CN113326585A - 燃气锅炉的能效异常预警方法、装置和计算机设备 - Google Patents
燃气锅炉的能效异常预警方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN113326585A CN113326585A CN202110662492.0A CN202110662492A CN113326585A CN 113326585 A CN113326585 A CN 113326585A CN 202110662492 A CN202110662492 A CN 202110662492A CN 113326585 A CN113326585 A CN 113326585A
- Authority
- CN
- China
- Prior art keywords
- fuel consumption
- gas
- gas boiler
- rate
- unit
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Abstract
本公开涉及能源技术领域,本公开的实施例公开了燃气锅炉的能效异常预警方法、装置和计算机设备。该方法的一具体实施方式包括:获取燃气锅炉的运行数据;基于上述运行数据和预设机器学习算法,确定上述燃气锅炉的燃料单耗是否符合预设条件;响应于确定上述燃气锅炉的燃料单耗不符合上述预设条件,生成用于表征能效异常的警示信息;将上述警示信息传输至目标设备,以及控制上述目标设备显示上述警示信息。该实施方式有助于了解燃气锅炉运行情况,掌握燃气锅炉的真实运行特性。警示信息的生成和显示有助于及时提醒相关运维人员进行检修运维工作,为设备的预测性维护提供决策支撑,侧面提高了燃气锅炉的设备使用效率。
Description
技术领域
本公开的实施例涉及能源技术领域,具体涉及燃气锅炉的能效异常预警方法、装置和计算机设备。
背景技术
随着工业互联网的兴起,越来越多的工业系统可以实现在线监控和故障预警,为设备的安全运行起到保证作用。目前,应用比较多的还是设备的故障预警算法,也就是在设备发生故障之前发出预警,提醒相关人员对其进行检修。但是不是所有设备发生或者快要发生故障了才值得关注,锅炉的正常运行也包括燃气锅炉是否在合理的运行状态下运行,运行设备达到了‘亚健康’状态时,就会造成效率的下降,或者运维人员的不当操作都会对系统的整体运行产生影响。因此,需要对系统能效进行评价,便于运维人员根据评价结果对设备的整体运行情况有系统了解,进而在能效下降时,及时找到问题,降低设备发生故障的可能性。
发明内容
有鉴于此,本公开实施例提供了一种燃气锅炉的能效异常预警方法、装置和计算机设备,以解决现有技术中无法有效判断燃气锅炉是否在合理运行状态下运行的问题。
本公开实施例的第一方面,提供了一种燃气锅炉的能效异常预警方法,包括:获取燃气锅炉的运行数据;基于上述运行数据和预设机器学习算法,确定上述燃气锅炉的燃料单耗是否符合预设条件;响应于确定上述燃气锅炉的燃料单耗不符合上述预设条件,生成用于表征能效异常的警示信息;将上述警示信息传输至目标设备,以及控制上述目标设备显示上述警示信息。
本公开实施例的第二方面,提供了一种燃气锅炉的能效异常预警装置,装置包括:获取单元,被配置成获取燃气锅炉的运行数据;确定单元,被配置成基于上述运行数据和预设机器学习算法,确定上述燃气锅炉的燃料单耗是否符合预设条件;生成单元,被配置成响应于确定上述燃气锅炉的燃料单耗不符合上述预设条件,生成用于表征能效异常的警示信息;显示单元,被配置成将上述警示信息传输至目标设备,以及控制上述目标设备显示上述警示信息。
本公开实施例的第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开的上述各个实施例中的一个实施例具有如下有益效果:利用获取的燃气锅炉的运行数据和预设机器学习算法对燃气锅炉的燃料单耗是否符合预设条件进行判断。在确定燃气锅炉的燃料单耗不符合预设条件的情况下,生成用于表征能效异常的警示信息。再将警示信息传输并显示在目标设备上,有助于了解燃气锅炉运行情况,掌握燃气锅炉的真实运行特性。警示信息的生成和显示有助于及时提醒相关运维人员进行检修运维工作,为设备的预测性维护提供决策支撑,侧面提高了燃气锅炉的设备使用效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开实施例的应用场景的场景示意图;
图2是本公开实施例提供的燃气锅炉的能效异常预警方法的流程图;
