CN109871515B - 一种根据设备数据评估危险发生概率的系统和算法 - Google Patents
一种根据设备数据评估危险发生概率的系统和算法 Download PDFInfo
- Publication number
- CN109871515B CN109871515B CN201910165649.1A CN201910165649A CN109871515B CN 109871515 B CN109871515 B CN 109871515B CN 201910165649 A CN201910165649 A CN 201910165649A CN 109871515 B CN109871515 B CN 109871515B
- Authority
- CN
- China
- Prior art keywords
- probability
- equipment
- occurrence
- risk
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Emergency Alarm Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及评估设备安全的技术领域,尤其是涉及一种根据设备数据评估危险发生概率的系统和算法。一种根据设备数据评估危险发生概率的算法,其优势在于可以更早得判断得出设备危险系数。一种根据设备数据评估危险发生概率的算法,包括:步骤一、电流信息采样;步骤二、将数据代入算法内输出发生危险的危险系数D;步骤三、对比同类设备中相同年份与工况的采样特征评估危险发生的概率G。采集电流信息后将数据代入算法内得到危险系数D。电弧的发热功率越高,断开开关时电弧持续的时间越长,关键开关节点越多,危险系数D就越高。通过将得到的危险系数和同类设备中相同年份与工况的采样特征进行对比,评估出危险发生的概率。
Description
技术领域
本发明涉及评估设备安全的技术领域,尤其是涉及一种根据设备数据评估危险发生概率的系统和算法。
背景技术
当用开关电器断开电流时,如果电路电压不低于10—20伏,电流不小于80~100mA,电器的触头间便会产生电弧。电弧的形成是触头间距离很小,电场强度E很高(E=U/d)。当电场强度超过3*106V/m时,阴极表面的电子就会被电场力拉出而形成触头空间的自由电子。这种游离方式称为:强电场发射。从阴极表面发射出来的自由电子和触头间原有的少数电子,在电场力的作用力向阳极加速运动,途中不断地和中性质点相碰撞。只要电子的运动速度v足够高,电子的动能足够大,就可能从中性质子中打出电子,形成自由电子和正离子。这种现象称为碰撞游离,新形成的自由电子也向阳极作加速运动,同样地会与中性质子碰撞而发生游离。碰撞游离连续进行的结果是触头间充满了电子和正离子,在外加电压下,介质被击穿而产生电弧,电路再次被导通。电弧形成后,弧隙间的高温使阴极表面的电子获得足够的能量而向外发射,形成热电场发射(电弧中心部分维持的温度可达10000℃以上)。
现有的设备安全措施是通过加保险丝的方式,在设备短路时,通过保险丝的电流大幅度增加,这时候保险丝熔断,起到保护设备电路的作用。但是在开关启闭产生电弧的时候,由于电路内等于串联了电弧电阻,因此电路内通过的电流是减小的,在电流减小的情况下保险丝无法起到保护设备的作用。而电弧会产生大量的热能,导致设备内部燃烧起火。
申请公布号为CN105741474A的发明专利公开了一种基于多传感器的火灾预警方法。该方法中是通过检测环境温度和环境中的CO浓度来评估危险发生的概率并进行预警。
申请公布号为CN108230602A的发明专利公开了一种基于传感器的火灾预警方法。该发明专利通过霍尔传感器、温度传感器、气敏传感器等来检测空气温度、气体变化等数据,当线路中出现异常情况时,可以迅速评估危险发生的概率并判断是否切断断路器,从而有效预防电气火灾的发生。
但是上述方案中存在以下问题:通过温度、气体变化等数据为依据来监测判断有无电气发生火灾的风险,在判断有危险时通常是已经或即将发生危险,这时候必须即刻停机检修,当工作时间段不得不检修时,会影响产品的生产进度。
发明内容
本发明的其中一个目的是提供一种根据设备数据评估危险发生概率的算法,其优势在于可以更早地判断得出设备危险系数。
本发明的上述发明目的是通过以下技术方案得以实现的:一种根据设备数据评估危险发生概率的算法,包括:
步骤一、电流信息采样;
步骤二、将数据代入算法内输出发生危险的危险系数D;
步骤三、统计并调取所有同类设备在相同年份检测计算得到的危险系数Di’以及实际是否发生危险的数据;
步骤四、对比同类设备中相同年份与工况的采样特征评估危险发生的概率G。
通过采用上述技术方案,采集电流信息后将数据代入算法内得到危险系数D。电弧的发热功率越高,断开开关时电弧持续的时间越长,关键开关节点越多,危险系数D就越高。通过将得到的危险系数和同类设备中相同年份与工况的采样特征进行对比,评估出危险发生的概率。由于该方法能够在设备发生实际险情之前就预测到危险发生概率的上升,因此可以在危险上升但未达到临界值时,就能够及时安排维修人员在非工作时间检修,避免影响工作进度。
本发明进一步设置为:步骤三中通过调取所有同类设备在相同年份检测计算得到的危险系数Di’以及实际是否发生危险的数据,将所有Di’统计排序后,按危险系数高低均分为z类,并计算同类危险系数内实际发生危险的概率Gz,通过将D和Di’对比后得出D所属的类别,通过该类别的概率Gz推出检测设备发生危险的概率。
