CN112234707A - 一种高能同步辐射光源磁铁电源故障识别系统 - Google Patents
一种高能同步辐射光源磁铁电源故障识别系统 Download PDFInfo
- Publication number
- CN112234707A CN112234707A CN202010928077.0A CN202010928077A CN112234707A CN 112234707 A CN112234707 A CN 112234707A CN 202010928077 A CN202010928077 A CN 202010928077A CN 112234707 A CN112234707 A CN 112234707A
- Authority
- CN
- China
- Prior art keywords
- module
- state data
- data
- computing platform
- nodes
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明公开了一种高能同步辐射光源磁铁电源故障识别系统,所述系统包括:数字电源采集模块,通信模块以及边缘计算平台模块。通过数字电源采集模块采集高能物理加速器中多个高能光源系统磁铁电源节点的实时的状态数据;然后,由通信模块将所述状态数据传输给边缘计算平台模块;边缘计算平台模块根据多个节点的状态数据,获得每个节点的特征矩阵,进而通过相应的数据分析算法进行电源数据计算和分析,自动识别出故障节点。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种高能同步辐射光源磁铁电源故障识别系统。
背景技术
高能同步辐射光源(High Energy Photon Source Test Facility,HEPS)是目前正在建设的第四代同步辐射光源,其束流能量设计为6GeV,发射度小于0.1nm·rad。当前现有的高能同步辐射光源装置,已不能满足新时期科学研究的亮度要求,因此建设更高标准的第四代高能同步辐射光源成为了辅助科研创新的必然选择。第四代同步辐射光源的建成也将在基础科学研究上为用户提供更好的平台。
磁铁电源是HEPS的重要设备,为磁铁提供可编程励磁电流。使得粒子轨道分布在精密组合的磁场结构中,从而使带电粒子能够在加速器真空管道中按预设轨道稳定运行。随着数字信号处理技术的发展,大型加速器装置中的磁铁电源系统逐渐由模拟控制向数字控制方向发展。采用全数字化控制技术的高精度稳流电源已成为磁铁电源控制技术的发展趋势。例如,散裂中子源(CSNS)的磁铁电源全面采用数字化技术;磁铁电源是由电源内部的数字电源控制器(digital Power Supply Control Module,DPSCM)来进行电压电流的回路调节,数字电源控制器提供了对电源进行本地调试和远程控制的RS232通讯接口,无需VME(VersaModule Eurocard,计算机总线)机箱和VME CPU(central processing unit,中央处理器)。根据HEPS的需求,在CSNS磁铁电源控制系统的基础上,HEPS磁铁电源采用统一的数字控制模块DPSCM II来调节数字控制回路,产生高精度脉宽调制信号;从而实现对磁铁电源的开关机、升降电流等基本操作以及故障保护功能。由于电源电流值及电流升降流速率的变化将会对磁铁产生影响,进而影响到整个磁铁系统的运行,因此需要对电源的状态、数值、升降流速率进行实时监测与控制,实现远距离实时掌控设备运行状态的功能,保证系统正常运行。但是,HEPS的数千台磁铁电源分布在各个位置。在设备运行过程中,自然损耗或者意外事件会使设备的性能发生一定的变化,会出现故障。而故障检测是一项耗时、费力的工作,需要操作人员人工对系统进行监控查修,运维人员只能实施事后维修、非计划停机,并承担巨额维修费用和生产损失,也会影响科研工作人员的工作进展。
因此,目前亟需一种能够针对磁铁电源的故障情况进行高效识别检测的方法或系统。
发明内容
鉴于上述问题,本发明提出了一种高能同步辐射光源磁铁电源故障识别系统,该系统能够实现实时的识别出现故障的磁铁电源节点,并且识别过程全自动完成无需人工参与,识别效率高。
本申请通过本申请的一实施例提供如下技术方案:
一种高能同步辐射光源磁铁电源故障识别系统,包括:数字电源采集模块,通信模块、边缘计算平台模块,所述数字电源采集模块与所述通信模块连接,所述通信模块与所述边缘计算平台模块连接,所述存储模块与边缘计算平台模块连接,其中,
所述数字电源采集模块,用于采集高能物理加速器中多个节点的实时的状态数据;其中,一个所述节点表示一个磁铁电源;
所述通信模块,用于将所述状态数据传输给所述边缘计算平台模块;
所述边缘计算平台模块,用于根据所述多个节点的状态数据,获得特征矩阵;其中,所述特征矩阵由每个所述节点的ID与每个所述节点的状态数据组成,所述状态数据随时间而更新;
所述边缘计算平台模块,还用于根据当前时刻的特征矩阵与上一时刻的特征矩阵,对所述多个节点的状态数据进行单层布尔关联规则运算,获得电源状态矩阵;其中,所述电源状态矩阵中的每个元素表示当前时刻采集的状态数据相对于上一时刻采集的状态数据的波动大小;