图3是本公开实施例提供的燃气锅炉的能效异常预警装置的框图;
图4是本公开实施例提供的计算机设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种燃气锅炉的能效异常预警方法和装置。
图1是根据本公开一些实施例的燃气锅炉的能效异常预警方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取燃气锅炉的运行数据102。然后,计算设备101可以基于上述运行数据102和预设机器学习算法103,确定上述燃气锅炉的燃料单耗是否符合预设条件,如附图标记104所示。之后,响应于确定上述燃气锅炉的燃料单耗不符合上述预设条件,计算设备101可以生成用于表征能效异常的警示信息105。最后,计算设备101可以将上述警示信息105传输至目标设备106,以及控制上述目标设备106显示上述警示信息105。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
图2是本公开实施例提供的燃气锅炉的能效异常预警方法的流程图。图2的燃气锅炉的能效异常预警方法可以由图1的计算设备101执行。如图2所示,该燃气锅炉的能效异常预警方法包括:
S201,获取燃气锅炉的运行数据。
在一些实施例中,燃气锅炉的能效异常预警方法的执行主体(如图1所示计算设备101)可以通过无线连接方式获取上述燃气锅炉的运行数据。上述运行数据至少包括燃气锅炉在各个历史时间段的燃气消耗量和蒸汽产生量,以及其他运行数据,上述运行数据以遥脉值的形式表现,遥脉值可以是对燃气锅炉发出的脉冲信号进行周期累计得到的值。上述燃气消耗量可以是指燃气锅炉在产生蒸汽过程中消耗的燃气量,单位可以为标态立方米(Nm3),燃气可以是天然气,也可以是沼气等其他类型的燃气。上述蒸汽产生量可以是指燃气锅炉所产生的蒸汽量,单位可以为吨(t)。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在一些实施例的一些可选的实现方式中,上述执行主体可以控制上述燃气锅炉的就地物联传感器通过现场数据采集、控制终端和云平台,完成信号采集、数据处理、存储、并将数据通过4G/5G网络或者NB-IoT网络、LoRa网络传输到CIM数据中心。CIM数据中心为数据服务器,控制终端为手机或者电脑等电子设备,电子设备上安装运行有目标软件,目标软件通过调用平台算法及云端CIM平台数据。就地物联传感器不能将采集到的运行数据直接传送至云平台,因此,就地物联传感器先将运行数据传送至泛能盒子,泛能盒子再将运行数据传送至云平台。泛能盒子为一种数据转化/传输的设备,其中包括壳体以及设置在壳体中的远程终端单元、信号转化模块和接口装置。接口装置与远程终端单元或信号转换模块连接,用于连接外部的数据采集终端。与远程终端连接的接口装置,用于接收和传输与其连接的数据采集终端至远程终端单元。远程终端单元用于将接收到泛能盒子的数据发送至云平台,云平台可以对运行数据进行分析处理。云平台为云端智慧管控云平台,云端智慧管控云平台通过通信与终端设备、泛能盒子、天气预报接口连接。
在一些实施例的一些可选的实现方式中,通过就地物联传感器传输到云平台的燃气锅炉的运行数据的监测,定时、不定时、实时计算燃气锅炉的燃料单耗变化率,以此来判断燃气锅炉是否在合理的运行状态下运行。从而,有助于评估燃气锅炉的异常情况和老化程度,及时掌握燃气锅炉的真实运行特性。
S202,基于上述运行数据和预设机器学习算法,确定上述燃气锅炉的燃料单耗是否符合预设条件。
在一些实施例中,上述燃料单耗可以是目标时间段内燃气锅炉的燃气消耗量和蒸汽产生量的比值。上述预设条件包括上述燃料单耗变化率小于变化率阈值。基于上述运行数据和上述预设机器学习算法,上述执行主体可以通过如下步骤确定上述燃气锅炉的燃料单耗是否符合预设条件:
第一步,上述执行主体可以基于上述运行数据,计算上述燃气锅炉的燃料单耗变化率。
第二步,上述执行主体可以基于预设机器学习算法,确定上述燃气锅炉的变化率阈值。
第三步,上述执行主体可以基于上述燃料单耗变化率和上述变化率阈值,确定上述燃气锅炉的燃料单耗是否符合预设条件。
上文陈述的第一步包括以下子步骤:
第一子步骤,上述执行主体可以基于上述运行数据,计算上述燃气锅炉各个历史时间段的燃料单耗,得到历史燃料单耗集合。作为示例,上述运行数据至少包括燃气锅炉在各个历史时间段的燃气消耗量和蒸汽产生量。上述执行主体可以对各个历史时间段中每个历史时间段的燃气消耗量和蒸汽产生量进行求比得到用于表征上述历史时间段的燃料单耗的比值,由此,得到历史燃料单耗集合。作为示例,上述历史时间段可以是2小时,也可以是3小时、10小时、24小时等。
第二子步骤,上述执行主体可以计算上述历史燃料单耗集合中历史燃料单耗的平均燃料单耗。
第三子步骤,上述执行主体可以基于上述平均燃料单耗和当前时间相邻的历史时间段的燃料单耗,利用公式计算得到上述燃气锅炉的燃料单耗变化率。
在一些实施例的一些可选的实现方式中,燃料单耗变化率是根据以下公式计算得到的:
其中,N用于表征燃料单耗变化率;
b1用于表征当前时间相邻的历史时间段的燃料单耗;
b2用于表征平均燃料单耗。
上文陈述的第二步包括以下子步骤:
第一子步骤,上述执行主体可以获取上述燃气锅炉的能效影响参数。其中,上述能效影响参数至少包括:负荷率,炉型,环境入炉冷空气温度,维保效果。
第二子步骤,上述执行主体可以基于上述预设机器学习算法,计算确定负荷率因子、炉型因子、环境入炉冷空气温度因子和维保效果因子的值。
上述能效影响参数可以是影响因子的参数,影响因子的大小表示对燃气锅炉的燃料单耗变化率的影响程度。上述负荷率指的可以是燃气锅炉在一段时间内的实际出力与额定出力的比值,其范围为0%~100%。上述环境入炉冷空气温度可以是通过天气参数和布置环境的温升影响叠加修正得到的,天气参数可以通过天气预报接口获取得到。天气预报接口可以是针对一个地点或一个地区,查询当前天气编写的调用接口,一般返回为(Extensible Markup Language,XML)可扩展标记语言格式或者JSON格式报文,通过天气预报接口可以获取环境入炉冷空气温度、环境入炉冷空气湿度等数据信息。上述维保效果可以通过就地(Programmable Logic Controller,PLC)可编程逻辑控制器信号或云平台(Computer Integrated Manu-facturing,CIM)计算机集成制造点数据获得。
上文陈述的预设机器学习算法可以包括神经网络、支持向量机、决策树、K-means硬聚类算法、随机森林等算法。各算法在不同的项目特征、用能习惯和环境参数特征下,会有不同的适应性、泛化性能和预测准确性表现。
第三子步骤,上述执行主体可以基于上述负荷率因子、上述炉型因子、上述环境入炉冷空气温度因子和上述维保效果因子的值,计算得到上述变化率阈值。
在一些实施例的一些可选的实现方式中,上述变化率阈值可以是根据以下公式计算得到的:
N1=N2×α1×α2×α3×α4,
其中,N1用于表征变化率阈值;
N2用于表征燃料单耗安全变化率;
α1用于表征负荷率因子;
α2用于表征炉型因子;
α3用于表征维保效果因子;
α4用于表征环境入炉冷空气温度因子。
上述燃料单耗安全变化率可以根据实际需求和经验进行确定,当能效影响参数对燃气锅炉的燃料单耗没有影响时,该参数所对应的参数因子取值1。作为示例,可以先预设一个经验值,然后根据机器学习不断迭代得到上述燃料单耗安全变化率。
由于在进行燃气锅炉的运行数据的采集时,每个数据点均包括燃气消耗量、蒸汽产生量等,因此,可以根据每个负荷率下的燃气消耗量以及蒸汽产生量计算燃料单耗。此时可以获得一个数据点(负荷率,燃料单耗),通过将采集的至少一个数据点进行计算可以得到至少一个数据点(负荷率,燃料单耗)。
应当理解的是,由于燃气锅炉的运行数据时通过定期、不定期或实时采集的方式在不断获取,因此,随着采集的运行数据不断变化,上述燃料单耗确定后并不是恒定不变的,也会随着采集的运行数据的变化而动态变化。因此,燃料单耗可以反应燃气锅炉的运行状态随着时间的变化情况,这为运维人员对燃气锅炉的检修工作提供了及时且重要的帮助。
另外,除上文陈述的能效影响参数外,燃气热值、空气湿度、蒸汽干度、给水温度、蒸汽温度、水质、锅炉品牌和型号、运行人员运行水平都可能对燃气锅炉的燃料单耗变化率产生影响。
具体地,在考虑到燃气热值、空气湿度、蒸汽干度、给水温度、蒸汽温度对燃气锅炉的燃料单耗变化率的影响时,可以采用上述预设机器学习算法确定燃气热值、空气湿度、给水温度、蒸汽温度的值。然后,上述执行主体可以根据以下公式确定变化率阈值:
N1=N2×α5×α6×α7×α8,
其中,N1用于表征变化率阈值;
N2用于表征燃料单耗安全变化率;
α5用于表征燃气热值;
α6用于表征空气湿度因子;
α7用于表征给水温度因子;
α8用于表征蒸汽温度因子。
若考虑到其他因素对燃气锅炉的燃料单耗变化率的影响,可以采用上述预设机器学习算法确定该因素所对应的影响因子,从而根据该影响因子来确定变化率阈值。燃气锅炉的燃料单耗变化率的影响因素可以通过实际需求和经验确定。
S203,响应于确定上述燃气锅炉的燃料单耗不符合上述预设条件,生成用于表征能效异常的警示信息。