通过采用上述技术方案,通过调取所有同类设备中在相同年份检测得到的危险系数Di’,将危险系数根据系数大小分为z类后,统计得出每一类设备发生危险的概率Gz,并通过该概率推算出检测设备发生危险的概率。
通过采用上述技术方案,将Di’根据概率的大小将其分为z类,并在每个类别分别统计出危险的概率。
本发明进一步设置为:将每一类里的所有数据进行统计,实际发生危险的设备数除以设备总数得到该类发生危险的概率Gz。
通过采用上述技术方案,将每一类里面的是否发生危险的数据进行统计,分别计算出每一类的设备发生危险的概率。
本发明进一步设置为:当D符合z类中的任意一类后,提取该类的危险发生概率Gz。
通过采用上述技术方案,将危险系数D和z类去匹配,选取满足D在其包含的危险系数内的类别,并提取其危险发生概率Gz。
本发明进一步设置为:引入补偿参数对Gz进行补偿,得到评估设备的危险发生概率G。
通过采用上述技术方案,通过引入补偿参数得到设备的实际危险发生概率G。
通过采用上述技术方案,根据D自身值和所属类别的不同具有不同的补偿参数。
本发明进一步设置为:电流信息采样时,通过具有过流保护功能的电流传感器采集n个关键开关节点的电流信息。
通过采用上述技术方案,对n个关键开关节点同时进行电流取样,多吗取样且顾及到每一个关键节点,使得评估结果更准确。
本发明进一步设置为:电流传感器持续检测并每相隔时间t输出一次电流信息,共输出m次;对n个关键开关节点均进行m次采样,共计获得m*n个信息。
通过采用上述技术方案,对n个关键开关节点进行m次取样,获得m*n个电流信息,并通过特征矩阵罗列。
本发明的另一个目的是提供一种根据设备数据评估危险发生概率的系统,其优势在于可以更早地判断得出设备危险系数。
本发明的上述发明目的是通过以下技术方案得以实现的:一种根据设备数据评估危险发生概率的系统,其特征是包括信息采集模块、统计分析模块和计算模块;
信息采集模块,每隔一定时间间距采集电流信息,每次采集电流信息时在短时间内多次输出电流的大小值;
统计分析模块,统计不同类设备在不同年份采集得到的信息数据,并根据设备类型和年份的不同划分到不同的数据库;
计算模块,将设备实时测得的电流信息和数据库内的历史信息进行对比,判断发生危险的概率。
通过采用上述技术方案,通过该系统配合算法提前评估设备的危险发生概率,及时进行维修,减小损失。
综上所述,本发明的有益技术效果为:
1.该方法能够在设备发生实际险情之前就预测到危险发生概率的上升,因此可以在危险上升但未达到临界值时,就能够及时安排维修人员在非工作时间检修,避免影响工作进度;
2.将危险系数根据系数大小分为z类后,统计得出每一类设备发生危险的概率Gz,并通过检测设备的危险系数和相应类别的危险系数配对后,推算出检测设备发生危险的概率。
附图说明
图1是实施例的流程示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
一种根据设备数据评估危险发生概率的系统,包括信息采集模块、统计分析模块和计算模块。
信息采集模块,每隔一定时间间距采集电流信息,每次采集电流信息时在短时间内多次输出电流的大小值。
统计分析模块,统计不同类设备在不同年份采集得到的信息数据,并根据设备类型和年份的不同划分到不同的数据库。
计算模块,将设备实时测得的电流信息和数据库内的历史信息进行对比,判断发生危险的概率。
如图1所示,一种根据设备数据评估危险发生概率的算法,包括:
步骤一、电流信息采样。
采集n个关键开关节点的电流信息,该信息可以通过具有过流保护功能的电流传感器进行采集。电流传感器可以固定安装在各种设备上,也可以通过外部插接的形式连接在设备的控制器、单片机上。
每相隔一定时间进行一次评估,可以是相隔一小时、一天、一星期等。关键开关启闭阶段电流传感器响应并开始输出检测信息,电流传感器持续检测并每相隔时间t输出一次电流信息,共计输出m次。t和m可以根据设备的不同类型进行不同的选择。
由于电弧产生的过程中发热功率为:
其中R0为设备的初始负载电阻,R1为电弧电阻。
求导可得:
在R1等于R0时,f’(R1)=0,此时P有最大值。
因此在电弧电阻等于设备原始负载电阻时,电弧的发热功率为最大值。
此时的电流值为:
I测为电流的实时检测值,I基为设备正常工作时在该处测得的电流值。
从上述公式中可以推导得出当I测为I基的二分之一时,此时处于电弧发热功率最高的状态。因此当I测越接近I基的二分之一值时,安全系数越低。
对n个关键开关节点的电流信息均进行m次采样后,得到以下初样矩阵:
步骤二、将数据代入算法内输出发生危险的危险系数。
将得到的初样进行处理,得到I测与二分之一I基的偏差百分比:
处理后得到关于A的矩阵:
所有关键节点单次检测得到的危险系数:
F为做出不同调整的修正参数,该参数因设备不同而异。
对m次检测结果计算得到的危险系数取均值:
上述公式中得到的危险系数有以下特征:电流的实时检测值约接近设备正常工作时电流值一半的值时,即为电弧的发热功率越高,此时危险系数越高;断开开关时电流的维持时间越长,即为断开开关时电弧持续的时间越长,危险系数越高;关键开关节点越多,危险系数越高。
步骤三、统计同类设备在相同年份的数据。
统计并调取所有同类设备在相同年份检测计算得到的危险系数Di’以及实际是否发生危险的数据。
