CN110622140A - 用于传感器数据集中的冻结时段检测的系统、设备和方法 - Google Patents

用于传感器数据集中的冻结时段检测的系统、设备和方法 Download PDF

Info

Publication number
CN110622140A
CN110622140A CN201880034004.8A CN201880034004A CN110622140A CN 110622140 A CN110622140 A CN 110622140A CN 201880034004 A CN201880034004 A CN 201880034004A CN 110622140 A CN110622140 A CN 110622140A
Authority
CN
China
Prior art keywords
data set
sensor data
sensor
run
length
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.)
Granted
Application number
CN201880034004.8A
Other languages
English (en)
Other versions
CN110622140B (zh
Inventor
G.赫奇
V.拉马纳思
A.里兹维卡莱利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Energy Global GmbH and Co KG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN110622140A publication Critical patent/CN110622140A/zh
Application granted granted Critical
Publication of CN110622140B publication Critical patent/CN110622140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D17/00—Regulating or controlling by varying flow
    • F01D17/02—Arrangement of sensing elements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/003—Arrangements for testing or measuring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/80—Diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

一种检测与技术系统220A‑220C中的至少一个传感器222A‑222C相关联的至少一个传感器数据集中的至少一个冻结时段的方法300。所述方法包括按时间序列接收所述至少一个传感器数据集，计算所述至少一个传感器数据集的运行长度，其中运行长度中的每个是所述至少一个传感器数据集中的传感器值的连续重复的长度。所述方法包括基于运行频率而将运行长度聚类到两个聚类之一中，其中所述运行频率是运行长度在所述至少一个传感器数据集中重复的次数。此外，所述方法包括从所述两个聚类中标识具有较低运行频率的聚类，以及基于所标识的聚类来检测所述至少一个传感器数据集中的所述至少一个冻结时段。