在一些实施例中,响应于确定上述燃气锅炉的燃料单耗不符合上述预设条件,上述执行主体可以生成用于表征能效异常的警示信息。作为示例,警示信息可以是“燃气锅炉运行能效异常,请及时检查”。
S204,将上述警示信息传输至目标设备,以及控制上述目标设备显示上述警示信息。
在一些实施例中,上述执行主体可以将上述警示信息传输至目标设备,以及上述执行主体可以控制上述目标设备显示上述警示信息。
本公开的上述各个实施例中的一个实施例具有如下有益效果:利用获取的燃气锅炉的运行数据和预设机器学习算法对燃气锅炉的燃料单耗是否符合预设条件进行判断。在确定燃气锅炉的燃料单耗不符合预设条件的情况下,生成用于表征能效异常的警示信息。再将警示信息传输并显示在目标设备上,有助于了解燃气锅炉运行情况,掌握燃气锅炉的真实运行特性。警示信息的生成和显示有助于及时提醒相关运维人员进行检修运维工作,为设备的预测性维护提供决策支撑,侧面提高了燃气锅炉的设备使用效率。云端智慧管控云平台的云平台数据处理和分析,可以直接对测量数据进行存储、分析,还可以跨库调取数据,灵活的接入接口,实现更大规模的数据挖掘和整理,进而呈现更佳的机器学习效果。另外,本实施例提供的方案无需过重的硬件投资,云端智慧管控云平台的机器学习模型可以持续训练升级,借助吃书的数据积累、大数据分析、人工智能算法的改进等,实现不断提升的优化能力。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是本公开实施例提供的燃气锅炉的能效异常预警装置的示意图。如图3所示,该燃气锅炉的能效异常预警装置包括:
获取单元301,被配置成获取燃气锅炉的运行数据;
确定单元302,被配置成基于上述运行数据和预设机器学习算法,确定上述燃气锅炉的燃料单耗是否符合预设条件;
生成单元303,被配置成响应于确定上述燃气锅炉的燃料单耗不符合上述预设条件,生成用于表征能效异常的警示信息;
显示单元304,被配置成将上述警示信息传输至目标设备,以及控制上述目标设备显示上述警示信息。
在一些实施例中,燃气锅炉的能效异常预警装置的确定单元302被进一步配置成:基于上述运行数据,计算上述燃气锅炉的燃料单耗变化率;基于预设机器学习算法,确定上述燃气锅炉的变化率阈值;基于上述燃料单耗变化率和上述变化率阈值,确定上述燃气锅炉的燃料单耗是否符合预设条件。
在一些实施例中,上述预设条件包括:上述燃料单耗变化率小于变化率阈值。
在一些实施例中,上述基于上述运行数据,计算上述燃气锅炉的燃料单耗变化率,包括:基于上述运行数据,计算上述燃气锅炉各个历史时间段的燃料单耗,得到历史燃料单耗集合;计算上述历史燃料单耗集合中历史燃料单耗的平均燃料单耗;基于上述平均燃料单耗和当前时间相邻的历史时间段的燃料单耗,计算得到上述燃气锅炉的燃料单耗变化率。
在一些实施例中,上述燃料单耗变化率是根据以下公式计算得到的:
其中,N用于表征燃料单耗变化率;
b1用于表征当前时间相邻的历史时间段的燃料单耗;
b2用于表征平均燃料单耗。
在一些实施例中,上述基于预设机器学习算法,确定上述燃气锅炉的变化率阈值,包括:获取上述燃气锅炉的能效影响参数,其中,上述能效影响参数至少包括:负荷率,炉型,环境入炉冷空气温度,维保效果;基于上述预设机器学习算法,计算确定负荷率因子、炉型因子、环境入炉冷空气温度因子和维保效果因子的值;基于上述负荷率因子、上述炉型因子、上述环境入炉冷空气温度因子和上述维保效果因子的值,计算得到上述变化率阈值。
在一些实施例中,上述变化率阈值是根据以下公式计算得到的:
N1=N2×α1×α2×α3×α4,
其中,N1用于表征变化率阈值;
N2用于表征燃料单耗安全变化率;
α1用于表征负荷率因子;
α2用于表征炉型因子;
α3用于表征维保效果因子;
α4用于表征环境入炉冷空气温度因子。
可以理解的是,该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元,在此不再赘述。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的计算机设备4的示意图。如图4所示,该实施例的计算机设备4包括:处理器401、存储器402以及存储在该存储器402中并且可以在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序403可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器402中,并由处理器401执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序403在计算机设备4中的执行过程。