所述边缘计算平台模块,还用于监测所述特征矩阵中每个状态数据的数据变化,当所述状态数据变化时,获得数据变化量;
所述边缘计算平台模块,还用于根据所述数据变化量确定所述多个节点中是否存在故障节点;若是,则根据所述电源状态矩阵从所述多个节点中,确定故障的源节点。
可选的,所述数字电源采集模块为星型拓补结构。
可选的,每个所述节点的状态数据包括:电压、电流、磁场强度和板卡温度。
可选的,所述特征矩阵为N×ID×4矩阵;其中,N×ID×4表示具有N个节点,每个节点采用对应的ID表示,每个ID均对应有电压、电流、磁场强度和板卡温度。
可选的,所述通信模块包括:光电转换单元、边缘PC电源控制单元;所述光电转换单元分别与所述数字电源采集模块、所述边缘PC电源控制单元连接,所述边缘PC电源控制单元与所述边缘计算平台模块连接;其中,
所述光电转换单元,用于将所述数字电源采集模块采集的数字信号的状态数据编码为光信号的状态数据,并将所述光信号的状态数据传输给所述边缘PC电源控制单元;
所述边缘PC电源控制单元,用于将当前每个节点的所述状态数据进行汇总打包,并将打包后的所述状态数据发送给所述边缘计算平台模块。
可选的,还包括:显示模块;所述通信模块还包括:控制网单元;所述控制网单元分别与所述边缘PC电源控制单元、所述显示模块连接;
所述控制网单元,用于将所述状态数据分发给所述显示模块;
所述显示模块,用于将所述状态数据进行曲实时的线图形显示。
可选的,所述数据变化量包括第一方差,所述边缘计算平台模块,还具体用于:
根据K-Means算法,获得所述节点启动前所述特征矩阵的第一方差;
判断所述第一方差是否超过预设的第一阈值;
若是,则确定所述多个节点中存在故障节点。
可选的,所述数据变化量包括第二方差,所述边缘计算平台模块,还具体用于:
根据K-Means算法,获得所述节点启动后所述特征矩阵的第二方差;
判断所述第二方差是否超过预设的第二阈值;
若是,则确定所述多个节点中存在故障节点。
可选的,所述边缘计算平台模块,还具体用于:
根据Apriori算法、当前时刻的特征矩阵以及上一时刻的特征矩阵,对所述多个节点的状态数据进行单层布尔关联规则运算,获得电源状态矩阵。
可选的,还包括:数据存储模块;所述数据存储模块分别与所述通信模块、所述边缘计算平台模块连接;
所述数据存储模块,用于所述数据存储模块分别与所述通信模块、所述边缘计算平台模块连接;所述数据存储模块,用于存储所述状态数据以及所述源节点。
本发明实施中提供的一种高能同步辐射光源磁铁电源故障识别系统,包括:数字电源采集模块,通信模块以及边缘计算平台模块,数字电源采集模块与通信模块连接,通信模块与边缘计算平台模块连接。其中,通过数字电源采集模块采集高能同步辐射光源磁铁电源中多个节点的实时的状态数据,可实时的获取磁铁电源的工作状态;然后,由通信模块将所述状态数据传输给边缘计算平台模块;边缘计算平台模块根据多个节点的状态数据,获得特征矩阵,特征矩阵由每个节点的ID与每个节点的状态数据组成,状态数据随时间而更新;最后,由边缘计算平台模块进行计算和识别故障节点,具体的,根据当前时刻的特征矩阵与上一时刻的特征矩阵,对多个节点的状态数据进行单层布尔关联规则运算,获得电源状态矩阵;电源状态矩阵中的每个元素表示当前时刻采集的状态数据相对于上一时刻采集的状态数据的波动大小;监测特征矩阵中每个状态数据的数据变化,当状态数据变化时,获得数据变化量;根据数据变化量确定多个节点中是否存在故障节点;若是,则根据电源状态矩阵从多个节点中,确定故障的源节点。采用本发明中的基于边缘计算的磁铁电源故障识别系统能够实时的识别出现故障的磁铁电源节点,并且识别过程全自动完成无需人工参与,识别效率高。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明较佳实施例提供的一种高能同步辐射光源磁铁电源故障识别系统的结构示意图;
图2示出了本发明较佳实施例中的实现基于边缘计算的磁铁电源故障识别系统的具体架构示意图;
图3示出了本发明较佳实施例中承载图2中的具体架构的硬件结构示意图;
图4示出了本发明较佳实施例中EPICS IOC的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
高能同步辐射光源磁铁电源设备数据非常珍贵,伴随着电源设备常年不断地运行,生产数据不断累积,如果不对这些数据进行有效的利用会造成严重的浪费。基于数据驱动的故障诊断方法正是在获得采集的大量历史生产数据后,对数据进行一系列的预处理工作,在没有先验知识的情况下利用统计方法挖掘隐藏在数据中可以表征设备运行状态的特征,发现特征与故障之间的线性或非线性关系,最后进行建模从而达到诊断故障的目的。