Description

用于传感器数据集中的冻结时段检测的系统、设备和方法
本专利申请要求欧洲专利申请17 172 258.0的优先权，所述欧洲专利申请通过引用被并入本文中。
本发明涉及自动地确定在技术系统中所提供的传感器中的误差状况。
在技术系统中，传感器误差状况包括在给定时间序列中的恒定值的长序列。此长序列主要由于传感器的“冻结”而发生。传感器的冻结导致传感器不能够量化它们正在测量的实际状态。换言之，冻结是当传感器在运转但是变得卡阻并且在它变回到正常之前在长的时间段内输出相同测量的时候的状况。这样的冻结时段需要被检测，因为它们是异常的。
在“Online Unsupervised State Recognition in Sensor Data”（JulienEberle等人于2015年美国密苏里州圣路易斯的IEEE International Conference onPervasive Computing and Communications（PerCom）（关于普适计算和通信的IEEE国际会议））中公开了这样的确定传感器中的冻结时段的方法。本文中所公开的方法通过将传感器数据的流转换成符号流来确定传感器中的异常。通过使用运行长度编码（RLE）来执行传感器数据的转换，使得可以在几乎没有准确性损失的情况下在经变换的数据上实施异常检测、预报或状态识别。然后基于预定阈值来检测异常。预先根据对传感器的认知来设置针对连续重复数目的阈值。大于此预设阈值的所有重复被分类为冻结时段。
然而，以上方法可能是不利的，因为预定阈值取决于传感器的采样时段。此外，所述方法不解决（address）随着传感器数据中的改变而在阈值中的改变。
因此，本发明的目的是在不限定预定阈值的情况下检测技术系统中的传感器中的冻结时段。
根据本发明的方法和系统通过计算所述至少一个传感器数据集的运行长度（run-length）来实现先前提及的目的。运行长度中的每个是所述至少一个传感器数据集中的传感器值的连续重复的长度。运行长度基于运行频率而被聚类到两个聚类之一中，所述运行频率是运行长度在所述至少一个传感器数据集中重复的次数。所述方法包括：从所述两个聚类中标识具有较低运行频率的聚类，以及基于所标识的聚类来检测所述至少一个传感器数据集中的所述至少一个冻结时段。
根据本发明，提供了一种检测与技术系统中的一个或多个传感器相关联的传感器数据集中的一个或多个冻结时段的计算机实现的方法。所述方法包括按时间序列接收传感器数据集。传感器数据集包括与同技术系统相关联的至少一个操作参数相对应的数据点或传感器值。
如本文中所使用的，术语“数据集”/“多个数据集”是指传感器所记录的数据。由传感器所记录的数据是针对特定的时间段。在本实施例中，传感器按时间序列记录数据。数据集包括多个数据点，每个表示电子器件的记录。如本文中所使用的，“传感器值”和“数据点”可互换地用来意指针对与技术系统相关联的所述至少一个操作参数所记录的一个或多个数据的表示。“至少一个操作参数”是指技术系统的一个或多个特性。例如，如果燃气轮机是所述技术系统，则所述至少一个操作参数包括燃烧温度、进口压力、排气压力等等。
所述方法采用传感器监视设备来用于检测冻结时段。所述传感器监视设备包括接收器，以按时间序列接收一个或多个传感器数据集。所述一个或多个传感器数据集中的每一个可以涉及技术系统的单独的操作参数。所述传感器监视设备还包括处理器，以及被通信地耦合到所述处理器的存储器。所述存储器包括计算单元，用于计算传感器数据集的运行长度。如本文中所使用的，“运行长度”是指传感器数据集中的传感器值的连续重复的长度。通常，传感器数据集包括可重复或唯一的多个传感器值。因此，传感器值的连续重复被计数，并且被定义为运行长度。例如，如果存在传感器值的七个连续重复，则运行长度将是七。
根据实施例，计算单元标识传感器数据集中的传感器值的连续重复，并且对连续重复的数目进行计数。此外，通过确定传感器值的连续重复的数目来计算运行长度。计算单元还列出重复的传感器值。
传感器监视设备还包括聚类模块，用于基于运行频率来将运行长度聚类到两个聚类之一中。如本文中所使用的，“运行频率”是运行长度在传感器数据集中重复的次数。
根据实施例，聚类模块包括运行频率模块，其用于确定每个运行长度的运行频率。运行频率模块对运行长度在传感器数据集中被重复的次数进行计数。考虑传感器值的7个连续重复的示例，运行长度是7。如果存在具有运行长度7的这样的连续重复的10个集合，则运行频率将是10。
聚类模块还从所述两个聚类中标识具有较低运行频率的聚类。例如，考虑传感器数据集包括分别地具有运行频率50、36、17和10的运行长度4、6、9和11。聚类模块在如下假定上运作：如与具有低运行频率的运行长度相比，具有较高运行频率的运行长度是非异常的。因此，在以上示例中，具有较高运行频率50和36的运行长度4和6被聚类，并且运行长度9和11被聚类。聚类模块然后标识如下聚类：所述聚类带有分别地具有低运行频率17和10的运行长度9和11。传感器监视设备还包括检测模块，其用于检测所标识的聚类中的冻结时段。因此，运行长度9和11以及相关联的传感器值被检测为冻结时段，并且因此是异常的。
在另一实施例中，聚类模块基于聚类形心（cluster centroid）来对运行长度进行聚类。考虑运行长度4、6、9和11的先前的示例，有两个聚类形心被生成，为5的较低聚类形心以及为10的较高聚类形心。在聚类之间的此差别通过K均值聚类算法来被确定，所述K均值聚类算法通过比较聚类的均值来作出。
聚类模块然后标识具有更高聚类形心的聚类，并且检测模块检测所述更高聚类形心中的冻结时段。如本文中所使用的，“冻结时段”是指给定时间序列中的恒定值的长序列，其主要由于传感器的“冻结”或卡阻而发生。传感器的冻结导致传感器不能量化它们正在测量的实际参数，并且重复的值被输出。在实施例中，在通过计算单元执行了运行长度编码并且通过聚类模块执行了k均值聚类之后，检测模块检测更高聚类形心中的冻结时段。