计算机设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是计算机设备4的示例,并不构成对计算机设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,计算机设备还可以包括输入输出设备、网络接入设备、总线等。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以是计算机设备4的内部存储单元,例如,计算机设备4的硬盘或内存。存储器402也可以是计算机设备4的外部存储设备,例如,计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器402还可以既包括计算机设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元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存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,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。计算机可读介质可以包括:能够携带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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,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。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (10)
1.一种燃气锅炉的能效异常预警方法,其特征在于,包括:
获取燃气锅炉的运行数据;
基于所述运行数据和预设机器学习算法,确定所述燃气锅炉的燃料单耗是否符合预设条件;
响应于确定所述燃气锅炉的燃料单耗不符合所述预设条件,生成用于表征能效异常的警示信息;
将所述警示信息传输至目标设备,以及控制所述目标设备显示所述警示信息。
2.根据权利要求1所述的方法,其特征在于,所述基于所述运行数据和预设机器学习算法,确定所述燃气锅炉的燃料单耗是否符合预设条件,包括:
基于所述运行数据,计算所述燃气锅炉的燃料单耗变化率;
基于预设机器学习算法,确定所述燃气锅炉的变化率阈值;
基于所述燃料单耗变化率和所述变化率阈值,确定所述燃气锅炉的燃料单耗是否符合预设条件。
3.根据权利要求2所述的方法,其特征在于,所述预设条件包括:所述燃料单耗变化率小于变化率阈值。
4.根据权利要求2所述的方法,其特征在于,所述基于所述运行数据,计算所述燃气锅炉的燃料单耗变化率,包括:
基于所述运行数据,计算所述燃气锅炉各个历史时间段的燃料单耗,得到历史燃料单耗集合;
计算所述历史燃料单耗集合中历史燃料单耗的平均燃料单耗;
基于所述平均燃料单耗和当前时间相邻的历史时间段的燃料单耗,计算得到所述燃气锅炉的燃料单耗变化率。
6.根据权利要求3所述的方法,其特征在于,所述基于预设机器学习算法,确定所述燃气锅炉的变化率阈值,包括:
获取所述燃气锅炉的能效影响参数,其中,所述能效影响参数至少包括:负荷率,炉型,环境入炉冷空气温度,维保效果;
基于所述预设机器学习算法,计算确定负荷率因子、炉型因子、环境入炉冷空气温度因子和维保效果因子的值;
基于所述负荷率因子、所述炉型因子、所述环境入炉冷空气温度因子和所述维保效果因子的值,计算得到所述变化率阈值。
7.根据权利要求6所述的方法,其特征在于,所述变化率阈值是根据以下公式计算得到的:
N1=N2×α1×α2×α3×α4,
其中,N1用于表征变化率阈值;
N2用于表征燃料单耗安全变化率;
α1用于表征负荷率因子;
α2用于表征炉型因子;
α3用于表征维保效果因子;
α4用于表征环境入炉冷空气温度因子。
8.一种燃气锅炉的能效异常预警装置,其特征在于,包括:
获取单元,被配置成获取燃气锅炉的运行数据;
确定单元,被配置成基于所述运行数据和预设机器学习算法,确定所述燃气锅炉的燃料单耗是否符合预设条件;
生成单元,被配置成响应于确定所述燃气锅炉的燃料单耗不符合所述预设条件,生成用于表征能效异常的警示信息;
