CN112628089A - 异常监控方法、系统、平台、电子设备及存储介质 - Google Patents
异常监控方法、系统、平台、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112628089A CN112628089A CN202011613730.0A CN202011613730A CN112628089A CN 112628089 A CN112628089 A CN 112628089A CN 202011613730 A CN202011613730 A CN 202011613730A CN 112628089 A CN112628089 A CN 112628089A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- abnormal
- components
- component
- algorithm
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种异常监控方法、系统、平台、电子设备及存储介质。其中,异常监控方法应用于目标装置,目标装置包括多个部件;异常监控方法包括:分别获取多个部件的监测数据;将获取到的多个部件的监测数据输入整合算法,以判断目标装置是否发生异常,其中,整合算法通过根据多个部件之间的关联整合多个部件监测算法得到,部件监测算法与部件一一对应并用于在判断对应部件发生异常时输出部件异常结果;若是,则输出异常整合结果,其中,异常整合结果包括若干部件异常结果以及若干部件异常结果之间的关联。本发明基于多个部件的监测数据的多输入,实现了异常整合结果的单输出,实现了针对装置的全面而清晰的监控。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种异常监控方法、系统、平台、电子设备及存储介质。
背景技术
装置的安全稳定运行,往往需要对其所包括的部件进行监控,但是当前,各个需要进行监控的部件都有各自独立的一套监控系统。如此,各个部件的监控系统相互独立,彼此之间缺乏数据交互,也就仅能实现针对单个部件的监控,也就无法实现针对装置的全面监控。
发明内容
本发明要解决的技术问题是为了克服现有技术中装置内部部件的监控系统相互独立而无法实现针对装置的全面监控的缺陷,提供一种异常监控方法、系统、平台、电子设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题:
一种异常监控方法,所述异常监控方法应用于目标装置,所述目标装置包括多个部件;所述异常监控方法包括:
分别获取所述多个部件的监测数据;
将获取到的多个部件的监测数据输入整合算法,以判断所述目标装置是否发生异常,其中,所述整合算法通过根据所述多个部件之间的关联整合多个部件监测算法得到,所述部件监测算法与所述部件一一对应并用于在判断对应部件发生异常时输出部件异常结果;
若是,则输出异常整合结果,其中,所述异常整合结果包括若干部件异常结果以及所述若干部件异常结果之间的关联。
较佳地,所述将获取到的多个部件的监测数据输入整合算法的步骤包括:
根据所述整合算法确定每一部件对应的变量与变量类型;
将每一部件的监测数据转换成对应的变量类型后赋值到对应的变量中。
较佳地,在所述输出异常整合结果的步骤之后还包括:
将所述异常整合结果共享至外部装置;
和/或,
所述目标装置包括风力发电机组。
一种异常监控系统,所述异常监控系统应用于目标装置,所述目标装置包括多个部件;所述异常监控系统包括:
获取模块,用于分别获取所述多个部件的监测数据;
判断模块,用于将获取到的多个部件的监测数据输入整合算法,以判断所述目标装置是否发生异常,其中,所述整合算法通过根据所述多个部件之间的关联整合多个部件监测算法得到,所述部件监测算法与所述部件一一对应并用于在判断对应部件发生异常时输出部件异常结果;
输出模块,用于在所述判断模块判断为是时,输出异常整合结果,其中,所述异常整合结果包括若干部件异常结果以及所述若干部件异常结果之间的关联。
较佳地,所述判断模块包括:
确定单元,用于根据所述整合算法确定每一部件对应的变量与变量类型;
赋值单元,用于将每一部件的监测数据转换成对应的变量类型后赋值到对应的变量中。
较佳地,所述异常监控系统还包括:
共享模块,用于将所述异常整合结果共享至外部装置;
和/或,
所述目标装置包括风力发电机组。
一种异常监控平台,包括电连接的接口电路与处理器电路;其中:
所述接口电路用于向所述处理器电路传输多个部件对应的部件监测传感器采集到的监测数据;
所述处理器电路包括上述任一种异常监控系统。
较佳地,所述接口电路包括数字量采集通道、模拟量采集通道、通讯类数据采集通道中的至少一种。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种异常监控方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种异常监控方法的步骤。