根据又一实施例，计算单元包括最小折扣（discount）模块，所述最小折扣模块限定传感器数据集的最小折扣长度。最小折扣长度是所允许的连续重复的数目。换言之，最小折扣长度是在传感器值可被检测为冻结时段之前所接受的连续重复的数目。基于如下假定来完成最小折扣长度：传感器在它变得卡阻并且在比预期时间更长的时间内重复相同的测量之前的时刻在给出正确的测量。因此，在借助于减法模块而从连续重复中的每个减去最小折扣长度之后，计算单元计算传感器数据集的运行长度。最小折扣长度由用户基于技术系统而可配置，并且因此，本发明有利地是灵活的。
根据实施例，传感器监视设备包括最小运行长度模块，其用于限定冻结时段的最小运行长度。最小运行长度充当预定阈值，并且如果运行长度超过最小运行长度，则检测冻结时段。因此，当传感器数据集中的连续重复超过最小运行长度的时候，最小运行长度模块检测所述至少一个冻结时段。
根据本发明，还公开了一种用于检测传感器数据集中的一个或多个冻结时段的系统。所述系统包括服务器以及被通信地耦合到服务器的网络接口。此外，一个或多个技术系统经由网络接口而被通信地耦合到服务器。在实施例中，服务器是云服务器，其经由网络接口而与技术系统通信。服务器包括传感器监视设备，其用于检测与技术系统中的传感器相关联的传感器数据集中的一个或多个冻结时段。例如，当燃气轮机是技术系统的时候，传感器是多个涡轮引擎传感器（诸如压缩机压力传感器、进口压力传感器、燃烧温度传感器等等）之一。传感器生成传感器数据集，所述传感器数据集包括与同技术系统相关联的至少一个操作参数相对应的传感器值。考虑燃气轮机的示例，进口压力传感器生成如下传感器数据集：所述传感器数据集包括与燃气轮机的进口压力相关联的压力值。
针对冻结时段检测的本发明是鲁棒的（robust）并且高效的，因为对冻结时段的检测是非监督式的，其没有最大可接受重复的预设阈值。此外，所需要的仅有的输入是按时间序列的传感器数据集。执行运行长度编码技术来检测重复，并且在重复上执行K均值聚类以通过检查聚类均值中的每个来标识冻结时段。具有最大均值的聚类将保持被检测为冻结时段的重复。此外，运行长度编码技术和在重复上的K均值聚类在计算上是高效的。
本发明的以上提及的和其它的特征现在将参考本发明的附图来被解决。所说明的实施例意图说明而不是限制本发明。
本发明此外在下文中参考在附图中所示出的图示实施例来被描述，在所述附图中：
图1图示了用于检测与技术系统中的传感器相关联的传感器数据集中的冻结时段的传感器监视设备；
图2图示了一种包括服务器的系统，所述服务器包括图1中的传感器监视设备；
图3是流程图，其图示了图1的传感器监视设备的操作方法；
图4是压缩机出口压力数据集中的连续重复的运行长度的绘图；
图5是图4中所指示的运行长度的运行频率的绘图；
图6是压缩机出口压力数据集中所检测的冻结时段的绘图；
图7A是在没有确定最小折扣长度的情况下压缩机出口温度数据集中的冻结时段的绘图；并且
图7B是在确定了最小折扣长度之后压缩机出口温度数据集中的冻结时段的绘图。
参考附图来描述各种实施例，其中相似的参考数字用于贯穿全文指代类似的元素。在以下描述中，为了解释的目的，大型燃气轮机已经被认为是技术系统的示例。此外，阐明了众多特定细节以便提供对本发明的一个或多个实施例的透彻理解。这些示例必须不被认为将本发明的应用限制到大型燃气轮机，并且包括用于自动确定传感器冻结时段的任何技术系统。可以明显的是，可以在没有这些特定细节的情况下实践此类实施例。
图1图示了用于检测与技术系统中的传感器相关联的传感器数据集中的冻结时段的传感器监视设备100。用于解释的技术系统是大型燃气轮机。然而，它不被限制到大型燃气轮机，并且可以包括具有多个传感器的任何系统。根据本发明的传感器监视设备100被安装在用户设备上并且由用户设备可访问，所述用户设备例如个人计算设备、工作站、客户端设备、网络启用的计算设备、任何其它合适的计算装备、以及多件计算装备的组合。本文中所公开的传感器监视设备100通过通信网络130而与数据集102可操作地通信。
数据集102是例如经结构化的查询语言（SQL）数据存贮器，或不仅SQL（NoSQL）数据存贮器。在根据本发明的数据库102的实施例中，数据库102还可以是直接由传感器监视设备100可访问的文件系统上的位置。在根据本发明的数据库102的另一实施例中，数据库102被配置为在云计算环境中所实现的基于云的数据库，其中计算资源通过网络130作为服务来被递送。如本文中所使用的，“云计算环境”是指处理环境，其包括可配置的计算物理和逻辑资源，例如网络、服务器、储存器、应用、服务等等、以及通过网络130（例如因特网）所分布的数据。云计算环境向可配置的计算物理和逻辑资源的共享池（pool）提供按需的网络访问。通信网络130是例如有线网络、无线网络、通信网络或者由这些网络的任何组合所形成的网络。
在根据本发明的优选实施例中，传感器监视设备100是可下载的并且是在用户设备上可使用的。在根据本发明的另一实施例中，传感器监视设备100被配置为基于web的平台，例如被托管在服务器或服务器的网络上的网站。在根据本发明的另一实施例中，传感器监视设备100被实现在云计算环境中。传感器监视设备100例如通过使用Google公司的Google App（应用）引擎云基础设施、Amazon Technologies公司的Amazon Web Services®来被开发，如下文中在图2中所公开的。在实施例中，传感器监视设备100被配置为基于云计算的平台，其被实现为用于分析数据的服务。
本文中所公开的传感器监视设备100包括存储器104，以及被通信地耦合到存储器104的至少一个处理器106。如本文中所使用的，除了暂时性传播信号之外，“存储器”是指所有计算机可读介质，例如非易失性介质、易失性介质、以及传输介质。存储器被配置成存储通过模块（例如传感器监视设备100的120、125、127、128等等）所限定的计算机程序指令。处理器106被配置成执行模块中所限定的计算机程序指令。此外，处理器106被配置成同时执行存储器104中的指令。如图1中所图示的，传感器监视设备100包括用于按时间序列接收传感器数据集的接收器150，以及显示单元160。另外，使用用户设备的用户可以经由GUI（图形用户接口）来访问传感器监视设备100。GUI是例如在线web接口、基于web的可下载应用接口等等。