将所有Di’统计排序后,按危险系数高低均分为z类,并计算同类危险系数内实际发生危险的概率,实际发生危险的设备数除以设备总数得到该类发生危险的概率Gz。
步骤四、对比同类设备中相同年份与工况的采样特征。
当D属于z类里的不同类时,危险发生概率分别为:
……
结合上述推导得出以下危险发生概率G(D):
通过上述方法评估设备发生危险的概率G,并根据G的高低判断是否有必要进行检修。且由于该方法能够在设备发生实际险情之前就预测到危险发生概率的上升,因此可以在危险上升但未达到临界值时,就能够及时安排维修人员在非工作时间检修,避免影响工作进度。
本具体实施方式的实施例均为本发明的较佳实施例,并非依此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。
Claims (9)
1.一种根据设备数据评估危险发生概率的方法,其特征是,包括:
步骤一、电流信息采样:每相隔时间t输出一次电流信息,共输出m次;对n个关键开关节点均进行m次采样,共计获得m*n个电流信息;
对n个关键开关节点的电流信息均进行m次采样后,得到以下采样矩阵:
其中,I测为电流的实时检测值;
步骤二、将数据代入并输出发生危险的危险系数D;
所述I测与二分之一I基的偏差百分比为:
其中,I基为设备正常工作时在该处测得的电流值;
将得到的所述采样矩阵进行处理,得到关于A的矩阵:
所有关键开关节点单次检测得到的危险系数为:
其中,F为做出不同调整的修正参数,该参数因设备不同而异;
对m次检测结果计算得到的危险系数取均值:
步骤三、统计并调取所有同类设备在相同年份检测计算得到的危险系数Di’以及实际是否发生危险的数据,计算不同危险系数时实际发生危险的概率;
步骤四、对比同类设备中相同年份与工况的采样特征评估危险发生的概率G。
2.根据权利要求1所述的根据设备数据评估危险发生概率的方法,其特征是,步骤三中通过调取所有同类设备在相同年份检测计算得到的危险系数Di’以及实际是否发生危险的数据,将所有Di’统计排序后,按危险系数高低均分为z类,并计算同类危险系数内实际发生危险的概率Gz,通过将D和Di’对比后得出D所属的类别,通过该类别的概率Gz推出检测设备发生危险的概率。
4.根据权利要求3所述的根据设备数据评估危险发生概率的方法,其特征是,将每一类里的所有数据进行统计,实际发生危险的设备数除以设备总数得到该类发生危险的概率Gz。
5.根据权利要求4所述的根据设备数据评估危险发生概率的方法,其特征是,当D符合z类中的任意一类后,提取该类的危险发生概率Gz。
6.根据权利要求5所述的根据设备数据评估危险发生概率的方法,其特征是,引入补偿参数对Gz进行补偿,得到评估设备的危险发生概率G。
8.根据权利要求1所述的根据设备数据评估危险发生概率的方法,其特征是,电流信息采样时,通过具有过流保护功能的电流传感器采集n个关键开关节点的电流信息。
9.一种根据设备数据评估危险发生概率的系统,应用权利要求1至8中任一项所述的方法,其特征是:包括信息采集模块、统计分析模块和计算模块;
信息采集模块,每隔一定时间间距采集电流信息,每次采集电流信息时在短时间内多次输出电流的大小值;
统计分析模块,统计不同类设备在不同年份采集得到的信息数据,并根据设备类型和年份的不同划分到不同的数据库;
计算模块,将设备实时测得的电流信息和数据库内的历史信息进行对比,判断发生危险的概率。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811396935 | 2018-11-22 | ||
CN2018113969350 | 2018-11-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109871515A CN109871515A (zh) | 2019-06-11 |
CN109871515B true CN109871515B (zh) | 2023-07-07 |
Family
ID=66919869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910165649.1A Active CN109871515B (zh) | 2018-11-22 | 2019-03-05 | 一种根据设备数据评估危险发生概率的系统和算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109871515B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777423B (zh) * | 2021-08-19 | 2023-08-15 | 武汉铁路职业技术学院 | 一种基于电气自动化设备的测试系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007213172A (ja) * | 2006-02-07 | 2007-08-23 | Japan Aerospace Exploration Agency | モンテカルロ評価における危険不確定パラメータの検出方法 |
CN101986358A (zh) * | 2010-08-31 | 2011-03-16 | 彭浩明 | 一种融合神经网络和模糊控制的电气火灾智能报警方法 |