与此同时,通信技术和计算机技术在近些年得到飞速发展,物联网和大数据为基于数据驱动方式的故障诊断提供了新的发展契机。可以方便且快速地获取到设备数据,无论设备的构造是否复杂,利用这种方法只需要获取设备工作的历史数据和对应的工作状态即可。因此这种方法提供了一种普适诊断框架,同时机器学习和深度学习的发展为发现数据和问题之间的联系提供了强大的数学模型,可以显著提高设备故障诊断的正确性。此外,边缘计算是一种新的计算模式,是在现今云计算的模式下发展出来的。云计算通过将数据传输到云端,利用云端部署的应用去计算,计算完成好再将计算结果传回各个设备,这样用户就不必关注环境及硬件条件等问题。但是在磁铁电源系统中,接入网络的设备数以千计,将产生海量的数据,如果这些数据都直接回传给云端服务器,将产生很大的带宽和延迟,同时处理海量数据的安全性也难以得到保证。与云计算不同,边缘计算将数据存储在本地,这就从根本上解决了安全性问题。此外,边缘计算的处理更接近数据源,将云数据中心的处理任务卸载到网络的边缘,在靠近用户侧提供数据计算、查询、挖掘、存储和通信服务,仅将处理完的数据传到云中心,大大缩减了由数据传输速度和带宽限制带来的延时,云中心的处理数据压力将得到显著缓解,可适用于大规模的机器通信场景。
基于上述背景,本发明中提出了下述的一种高能同步辐射光源磁铁电源故障识别系统。该系统可用于对磁铁电源的状态数据进行采集,并根据采集的状态数据进行分析和判断识别出磁铁电源中出现故障的节点。本发明提供的基于边缘计算的磁铁电源故障识别系统的具体说明详见下述的实施例。
请参见图1,示出了本发明实施例提供的一种高能同步辐射光源磁铁电源故障识别系统100的结构示意图。该基于边缘计算的磁铁电源故障识别系统100,包括:数字电源采集模块101,通信模块102以及边缘计算平台模块103,数字电源采集模块101与通信模块102连接,通信模块102与边缘计算平台模块103连接。需要说明的是,本实施例中各个模块或单元之间的连接均为通信连接或电连接。
数字电源采集模块101,用于采集高能物理加速器中多个节点的实时的状态数据;其中,一个节点表示一个磁铁电源。
具体的,可通过一数字电源控制器实现数字电源采集模块101的功能。在采集到每一个磁铁电源的状态数据时,将状态数据进行数模转换。状态数据至少包括:电压、电流、磁场强度和板卡温度。其中,板卡温度可以磁铁电源的主板温度为准。当所有节点的状态数据被采集之后汇聚到一起进行传输,可以4×4矩阵形式进行传输;其中,每个节点的状态数据均应当对应有其对应节点的唯一标识信息。标识信息可为节点的ID(Identity document,身份证标识号)、节点的物理地址、节点的唯一设备序列号,等等。进一步的,本实施例中可通过星型拓扑结构对每个节点的状态数据进行采集;这种方式结构简单,链接方便,对于高能光源的磁铁电源管理和维护都相对容易,而且扩展性强;对于网络延迟时间小,传输误差低。能有效地对采集后的状态数据进行类型转换整理、状态分析及合理分类存储,还有利于后续边缘PC电源控制单元的上层架构使用及操作。
通信模块102,用于将状态数据传输给边缘计算平台模块103。
具体的,通信模块102包括:光电转换单元、边缘PC电源控制单元以及控制网单元;光电转换单元分别与数字电源采集模块101、边缘PC电源控制单元连接,边缘PC电源控制单元与边缘计算平台模块103连接,控制网单元与边缘PC电源控制单元连接。另外,控制网单元还可连接一显示模块,通过显示模块可将。其中,光电转换单元用于将数字电源采集模块101采集的数字信号的状态数据编码为光信号的状态数据,并将光信号的状态数据传输给边缘PC电源控制单元;光电转换单元与数字电源采集模块101之间的数据传输均可采用串口通信协议。边缘PC电源控制单元可为在嵌入式Linux系统上建立的处理单元,用于将当前每个节点的状态数据进行汇总打包,并将打包后的状态数据发送给边缘计算平台模块103。控制网单元,用于将状态数据分发给所述显示模块;另外,控制网单元还用于对本实施例系统中的各种信息进行分发处理,例如,对边缘计算平台模块103、边缘PC电源控制单元等产生的数据进行分发,分发至数据存储模块104,报警模块等等。
显示模块,用于将状态数据进行曲实时的线图形显示;由于数字电源采集模块101采集的为实时的状态数据,因此可将状态数据通过显示模块进行实时的显示;为了便于观察数据的变化,可通过曲线/折线图形的方式进行显示。例如,电压、电流、磁场强度和板卡温度分别各自对应一个曲线/折线图形,共显示4个曲线/折线图形。
边缘计算平台模块103,可部署在一具有处理器的设备上。处理器型号可为:Atlas200。具体设备可为一微型电脑平台,该微型电脑平台还可包括:存储模块、USB(UniversalSerial Bus,通用串行总线)接口、通信接口、电池、散热风扇、等等。
具体的,本实施中边缘计算平台模块103用于:
用于根据多个节点的状态数据,获得特征矩阵;其中,特征矩阵由每个节点的ID与每个节点的状态数据组成,状态数据随时间而更新;还用于根据当前时刻的特征矩阵与上一时刻的特征矩阵,对多个节点的状态数据进行单层布尔关联规则运算,获得电源状态矩阵;其中,电源状态矩阵中的每个元素表示当前时刻采集的状态数据相对于上一时刻采集的状态数据的波动大小;还用于监测特征矩阵中每个状态数据的数据变化,当状态数据变化时,获得数据变化量;还用于根据数据变化量确定多个节点中是否存在故障节点;若是,则根据电源状态矩阵从多个节点中,确定故障的源节点。