由处理器106所执行的模块包括计算单元120、聚类模块125、最小运行长度模块127以及检测模块128。由接收器150所接收的传感器数据集用于计算运行长度。如本文中所使用的，“运行长度”是指传感器数据集中的传感器值的连续重复的长度。通常，传感器数据集包括可重复或唯一的多个传感器值。因此，传感器值的连续重复被计数，并且被定义为运行长度。例如，如果存在传感器值的七个连续重复，则运行长度将是七。
计算单元120包括最小折扣模块122和减法模块123。最小折扣模块122为传感器数据集限定最小折扣长度。最小折扣长度是指的是所允许的连续重复的数目。例如，最小折扣长度可以是2，其意指仅仅在从连续重复的总数目中折扣掉2个重复之后完成运行长度的确定。在实施例中，在检测到冻结时段之后，最小折扣模块122向冻结时段中的传感器值分派弛豫时间（relax time）。换言之，在确定冻结时段之前，多个连续重复被表示为被接受的。最小折扣长度可以由用户基于如下假定来输入：传感器在它进入“冻结”状态之前的时刻在生成正确的传感器值。计算单元120还包括减法模块，以从连续重复中减去最小折扣长度。最小折扣长度。
除了计算单元120之外，处理器还执行聚类模块125。当执行聚类模块125的时候，运行长度基于运行频率而被聚类到两个聚类之一中。运行频率指的是运行长度在传感器数据集中被重复的次数。聚类模块125中的运行频率模块126对运行长度在传感器数据集中被重复的次数进行计数。例如，如果存在传感器值的7个连续重复，则运行长度是7。如果存在具有运行长度7的这样的连续重复的10个集合，则运行频率将是10。
聚类模块125还从所述两个聚类中标识具有更低运行频率的聚类。聚类模块125在如下假定上运作：如与具有低运行频率的运行长度相比，具有较高运行频率的运行长度是非异常的。因此，聚类模块125然后将具有低运行频率的聚类标识为异常的。基于由聚类模块125所标识的聚类，检测模块128检测冻结时段。
传感器监视设备100还包括最小运行长度模块127，以限定冻结时段的最小运行长度。最小运行长度是连续重复的数目的预定阈值，超过所述预定阈值就检测到冻结时段。可选地执行最小运行长度模块127，因为它需要对最小运行长度的认知。
图2图示了系统200，其包括服务器210，所述服务器210包括图1中的传感器监视设备100。系统200还包括被通信地耦合到服务器210的网络接口230，以及经由网络接口230被通信地耦合到服务器210的技术系统220A-220C。服务器210包括传感器监视设备100，其用于检测与技术系统220A-220C所关联的一个或多个传感器相关联的传感器数据集中的一个或多个冻结时段。技术系统220A-220C位于远程位置中，而服务器210位于云服务器上，所述云服务器例如使用Google公司的Google App（应用）引擎云基础设施、AmazonTechnologies公司的Amazon Web Services®、Amazon Technologies公司的Amazon弹性计算云EC2® web 服务、Google公司的Google®云平台、Microsoft公司的Microsoft®云平台等等。技术系统220A、220B和220C分别地包括传感器222A、222B和222C。传感器222A、222B和222C用来生成一个或多个传感器数据集，其包括与同技术系统220A、220B和220C相关联的一个或多个操作参数相对应的传感器值。
传感器监视设备100和系统200的操作此外借助于图2中的流程图来被解释。方法开始于步骤310，其生成一个或多个传感器数据集，所述传感器数据集包括与同技术系统相关联的一个或多个操作参数相对应的传感器值。传感器值指的是针对与技术系统相关联的所述至少一个操作参数所记录的一个或多个数据的表示。“操作参数”指的是技术系统的一个或多个特性。例如，如果燃气轮机是所述技术系统，则所述至少一个操作参数包括燃烧温度、进口压力、排气压力等等。因此，进口压力传感器生成如下的传感器数据集：所述传感器数据集包括与燃气轮机的进口压力相关联的压力值。
在步骤312处，由如在图1中所公开的传感器监视设备的接收器接收传感器数据集。按时间序列接收传感器数据集。在步骤314处，计算传感器数据集中的连续重复的运行长度。借助于运行长度编码来计算运行长度，所述运行长度编码是用于计算连续重复的运行长度和传感器值的压缩算法。计算运行长度还包括确定最小折扣长度，并且在计算运行长度的时候从连续的重复中减去最小折扣长度。
在步骤316处，通过计算运行长度中每个在传感器数据集中被重复的次数来确定运行长度中每个的运行频率。例如，如果运行长度7被重复10次，则运行频率将是10。基于运行频率，在步骤318中执行运行长度的聚类。
在步骤318处，运行长度被聚类到两个聚类之一中。聚类包括非异常聚类和异常聚类。具有高运行频率的运行长度被聚类在非异常聚类中，并且具有低运行频率的运行长度被聚类在异常聚类中。这是因为在传感器数据集中频繁出现的运行长度被视为传感器运转的一部分。作为通过运行频率来聚类的推论，还可以通过如下来完成聚类：确定所述两个聚类中每一个中的最高形心，并且比较形心以确定异常聚类。
在步骤320处，一旦异常聚类被标识，冻结时段就被检测到并且被显示在传感器监视设备的显示单元上。下面的绘图图示了图3中所公开的方法的运作。为了以下绘图的目的的技术系统是大型燃气轮机。
为了图4-图6中的绘图的目的，考虑按时间序列记录的压缩机出口压力值。从与大型燃气轮机相关联的压缩机压力传感器来生成压缩机出口压力值。压缩机出口压力值由传感器监视设备的接收器、作为压缩机出口压力数据集来接收。
图4是压缩机出口压力数据集中的连续重复的运行长度的绘图400。y轴410指示了连续重复的运行长度402、404和408的度量。在确定了运行长度402、404和408之后，形成运行长度的两个聚类，一个具有较小运行频率，并且一个具有较高运行频率。