本发明的积极进步效果在于:本发明基于装置内部多个部件之间的关联来整合针对单一部件的部件监测算法,使得不同部件对应的监测数据能够共享,并且不同部件对应的部件监测算法能够相互支撑、相互验证,并实现了不同部件的监测数据之间的交互,具体地,本发明基于多个部件的监测数据的多输入,实现了异常整合结果的单输出,较之仅针对单个部件的部件异常结果,本发明输出的异常整合结果中不仅包含了装置内部的所有部件异常结果,还包含了各个部件异常结果之间的关联,实现了针对装置的全面而清晰的监控。
附图说明
图1为根据本发明实施例1的异常监控方法的流程图。
图2为根据本发明实施例2的异常监控系统的模块示意图。
图3为根据本发明实施例3的异常监控平台的模块示意图。
图4为根据本发明实施例3的异常监控平台中数字量接入电路的电路结构示意图。
图5为根据本发明实施例4的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种应用于目标装置的异常监控方法,以确保目标装置的安全稳定运行,其中,目标装置包括多个部件。参照图1,本实施例的异常监控方法包括:
S1、分别获取多个部件的监测数据;
S2、将获取到的多个部件的监测数据输入整合算法,以判断目标装置是否发生异常;
若是,则执行步骤S3;
S3、输出异常整合结果。
在本实施例中,目标装置可以包括风力发电机组,风力发电机组中的部件例如可以包括发电机、叶片、塔架、紧固螺栓、CMS(Condition Monitoring System,状态监控系统)、油液组件等,相应地,用于采集这些部件的监测数据的部件监测传感器例如可以包括发电机监测传感器、叶片监测传感器、塔架监测传感器、紧固螺栓监测传感器、CMS传感器、油液监测传感器等,步骤S1中获取到的监测数据例如可以包括发电机监测数据、叶片监测数据、塔架监测数据、紧固螺栓监测数据、CMS监测数据、油液监测数据等。应当理解,本实施例并不旨在将目标装置限定为风力发电机组。
在本实施例中,部件对应的部件监测传感器采集到的监测数据存在与之匹配对应的用于判断该部件是否发生异常的部件监测算法,该部件监测算法在判断该部件发生异常时输出部件异常结果。例如,部件为风力发电机组中的塔筒时,塔筒位移处理算法(即,塔筒监测算法)用于根据塔筒位移传感器(即,塔筒监测传感器)采集到的位移数据(即,监测数据)来判断塔筒是否发生塔筒位移超限的异常,并在判断为是时输出塔筒位移超限的部件异常结果。
本实施例根据多个部件之间的关联整合多个部件监测算法以得到整合算法,并且整合算法用于在目标装置发生异常时输出异常整合结果,其中,异常整合结果包括若干部件异常结果以及若干部件异常结果之间的关联。具体地,本实施例基于多个部件之间的关联,将多个部件分别对应的部件监测算法加以交互,简言之,使得关联部件所对应的关联部件监测算法加以交互,使得关联部件监测算法相互支撑与相互验证,以提高整合算法输出的异常整合结果的全面性、有效性与可靠性,并在此基础上实现能够输出目标装置中所有发生异常的部件对应的部件异常结果及其彼此之间的关联的装置级别的异常监控,而非仅能够输出某一个部件的部件异常结果的单一部件级别的异常监控。其中,关联部件监测算法的整合交互方式可以根据实际应用自定义设置。
例如,部件为风力发电机组中的风轮、机舱与塔筒时,有风轮转速处理算法(即,风轮监测算法)用于判断风轮是否发生风轮超速的异常,机舱振动处理算法(即,机舱监测算法)用于判断机舱是否发生机舱振动超限的异常,塔筒位移处理算法(即,塔筒监测算法)用于判断塔筒是否发生塔筒位移超限的异常。基于风轮、机舱与塔筒之间的关联,对风轮转速处理算法、机舱振动处理算法与塔筒位移处理算法加以交互之后得到整合算法,并将风轮转速传感器(即,风轮监测传感器)、机舱振动传感器(即,机舱监测传感器)与塔筒位移传感器(即,塔筒监测传感器)采集到的监测数据输入该整合算法后,可以输出“由于风轮超速导致了机舱振动超限,同时引发了塔筒位置超限”这一综合性的装置级别的异常整合结果。
又例如,部件为风力发电机组中的叶片、塔架、螺栓与传动链时,有叶片监测算法用于判断叶片是否发生异常,有塔架监测算法用于判断塔架是否发生异常,有螺栓监测算法用于判断螺栓是否发生异常,有传动链监测算法用于判断传动链是否发生异常。基于叶片、塔架、螺栓与传动链之间的关联,对叶片监测算法、塔架监测算法、螺栓监测算法与传动链监测算法加以交互之后得到整合算法,并将叶片监测传感器、塔架监测传感器、螺栓监测传感器与传动链监测传感器采集到的监测数据输入该整合算法后,可以输出“塔架振动存在问题是由于风轮超速和/或传动链振动超限和/或塔筒紧固螺栓松动导致的”这一综合性的装置级别的异常整合结果。
较之现有技术中针对单个部件进行异常监控,而无法针对整个目标装置进行异常监控的单输入单输出的部件监测算法,本实施例中的整合算法实现了目标装置中多个部件对应的监测数据的共享以及多个部件对应的部件监测算法的交互、整合、支撑与验证,其以多个部件对应的部件监测传感器采集到的监测数据作为算法输入,能够从整体上为目标装置的运行与维护提供一个综合而全面的装置级别的异常整合结果。也即,将现有技术中由单个部件对应的监测数据与部件监测算法得出的单一信息“……存在问题”,丰富为由多个部件对应的监测数据与部件监测算法的交互得出的综合信息“由于……和/或……导致……存在问题”。
在本实施例中,步骤S2可以包括根据整合算法确定每一部件对应的变量与变量类型的步骤,以及将每一部件的监测数据转换成对应的变量类型后赋值到对应的变量中的步骤,其中,将部件监测传感器采集到的监测数据赋值到整合算法能够识别的对应变量的过程,即实现了统一接入的多个部件的监测数据的标准化。
具体地,在本实施例中,数字量的监测数据与布尔变量对应,模拟量的监测数据则按照其数据含义,也即,所表征的物理意义,解析到对应变量类型的变量中,其中,变量类型可以是INT、UINT、SINT、DINT、REAL、LREAL等,例如,模拟量的监测数据为风速时,其可以与整合算法中变量类型为REAL的一个变量对应。
参照图1,本实施例在步骤S3之后还可以包括:
S4、将异常整合结果共享至外部装置。
本实施例步骤S4中的异常整合结果可以从统一的数据接口经由OPC UA(OLE forProcess Control Unified Architecture,一种工业自动化标准的通讯接口协议)、ModbusTCP(Modbus Transmission Control Protocol,一种串行通信协议)等通讯协议共享至外部装置。具体地,在本实施例中,外部装置例如可以是本地控制系统、智能终端等。进一步地,当外部终端是智能终端时,智能终端还可以将接收到的异常整合结果共享至与之通讯连接的本地控制系统、远端服务器等,而远端服务器也可以将其接收到的异常整合结果共享至与之通讯连接的SCADA(Supervisory Control And Data Acquisition,数据采集与监视控制系统)、PHM(Prognostic and Health Management,故障预测与健康管理)等。
本实施例基于装置内部多个部件之间的关联来整合针对单一部件的部件监测算法,使得不同部件对应的监测数据能够共享,并且不同部件对应的部件监测算法能够相互支撑、相互验证,并实现了不同部件的监测数据之间的交互,具体地,本实施例基于多个部件的监测数据的多输入,实现了异常整合结果的单输出,较之仅针对单个部件的部件异常结果,本实施例输出的异常整合结果中不仅包含了装置内部的所有部件异常结果,还包含了各个部件异常结果之间的关联,实现了针对装置的全面而清晰的监控。
实施例2
本实施例提供一种应用于目标装置的异常监控系统,以确保目标装置的安全稳定运行,其中,目标装置包括多个部件。参照图2,本实施例的异常监控系统包括:
获取模块1,用于分别获取多个部件的监测数据;
判断模块2,用于将获取到的多个部件的监测数据输入整合算法,以判断目标装置是否发生异常;
输出模块3,用于在判断模块判断为是时,输出异常整合结果。
在本实施例中,目标装置可以包括风力发电机组,风力发电机组中的部件例如可以包括发电机、叶片、塔架、紧固螺栓、CMS(Condition Monitoring System,状态监控系统)、油液组件等,相应地,用于采集这些部件的监测数据的部件监测传感器例如可以包括发电机监测传感器、叶片监测传感器、塔架监测传感器、紧固螺栓监测传感器、CMS传感器、油液监测传感器等,获取模块1获取到的监测数据例如可以包括发电机监测数据、叶片监测数据、塔架监测数据、紧固螺栓监测数据、CMS监测数据、油液监测数据等。应当理解,本实施例并不旨在将目标装置限定为风力发电机组。
在本实施例中,部件对应的部件监测传感器采集到的监测数据存在与之匹配对应的用于判断该部件是否发生异常的部件监测算法,该部件监测算法在判断该部件发生异常时输出部件异常结果。例如,部件为风力发电机组中的塔筒时,塔筒位移处理算法(即,塔筒监测算法)用于根据塔筒位移传感器(即,塔筒监测传感器)采集到的位移数据(即,监测数据)来判断塔筒是否发生塔筒位移超限的异常,并在判断为是时输出塔筒位移超限的部件异常结果。
本实施例根据多个部件之间的关联整合多个部件监测算法以得到整合算法,并且整合算法用于在目标装置发生异常时输出异常整合结果,其中,异常整合结果包括若干部件异常结果以及若干部件异常结果之间的关联。具体地,本实施例基于多个部件之间的关联,将多个部件分别对应的部件监测算法加以交互,简言之,使得关联部件所对应的关联部件监测算法加以交互,使得关联部件监测算法相互支撑与相互验证,以提高整合算法输出的异常整合结果的全面性、有效性与可靠性,并在此基础上实现能够输出目标装置中所有发生异常的部件对应的部件异常结果及其彼此之间的关联的装置级别的异常监控,而非仅能够输出某一个部件的部件异常结果的单一部件级别的异常监控。其中,关联部件监测算法的整合交互方式可以根据实际应用自定义设置。