进一步的,为了便于进行数据分析,本实施例中特征矩阵可为N×ID×4矩阵。其中,N×ID×4表示具有N个节点,每个节点采用对应的ID表示,每个ID均对应有电压、电流、磁场强度和板卡温度。
本实施例中,数据变化量包括第一方差和第二方差。第一方差用于判断节点启动前的状态是否正常,第二方差用于判断节点启动后的状态是否正常。第一方差和第二方差可包括所有节点的电压的方差、所有节点的电流的方差、所有节点的磁场强度的方差以及所有节点的板卡温度的方差;通过方差就可确定每个节点状态的运行情况,并且至少可以判断出4类故障,分别为电流、电压、磁场强度以及板卡温度分别对应的故障。
为了便于对状态数据进行归类和计算,本实施例中采用K-Means算法进行迭代计算,且在迭代结束时获得每个类别对应的方差,可降低计算量,提高了效率。具体的:
边缘计算平台模块103,还具体用于:根据K-Means算法,获得节点启动前特征矩阵的第一方差;判断第一方差是否超过预设的第一阈值;若是,则确定多个节点中存在故障节点。边缘计算平台模块103,还具体用于:根据K-Means算法,获得节点启动后特征矩阵的第二方差;判断第二方差是否超过预设的第二阈值;若是,则确定多个节点中存在故障节点。
当每个节点正常工作的时候,第一方差和第二方差应当均在一定的合理范围内波动。若当节点故障时,节点的状态数据将会出现较大的波动,第一方差或第二方差就会超出正常的波动范围。因此,第一方差/第二方差超出了第一阈值/第二阈值就可判断节点出现故障。
本实施例中,电源状态矩阵的获取可通过Apriori算法进行计算,具体的,根据Apriori算法,对多个节点的当前时刻的特征矩阵以及上一时刻的特征矩阵中的状态数据进行单层布尔关联规则运算,获得电源状态矩阵,也即获得当前时刻的每个状态数据与上一时刻之间的波动大小。本实施例中的单层布尔关联规则运算为减法运算。进一步的,可通过设置第三阈值的方式来识别出现故障的节点。具体的,第三阈值可为与电源状态矩阵相同大小的矩阵;当确定存在节点故障时,则对电源状态矩阵中的元素与第三阈值中对应位置的每个值进行大小判断。当电源状态矩阵中出现大于第三阈值中对应位置值的目标元素时,则确定出故障的源节点。源节点为目标元素对应的节点。
另外,第三阈值也可为分别设置的4类阈值,包括:电压阈值、电流阈值、磁场强度阈值以及温度阈值。在进行源节点判断时,可将电源状态矩阵中对应位置的元素分别与电压阈值、电流阈值、磁场强度阈值以及温度阈值进行比对。当超过第三阈值时,则确定为源节点。本实施例中源节点可为一个或多种,不做限制。
本实施例的系统还包括数据存储模块104;数据存储模块104分别与通信模块102、边缘计算平台模块103连接;数据存储模块104,可用于存储状态数据以及源节点。此外,还可用于存储边缘计算平台模块103计算过程中产生的各种数据。
数据存储模块104可为本地数据库或云端数据库,即包括本地存储和云端存储。状态数据等可整合为子目录形式的结构存储。数据存储模块104亦可包括Cassandra、Bigtable、Hadoopdb、Megastore、Dynamo等结构化存储系统。
通过数据存储模块104,提供本地关系数据库和结构化存储,对于电源数据分析处理结果全部整合为子目录形式的结构存储。本发明能够实现高能同步辐射光源自动控制、自我学习、自我诊断的边缘化计算,减小云中心数据处理压力。
本实施例的系统还可包括一报警模块,当出现故障的节点时,系统可生成报警指令并传输给报警模块进行报警,以提醒工作人员进行检修,避免造成更大损失。
如图2所示,本实施例中还提供了一种实现本实施例系统的具体架构以及该系统的工作流程。其中,Atlas200边缘计算平台上电后,系统启动,包括启动边缘PC电源控制单元以及边缘计算平台模块103。进一步的,进入初始化或者设定模式,之后系统开始进入自检模式,对USB接口、Micro SD、40Pin IO、按键、、算法模块、风扇、存储模块、网络接口、通信接口、POWER(电源接口)等内、外设备进行软、硬件自检。自检无误后系统进入工作模式。本地PC(Personal Computer,个人计算机)部分搭建起来EPICS(Experimental Physics andIndustrial Control System,实验物理与工业控制系统)环境,建立EPICS IOC(Experimental Physics and Industrial Control System Input Output Controller,实验物理与工业控制系统输入输出控制器)并进行通讯测试,通讯完成等待操作人员操作。
其中,基于分布式标准的EPICS结构包括两部分:IOC(Input Output Controller,输入输出控制器)层和OPI(Operator Interface,操作员接口)层。IOC层又可以细分为6层:通道访问(CA)服务器接口、数据库访问接口、动态数据库、记录支持模块、设备支持模块、设备驱动器。OPI层可以细分为两层:通道访问(CA)客户接口和应用软件。