图5是运行长度402、404和408的运行频率的绘图500。在y轴510上指示运行频率，并且在x轴520上指示运行长度。通过k均值聚类来确定聚类的形心。如图5中所示，形心502a是在该处线502b与实线上的运行长度502相交的点，即在x~1.35处。此外，形心508a位于通过线508所示的x~33405.33处。此外，k均值聚类借助于如通过线504所指示的判定边界来对运行长度进行聚类。
图6是压缩机出口压力数据集中所检测的冻结时段的绘图600。x轴620是压缩机出口压力值的索引，并且y轴610是压缩机出口压力值中每一个的度量。如图6中所示，在602、604和608处指示冻结时段。例如，在602处，压缩机出口压力值的索引是具有19641个连续重复的20360。在604处，索引是具有59642个连续重复的400259。此外，在608处，索引是具有19853个连续重复的773698。
图7A是在没有确定最小折扣长度的情况下压缩机出口温度数据集中的冻结时段的绘图700A。压缩机出口温度数据集包括来自大型燃气轮机中的压缩机出口处的温度传感器的按时间序列记录的压缩机出口温度值。y轴710指示压缩机出口温度值的度量，并且x轴720指示压缩机出口温度值中每一个的索引。如图7中所示，所检测的冻结时段是702-708以及712-718。
图7B是在确定了最小折扣长度之后压缩机出口温度数据集中的冻结时段的绘图700B。最小折扣长度是压缩机出口温度数据集中所允许的连续重复的数目。换言之，最小折扣长度是在压缩机出口温度传感器可被检测为冻结之前所接受的连续重复的数目。基于如下假定来完成最小折扣长度：温度传感器在它变得卡阻并且在比预期时间更长的时间内重复相同的测量之前的时刻在给出正确的测量。一旦应用了最小折扣长度，如相比于如图7A中所检测的冻结时段702-708和712-718，仅冻结时段702和704剩下。
将容易地显而易见的是，本文中所公开的各种方法、算法和模块可以被实现在针对计算设备被适当地编程的计算机可读介质上。实现本文中所公开的方法和算法的模块可以通过使用多种介质（例如计算机可读介质）以多种方式来被存储和传输。在实施例中，硬连线的电路或定制硬件可以代替于用于实现各种实施例的过程的软件指令或与所述软件指令相组合地被使用。因此，实施例不被限制到硬件和软件的任何特定组合。通常，包括计算机可执行指令的模块可以用任何编程语言来被实现。所述模块可以作为目标代码而被存储在一个或多个介质上或其中。本文中所公开的方法和系统的各种方面可以被实现在非编程的环境中，所述非编程的环境包括例如用超文本标记语言（HTML）、可扩展标记语言（XML）或当在浏览器程序的视觉区域或窗口中被查看的时候呈递图形用户接口（GUI）的各方面或执行其它功能的其它格式所创建的文档。本文中所公开的方法和系统的各种方面可以被实现为经编程的元素、或非编程的元素、或其任何合适的组合。
在描述了包括数据点的数据库的情况下，本领域普通技术人员将理解到：（i）可以容易地采用对所述那些的替代的数据库结构，并且（ii）可以容易地采用除了数据库之外的其它存储器结构。本文中所公开的任何样本数据库的任何说明或描述是用于所存储的信息表示的说明性布置。除了由附图中或别处所图示的表所建议的那些之外，可以采用任何数目的其它布置。类似地，数据库的任何所图示的条目仅仅表示示例性的信息；本领域普通技术人员将理解到条目的数目和内容可以不同于本文中所公开的那些。此外，尽管数据库作为表的任何描绘，但是其它格式（包括关系数据库、基于对象的模型和/或分布式数据库）可以用于存储并且操纵本文中所公开的数据类型。同样地，数据库的对象方法或行为可以用于实现诸如本文中所公开的那些之类的各种过程。另外，数据库可以用已知方式被本地地或远离访问这样的数据库中的数据的设备来被存储。在其中在系统中存在多个数据库的实施例中，数据库可以被集成以与彼此通信，以用于当存在对数据库之一中的数据的任何更新的时候实现对跨数据库所链接的数据的同时更新。
本发明可以被配置成在网络环境中运作，所述网络环境包括经由网络而与一个或多个设备通信的一个或多个计算机。计算机可以直接地或间接地、经由有线介质或无线介质（诸如因特网、局域网（LAN）、广域网（WAN）或以太网、令牌环）、或经由任何适当的通信介质或通信介质的组合来与设备通信。设备中的每个包括处理器，其一些示例在上文中被公开，其适于与计算机通信。在实施例中，计算机中的每个配备有网络通信设备，例如网络接口卡、调制解调器、或适合于连接到网络的其它网络连接设备。计算机和设备中的每一个执行操作系统，其一些示例在上文中被公开。虽然操作系统可取决于计算机的类型而不同，但是操作系统将继续提供适当的通信协议以与网络建立通信链路。任何数目和类型的机器可以与计算机通信。
本发明不被限制到特定的计算机系统平台、处理器、操作系统或网络。本发明的一个或多个方面可以被分布在一个或多个计算机系统之中，所述计算机系统例如是被配置成向一个或多个客户端计算机提供一个或多个服务或在分布式系统中执行完整任务的服务器。例如，本发明的一个或多个方面可以在客户端-服务器系统上被执行，所述客户端-服务器系统包括被分布在一个或多个服务器系统之中的部件，所述服务器系统执行根据各种实施例的多个功能。这些部件包括例如可执行的中间的或经解译的代码，其通过网络而使用通信协议来传送。本发明不被限制成在任何特定的系统或系统群组上可执行，并且不被限制到任何特定的分布式架构、网络或通信协议。
前述示例已仅仅为了解释的目的而被提供并且决不要被解释为限制本文中所公开的本发明。虽然已经参考各种实施例而描述了本发明，但是要理解的是，已经在本文中被使用的词语是描述和说明的词语，而不是限制的词语。此外，尽管已经在本文中参考特定的装置、材料和实施例而描述了本发明，但是本发明不意图被限制到本文中所公开的细节；更确切地说，本发明扩展到所有功能上等同的结构、方法和使用，诸如在所附权利要求的范围内。获益于本说明书的教导的本领域技术人员可以影响对其的众多修改，并且可以在不偏离本发明在其各方面中的范围和精神的情况下作出改变。

