CN112983843A - 一种潜水电泵的智能化控制系统及其控制方法 - Google Patents

Abstract

本发明公开了一种潜水电泵的智能化控制系统及其控制方法，涉及潜水电泵控制技术领域，解决了现有方案仅具有监测功能，而不能根据监测数据对潜水电泵实现故障定位的技术问题；本发明设置了状态监测模块，该设置根据工作数据生成监测曲线，并将监测曲线发送至故障检测模块和显示预警模块，将潜水电泵的工作状态直观地展示给工作人员；本发明设置了故障检测模块，该设置根据监测曲线判断潜水电泵的故障，并生成对应的故障标签，对潜水电泵的故障进行了分类，有助于工作人员及时发现故障进行维修；本发明设置了故障预警模块，该设置利用预测模型对潜水电泵的故障进行预测，能够提前发现潜电泵的故障，有助于工作人员提前防范。

Description

一种潜水电泵的智能化控制系统及其控制方法

技术领域

本发明属于潜水电泵控制领域，涉及智能控制技术，具体是一种潜水电泵的智能化控制系统及其控制方法。

背景技术

潜水电泵是泵体叶轮和驱动叶轮的电机都潜入水中工作的一种水泵，有深井用和作业面用两种；其中深井用潜水电泵通过伸入井中的电缆向电机供电，免去了传动长轴，因而结构紧湊，重量轻，安装、使用和转移方便；工作时，需将整个机组潜入水中，由于长期工作在地下，其运行状态得不到有效的监测，导致采水过程能耗较大，故障发生率和返修率高，影响潜水电泵的正常作业。

公开号为CN107762895A的发明专利公开了一种潜水电泵控制系统及其控制方法，包括电机、设置在所述电机输出端的泵体和设置在所述电机底座端的控制机构，及设置在液面以上的上位机，所述控制机构包括防水密封壳体、设置在所述防水密封壳体腔内的下位机和三相电参数采集模块以及电力载波模块，还包括设置在所述防水密封壳体外的液位变送器及设置在所述电机壳体内的电流互感器和温度传感器；方法为：所述液位变送器、温度传感器和三相电参数采集模块采集潜水电泵的工作参数并传送到下位机；所述下位机控制所述电力载波模块将采集的工作参数进行数据调制加载，以电力载波通信的方式实时上传至上位机。

上述方案能够实现潜水电泵的在线监测；但是，上述方案并没有对监测数据进行充分利用，仅具有监测功能，而不能根据监测数据对潜水电泵实现故障定位；因此，上述方案仍需进一步改进。

发明内容

为了解决上述方案存在的问题，本发明提供了一种潜水电泵的智能化控制系统及其控制方法。

本发明的目的可以通过以下技术方案实现：一种潜水电泵的智能化控制系统，包括处理器、故障检测模块、物联采集模块、状态监测模块、故障预警模块、显示预警模块和数据存储模块；

所述物联采集模块与采集设备相连接，所述采集设备将采集到的工作数据发送至物联采集模块，所述物联采集模块分别将工作数据发送至状态监测模块和数据存储模块；所述采集设备包括流量计、温度传感器和噪声传感器；

所述故障预警模块根据预测模型预测潜水电泵的故障，包括：

获取监测曲线和预测模型；

将监测曲线处理成数值并经过数据归一化之后输入至预测模型获取输出结果；所述输出结果为监测曲线对应的故障标签；

通过处理器将故障标签分别发送至显示预警模块和数据存储模块。

优选的，所述预测模型的具体获取步骤包括：

获取电泵历史数据；所述电泵历史数据包括故障标签和发生故障前的监测曲线；

构建融合模型；所述融合模型通过SVM、LR和GBDT三种基线模型结合融合方式构建的模型，所述融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；

将电泵历史数据处理成数值并按照设定比例划分为训练集和测试集；所述设定比例包括3:1、4:1和5:2；

将经过数据归一化的训练集和测试集输入至融合模型进行训练和测试；将训练完成的融合模型标记为预测模型；

通过处理器将预测模型分别发送至故障预警模块和数据存储模块。

优选的，所述故障检测模块根据监测曲线对潜水电泵的故障进行判断，包括：

获取流量曲线，并将潜水电泵的水流量标记为SL；当水流量SL满足0≤SL＜L1时，则判定潜水电泵不出水，生成故障标签，并将故障标签设置为1；当水流量SL满足L1≤SL＜L2时，则判定潜水电泵的水流量不足，生成故障标签，并将故障标签设置为2；当水流量SL满足L2≤SL时，则判定潜水电泵水流量正常；其中L1和L2均为水流量阈值，且L1和L2通过大量数据模拟获取；