EPICS IOC是指运行在作为服务器的前端计算机上的I/O控制模块,每个IOC而易于任意多个CA客户端建立连接。IOC包含多个EPICS支持的软件模块,包括IOC数据库(IOCDatabase)、数据库通道(Database Access)、扫描器(Scanners)、记录支持(RecordSupport)、设备支持(Device Support)、设备驱动(Device Drivers)、通道访问(ChannelAccess)、监视器(Monitors)和Sequencer,其结构示意图如图4所示.
系统进入工作模式后,检测是否有采集到的磁铁电源的状态数据到来,若无则系统进入待机模式,等待系统唤醒。此时,系统关闭算法运算、云端和本地存储等软件功能,系统处于休眠状态各个并行算法模块全部休眠,系统仅保留唤醒检测功能。无状态数据进入处于待机模式有利于节省消耗,提高系统的使用寿命。当系统被唤醒之后,针对传输进来的状态数据进行常规数据记录、数据挖掘、故障分析、数据存储等操作;输出数据由科研人员根据实际情况来制定,如需要分析故障数据,利用K均值聚类算法进行迭代求解,可参照前述说明。
系统还可对所取得的数据进行关联融合。本实施例中主要使用线性方法和非线性方法两种方法进行关联融合,用于判断电源系统是否有故障存在。其中线性方法包括主成分分析法(principal components analysis,PCA),线性判别分析法(lineardiscriminant analysis,LAD),多维尺度法(Multidimensional scaling,MDS);非线性方法包括核主成分分析(Kernel principal component analysis,KPCA),核判别分析(kernel discriminant analysis,KDA),流型学习。此分析过程优点在于可以快速判别磁铁电源是否有故障,若有故障则通知科研人员及时处置,防止下一步骤造成更多损失。
针对故障判断完成之后,系统重启内部算法,对故障数据再次做数据挖掘,确定表征设备状态是否正常;此步骤的优点在于能够对故障数据利用人工智能算法进行处理,可以根据科研人员定制得到想要的分析结果。对存在的磁铁电源状态、故障数据做打包的和上传处理,其中本地打包部分可以本地存储也可以通过USB接口输出,另外一部分把分析结果上传至云端;此步骤好处在于数据备份,本地包括USB接口输出及云端可以实现数据灾难备份,保障系统运行稳定性及安全性。本地存储和云端分别进行结构化故障分析排列,对于磁铁电源的健康状态出具可视化故障报告,主要包含磁铁电源的数据特征、故障类型。可视化故障报告可以使出现的问题表现更直观,优于传统文字报告。针对工作中磁铁电源的状态、历史的状态数据和故障数据做进一步算法分析,确定故障根源,做出状态分析、寿命分析,给出管理员故障原因和位置。系统电量不足或意外断电,系统会终止当前操作,并记录工作日志,下次启动后按照工作日志恢复至上次中断的工作节点继续执行未完成部分,工作日志自动在本地存储。
进一步的,本实施例中还提供一种承载上述架构的硬件结构,如图3所示。其中,Atlas 200平台1,连接所有接口、存储设备和电源;内置备用电池2,用于系统供电,连接系统板和电源接口;电源接口3,连接开关和内置备用电池2;指示灯4,用于显示系统开机状态和异常情况警示;USB接口5,可用于数据传输和报告单存储;网络接口6,用于边缘计算结果上传至中控室;-Micro SD 7,用于存储;I2C接口8,用于控制相关外围传感设备;系统升级调试接口9,用于系统和定制开发调试;报告输出按键10,按下可从USB接口5输出故障报告;主页按键11外接显示模块,如屏幕,按下可见系统菜单;触摸开关12,轻触开启系统,长按关闭整个系统电源,连接系统板和充电接口3;散热风扇13,用于系统散热和连接系统板;转换板接口14,用于外接多种通信协议的集合器,还用于电源数据采集;通信接口15,用于跟云端通信传输边缘计算平台模块103的相关数据。
综上所述,本实施中提供的一种高能同步辐射光源磁铁电源故障识别系统,包括:数字电源采集模块,通信模块以及边缘计算平台模块,数字电源采集模块与通信模块连接,通信模块与边缘计算平台模块连接。其中,通过数字电源采集模块采集高能物理加速器中多个节点的实时的状态数据,可实时的获取磁铁电源的工作状态;然后,由通信模块将所述状态数据传输给边缘计算平台模块;边缘计算平台模块根据多个节点的状态数据,获得特征矩阵,特征矩阵由每个节点的ID与每个节点的状态数据组成,状态数据随时间而更新;最后,由边缘计算平台模块进行计算和识别故障节点,具体的,根据当前时刻的特征矩阵与上一时刻的特征矩阵,对多个节点的状态数据进行单层布尔关联规则运算,获得电源状态矩阵;电源状态矩阵中的每个元素表示当前时刻采集的状态数据相对于上一时刻采集的状态数据的波动大小;监测特征矩阵中每个状态数据的数据变化,当状态数据变化时,获得数据变化量;根据数据变化量确定多个节点中是否存在故障节点;若是,则根据电源状态矩阵从多个节点中,确定故障的源节点。采用本实施例的基于边缘计算的磁铁电源故障识别系统能够实时的识别出现故障的磁铁电源节点,并且识别过程全自动完成无需人工参与,识别效率高。同时,还解决传统HEPS电源需要将海量数据传输上传到云端计算问题,本地化的边缘计算平台使数据更为接近数据源,减小云中心数据处理压力,实现本地化的数据计算、查询、挖掘、存储和通信服务,从而更好地服务于HEPS磁铁电源控制系统,有助于降低硬件成本。
本发明提供的系统集成的功能模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例的系统中的一些功能也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统中对应模块的功能。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种高能同步辐射光源磁铁电源故障识别系统,其特征在于,包括:数字电源采集模块,通信模块以及边缘计算平台模块,所述数字电源采集模块与所述通信模块连接,所述通信模块与所述边缘计算平台模块连接,其中,
所述数字电源采集模块,用于采集高能物理加速器中多个节点的实时的状态数据;其中,一个所述节点表示一个磁铁电源;
所述通信模块,用于将所述状态数据传输给所述边缘计算平台模块;
所述边缘计算平台模块,用于根据所述多个节点的状态数据,获得特征矩阵;其中,所述特征矩阵由每个所述节点的ID与每个所述节点的状态数据组成,所述状态数据随时间而更新;
所述边缘计算平台模块,还用于根据当前时刻的特征矩阵与上一时刻的特征矩阵,对所述多个节点的状态数据进行单层布尔关联规则运算,获得电源状态矩阵;其中,所述电源状态矩阵中的每个元素表示当前时刻采集的状态数据相对于上一时刻采集的状态数据的波动大小;
所述边缘计算平台模块,还用于监测所述特征矩阵中每个状态数据的数据变化,当所述状态数据变化时,获得数据变化量;
所述边缘计算平台模块,还用于根据所述数据变化量确定所述多个节点中是否存在故障节点;若是,则根据所述电源状态矩阵从所述多个节点中,确定故障的源节点。
2.根据权利要求1所述的系统,其特征在于,所述数字电源采集模块为星型拓补结构。
3.根据权利要求1所述的系统,其特征在于,每个所述节点的状态数据包括:电压、电流、磁场强度和板卡温度。
4.根据权利要求3所述的系统,其特征在于,所述特征矩阵为N×ID×4矩阵;其中,N×ID×4表示具有N个节点,每个节点采用对应的ID表示,每个ID均对应有电压、电流、磁场强度和板卡温度。
5.根据权利要求1所述的系统,其特征在于,所述通信模块包括:光电转换单元、边缘PC电源控制单元;所述光电转换单元分别与所述数字电源采集模块、所述边缘PC电源控制单元连接,所述边缘PC电源控制单元与所述边缘计算平台模块连接;其中,
所述光电转换单元,用于将所述数字电源采集模块采集的数字信号的状态数据编码为光信号的状态数据,并将所述光信号的状态数据传输给所述边缘PC电源控制单元;
所述边缘PC电源控制单元,用于将当前每个节点的所述状态数据进行汇总打包,并将打包后的所述状态数据发送给所述边缘计算平台模块。
6.根据权利要求5所述的系统,其特征在于,还包括:显示模块;所述通信模块还包括:控制网单元;所述控制网单元分别与所述边缘PC电源控制单元、所述显示模块连接;
所述控制网单元,用于将所述状态数据分发给所述显示模块;
所述显示模块,用于将所述状态数据进行曲实时的线图形显示。
7.根据权利要求1所述的系统,其特征在于,所述数据变化量包括第一方差,所述边缘计算平台模块,还具体用于:
根据K-Means算法,获得所述节点启动前所述特征矩阵的第一方差;
判断所述第一方差是否超过预设的第一阈值;
若是,则确定所述多个节点中存在故障节点。
8.根据权利要求1所述的系统,其特征在于,所述数据变化量包括第二方差,所述边缘计算平台模块,还具体用于:
根据K-Means算法,获得所述节点启动后所述特征矩阵的第二方差;
判断所述第二方差是否超过预设的第二阈值;
若是,则确定所述多个节点中存在故障节点。
9.根据权利要求1所述的系统,其特征在于,所述边缘计算平台模块,还具体用于:
根据Apriori算法、当前时刻的特征矩阵以及上一时刻的特征矩阵,对所述多个节点的状态数据进行单层布尔关联规则运算,获得电源状态矩阵。
10.根据权利要求1所述的系统,其特征在于,还包括:数据存储模块;所述数据存储模块分别与所述通信模块、所述边缘计算平台模块连接;
所述数据存储模块,用于存储所述状态数据以及所述源节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928077.0A CN112234707B (zh) | 2020-09-07 | 2020-09-07 | 一种高能同步辐射光源磁铁电源故障识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928077.0A CN112234707B (zh) | 2020-09-07 | 2020-09-07 | 一种高能同步辐射光源磁铁电源故障识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112234707A true CN112234707A (zh) | 2021-01-15 |