Claims (14)

1.一种检测与技术系统（220A-220C）中的至少一个传感器相关联的至少一个传感器数据集中的至少一个冻结时段的方法（300），所述方法（300）包括：
按时间序列接收所述至少一个传感器数据集；
计算所述至少一个传感器数据集的运行长度，其中运行长度中的每个是所述至少一个传感器数据集中的传感器值的连续重复的长度；
基于运行频率而将运行长度聚类到两个聚类之一中，其中所述运行频率是运行长度在所述至少一个传感器数据集中重复的次数；
从所述两个聚类中标识具有较低运行频率的聚类；以及
基于所标识的聚类来检测所述至少一个传感器数据集中的所述至少一个冻结时段。
2.根据权利要求1所述的方法（300），其中计算所述至少一个传感器数据集的运行长度包括：
标识所述至少一个传感器数据集中传感器值的连续重复；以及
通过确定传感器值的连续重复的数目来计算运行长度。
3.根据权利要求2所述的方法（300），其中通过确定传感器值的连续重复的数目来计算运行长度包括：
为所述至少一个传感器数据集限定最小折扣长度，其中所述最小折扣长度是所允许的连续重复的数目；
在从连续重复中的每个减去最小折扣长度之后计算所述至少一个传感器数据集的运行长度。
4.根据权利要求1所述的方法（300），此外包括：
为至少一个冻结时段限定最小运行长度；以及
当所述至少一个传感器数据集中的连续重复超过最小运行长度的时候，检测所述至少一个冻结时段。
5.根据权利要求1所述的方法（300），其中基于运行频率来将运行长度聚类到两个聚类之一中包括：
通过计算所述至少一个传感器数据集s中的运行长度中的每个的数目来确定运行频率；以及
基于运行频率来将运行长度聚类到所述两个聚类之一中，其中所述两个聚类包括具有较高运行频率的运行长度的非异常聚类以及具有较低运行频率的运行长度的异常聚类。
6.根据权利要求1所述的方法（300），此外包括：
生成所述至少一个传感器数据集，所述传感器数据集包括与同技术系统（220A-220C）相关联的至少一个操作参数相对应的传感器值。
7.根据权利要求1所述的方法（300），此外包括：
将与技术系统（220A-220C）中的至少一个传感器相关联的至少一个传感器数据集中的所述至少一个冻结时段显示在显示单元（160）上。
8.一种用于检测与技术系统（220A-220C）中的至少一个传感器（222A-222C）相关联的至少一个传感器数据集中的至少一个冻结时段的传感器监视设备（100），包括：
接收器（150），其用于按时间序列接收所述至少一个传感器数据集；
至少一个处理器（106）；以及
被通信地耦合到所述至少一个处理器（106）的存储器（104），所述存储器（104）包括：
用于计算所述至少一个传感器数据集的运行长度的计算单元（120），其中运行长度中的每个是所述至少一个传感器数据集中的传感器值的连续重复的长度；
聚类模块（125），其用于：基于运行频率而将运行长度聚类到两个聚类之一中，其中所述运行频率是运行长度在所述至少一个传感器数据集中重复的次数；以及从所述两个聚类中标识具有较低运行频率的聚类；以及
检测模块（128），其用于基于所标识的聚类来检测所述至少一个传感器数据集中的所述至少一个冻结时段。
9.根据权利要求8所述的设备（100），其中所述计算单元（120）包括：
最小折扣模块（122），其用于为所述至少一个传感器数据集限定最小折扣长度，其中所述最小折扣长度是所允许的连续重复的数目；以及
减法模块（123），其用于在从连续重复中的每个中减去最小折扣长度之后计算所述至少一个传感器数据集的运行长度。
10.根据权利要求8所述的设备（100），此外包括：
最小运行长度模块（127），其用于为至少一个冻结时段限定最小运行长度，以及当所述至少一个传感器数据集中的连续重复超过最小运行长度的时候检测所述至少一个冻结时段。
11.根据权利要求8所述的设备（100），其中所述聚类模块（125）包括：
运行频率模块，其用于通过计算所述至少一个传感器数据集中的运行长度中的每个的数目来确定运行频率，其中所述聚类模块（125）基于运行频率来将运行长度聚类到所述两个聚类之一中，其中所述两个聚类包括具有较高运行频率的运行长度的非异常聚类以及具有较低运行频率的运行长度的异常聚类。
12.一种用于检测至少一个传感器数据集中的至少一个冻结时段的系统（200），所述系统包括：
服务器（210）；
被通信地耦合到所述服务器的网络接口（230）；以及
经由网络接口被通信地耦合到所述服务器的至少一个技术系统（220A-220C），
其中所述服务器（210）包括根据权利要求8-12所述的传感器监视设备（100），其用于检测与所述至少一个技术系统（220A-220C）中的至少一个传感器相关联的至少一个传感器数据集中的至少一个冻结时段。
13.根据权利要求12所述的系统（200），其中所述至少一个技术系统（220A-220C）包括至少一个传感器（222A-222C），其用于生成所述至少一个传感器数据集，所述传感器数据集包括与同所述至少一个技术系统（220A-220C）相关联的至少一个操作参数相对应的传感器值。
14.根据权利要求12所述的系统（200），其中所述至少一个传感器（222A-222C）包括多个涡轮引擎传感器之一。
CN201880034004.8A 2017-05-22 2018-05-22 用于传感器数据集中的冻结时段检测的系统、设备和方法 Active CN110622140B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP17172258.0 2017-05-22
EP17172258.0A EP3407198A1 (en) 2017-05-22 2017-05-22 System, device and method for frozen period detection in sensor datasets
PCT/EP2018/063366 WO2018215454A1 (en) 2017-05-22 2018-05-22 System, device and method for frozen period detection in sensor datasets