例如,部件为风力发电机组中的风轮、机舱与塔筒时,有风轮转速处理算法(即,风轮监测算法)用于判断风轮是否发生风轮超速的异常,机舱振动处理算法(即,机舱监测算法)用于判断机舱是否发生机舱振动超限的异常,塔筒位移处理算法(即,塔筒监测算法)用于判断塔筒是否发生塔筒位移超限的异常。基于风轮、机舱与塔筒之间的关联,对风轮转速处理算法、机舱振动处理算法与塔筒位移处理算法加以交互之后得到整合算法,并将风轮转速传感器(即,风轮监测传感器)、机舱振动传感器(即,机舱监测传感器)与塔筒位移传感器(即,塔筒监测传感器)采集到的监测数据输入该整合算法后,可以输出“由于风轮超速导致了机舱振动超限,同时引发了塔筒位置超限”这一综合性的装置级别的异常整合结果。
又例如,部件为风力发电机组中的叶片、塔架、螺栓与传动链时,有叶片监测算法用于判断叶片是否发生异常,有塔架监测算法用于判断塔架是否发生异常,有螺栓监测算法用于判断螺栓是否发生异常,有传动链监测算法用于判断传动链是否发生异常。基于叶片、塔架、螺栓与传动链之间的关联,对叶片监测算法、塔架监测算法、螺栓监测算法与传动链监测算法加以交互之后得到整合算法,并将叶片监测传感器、塔架监测传感器、螺栓监测传感器与传动链监测传感器采集到的监测数据输入该整合算法后,可以输出“塔架振动存在问题是由于风轮超速和/或传动链振动超限和/或塔筒紧固螺栓松动导致的”这一综合性的装置级别的异常整合结果。
较之现有技术中针对单个部件进行异常监控,而无法针对整个目标装置进行异常监控的单输入单输出的部件监测算法,本实施例中的整合算法实现了目标装置中多个部件对应的监测数据的共享以及多个部件对应的部件监测算法的交互、整合、支撑与验证,其以多个部件对应的部件监测传感器采集到的监测数据作为算法输入,能够从整体上为目标装置的运行与维护提供一个综合而全面的装置级别的异常整合结果。也即,将现有技术中由单个部件对应的监测数据与部件监测算法得出的单一信息“……存在问题”,丰富为由多个部件对应的监测数据与部件监测算法的交互得出的综合信息“由于……和/或……导致……存在问题”。
在本实施例中,判断模块2可以包括用于根据整合算法确定每一部件对应的变量与变量类型的确定单元21,以及用于将每一部件的监测数据转换成对应的变量类型后赋值到对应的变量中的赋值单元22,其中,将部件监测传感器采集到的监测数据赋值到整合算法能够识别的对应变量的过程,即实现了统一接入的多个部件的监测数据的标准化。
具体地,在本实施例中,数字量的监测数据与布尔变量对应,模拟量的监测数据则按照其数据含义,也即,所表征的物理意义,解析到对应变量类型的变量中,其中,变量类型可以是INT、UINT、SINT、DINT、REAL、LREAL等,例如,模拟量的监测数据为风速时,其可以与整合算法中变量类型为REAL的一个变量对应。
参照图2,本实施例的异常监控系统还可以包括:
共享模块4,用于将异常整合结果共享至外部装置。
本实施例共享模块4可以实现在数据采集硬件平台上,其可以从统一的数据接口经由OPC UA(OLE for Process Control Unified Architecture,一种工业自动化标准的通讯接口协议)、Modbus TCP(Modbus Transmission Control Protocol,一种串行通信协议)等通讯协议将异常整合结果共享至外部装置。具体地,在本实施例中,外部装置例如可以是本地控制系统、智能终端等。进一步地,当外部终端是智能终端时,智能终端还可以将接收到的异常整合结果共享至与之通讯连接的本地控制系统、远端服务器等,而远端服务器也可以将其接收到的异常整合结果共享至与之通讯连接的SCADA(Supervisory ControlAnd Data Acquisition,数据采集与监视控制系统)、PHM(Prognostic and HealthManagement,故障预测与健康管理)等。
本实施例基于装置内部多个部件之间的关联来整合针对单一部件的部件监测算法,使得不同部件对应的监测数据能够共享,并且不同部件对应的部件监测算法能够相互支撑、相互验证,并实现了不同部件的监测数据之间的交互,具体地,本实施例基于多个部件的监测数据的多输入,实现了异常整合结果的单输出,较之仅针对单个部件的部件异常结果,本实施例输出的异常整合结果中不仅包含了装置内部的所有部件异常结果,还包含了各个部件异常结果之间的关联,实现了针对装置的全面而清晰的监控。
实施例3
本实施例提供一种异常监控平台,参照图3,本实施例的异常监控平台包括电连接的接口电路与处理器电路,其中,接口电路用于向处理器电路传输多个部件对应的部件监测传感器采集到的监测数据,处理器电路包括实施例2提供的异常监控系统。
在本实施例中,优选采用接口电路来实现所有部件监测传感器的监测数据信号的接入,接入的监测数据用于作为处理器电路后续数据处理(例如,数据缓存、数据标准化、数据治理、算法交互等)的基础,并便于监测数据的后期部署与后期维护。具体地,在本实施例中,不同部件监测传感器的监测数据信号可以使用各自的通信协议接入接口电路,以实现多个部件的监测数据的分别采集,进而实现处理器电路,具体地,实现异常监控系统中获取模块对监测数据的获取。
又有,监测数据具体可以体现为数字量、模拟量、通讯类数据等,接口电路优选同时支持数字量采集通道、模拟量采集通道、通讯类数据采集通道等,并以硬接线与通讯的方式尽可能地实现各种监测数据信号的接入。
在本实施例中,接口电路的数字量接入电路可以如图4所示,使用光耦隔离,具体地,光耦输入端的一个引脚电连接到LED(Light Emitting Diode,发光二极管)的一端,LED的另一端电连接到电阻R的一端,电容C的一端电连接到电阻R的另一端并且电容C的另一端电连接到光耦输入端的另一个引脚,光耦输出端连接至处理器电路。其中,电容C优选高压瓷片电容,用于滤波以防止串入干扰信号进而影响到数字量接入电路的正常工作;电阻R用于限流,以保证DI(Digital Input,数字量输入)动作时,流经光耦的电流为能够使得LED有效发光的预设值(例如,1mA)。
在本实施例中,数据采集硬件平台中接口电路的模拟量接入电路同样可以采用光耦进行隔离,具体地,本实施例中优选先采用高精度线性光耦进行隔离,再通过信号调理电路将电流信号转换为成正比例的电压信号,继而由处理器电路内部的ADC(Analog toDigital Converter,模数转换器)进行采样,最后通过计算得出电流信号的值。此外,在本实施例中,接口电路可以通过通讯板卡的通讯接口来采集通讯类数据。
参照图3,在本实施例中,接口电路采集到监测数据之后,可以经由数据总线传输至处理器电路内部以实现对监测数据的处理,此外,考虑到不同部件监测传感器的采样周期不尽相同,可以将各个部件监测传感器采集到的监测数据按照其采样周期放入处理器电路中对应的任务周期中,以实现监测数据的分配,其中,采样周期/任务周期可以根据实际应用自定义设置,例如,任务周期可以取值为10ms、20ms、50ms、……、1s等。
本实施例的异常监控平台,基于接口电路实现监测数据的接入与整合,便于监测数据的后期部署与后期维护,并基于处理器电路实现监测数据的共享以及部件监测算法的交互,在目标装置异常时输出既包括目标装置内部所有的部件异常结果,还包括各部件异常结果之间的关联的异常整合结果,从而能够实现针对目标装置的全面而清晰的监控。
实施例4
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1提供的异常监控方法。
图5示出了本实施例的硬件结构示意图,如图5所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1所提供的异常监控方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例5
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1所提供的异常监控方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1所述的异常监控方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种异常监控方法,其特征在于,所述异常监控方法应用于目标装置,所述目标装置包括多个部件;所述异常监控方法包括:
分别获取所述多个部件的监测数据;
将获取到的多个部件的监测数据输入整合算法,以判断所述目标装置是否发生异常,其中,所述整合算法通过根据所述多个部件之间的关联整合多个部件监测算法得到,所述部件监测算法与所述部件一一对应并用于在判断对应部件发生异常时输出部件异常结果;
若是,则输出异常整合结果,其中,所述异常整合结果包括若干部件异常结果以及所述若干部件异常结果之间的关联。
2.如权利要求1所述的异常监控方法,其特征在于,所述将获取到的多个部件的监测数据输入整合算法的步骤包括:
根据所述整合算法确定每一部件对应的变量与变量类型;
将每一部件的监测数据转换成对应的变量类型后赋值到对应的变量中。
3.如权利要求1所述的异常监控方法,其特征在于,在所述输出异常整合结果的步骤之后还包括:
将所述异常整合结果共享至外部装置;
和/或,
所述目标装置包括风力发电机组。
4.一种异常监控系统,其特征在于,所述异常监控系统应用于目标装置,所述目标装置包括多个部件;所述异常监控系统包括:
获取模块,用于分别获取所述多个部件的监测数据;
判断模块,用于将获取到的多个部件的监测数据输入整合算法,以判断所述目标装置是否发生异常,其中,所述整合算法通过根据所述多个部件之间的关联整合多个部件监测算法得到,所述部件监测算法与所述部件一一对应并用于在判断对应部件发生异常时输出部件异常结果;
输出模块,用于在所述判断模块判断为是时,输出异常整合结果,其中,所述异常整合结果包括若干部件异常结果以及所述若干部件异常结果之间的关联。
5.如权利要求4所述的异常监控系统,其特征在于,所述判断模块包括:
确定单元,用于根据所述整合算法确定每一部件对应的变量与变量类型;
赋值单元,用于将每一部件的监测数据转换成对应的变量类型后赋值到对应的变量中。
6.如权利要求4所述的异常监控系统,其特征在于,所述异常监控系统还包括:
共享模块,用于将所述异常整合结果共享至外部装置;
和/或,
所述目标装置包括风力发电机组。
7.一种异常监控平台,其特征在于,包括电连接的接口电路与处理器电路;其中:
所述接口电路用于向所述处理器电路传输多个部件对应的部件监测传感器采集到的监测数据;
所述处理器电路包括如权利要求4-6中任一项所述的异常监控系统。
8.如权利要求7所述的异常监控平台,其特征在于,所述接口电路包括数字量采集通道、模拟量采集通道、通讯类数据采集通道中的至少一种。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的异常监控方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的异常监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011613730.0A CN112628089B (zh) | 2020-12-30 | 2020-12-30 | 异常监控方法、系统、平台、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011613730.0A CN112628089B (zh) | 2020-12-30 | 2020-12-30 | 异常监控方法、系统、平台、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112628089A true CN112628089A (zh) | 2021-04-09 |
CN112628089B CN112628089B (zh) | 2022-04-05 |
Family
ID=75286915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011613730.0A Active CN112628089B (zh) | 2020-12-30 | 2020-12-30 | 异常监控方法、系统、平台、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112628089B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106646050A (zh) * | 2016-12-26 | 2017-05-10 | 北京金风科创风电设备有限公司 | 风电变流器的故障诊断设备和方法 |
CN107133632A (zh) * | 2017-02-27 | 2017-09-05 | 国网冀北电力有限公司 | 一种风电设备故障诊断方法及系统 |
CN108204341A (zh) * | 2016-12-19 | 2018-06-26 | 北京金风科创风电设备有限公司 | 风电场运行状态的识别方法和装置 |
CN110046002A (zh) * | 2019-03-21 | 2019-07-23 | 上海拉扎斯信息科技有限公司 | 一种异常处理方法、装置、电子设备和存储介质 |
US20200333214A1 (en) * | 2016-02-23 | 2020-10-22 | Ntn Coporation | Abnormality diagnosis device and abnormality diagnosis method |
-
2020
- 2020-12-30 CN CN202011613730.0A patent/CN112628089B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200333214A1 (en) * | 2016-02-23 | 2020-10-22 | Ntn Coporation | Abnormality diagnosis device and abnormality diagnosis method |
CN108204341A (zh) * | 2016-12-19 | 2018-06-26 | 北京金风科创风电设备有限公司 | 风电场运行状态的识别方法和装置 |