CN112234707B CN112234707B (zh) | 2022-06-17 |
Family
ID=74116044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010928077.0A Active CN112234707B (zh) | 2020-09-07 | 2020-09-07 | 一种高能同步辐射光源磁铁电源故障识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112234707B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113141055A (zh) * | 2021-03-05 | 2021-07-20 | 南方电网深圳数字电网研究院有限公司 | 基于配电网的数据采集终端、系统及数据采集方法 |
CN114257785A (zh) * | 2021-12-13 | 2022-03-29 | 山东电工电气集团有限公司 | 一种基于边缘计算的视频处理方法 |
CN118061839A (zh) * | 2024-04-19 | 2024-05-24 | 成都智邦科技有限公司 | 一种基于信息监控的充电桩充电控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170048308A1 (en) * | 2015-08-13 | 2017-02-16 | Saad Bin Qaisar | System and Apparatus for Network Conscious Edge to Cloud Sensing, Analytics, Actuation and Virtualization |
EP3539728A1 (en) * | 2018-03-17 | 2019-09-18 | Tata Consultancy Services Limited | System and method for fault detection in robotic actuation |
CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
CN110505288A (zh) * | 2019-08-02 | 2019-11-26 | 南京英锐祺科技有限公司 | 一种输电网络的监控方法及系统 |
CN110797978A (zh) * | 2019-10-31 | 2020-02-14 | 国网河北省电力有限公司电力科学研究院 | 一种具备边缘计算能力的智能站所终端及故障判别方法 |
CN110830943A (zh) * | 2019-11-06 | 2020-02-21 | 湖南银河电气有限公司 | 一种基于边缘计算和大数据分析的设备状态监测系统 |
CN111064223A (zh) * | 2019-12-20 | 2020-04-24 | 远光软件股份有限公司 | 一种基于边缘计算的微电网电能质量控制系统及方法 |
CN111444169A (zh) * | 2020-03-30 | 2020-07-24 | 国网江苏省电力有限公司连云港市赣榆区供电分公司 | 一种变电站电气设备状态监测与诊断系统及方法 |
-
2020
- 2020-09-07 CN CN202010928077.0A patent/CN112234707B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170048308A1 (en) * | 2015-08-13 | 2017-02-16 | Saad Bin Qaisar | System and Apparatus for Network Conscious Edge to Cloud Sensing, Analytics, Actuation and Virtualization |
EP3539728A1 (en) * | 2018-03-17 | 2019-09-18 | Tata Consultancy Services Limited | System and method for fault detection in robotic actuation |
CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
CN110505288A (zh) * | 2019-08-02 | 2019-11-26 | 南京英锐祺科技有限公司 | 一种输电网络的监控方法及系统 |
CN110797978A (zh) * | 2019-10-31 | 2020-02-14 | 国网河北省电力有限公司电力科学研究院 | 一种具备边缘计算能力的智能站所终端及故障判别方法 |
CN110830943A (zh) * | 2019-11-06 | 2020-02-21 | 湖南银河电气有限公司 | 一种基于边缘计算和大数据分析的设备状态监测系统 |