获取温度曲线，根据温度曲线获取温度稳定时的温度均值，并将温度均值标记为WJ；当温度均值WJ满足YWJ-μ≤WJ≤YWJ+μ时，则判定潜水电泵的温度值正常；否则，判定潜水电泵的温度值异常，生成故障标签，并将故障标签设置为3；

获取噪声曲线，当噪声超过噪声阈值，且持续时长超过时间阈值时，则判定潜水电泵噪声异常，生成故障标签，并将故障标签标记为4；

获取功耗曲线，当功耗均值超过功耗阈值时，则判定潜水电泵功耗异常，生成故障标签，并将故障标签标记为5；

通过处理器将故障标签分别发送至数据存储模块、故障预警模块和显示预警模块。

优选的，所述状态监测模块用于监测潜水电泵的运行状态，包括：

通过采集设备实时获取工作数据；所述工作数据包括电泵工作时的温度值、水流量和噪声值；

实时获取潜水电泵的功耗；以时间为自变量，以温度值、水流量、噪声值和功耗为因变量，通过N阶多项式拟合分别获取温度曲线、流量曲线、噪声曲线和功耗曲线；其中N≥1；

通过处理器分别将监测曲线发送至数据存储模块、故障检测模块和显示预警模块；所述监测曲线包括温度曲线、流量曲线、噪声曲线和功耗曲线。

优选的，所述处理器分别与故障检测模块、物联采集模块、状态监测模块、故障预警模块、显示预警模块和数据存储模块通信连接；所述显示预警模块分别与数据存储模块和故障预警模块通信连接；所述物联采集模块与状态监测模块通信连接，所述故障检测模块分别与状态监测模块和故障预警模块通信连接。

一种潜水电泵的智能化控制方法，所述智能化控制方法的具体包括以下步骤：：

步骤一：通过采集设备实时获取工作数据；所述工作数据包括电泵工作时的温度值、水流量和噪声值；实时获取潜水电泵的功耗；以时间为自变量，以温度值、水流量、噪声值和功耗为因变量，通过N阶多项式拟合分别获取温度曲线、流量曲线、噪声曲线和功耗曲线；

步骤二：根据监测曲线判断潜水电泵的故障，并设置对应的故障标签；

步骤三：获取监测曲线和预测模型；将监测曲线处理成数值并经过数据归一化之后输入至预测模型获取输出结果；所述输出结果为监测曲线对应的故障标签；通过处理器将故障标签分别发送至显示预警模块和数据存储模块。

与现有技术相比，本发明的有益效果是：

1、本发明设置了状态监测模块，该设置用于监测潜水电泵的运行状态；状态监测模块根据工作数据生成监测曲线，并将监测曲线发送至故障检测模块和显示预警模块，将潜水电泵的工作状态直观地展示给工作人员；

2、本发明设置了故障检测模块，该设置根据监测曲线对潜水电泵的故障进行判断；故障检测模块根据监测曲线判断潜水电泵的故障，并生成对应的故障标签，对潜水电泵的故障进行了分类，有助于工作人员及时发现故障进行维修；

3、本发明设置了故障预警模块，该设置根据预测模型预测潜水电泵的故障；故障预警模块利用预测模型对潜水电泵的故障进行预测，能够提前发现潜电泵的故障，有助于工作人员提前防范。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的原理示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，一种潜水电泵的智能化控制系统，包括处理器、故障检测模块、物联采集模块、状态监测模块、故障预警模块、显示预警模块和数据存储模块；

物联采集模块与采集设备相连接，采集设备将采集到的工作数据发送至物联采集模块，物联采集模块分别将工作数据发送至状态监测模块和数据存储模块；采集设备包括流量计、温度传感器和噪声传感器；

故障预警模块根据预测模型预测潜水电泵的故障，包括：

获取监测曲线和预测模型；

将监测曲线处理成数值并经过数据归一化之后输入至预测模型获取输出结果；输出结果为监测曲线对应的故障标签；

通过处理器将故障标签分别发送至显示预警模块和数据存储模块。

进一步地，预测模型的具体获取步骤包括：

获取电泵历史数据；电泵历史数据包括故障标签和发生故障前的监测曲线；

构建融合模型；融合模型通过SVM、LR和GBDT三种基线模型结合融合方式构建的模型，融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；

将电泵历史数据处理成数值并按照设定比例划分为训练集和测试集；设定比例包括3:1、4:1和5:2；

将经过数据归一化的训练集和测试集输入至融合模型进行训练和测试；将训练完成的融合模型标记为预测模型；

通过处理器将预测模型分别发送至故障预警模块和数据存储模块。

进一步地，故障检测模块根据监测曲线对潜水电泵的故障进行判断，包括：

获取流量曲线，并将潜水电泵的水流量标记为SL；当水流量SL满足0≤SL＜L1时，则判定潜水电泵不出水，生成故障标签，并将故障标签设置为1；当水流量SL满足L1≤SL＜L2时，则判定潜水电泵的水流量不足，生成故障标签，并将故障标签设置为2；当水流量SL满足L2≤SL时，则判定潜水电泵水流量正常；其中L1和L2均为水流量阈值，且L1和L2通过大量数据模拟获取；

获取温度曲线，根据温度曲线获取温度稳定时的温度均值，并将温度均值标记为WJ；当温度均值WJ满足YWJ-μ≤WJ≤YWJ+μ时，则判定潜水电泵的温度值正常；否则，判定潜水电泵的温度值异常，生成故障标签，并将故障标签设置为3；

获取噪声曲线，当噪声超过噪声阈值，且持续时长超过时间阈值时，则判定潜水电泵噪声异常，生成故障标签，并将故障标签标记为4；

获取功耗曲线，当功耗均值超过功耗阈值时，则判定潜水电泵功耗异常，生成故障标签，并将故障标签标记为5；

通过处理器将故障标签分别发送至数据存储模块、故障预警模块和显示预警模块。

进一步地，状态监测模块用于监测潜水电泵的运行状态，包括：

通过采集设备实时获取工作数据；工作数据包括电泵工作时的温度值、水流量和噪声值；

实时获取潜水电泵的功耗；以时间为自变量，以温度值、水流量、噪声值和功耗为因变量，通过N阶多项式拟合分别获取温度曲线、流量曲线、噪声曲线和功耗曲线；其中N≥1；

通过处理器分别将监测曲线发送至数据存储模块、故障检测模块和显示预警模块；监测曲线包括温度曲线、流量曲线、噪声曲线和功耗曲线。

进一步地，处理器分别与故障检测模块、物联采集模块、状态监测模块、故障预警模块、显示预警模块和数据存储模块通信连接；显示预警模块分别与数据存储模块和故障预警模块通信连接；物联采集模块与状态监测模块通信连接，故障检测模块分别与状态监测模块和故障预警模块通信连接。

一种潜水电泵的智能化控制方法，智能化控制方法的具体包括以下步骤：：

步骤一：通过采集设备实时获取工作数据；工作数据包括电泵工作时的温度值、水流量和噪声值；实时获取潜水电泵的功耗；以时间为自变量，以温度值、水流量、噪声值和功耗为因变量，通过N阶多项式拟合分别获取温度曲线、流量曲线、噪声曲线和功耗曲线；

步骤二：根据监测曲线判断潜水电泵的故障，并设置对应的故障标签；

步骤三：获取监测曲线和预测模型；将监测曲线处理成数值并经过数据归一化之后输入至预测模型获取输出结果；输出结果为监测曲线对应的故障标签；通过处理器将故障标签分别发送至显示预警模块和数据存储模块。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

通过采集设备实时获取工作数据；所述工作数据包括电泵工作时的温度值、水流量和噪声值；实时获取潜水电泵的功耗；以时间为自变量，以温度值、水流量、噪声值和功耗为因变量，通过N阶多项式拟合分别获取温度曲线、流量曲线、噪声曲线和功耗曲线；

获取流量曲线，并将潜水电泵的水流量标记为SL；当水流量SL满足0≤SL＜L1时，则判定潜水电泵不出水，生成故障标签，并将故障标签设置为1；当水流量SL满足L1≤SL＜L2时，则判定潜水电泵的水流量不足，生成故障标签，并将故障标签设置为2；当水流量SL满足L2≤SL时，则判定潜水电泵水流量正常；获取温度曲线，根据温度曲线获取温度稳定时的温度均值，并将温度均值标记为WJ；当温度均值WJ满足YWJ-μ≤WJ≤YWJ+μ时，则判定潜水电泵的温度值正常；否则，判定潜水电泵的温度值异常，生成故障标签，并将故障标签设置为3；获取噪声曲线，当噪声超过噪声阈值，且持续时长超过时间阈值时，则判定潜水电泵噪声异常，生成故障标签，并将故障标签标记为4；获取功耗曲线，当功耗均值超过功耗阈值时，则判定潜水电泵功耗异常，生成故障标签，并将故障标签标记为5；

获取监测曲线和预测模型；将监测曲线处理成数值并经过数据归一化之后输入至预测模型获取输出结果；所述输出结果为监测曲线对应的故障标签；通过处理器将故障标签分别发送至显示预警模块和数据存储模块。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种潜水电泵的智能化控制系统，其特征在于，包括处理器、故障检测模块、物联采集模块、状态监测模块、故障预警模块、显示预警模块和数据存储模块；