显示单元,被配置成将所述警示信息传输至目标设备,以及控制所述目标设备显示所述警示信息。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并且可以在所述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7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662492.0A CN113326585B (zh) | 2021-06-15 | 2021-06-15 | 燃气锅炉的能效异常预警方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662492.0A CN113326585B (zh) | 2021-06-15 | 2021-06-15 | 燃气锅炉的能效异常预警方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113326585A true CN113326585A (zh) | 2021-08-31 |
CN113326585B CN113326585B (zh) | 2023-10-03 |
Family
ID=77420826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110662492.0A Active CN113326585B (zh) | 2021-06-15 | 2021-06-15 | 燃气锅炉的能效异常预警方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113326585B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113847591A (zh) * | 2021-09-27 | 2021-12-28 | 新奥数能科技有限公司 | 工业锅炉系统的运维监测方法、装置、电子设备和介质 |
TWI793884B (zh) * | 2021-11-29 | 2023-02-21 | 財團法人金屬工業研究發展中心 | 工業爐的監控方法及其系統 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109611815A (zh) * | 2018-12-28 | 2019-04-12 | 新奥数能科技有限公司 | 一种燃气蒸汽锅炉的能耗报警管理方法及装置 |
CN109766655A (zh) * | 2019-01-23 | 2019-05-17 | 新奥数能科技有限公司 | 热力系统的运行状态分析方法和服务器 |
CN111122199A (zh) * | 2019-12-31 | 2020-05-08 | 新奥数能科技有限公司 | 一种锅炉故障诊断方法及装置 |
CN112069744A (zh) * | 2020-09-03 | 2020-12-11 | 中冶赛迪重庆信息技术有限公司 | 一种基于数据挖掘的加热炉运行参数推荐系统和方法 |
CN112686286A (zh) * | 2020-12-18 | 2021-04-20 | 博锐尚格科技股份有限公司 | 建筑运行能耗异常识别方法、系统、计算机可读存储介质 |
CN112734284A (zh) * | 2021-01-22 | 2021-04-30 | 南京凯盛国际工程有限公司 | 一种流程工业能耗优化决策系统及其在异常工况下提高评估结果准确度的操作方法 |
CN112883993A (zh) * | 2020-12-23 | 2021-06-01 | 上海大学 | 一种基于机器学习的磨煤机最佳制粉单耗时工况预测方法 |
-
2021
- 2021-06-15 CN CN202110662492.0A patent/CN113326585B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109611815A (zh) * | 2018-12-28 | 2019-04-12 | 新奥数能科技有限公司 | 一种燃气蒸汽锅炉的能耗报警管理方法及装置 |
CN109766655A (zh) * | 2019-01-23 | 2019-05-17 | 新奥数能科技有限公司 | 热力系统的运行状态分析方法和服务器 |
CN111122199A (zh) * | 2019-12-31 | 2020-05-08 | 新奥数能科技有限公司 | 一种锅炉故障诊断方法及装置 |
