临着巨大的挑战。大电流干式电力变压器作为关键的电力设备，承担着数据中心内电力转换与分配的重任。然而，由于长时间高负荷运行，这些变压器容易出现过热、绝缘老化等问题，导致潜在的安全隐患。如果不及时发现并处理这些问题，可能会引发设备故障甚至严重的电力中断，影响数据中心的正常运营。
2、传统的变压器监测方法多依赖于定期的人工检查或简单的监测设备，仅收集有限的参数，导致监测数据的覆盖面不足，难以及时、全面地捕捉变压器的运行状态及其变化，这种方式不仅效率低下，而且主要依赖经验和标准阈值进行判断，无法提供足够的预警信息，以便在故障发生前采取有效的预防措施，因此，一种数据中心大电流干式电力变压器智能安全监测方法成为目前研究的方向之一。
技术实现思路
1、本发明提供了数据中心大电流干式电力变压器智能安全监测方法及系统，可有效解决背景技术中的问题。
2、为了达到上述目的，本发明所采用的技术方案是：
3、数据中心大电流干式电力变压器智能安全监测方法，所述方法包括：
4、部署合适的传感器，并且配置用于数据传输的通信网络；
5、通过所述传感器采集电力变压器的运行数据，使用所述通信网络将所述运行数据传输至云端数据库；
6、选择合适的神经网络结构建立变压器安全监测模型；
7、在所述云端数据库中调取所述电力变压器的历史运行数据对所述变压器安全监测模型进行训练和优化；
8、将优化后的所述变压器安全监测模型部署到云端，将所述电力变压器的运行数据输入所述变压器安全监测模型，进行所述电力变压器的安全监测。
9、进一步地，所述配置用于数据传输的通信网络包括：
10、确定所述通信网络的覆盖范围，选择所述通信网络的类型；
11、设计所述通信网络的拓扑结构，并且进行数据流规划；
12、根据所述拓扑结构配置通信网络设备，为所述通信网络设备选择合适的安全通信协议；
13、对配置完成后的所述通信网络进行测试和优化。
14、进一步地，还包括对所述通信网络进行冗余设计，配置通信网络路径的备份通道。
15、进一步地，所述进行数据流规划包括：
16、识别所述数据流的类型，并设定所述数据流的优先级；
17、基于所述数据流的优先级，规划每类所述数据流的传输路径，为所述数据流分配网络宽带。
18、进一步地，建立的变压器安全监测模型包括：
19、输入层，接收所述运行数据作为输入数据；
20、若干gru层，所述gru层由更新门和重置门组成，用于捕捉所述输入数据的时间依赖性和动态变化；
21、若干全连接层，将从所述gru层提取的特征映射到目标空间；
22、批量归一化层，在所述全连接层之后添加所述批量归一化层，稳定特征分布，加速模型训练；
23、输出层，生成最终的预测结果。
24、进一步地，在所述云端数据库中调取所述电力变压器的历史运行数据对所述变压器安全监测模型进行训练和优化，包括：
25、在所述云端数据库中调取所述电力变压器的历史运行数据，将所述历史运行数据划分为训练集、验证集和测试集；
26、初始化所述变压器安全监测模型，将所述训练集输入所述变压器安全监测模型进行训练；
27、监控所述变压器安全监测模型的训练过程，并且验证所述变压器安全监测模型在所述验证集上的性能，得到模型验证结果；
28、根据所述模型验证结果，对所述变压器安全监测模型的超参数进行调优；
29、通过所述测试集对调优后的所述变压器安全监测模型进行最终评估。
30、进一步地，还包括在所述变压器安全监测模型中集成报警机制，在所述变压器安全监测模型监测到异常情况时，触发所述报警机制，发出警报信号。
31、数据中心大电流干式电力变压器智能安全监测系统，所述系统包括：
32、通信网络配置模块，部署合适的传感器，并且配置用于数据传输的通信网络；
33、运行数据采集模块，通过所述传感器采集电力变压器的运行数据，使用所述通信网络将所述运行数据传输至云端数据库；
34、监测模型建立模块，选择合适的神经网络结构建立变压器安全监测模型；
35、模型训练优化模块，在所述云端数据库中调取所述电力变压器的历史运行数据对所述变压器安全监测模型进行训练和优化；
36、实时安全监测模块，将优化后的所述变压器安全监测模型部署到云端，将所述电力变压器的运行数据输入所述变压器安全监测模型，进行所述电力变压器的安全监测。
37、进一步地，所述通信网络配置模块包括：
38、覆盖范围确定单元，确定所述通信网络的覆盖范围，选择所述通信网络的类型；
39、网络拓扑设计单元，设计所述通信网络的拓扑结构，并且进行数据流规划；
40、网络设备配置单元，根据所述拓扑结构配置通信网络设备，为所述通信网络设备选择合适的安全通信协议；
41、网络测试优化单元，对配置完成后的所述通信网络进行测试和优化。
42、进一步地，所述模型训练优化模块包括：
43、数据集划分单元，在所述云端数据库中调取所述电力变压器的历史运行数据，将所述历史运行数据划分为训练集、验证集和测试集；
44、模型初始化单元，初始化所述变压器安全监测模型，将所述训练集输入所述变压器安全监测模型进行训练；
45、训练监控单元，监控所述变压器安全监测模型的训练过程，并且验证所述变压器安全监测模型在所述验证集上的性能，得到模型验证结果；
46、模型调优单元，根据所述模型验证结果，对所述变压器安全监测模型的超参数进行调优；
47、最终评估单元，通过所述测试集对调优后的所述变压器安全监测模型进行最终评估。
48、通过本发明的技术方案，可实现以下技术效果：
49、通过本发明，有效地实现对电力变压器的实时监测与精准预测，提升了数据中心电力系统的安全性和可靠性，同时大幅减少了人工检查的工作量，还显著提升了故障预判的准确性，降低了因变压器故障导致的电力中断风险，提高了设备寿命，保障了数据中心的稳定运营。
50、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
1.数据中心大电流干式电力变压器智能安全监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的数据中心大电流干式电力变压器智能安全监测方法，其特征在于，所述配置用于数据传输的通信网络包括：
3.根据权利要求2所述的数据中心大电流干式电力变压器智能安全监测方法，其特征在于，还包括对所述通信网络进行冗余设计，配置通信网络路径的备份通道。
4.根据权利要求2所述的数据中心大电流干式电力变压器智能安全监测方法，其特征在于，所述进行数据流规划包括：
5.根据权利要求1所述的数据中心大电流干式电力变压器智能安全监测方法，其特征在于，建立的变压器安全监测模型包括：
6.根据权利要求1所述的数据中心大电流干式电力变压器智能安全监测方法，其特征在于，在所述云端数据库中调取所述电力变压器的历史运行数据对所述变压器安全监测模型进行训练和优化，包括：
7.根据权利要求1所述的数据中心大电流干式电力变压器智能安全监测方法，其特征在于，还包括在所述变压器安全监测模型中集成报警机制，在所述变压器安全监测模型监测到异常情况时，触发所述报警机制，发出警报信号。
8.数据中心大电流干式电力变压器智能安全监测系统，其特征在于，所述系统包括：
9.根据权利要求8所述的数据中心大电流干式电力变压器智能安全监测系统，其特征在于，所述通信网络配置模块包括：
10.根据权利要求8所述的数据中心大电流干式电力变压器智能安全监测系统，其特征在于，所述模型训练优化模块包括：