所述物联采集模块与采集设备相连接，所述采集设备将采集到的工作数据发送至物联采集模块，所述物联采集模块分别将工作数据发送至状态监测模块和数据存储模块；所述采集设备包括流量计、温度传感器和噪声传感器；

所述故障预警模块根据预测模型预测潜水电泵的故障，包括：

获取监测曲线和预测模型；

将监测曲线处理成数值并经过数据归一化之后输入至预测模型获取输出结果；所述输出结果为监测曲线对应的故障标签；

通过处理器将故障标签分别发送至显示预警模块和数据存储模块。

2.根据权利要求1所述的一种潜水电泵的智能化控制系统，其特征在于，所述预测模型的具体获取步骤包括：

获取电泵历史数据；所述电泵历史数据包括故障标签和发生故障前的监测曲线；

构建融合模型；所述融合模型通过SVM、LR和GBDT三种基线模型结合融合方式构建的模型，所述融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；

将电泵历史数据处理成数值并按照设定比例划分为训练集和测试集；所述设定比例包括3:1、4:1和5:2；

将经过数据归一化的训练集和测试集输入至融合模型进行训练和测试；将训练完成的融合模型标记为预测模型；

通过处理器将预测模型分别发送至故障预警模块和数据存储模块。

3.根据权利要求1所述的一种潜水电泵的智能化控制系统，其特征在于，所述故障检测模块根据监测曲线对潜水电泵的故障进行判断，包括：

获取流量曲线，并将潜水电泵的水流量标记为SL；当水流量SL满足0≤SL＜L1时，则判定潜水电泵不出水，生成故障标签，并将故障标签设置为1；当水流量SL满足L1≤SL＜L2时，则判定潜水电泵的水流量不足，生成故障标签，并将故障标签设置为2；当水流量SL满足L2≤SL时，则判定潜水电泵水流量正常；其中L1和L2均为水流量阈值，且L1和L2通过大量数据模拟获取；

获取温度曲线，根据温度曲线获取温度稳定时的温度均值，并将温度均值标记为WJ；当温度均值WJ满足YWJ-μ≤WJ≤YWJ+μ时，则判定潜水电泵的温度值正常；否则，判定潜水电泵的温度值异常，生成故障标签，并将故障标签设置为3；

获取噪声曲线，当噪声超过噪声阈值，且持续时长超过时间阈值时，则判定潜水电泵噪声异常，生成故障标签，并将故障标签标记为4；

获取功耗曲线，当功耗均值超过功耗阈值时，则判定潜水电泵功耗异常，生成故障标签，并将故障标签标记为5；

通过处理器将故障标签分别发送至数据存储模块、故障预警模块和显示预警模块。

4.根据权利要求1所述的一种潜水电泵的智能化控制系统，其特征在于，所述状态监测模块用于监测潜水电泵的运行状态，包括：

通过采集设备实时获取工作数据；所述工作数据包括电泵工作时的温度值、水流量和噪声值；

实时获取潜水电泵的功耗；以时间为自变量，以温度值、水流量、噪声值和功耗为因变量，通过N阶多项式拟合分别获取温度曲线、流量曲线、噪声曲线和功耗曲线；其中N≥1；

通过处理器分别将监测曲线发送至数据存储模块、故障检测模块和显示预警模块；所述监测曲线包括温度曲线、流量曲线、噪声曲线和功耗曲线。

5.根据权利要求1所述的一种潜水电泵的智能化控制系统，其特征在于，所述处理器分别与故障检测模块、物联采集模块、状态监测模块、故障预警模块、显示预警模块和数据存储模块通信连接；所述显示预警模块分别与数据存储模块和故障预警模块通信连接；所述物联采集模块与状态监测模块通信连接，所述故障检测模块分别与状态监测模块和故障预警模块通信连接。

6.根据权利要求1所述的一种潜水电泵的智能化控制系统，其特征在于，所述智能化控制系统的控制方法具体包括以下步骤：

步骤一：通过采集设备实时获取工作数据；所述工作数据包括电泵工作时的温度值、水流量和噪声值；实时获取潜水电泵的功耗；以时间为自变量，以温度值、水流量、噪声值和功耗为因变量，通过N阶多项式拟合分别获取温度曲线、流量曲线、噪声曲线和功耗曲线；

步骤二：根据监测曲线判断潜水电泵的故障，并设置对应的故障标签；

步骤三：获取监测曲线和预测模型；将监测曲线处理成数值并经过数据归一化之后输入至预测模型获取输出结果；所述输出结果为监测曲线对应的故障标签；通过处理器将故障标签分别发送至显示预警模块和数据存储模块。

Images