CN112069744A (zh) * | 2020-09-03 | 2020-12-11 | 中冶赛迪重庆信息技术有限公司 | 一种基于数据挖掘的加热炉运行参数推荐系统和方法 |
CN112686286A (zh) * | 2020-12-18 | 2021-04-20 | 博锐尚格科技股份有限公司 | 建筑运行能耗异常识别方法、系统、计算机可读存储介质 |
CN112883993A (zh) * | 2020-12-23 | 2021-06-01 | 上海大学 | 一种基于机器学习的磨煤机最佳制粉单耗时工况预测方法 |
CN112734284A (zh) * | 2021-01-22 | 2021-04-30 | 南京凯盛国际工程有限公司 | 一种流程工业能耗优化决策系统及其在异常工况下提高评估结果准确度的操作方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113847591A (zh) * | 2021-09-27 | 2021-12-28 | 新奥数能科技有限公司 | 工业锅炉系统的运维监测方法、装置、电子设备和介质 |
TWI793884B (zh) * | 2021-11-29 | 2023-02-21 | 財團法人金屬工業研究發展中心 | 工業爐的監控方法及其系統 |
Also Published As
Publication number | Publication date |
---|---|
CN113326585B (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113326585A (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
CN110472772B (zh) | 一种隔离开关过热预警方法及一种隔离开关过热预警系统 | |
CN107607897A (zh) | 一种电压监测仪在线校验及预测装置和方法 | |
CN115512520A (zh) | 基于智慧燃气的用气安全预警方法及物联网系统 | |
CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
CN114596693A (zh) | 用于能源监控和管理的方法、系统、介质和程序产品 | |
CN114372360A (zh) | 用于电力负荷预测的方法、终端及存储介质 | |
WO2024065988A1 (zh) | 设备监测方法和系统、电子设备、存储介质 | |
CN116125204A (zh) | 一种基于电网数字化的故障预测系统 | |
CN111210083A (zh) | 一种管网异常分析方法 | |
CN112233360B (zh) | 基于数据建模的电气火灾预警方法和服务器 | |
CN116488351A (zh) | 一种基于物联网的低压配电箱远程监控方法和系统 | |
CN114997342B (zh) | 一种scr故障诊断方法、装置、设备及存储介质 | |
TWI777724B (zh) | 變壓器維護管理系統、方法及電腦可讀媒介 | |
CN113657705B (zh) | 一种电力现货市场参数影响评估方法、装置及存储介质 | |
CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及系统 | |
CN106384297A (zh) | 一种光伏发电的运维方法和系统 | |
CN112465196A (zh) | 一种系统负荷预测方法、装置、设备和存储介质 | |
Krishnaswamy et al. | Embedded Sensor and IoT Technology based Substation Monitoring and Control System | |
CN112700627B (zh) | 一种冷却塔补水异常告警方法、装置及终端设备 | |
CN112734245B (zh) | 低压配电回路监测方法、装置及设备 | |
CN113360486B (zh) | 数据预测方法、装置、电子设备和介质 | |
CN115660445B (zh) | 一种用电量预警方法、装置及计算机设备 | |
CN113591283B (zh) | 燃气锅炉的运行氧量调整方法、装置和计算机设备 | |
CN115081747B (zh) | 一种基于知识图谱技术的数据处理方法 |
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 |