CN106646050A (zh) * | 2016-12-26 | 2017-05-10 | 北京金风科创风电设备有限公司 | 风电变流器的故障诊断设备和方法 |
CN107133632A (zh) * | 2017-02-27 | 2017-09-05 | 国网冀北电力有限公司 | 一种风电设备故障诊断方法及系统 |
CN110046002A (zh) * | 2019-03-21 | 2019-07-23 | 上海拉扎斯信息科技有限公司 | 一种异常处理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112628089B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2564724C (en) | Automatic remote monitoring and diagnostics system and communication method for communicating between a programmable logic controller and a central unit | |
DK2599995T3 (en) | Wind turbine control system | |
CN102023100A (zh) | 设备故障预警系统及方法 | |
US10496775B2 (en) | Method and system for use in dynamically configuring data acquisition systems | |
CN113123932B (zh) | 一种面向风电机组的实时动态故障诊断方法 | |
CN103250107A (zh) | 用于设备故障检测的智能检测系统及检测方法 | |
CN112737936A (zh) | 一种用于设备预维护的边缘计算网关 | |
EP1490741B1 (en) | Condition monitoring system for machines equipped with a machine control system and including rotating machine elements | |
CN113487182B (zh) | 设备健康状态评估方法、装置、计算机设备和介质 | |
CN113536658B (zh) | 基于stm32嵌入式处理器的机电设备轻量化故障诊断方法 | |
CN112628089B (zh) | 异常监控方法、系统、平台、电子设备及存储介质 | |
Mahajan et al. | Physical and virtual intelligent sensors for integrated health management systems | |
CN111212093A (zh) | 数据处理系统及控制设备 | |
KR20220135971A (ko) | 진동센서모듈 및 이를 포함하는 풍력발전기 고장예측 시스템 | |
CN110716517B (zh) | 一种基于云平台的机械设备运行监测系统及云平台 | |
CN210569050U (zh) | 数据中心的间接蒸发冷却设备的控制系统 | |
KR101453827B1 (ko) | 자동제어 통합 시스템의 데이터 처리 장치 | |
CN111524053B (zh) | 空气质量预报系统的信息采集方法、装置、设备及介质 | |
Wu et al. | A Universal Open Architecture of Health Management System for Radars | |
Oesch et al. | Intelligent Sensors for Integrated Health Management Systems | |
Kovalev et al. | Development of the System" Network Analytics" for Analyzing Data Received from Power System Protection | |
CN114401499A (zh) | 用于大型工业设备多传感器数据全生命周期管理系统和方法 | |
CN118112356A (zh) | 一种电力设备的故障监测方法、装置、电子设备及存储介质 | |
CN113917901A (zh) | 一种核电厂全范围dcs模拟测试系统 | |
CN115343998A (zh) | 基于risc-v的phm系统及phm系统应用方法 |
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 |