CN103530970A (zh) * | 2012-07-05 | 2014-01-22 | 宁波虎兴数控科技有限公司 | 一种复合型电气火灾监控探测器 |
CN104200599A (zh) * | 2014-08-06 | 2014-12-10 | 浙江工业大学 | 公交车多传感器火灾检测方法 |
CN108520363A (zh) * | 2018-04-18 | 2018-09-11 | 电子科技大学 | 一种用于预测未来时相森林火灾发生风险的评估方法 |
-
2019
- 2019-03-05 CN CN201910165649.1A patent/CN109871515B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007213172A (ja) * | 2006-02-07 | 2007-08-23 | Japan Aerospace Exploration Agency | モンテカルロ評価における危険不確定パラメータの検出方法 |
CN101986358A (zh) * | 2010-08-31 | 2011-03-16 | 彭浩明 | 一种融合神经网络和模糊控制的电气火灾智能报警方法 |
CN103530970A (zh) * | 2012-07-05 | 2014-01-22 | 宁波虎兴数控科技有限公司 | 一种复合型电气火灾监控探测器 |
CN104200599A (zh) * | 2014-08-06 | 2014-12-10 | 浙江工业大学 | 公交车多传感器火灾检测方法 |
CN108520363A (zh) * | 2018-04-18 | 2018-09-11 | 电子科技大学 | 一种用于预测未来时相森林火灾发生风险的评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109871515A (zh) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110596486B (zh) | 一种充电桩智能预警运维的方法和系统 | |
JP5530594B2 (ja) | 少なくとも1つの電気ケーブル上のアーク現象を検出する方法及び装置 | |
CN106408438B (zh) | 基于全过程动态仿真的安全稳定控制策略自动校核方法 | |
CN109813956B (zh) | 一种根据设备数据评估安全的系统和方法 | |
US7123461B2 (en) | Method and device for monitoring switchgear in electrical switchgear assemblies | |
CN106017729A (zh) | 一种基于统计过程控制的电机温度监控方法 | |
CN113095173B (zh) | 一种Adaboost融合多分类器的光伏系统故障电弧检测方法 | |
CN109871515B (zh) | 一种根据设备数据评估危险发生概率的系统和算法 | |
CN114441914A (zh) | 一种基于数据处理的开关柜局部放电检测系统 | |
CN110073562B (zh) | 过电流与短路探测器 | |
Grassetti et al. | Low cost arc fault detection in aerospace applications | |
CN117056813A (zh) | 一种用于智能断路器数据采集的检测方法 | |
CN117292528A (zh) | 一种电气线路火灾风险实时预警方法及系统 | |
CN116884159A (zh) | 一种基于ai识别的消防智能预警方法及系统 | |
CN110826024A (zh) | 一种传感器数据异常的抽样判别方法 | |
US10910992B2 (en) | Method and device for detecting a stray electric arc in a photovoltaic installation | |
CN110069741B (zh) | 高压断路器机械特性模糊综合评价的校正方法及系统 | |
CN114675148A (zh) | 一种配网开关故障电弧检测装置及方法 | |
CN114254560A (zh) | 基于动态电阻-行程曲线的sf6断路器状态评估方法 | |
CN112904157A (zh) | 一种基于集成机器学习的故障电弧检测方法 | |
CN110931316A (zh) | 一种智能断路器 | |
CN114035039B (zh) | 一种断路器动作状态的多维度分析方法 | |
Promrat et al. | Fault cause classification on PEA 33 kV distribution system using supervised machine learning compared to artificial neural network | |
CN111579947B (zh) | 应用于直流系统的串联电弧多特征检测 | |
CN218024806U (zh) | 适用于电梯监控的模拟量接口电路 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |