CN109978052B - 一种用户侧能源设备智慧检修方法 - Google Patents
一种用户侧能源设备智慧检修方法 Download PDFInfo
- Publication number
- CN109978052B CN109978052B CN201910226994.1A CN201910226994A CN109978052B CN 109978052 B CN109978052 B CN 109978052B CN 201910226994 A CN201910226994 A CN 201910226994A CN 109978052 B CN109978052 B CN 109978052B
- Authority
- CN
- China
- Prior art keywords
- data
- maintenance
- equipment
- information
- cloud platform
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 18
- 230000036541 health Effects 0.000 claims abstract description 12
- 238000003066 decision tree Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 2
- 230000002829 reductive effect Effects 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 11
- 230000006854 communication Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008439 repair process Effects 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000003716 rejuvenation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种用户侧能源设备智慧检修方法，包括：通过物联网传感器系统获取所有能源设备的各维度数据；将模拟数据添加到云平台中预存的数字模型中得到建筑能源系统的数字虚拟镜像，运维人员基于数字虚拟镜像进行模拟运维操作得到模拟运维数据；从模拟运维数据中提取关键数据并对关键数据进行异常点剔除后，利用大数据分析算法对关键数据进行分析得到设备健康度画像的相关数据；根据设备健康度画像进行异常属性分类以确定故障隐患的具体信息并输出相应的报警信息，云平台根据关联于故障处置操作的所有数据更新故障决策树模型。本发明的有益效果：降低运维成本，提高运维效率。
Description
技术领域
本发明涉及建筑能源管理技术领域，尤其涉及一种应用数字化孪生和异常大数据分析的用户侧能源设备智慧检修方法。
背景技术
目前为用户提供的能源主要分为两类：一是单独的供电、供热、供气，二是新兴的多能源综合供应，如冷热电联供、源网荷一体化、冷热联供等，这些都需要维护。电力作为多种能源之间相互协调的核心能种，是能源输送、调剂、互补最主要的手段，所以从配电智能运维的角度出发，现有技术的概况有以下几个方面。
运行：配电网络内各种设备参数的配置、设备运行工况的调整，控制状态的投切、设备运营状态的测量和分析，各类告警信息的感知和判读，各类故障的隔离和处置，这是配电运行最核心的部分。
维护：配电室的运行维护是最基础的方面；其次是设备计划停/复役操作，用户将配电房托管之后所有的东西都需要服务商全盘负责；同时需要记录各类运行数据，包括配电房运行的状况是否良好等；最后是设备台账的管理，例如运维了多少地方等这些方面都需要进行管理。维护需要定期的巡检，对配电房、变电站所有设备、线路线缆定期进行维护保养，电力设备高压预防性测验，另外也要做好站容站貌的清洁工作。
检修：包括根据标准和规范要求所定期开展的计划性检修，对异常和潜在隐患进行的预防性维修，对非紧急故障单元和设备进行的维修。
抢修：当客户发生危害供电安全、设备安全或人身安全的故障时，要及时响应抢修，应急供电，做好设备的更换、改造，协调设备供应商提供质保服务等。
目前来说，运营商方面大部分时候多是通过人工巡视、纸质记录和电话沟通三种方式来实现的，尤其是用户侧，原来的配电房都比较老旧，没有智能化的手段，主要是人工巡视，巡视完之后纸质记录，通过电话跟用户进行沟通。
传统运维其实是一种劳动密集型的业务，目前还存在着诸多弊端：
1、人力的占用成本很高，大部分工作都需要靠人力来做；
2、工作效率低，一般情况下巡维是两个人一台车，在划定的范围内进行巡维，另外还有花在路上的时间以及沟通的时间等，所以工作效率比较低；
3、人员培训，随着业务的扩展，越来越多用户的加入，需要对人员进行业务培训。现在的培训模式基本是授课、传帮带，因为发生事故的可能性比较低，人员对故障模拟的情况比较少，设备没有实时在线监测，所以只能依靠事故发生之后的抢修才能借鉴学习；1)能源设备种类繁多，对运维人员专业度要求高；2)能源设备运行工况恶劣，运行状态下人员难以靠近和观察；3)能源设备运行数据繁多，现有的运维人员监测任务繁重；
4、沟通时间长，不紧急的事件一般都是跟用户电话沟通，紧急事件才会上门当面沟通，所以存在一个比较长的沟通过程；
5、抢修响应时间比较长，抢修一般都是用户主动发起的，很少是运维商主动发现的。由于用户对故障的描述存在偏差，可能用户的描述和现场发现的问题不一致，这严重影响了对抢修的及时响应。4)设备运行异常不能及时发现，长期将形成故障隐患；5)对设备故障定位不准，故障不能及时发现和处理，造成重大损失和伤亡。
以上这些问题的存在导致企业的运行成本居高不下，用户粘性低，降低了运维商的竞争优势。
发明内容
针对现有技术中存在的问题，本发明涉及一种应用数字化孪生和异常大数据分析的用户侧能源设备智慧检修方法。本发明采用如下技术方案：
一种用户侧能源设备智慧检修方法，适用于建筑能源系统，所述建筑能源系统包括多个能源设备；所述方法包括：
步骤S1、通过与所述建筑能源系统连接的物联网传感器系统获取所有所述能源设备的各维度数据；
步骤S2、利用数字孪生技术对所述各维度数据进行标准化映射得到关联于所述建筑能源系统的预处理模拟数据，基于预设的数据处理策略对所述预处理模拟数据进行处理得到符合预设数据格式的模拟数据，将所述模拟数据添加到云平台中预存的数字模型中得到所述建筑能源系统的数字虚拟镜像，运维人员基于所述数字虚拟镜像进行模拟运维操作得到模拟运维数据；
步骤S3、根据预设的数据提取策略从所述模拟运维数据中提取关键数据并对所述关键数据进行异常点剔除后，利用大数据分析算法对所述关键数据进行分析得到设备健康度画像的相关数据，所述相关数据包括标签化信息、变化趋势信息以及隐患信息；
步骤S4、根据所述设备健康度画像进行异常属性分类以确定故障隐患的具体信息并输出相应的报警信息，将所述具体信息导入到所述云平台中预存的故障决策树模型中得到故障定位信息和进展预测信息，所述运维人员根据所述故障定位信息和所述进展预测信息进行故障处置操作并反馈故障处置信息，所述云平台根据关联于所述故障处置操作的所有数据更新所述故障决策树模型。
优选的，所述步骤S2中，将所述模拟数据添加到云平台中预存的数字模型中得到所述建筑能源系统的数字虚拟镜像包括利用关联于所述建筑能源系统的物联传感器、设备物理模型、信息关联关系、以及运行历史数据，在所述云平台对所述建筑能源系统定义全过程全要素数字的所述数字虚拟镜像。
优选的，所述数据处理策略为对所述预处理模拟数据进行归类处理和归一化处理得到所述模拟数据。
优选的，所述步骤S2中，构建所述数字虚拟镜像的具体步骤包括：
三维空间构型，根据所述能源设备的空间形状数据、材料数据、应力数据以及连接关系数据，在所述云平台中添加能源系统空间和力学特征。
优选的，所述步骤S2中，构建所述数字虚拟镜像的具体步骤包括：
设备原理模型，根据设备电气和机械结构、组成部件、工作原理、边界条件以及动作机构变位状态信息，在所述云平台中添加设备运行工况性征和故障隐患性征。
优选的，所述步骤S2中，构建所述数字虚拟镜像的具体步骤包括：
电气潮流模型，根据传输线路各个节点的电流、电压、功率、功率因数、频率以及相位数据，在所述云平台中添加电能的传输、变换、存储以及消耗过程。
优选的，所述步骤S2中，构建所述数字虚拟镜像的具体步骤包括：
冷热网水力模型，根据管网中各节点的温度、压力以及流速信息，在所述云平台中模拟冷热水回路的运行状态，热量传输以及损耗情况。
优选的，所述步骤S3中，通过多维分类对所述关键数据进行处理得到所述标签化信息。
优选的，所述步骤S3中，通过主成分分析和多维聚类对所述关键数据进行处理得到所述变化趋势信息。
优选的，所述步骤S3中，通过多维偏差分析和相关性分析对所述关键数据进行处理得到所述隐患信息。
本发明的有益效果：引入数字孪生和大数据技术，建立远程运维全景驾驶舱，利用人工智能技术实现设备健康管理和预测性维护，结合最优化调度策略实现系统智慧运行，从而提升供能质量和可靠性，降低系统运维成本和设备故障风险。
附图说明
图1为本发明一种优选的实施例中，用户侧能源设备智慧检修方法的流程图；
图2为本发明一种优选的实施例中，步骤S3的示意图；
图3为本发明一种优选的实施例中，步骤S4的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，下述技术方案，技术特征之间可以相互组合。
下面结合附图对本发明的具体实施方式作进一步的说明：
如图1-3所示，一种用户侧能源设备智慧检修方法，适用于建筑能源系统，上述建筑能源系统包括多个能源设备；上述方法包括：
步骤S1、通过与上述建筑能源系统连接的物联网传感器系统获取所有上述能源设备的各维度数据；
步骤S2、利用数字孪生技术对上述各维度数据进行标准化映射得到关联于上述建筑能源系统的预处理模拟数据，基于预设的数据处理策略对上述预处理模拟数据进行处理得到符合预设数据格式的模拟数据，将上述模拟数据添加到云平台中预存的数字模型中得到上述建筑能源系统的数字虚拟镜像，运维人员基于上述数字虚拟镜像进行模拟运维操作得到模拟运维数据；
步骤S3、根据预设的数据提取策略从上述模拟运维数据中提取关键数据并对上述关键数据进行异常点剔除后，利用大数据分析算法对上述关键数据进行分析得到设备健康度画像的相关数据，上述相关数据包括标签化信息、变化趋势信息以及隐患信息；
步骤S4、根据上述设备健康度画像进行异常属性分类以确定故障隐患的具体信息并输出相应的报警信息，将上述具体信息导入到上述云平台中预存的故障决策树模型中得到故障定位信息和进展预测信息，上述运维人员根据上述故障定位信息和上述进展预测信息进行故障处置操作并反馈故障处置信息，上述云平台根据关联于上述故障处置操作的所有数据(包括步骤S1-步骤S4中所有数据)更新上述故障决策树模型。
在本实施例中，通过物联传感器全面采集能源设备各维度数据，建立基于统一数据模型(Common Information Modeling，CIM为统一信息模型的简称)的轻量化三维展示的建筑能源系统数字化孪生平台(云平台)，并在平台上构建高度仿真的映射虚拟设备和系统。利用数据信息聚合、3D仿真建模和人机互动技术，为运维人员建立数字化的运维的仿真环境，全景展示各类运维数据，同时对运维操作进行虚拟沙盘仿真，预估作业效果，对异常隐患精准定位和解剖分析，实现人员远程运维，从而减少现场运维人员数量、降低运维成本，减轻运维压力。同时基于轻量化三维建模技术，实现移动端数据定制化推送，方便能源用户准确了解自身用能信息，改善用能习惯。
其中轻量化三维展示的建筑能源系统数字化孪生平台具体为：充分利用物联传感器、设备物理模型、信息关联关系、以及运行历史数据，在数字虚拟空间对能源系统定义全过程全要素数字虚拟镜像。
通过数字孪生可以支持能源系统的趋势预测、虚拟验证、全景监测等业务，构建基于三维展示的建筑能源系统数字孪生运维平台，实现了能源系统的自主化智慧运维，在确保安全、可靠的同时，发挥平台化共享运维的优势，极大降低运维成本。
应用异常大数据分析的智慧检修为基于物联系统全面获取设备运行相关数据，通过基于大数据分析的能源设备异常诊断技术发现异常趋势，实现故障定位；利用人工智能算法推理故障成因，结合领域性知识图谱提炼形成故障处置建议。故障定位、诊断和处置过程经验在云平台不断沉淀，学习机不断得到训练，知识图谱参数不断优化，故障诊断准确度不断提升，从而避免安全风险，提升供能可靠性。
其中基于大数据分析的能源设备异常诊断技术具体为：
通过对各类设备运行数据进行数据分析，形成设备健康度画像。当某项数据出现异常时，系统将根据设备健康画像的变化，自动完成异常属性分类，如果确认故障隐患将及时报警并导入故障决策树模型，通过历史数据、关联数据分析，进行故障定位和进展预测。同时此次故障相关数据及处置经验将被收入系统数据库，用于完善故障树模型和数据分析方法。其中设备运行相关数据包括电气参量(电流、电压、功率、功率因数、谐波、三相不平衡度、漏电)、力学参量(震动、伸缩、拉伸、扭曲)、环境参量(温度、湿度、辐照、噪声、磁场、火灾、浸水)、状态参量(投切开关量、调节行程量、寄存器状态、报警指示)。
较佳的实施例中，上述步骤S2中，将上述模拟数据添加到云平台中预存的数字模型中得到上述建筑能源系统的数字虚拟镜像包括利用关联于上述建筑能源系统的物联传感器、设备物理模型、信息关联关系、以及运行历史数据，在上述云平台对上述建筑能源系统定义全过程全要素数字的上述数字虚拟镜像。
较佳的实施例中，上述数据处理策略为对上述预处理模拟数据进行归类处理和归一化处理得到上述模拟数据。
较佳的实施例中，上述步骤S2中，构建上述数字虚拟镜像的具体步骤包括：
三维空间构型，根据上述能源设备的空间形状数据、材料数据、应力数据以及连接关系数据，在上述云平台中添加能源系统空间和力学特征。
设备原理模型，根据设备电气和机械结构、组成部件、工作原理、边界条件以及动作机构变位状态信息，在上述云平台中添加设备运行工况性征和故障隐患性征。
电气潮流模型，根据传输线路各个节点的电流、电压、功率、功率因数、频率以及相位数据，在上述云平台中添加电能的传输、变换、存储以及消耗过程。
冷热网水力模型，根据管网中各节点的温度、压力以及流速信息，在上述云平台中模拟冷热水回路的运行状态，热量传输以及损耗情况。
继续参照图2，较佳的实施例中，上述步骤S3中，通过多维分类对上述关键数据进行处理得到上述标签化信息、通过主成分分析和多维聚类对上述关键数据进行处理得到上述变化趋势信息、通过多维偏差分析和相关性分析对上述关键数据进行处理得到上述隐患信息。
在本实施例中，上述云平台利用大数据对上述映射虚拟设备和上述映射虚拟系统进行分析前进行大数据清除操作，以剔除异常点。
设备运行数据分析中，首先进行数据清理，剔除异常点，然后通过综合利用多种大数据分析算法，获得设备状态标签，感知变化趋势，发现隐患信息。具体的，输入数据、异常值剔除、多维分类得到标签化、主成分分析和多维聚类得到变化趋势、多维偏差分析和相关性分析得到隐患信息发现。
应用数字化孪生和异常大数据分析的用户侧能源设备智慧检修方法还可结合最优化调度的系统自主运行。具体的，基于物联采集数据，根据设备技术资料建立设备模型和能源传输模型，以空调、锅炉、换热器、热泵等能源转换设备的能效指标为目标，以设备额定工况上下限为边界限定条件，同时考虑经济成本和各设备可靠性指标，以局域网络多能互济最优化调度模型为基础，基于多目标最优化方式对供电功率、电流、电机转速、供回水流量、补水流量、运行水温/气温、管道压力、盘管风量、排风流量进行动态调节。从而使设备运行在稳定适度负荷的最佳工况，避免小温差、大流量、大负载的低效运行工况，从而延长设备寿命、降低故障频度。
综上上述，能源设备，如配电开关、变压器、空调、锅炉、新风主机、水泵、阀门上安装了传感器(如电表、互感器、水表、热表、位置传感器、温度计、压力机)，利用物联通信网络采集这些传感器的输出数据，上传到云平台。
云平台上利用数字孪生技术，对这些数据进行标准化映射，对上传的数据进行整理归类、归一化，添加到能源系统的数字模型中，通过数字孪生支持能源系统的趋势预测、虚拟验证、全景监测等业务。
从数字孪生平台中提取设备运行的关键数据，对设备进行大数据分析，步骤如下：
首先进行数据清理，剔除异常点，然后通过综合利用多种大数据分析算法，获得设备状态标签，感知变化趋势，发现隐患信息。
其中，标签化就是健康度画像的过程。根据大数据分析结果，完成异常属性分类，如果确认故障隐患将及时报警并导入故障决策树模型，通过历史数据、关联数据分析，进行故障定位和进展预测。同时此次故障相关数据及处置经验将被收入系统数据库，用于完善故障树模型和数据分析方法。
本发明所涉及的能源系统，在不同的建筑中会有不同的配置，能源设备会有增减，需要具体分析解决。
整套系统是基于物联网、云平台和人工智能技术构建的能源系统轻量化改造方案，充分利用既有能源设备和控制系统，投资和工程量都很少，非常适于现有建筑能源系统改造。
“放心”，现有配电或空调运维主要依靠人工巡视或简单系统管理，工作量大、自动化程度低，难以发现故障隐患，运维费用居高不下；本方案采用先进的“云+边缘”的双层云化物联操作系统架构，革命性的构建了基于三维展示的建筑能源系统数字孪生运维平台，实现了能源系统的自主化智慧运维，在确保安全、可靠的同时，发挥平台化共享运维的优势，极大降低运维成本。
“省钱”，本方案引入基于大数据的设备故障预警技术，实现建筑内配电、空调、供暖、照明等能源系统的智慧运维，突破了人工运维经验的限制，运维成本和故障概率显著降低。
通过说明和附图，给出了具体实施方式的特定结构的典型实施例，基于本发明精神，还可作其他的转换。尽管上述发明提出了现有的较佳实施例，然而，这些内容并不作为局限。
对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。
Claims (10)
1.一种用户侧能源设备智慧检修方法，适用于建筑能源系统，所述建筑能源系统包括多个能源设备；其特征在于，所述方法包括：
步骤S1、通过与所述建筑能源系统连接的物联网传感器系统获取所有所述能源设备的各维度数据；
步骤S2、利用数字孪生技术对所述各维度数据进行标准化映射得到关联于所述建筑能源系统的预处理模拟数据，基于预设的数据处理策略对所述预处理模拟数据进行处理得到符合预设数据格式的模拟数据，将所述模拟数据添加到云平台中预存的数字模型中得到所述建筑能源系统的数字虚拟镜像，运维人员基于所述数字虚拟镜像进行模拟运维操作得到模拟运维数据；
其中，所述云平台为基于统一数据模型CIM的轻量化三维展示的建筑能源系统数字化孪生平台；
步骤S3、根据预设的数据提取策略从所述模拟运维数据中提取关键数据并对所述关键数据进行异常点剔除后，利用大数据分析算法对所述关键数据进行分析得到设备健康度画像的相关数据，所述相关数据包括标签化信息、变化趋势信息以及隐患信息；
步骤S4、根据所述设备健康度画像进行异常属性分类以确定故障隐患的具体信息并输出相应的报警信息，将所述具体信息导入到所述云平台中预存的故障决策树模型中得到故障定位信息和进展预测信息，所述运维人员根据所述故障定位信息和所述进展预测信息进行故障处置操作并反馈故障处置信息，所述云平台根据关联于所述故障处置操作的所有数据更新所述故障决策树模型。
2.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述步骤S2中，将所述模拟数据添加到云平台中预存的数字模型中得到所述建筑能源系统的数字虚拟镜像包括利用物联网传感器系统的物联传感器、设备物理模型、信息关联关系、以及运行历史数据，在所述云平台对所述建筑能源系统定义全过程全要素数字的所述数字虚拟镜像。
3.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述数据处理策略为对所述预处理模拟数据进行归类处理和归一化处理得到所述模拟数据。
4.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述步骤S2中，构建所述数字虚拟镜像的具体步骤包括：
三维空间构型，根据所述能源设备的空间形状数据、材料数据、应力数据以及连接关系数据，在所述云平台中添加能源系统空间和力学特征。
5.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述步骤S2中，构建所述数字虚拟镜像的具体步骤包括：
设备原理模型，根据设备电气和机械结构、组成部件、工作原理、边界条件以及动作机构变位状态信息，在所述云平台中添加设备运行工况性征和故障隐患性征。
6.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述步骤S2中，构建所述数字虚拟镜像的具体步骤包括：
电气潮流模型，根据传输线路各个节点的电流、电压、功率、功率因数、频率以及相位数据，在所述云平台中添加电能的传输、变换、存储以及消耗过程。
7.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述步骤S2中，构建所述数字虚拟镜像的具体步骤包括：
冷热网水力模型，根据管网中各节点的温度、压力以及流速信息，在所述云平台中模拟冷热水回路的运行状态，热量传输以及损耗情况。
8.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述步骤S3中，通过多维分类对所述关键数据进行处理得到所述标签化信息。
9.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述步骤S3中，通过主成分分析和多维聚类对所述关键数据进行处理得到所述变化趋势信息。
10.根据权利要求1所述的用户侧能源设备智慧检修方法，其特征在于，所述步骤S3中，通过多维偏差分析和相关性分析对所述关键数据进行处理得到所述隐患信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910226994.1A CN109978052B (zh) | 2019-03-25 | 2019-03-25 | 一种用户侧能源设备智慧检修方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910226994.1A CN109978052B (zh) | 2019-03-25 | 2019-03-25 | 一种用户侧能源设备智慧检修方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109978052A CN109978052A (zh) | 2019-07-05 |
| CN109978052B true CN109978052B (zh) | 2020-12-11 |
Family
ID=67080300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910226994.1A Active CN109978052B (zh) | 2019-03-25 | 2019-03-25 | 一种用户侧能源设备智慧检修方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978052B (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110348517B (zh) * | 2019-07-11 | 2022-08-19 | 四川长虹电器股份有限公司 | 一种基于大数据的清洁能源供暖系统报警分类预测方法 |
| CN110941558B (zh) * | 2019-11-27 | 2021-01-05 | 嘉兴企树网络科技有限公司 | 一种智慧办公远程运维的方法及系统 |
| CN111182055A (zh) * | 2019-12-27 | 2020-05-19 | 中国科学院电工研究所 | 一种用于电驱动系统的智慧云管理系统 |
| CN112067632A (zh) * | 2020-06-04 | 2020-12-11 | 西南交通大学 | 一种电力设备检测云平台及检测方法 |
| CN112382064B (zh) * | 2020-11-12 | 2023-01-20 | 广东电网有限责任公司 | 一种基于数字孪生技术的电力物联网故障预警方法及系统 |
| CN112731889A (zh) * | 2021-01-18 | 2021-04-30 | 太原理工大学 | 一种智能调风管理系统及其调控方法 |
| CN112818602B (zh) * | 2021-02-05 | 2021-09-28 | 清华大学 | 基于大数据分析的电池数字孪生控制方法及装置 |
| CN113361970B (zh) * | 2021-07-07 | 2023-07-07 | 国网甘肃省电力公司兰州供电公司 | 基于电力智能调度引擎的虚拟调度员系统及调度方法 |
| CN113538997A (zh) * | 2021-07-14 | 2021-10-22 | 重庆电子工程职业学院 | 一种设备预测性维护学习系统 |
| CN113505241B (zh) * | 2021-07-15 | 2023-06-30 | 润建股份有限公司 | 一种基于知识图谱的用电安全隐患智能诊断方法 |
| CN113837403A (zh) * | 2021-08-27 | 2021-12-24 | 深圳市飞思捷跃科技有限公司 | 一种自学习物联网维保计划生成系统 |
| CN113541321B (zh) * | 2021-09-17 | 2022-01-25 | 广东电网有限责任公司东莞供电局 | 一种基于大数据故障诊断检测的工业电网智慧运维系统 |
| CN114371174A (zh) * | 2021-12-17 | 2022-04-19 | 中国电子科技集团公司第四十一研究所 | 一种用于工业产线的视觉孪生检测装置及方法 |
| CN114169642A (zh) * | 2021-12-31 | 2022-03-11 | 重庆跃达电力设备有限公司 | 应用于光伏系统的预测性维护方法、系统及存储介质 |
| CN114205852B (zh) * | 2022-02-17 | 2022-05-03 | 网络通信与安全紫金山实验室 | 无线通信网络知识图谱的智能分析与应用系统及方法 |
| CN115238574A (zh) * | 2022-07-05 | 2022-10-25 | 国网冀北电力有限公司经济技术研究院 | 基于数字孪生的输电线路数据管理方法 |
| CN115297381A (zh) * | 2022-08-03 | 2022-11-04 | 北京国信互通科技有限公司 | 一种基于特殊作业现场的数据处理方法、装置及系统 |
| CN115859700B (zh) * | 2023-03-02 | 2023-05-05 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
| CN116776650B (zh) * | 2023-08-22 | 2023-10-24 | 山东金人电气有限公司 | 一种箱式变电站的运行状态控制系统 |
| CN116937575A (zh) * | 2023-09-14 | 2023-10-24 | 济南高品伟业信息科技有限公司 | 一种网格系统用的能源监控管理系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106652686A (zh) * | 2016-11-24 | 2017-05-10 | 国家电网公司 | 一种继电保护vr培训系统 |
| CN106780139A (zh) * | 2016-08-23 | 2017-05-31 | 国家电网公司 | 配电台区无功补偿节能数据处理方法及系统 |
| CN106910017A (zh) * | 2017-02-21 | 2017-06-30 | 深圳供电局有限公司 | 一种基于用户行为数据挖掘的电能体验分析方法和系统 |
| CN107968482A (zh) * | 2017-11-29 | 2018-04-27 | 山东中车风电有限公司 | 一种新能源发电场站管理平台 |
-
2019