CN111064223A (zh) * | 2019-12-20 | 2020-04-24 | 远光软件股份有限公司 | 一种基于边缘计算的微电网电能质量控制系统及方法 |
CN111444169A (zh) * | 2020-03-30 | 2020-07-24 | 国网江苏省电力有限公司连云港市赣榆区供电分公司 | 一种变电站电气设备状态监测与诊断系统及方法 |
Non-Patent Citations (2)
Title |
---|
WENJIE HUO: "Research on Distributed Power Distribution Fault Detection Based on Edge Computing", 《IEEE ACCESS》 * |
张碧辉等: "基于物联网信息集成的高压开关柜运行状态在线综合监测系统研究", 《电子设计工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113141055A (zh) * | 2021-03-05 | 2021-07-20 | 南方电网深圳数字电网研究院有限公司 | 基于配电网的数据采集终端、系统及数据采集方法 |
CN114257785A (zh) * | 2021-12-13 | 2022-03-29 | 山东电工电气集团有限公司 | 一种基于边缘计算的视频处理方法 |
CN118061839A (zh) * | 2024-04-19 | 2024-05-24 | 成都智邦科技有限公司 | 一种基于信息监控的充电桩充电控制方法 |
CN118061839B (zh) * | 2024-04-19 | 2024-06-18 | 成都智邦科技有限公司 | 一种基于信息监控的充电桩充电控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112234707B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112234707B (zh) | 一种高能同步辐射光源磁铁电源故障识别系统 | |
CN102449567B (zh) | 作为用于装备健康状况监视服务的基础的云计算 | |
US10211778B2 (en) | Photovoltaic power generation system and malfunction detection method therefor | |
US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
US20160203036A1 (en) | Machine learning-based fault detection system | |
CN102032115A (zh) | 用于分析报告数据的系统和方法 | |
CN113931258B (zh) | 自我诊断方法和无负压叠压供水设备 | |
CN108063699A (zh) | 网络性能监控方法、装置、电子设备、存储介质 | |
CN103425093B (zh) | 生产工厂中故障状态自动恢复的方法和系统 | |
CN105627528A (zh) | 用于冷站群控系统的报警方法 | |
CN105391800A (zh) | 基于“互联网+”医疗设备故障自检与修复系统 | |
Wang et al. | Sensor network based oilwell health monitoring and intelligent control | |
CN112308300A (zh) | 一种大型电子产品状态预测管理系统 | |
Cachada et al. | Using internet of things technologies for an efficient data collection in maintenance 4.0 | |
CN112445583A (zh) | 任务管理方法、任务管理系统、电子设备、存储介质 | |
KR20060057131A (ko) | 지능형 플랜트 정보시스템 | |
CN110412524A (zh) | 一种风廓线雷达标准输出控制器系统 | |
CN111509855A (zh) | 一种多功能数字化、互联网开关电源及其控制方法 | |
CN102480396A (zh) | 一种服务器系统及其连接方法 | |
CN114837902B (zh) | 一种风电机组健康度评估方法、系统、设备和介质 | |
CN107250931A (zh) | 能源服务推荐引擎 | |
CN114387123B (zh) | 数据采集管理方法 | |
CN116227676A (zh) | 生产设备能耗分析方法、装置、电子设备及存储介质 | |
CN103676835A (zh) | 基于云计算的石化装置安全监测与辅助操作方法 | |
CN107121616B (zh) | 一种用于对智能仪表进行故障定位的方法和装置 |
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 |