Publications (2)

Publication Number Publication Date
CN110622140A true CN110622140A (zh) 2019-12-27
CN110622140B CN110622140B (zh) 2023-07-14

Family

ID=59054950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880034004.8A Active CN110622140B (zh) 2017-05-22 2018-05-22 用于传感器数据集中的冻结时段检测的系统、设备和方法

Country Status (4)

Country Link
US (1) US11593245B2 (zh)
EP (2) EP3407198A1 (zh)
CN (1) CN110622140B (zh)
WO (1) WO2018215454A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476786B (zh) * 2020-04-22 2022-02-01 南京航空航天大学 一种基于实测数据的长桁自动化涂胶及质量检测方法
CN117856799B (zh) * 2024-03-07 2024-05-31 山东博物馆 一种展厅烟雾探测器数据的高效采集分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102684936A (zh) * 2011-03-11 2012-09-19 北京千橡网景科技发展有限公司 用于监测服务器的运行状态的方法、设备和系统
US20130086010A1 (en) * 2011-09-30 2013-04-04 Johnson Controls Technology Company Systems and methods for data quality control and cleansing
US20150160096A1 (en) * 2013-12-05 2015-06-11 General Electric Company System and Method for Detecting an At-Fault Combustor
US20150309089A1 (en) * 2012-12-03 2015-10-29 Mitsubishi Electric Corporation Fault detection device, fault detection method, and program
US20160321323A1 (en) * 2015-04-29 2016-11-03 Gordon GAUMNITZ Run Index Compression