- 2019-03-25 CN CN201910226994.1A patent/CN109978052B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780139A (zh) * | 2016-08-23 | 2017-05-31 | 国家电网公司 | 配电台区无功补偿节能数据处理方法及系统 |
| CN106652686A (zh) * | 2016-11-24 | 2017-05-10 | 国家电网公司 | 一种继电保护vr培训系统 |
| CN106910017A (zh) * | 2017-02-21 | 2017-06-30 | 深圳供电局有限公司 | 一种基于用户行为数据挖掘的电能体验分析方法和系统 |
| CN107968482A (zh) * | 2017-11-29 | 2018-04-27 | 山东中车风电有限公司 | 一种新能源发电场站管理平台 |
Non-Patent Citations (3)
| Title |
|---|
| "数字孪生及其应用探索";陶飞等;《计算机集成制造系统》;20180131;第24卷(第1期);全文 * |
| "电力用户侧大数据分析与并行负荷预测研究";黄庆仕等;《自动化应用》;20161125;全文 * |
| "能源互联网分布式设备协调控制软件系统平台";郑宇等;《新型工业化》;20161120;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109978052A (zh) | 2019-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109978052B (zh) | 一种用户侧能源设备智慧检修方法 | |
| CN112788142B (zh) | 一种支持多传感器接入的智能边缘物联网关 | |
| CN108388950A (zh) | 基于大数据的变压器智能运维方法及系统 | |
| CN108336725A (zh) | 电网调度设备监控管理及智能分析系统 | |
| CN106199276A (zh) | 一种用电信息采集系统中异常信息的智能诊断系统及方法 | |
| CN108282026A (zh) | 一种高压开关设备远程运维系统 | |
| CN109447284B (zh) | 用于供电服务指挥平台的配网故障信息发送方法及系统 | |
| CN112594142B (zh) | 一种基于5g的端云协同风电运维诊断系统 | |
| WO2011041741A2 (en) | Microgrid model based automated real time simulation for market based electric power system optimization | |
| Zhang et al. | An architecture based on digital twins for smart power distribution system | |
| CN111444169A (zh) | 一种变电站电气设备状态监测与诊断系统及方法 | |
| CN110689957A (zh) | 医院环境设施智慧运维管理平台 | |
| CN106712296A (zh) | 一种电力的在线监测管理系统 | |
| CN111486555A (zh) | 一种人工智能ai专家系统进行中央空调节能调控的方法 | |
| CN105356680A (zh) | 发电机智能运维体系 | |
| CN108225439A (zh) | 一种电子通信环境监控系统 | |
| CN109546749A (zh) | 一种用于铁路牵引供变电所辅助监控系统 | |
| CN114595875A (zh) | 基于变压器传感信息和数字孪生的状态评估方法及系统 | |
| CN116228171B (zh) | 一种企业碳排放监测系统及方法 | |
| CN113379196A (zh) | 一种基于数字孪生技术的变电设备管理评价系统 | |
| CN205941032U (zh) | 一种空调分体内机商检系统 | |
| CN114039425A (zh) | 低压配电网的故障处理系统及方法 | |
| CN105978140A (zh) | 一种电力设备的信息融合方法 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| CN210743605U (zh) | 医院环境设施智慧运维管理平台 |
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 |