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004042371A (ja) * 2002-07-10 2004-02-12 Canon Inc 記録媒体判別方法、プログラム、記憶媒体および記録装置
US20050229061A1 (en) * 2004-04-01 2005-10-13 Sung-Ho Kang Method of efficiently compressing and decompressing test data using input reduction
US9009001B2 (en) * 2011-05-26 2015-04-14 Honeywell International Inc. Monitoring for invalid data from field instruments
US10552511B2 (en) * 2013-06-24 2020-02-04 Infosys Limited Systems and methods for data-driven anomaly detection
US9146800B2 (en) * 2013-07-01 2015-09-29 Mitsubishi Electric Research Laboratories, Inc. Method for detecting anomalies in a time series data with trajectory and stochastic components
CN106170760B (zh) * 2014-07-11 2019-11-05 华为技术有限公司 一种计算数据的预期压缩率的方法及装置
WO2016190856A1 (en) * 2015-05-27 2016-12-01 Hewlett Packard Enterprise Development Lp Data validation
US9887834B1 (en) * 2015-05-27 2018-02-06 Citigroup Technology, Inc. Data deduplication and compression evaluation methods and systems
KR101594510B1 (ko) * 2015-06-01 2016-02-16 엘아이지넥스원 주식회사 클러스터링을 이용한 원격 측정 데이터 판정 장치
US10339121B2 (en) * 2015-08-06 2019-07-02 Sap Se Data compression

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102684936A (zh) * 2011-03-11 2012-09-19 北京千橡网景科技发展有限公司 用于监测服务器的运行状态的方法、设备和系统
US20130086010A1 (en) * 2011-09-30 2013-04-04 Johnson Controls Technology Company Systems and methods for data quality control and cleansing
US20150309089A1 (en) * 2012-12-03 2015-10-29 Mitsubishi Electric Corporation Fault detection device, fault detection method, and program
US20150160096A1 (en) * 2013-12-05 2015-06-11 General Electric Company System and Method for Detecting an At-Fault Combustor
US20160321323A1 (en) * 2015-04-29 2016-11-03 Gordon GAUMNITZ Run Index Compression

Also Published As

Publication number Publication date
EP3631637B1 (en) 2021-07-14
US11593245B2 (en) 2023-02-28
WO2018215454A1 (en) 2018-11-29
EP3631637A1 (en) 2020-04-08
EP3407198A1 (en) 2018-11-28
CN110622140B (zh) 2023-07-14
US20200210305A1 (en) 2020-07-02

Similar Documents

Publication Publication Date Title
CN106104496B (zh) 用于任意时序的不受监督的异常检测
US11132248B2 (en) Automated information technology system failure recommendation and mitigation
US10679135B2 (en) Periodicity analysis on heterogeneous logs
US11403551B2 (en) System and method for validating unsupervised machine learning models
US20210116076A1 (en) Anomaly detection in pipelines and flowlines
US9122273B2 (en) Failure cause diagnosis system and method
CN107111311B (zh) 利用稀疏编码方法的燃气涡轮机传感器故障检测
WO2019184557A1 (zh) 定位根因告警的方法、装置和计算机可读存储介质
US10346228B2 (en) Method and system for deviation detection in sensor datasets
KR102444442B1 (ko) 설비 고장 진단 장치 및 방법
CN111309539A (zh) 一种异常监测方法、装置和电子设备
EP3260703A1 (en) Predicting a surge event in a compressor of a turbomachine
US11640459B2 (en) Abnormality detection device
US20190265088A1 (en) System analysis method, system analysis apparatus, and program
CN114065627A (zh) 温度异常检测方法、装置、电子设备和介质
CN111224928B (zh) 网络攻击行为的预测方法、装置、设备及存储介质
US20190197432A9 (en) Automated meta parameter search for invariant based anomaly detectors in log analytics
CN110622140B (zh) 用于传感器数据集中的冻结时段检测的系统、设备和方法
CN115081673B (zh) 一种油气管道的异常预测方法、装置、电子设备及介质
EP2849112A1 (en) Systems and methods for data loss prevention
JPWO2019049523A1 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
KR20220132824A (ko) 배전설비 상태 이상 개소 감시 시스템 및 방법
US20200310401A1 (en) System analysis method, system analysis apparatus, and program
Wani et al. Data Drift Monitoring for Log Anomaly Detection Pipelines
CN115242457A (zh) 一种日志数据的检测方法、装置、电子设备和存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20220112

Address after: Munich, Germany

Applicant after: Siemens energy global Corp.

Address before: Munich, Germany

Applicant before: SIEMENS AG

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant