CN113759785A - 一种基于大数据分析技术实现设备故障预警的方法 - Google Patents
一种基于大数据分析技术实现设备故障预警的方法 Download PDFInfo
- Publication number
- CN113759785A CN113759785A CN202111060201.7A CN202111060201A CN113759785A CN 113759785 A CN113759785 A CN 113759785A CN 202111060201 A CN202111060201 A CN 202111060201A CN 113759785 A CN113759785 A CN 113759785A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- monitoring
- early warning
- analysis technology
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Abstract
本发明提供一种基于大数据分析技术实现设备故障预警的方法,对于需要监测的具体设备和关注参数,在监测时长内进行数据的采集,并制定出2直1曲的连接线,进而形成两个数据策略区间,分析出存在引发告警的设备,人工判断后进行后续处理。本方法基于成熟的大数据分析技术,对海量的设备监控信息进行科学的检测和利用,操作便捷,数据准确,提升隐患判断的能力,将设备故障信息提前筛查出来。
Description
技术领域
本发明涉及一种预警方法,尤其是涉及一种基于大数据分析技术实现设备故障预警的方法。
背景技术
目前监控的设备越来越多,随着时间的推移,会出现一些设备的老化,防止设备损坏造成损失,如何快速定位存在隐患的设备,提前进行相关的排查和检修,做到设备的故障预警尤为重要。现有多是人工经验,缺乏数据支撑。
随着大数据技术的广泛应用,利用大数据的存储和分析能力,对监控的设备进行全方位的数据扫描,并通过数据采集进行海量数据的试算,从而找出设备的运行规律,排查出隐患点,从而确定设备的故障点,进而开始进行设备的检修和维护保养工作。
发明内容
本发明提供了一种基于大数据分析技术实现设备故障预警的方法,可应用于大数据领域、数据中心领域和电力监控领域,解决了监控设备的故障预警分析问题,其技术方案如下所述:
一种基于大数据分析技术实现设备故障预警的方法,包括以下步骤:
S1:选择需要监测的具体数据采集设备,选择该设备的其中一个关注参数,并对该设备设定监测时长,作为进行采集监测的时间周期;
S2:在设定的监测时长,对设备的关注参数进行数据采集;
S3:设定数据采集的采集规则和频率,形成采集点和时间线的监测曲线;
S4:存储监测曲线的数据,分析数据中关注参数的最大值和最小值;
S5:根据数据形成2直1曲的三条连接线,分别是最大上限线、最低下限线和设备状态平滑曲线;
S6:结合对设备的参数值定义的正常参数区间和告警参数区间,即告警阈值进行比对,形成两个数据策略区间;
S7:对存在引发告警的数据策略区间的设备,进一步判断是否故障;
S8:对于存在故障的设备,进行处理。
进一步的,步骤S1中,所述监测时长是指进行采集监测的多个时间周期的综合,所述时间周期以小时、天、月为单位。
进一步的,步骤S1中,所述关注参数包括功耗、电压、电流、温度、湿度、精确度、使用寿命。
进一步的,步骤S3中,所述采集规则是对选择的设备及其关注参数、定义的监测的时间周期,设定采集点,定义采集数据的方式;所述频率是指在单个时间周期内的采集次数。
进一步的,步骤S4中,将存储的监测曲线的数据作为基线,结合散点图生成记录并更新记录的最大值和最小值,作为在监测时间周期内的最极限值进行存储和分析。
进一步的,步骤S5中,所述设备状态平滑曲线,是将检测时间段内的设备状态点进行连接,形成若干条同一时间段的曲线,进行平均法平滑分析,即同一时间点数据的总和/数据量生成平均数值。
进一步的,步骤S5中,最大上限线是选取监测周期内最大值,最低下限线是选取监测周期内最小值。
进一步的,步骤S6中,第一个数据策略区间是正常的设备数据区间,第二个数据策略区间是能够引发告警的设备数据区间,该区间内的设备参数需要处理。
进一步的,步骤S7中,判断是否故障能够通过人工进行判断。
本发明提供的基于大数据分析技术实现设备故障预警的方法,基于成熟的大数据分析技术,对海量的设备监控信息进行科学的检测和利用,操作便捷,数据准确,提升隐患判断的能力,将设备故障信息提前筛查出来。
附图说明
图1是所述基于大数据分析技术实现设备故障预警的方法的流程示意图;
图2是监测设备的功耗—时间示意图;
图3是采集点和时间线的曲线示意图;
图4是基线范围的示意图;
图5是所述2直1曲的三条线示意图;
图6是两个数据策略区间的示意图;
图7是达到预警线的示意图。
具体实施方式
如图1所示,本发明提供的基于大数据分析技术实现设备故障预警的方法,包括以下步骤:
S1:选择监测的设备和监测时长
本方法是针对数据中心/园区中的采集设备进行的监测方法,面向对象为数据中心基础设施设备,如:温湿度、氢气、漏水、微环境、二氧化碳、精密空调、列间空调、高压电量仪、低压电量仪、柴油发电机、油箱液位、直流屏、温控仪、高压综保、无功补偿、UPS、蓄电池、列头柜、PDU、新风机、加湿器等,选择其中的的一个设备进行监测,如选取一个精密空调设备,在精密空调中选择一个参数,如回风温度,并定义进行采集监测的时间周期,即我们对回风温度的数值选择一个监控周期,如30天,通过这段时间内对精密空调的回风温度值进行一个月的数值监控和获取,监测时间越长,数据越准确,数据量越大,生成的结果应用性越高。
S2:数据采集
根据上述步骤S1定义的设备的重点关注参数进行数据的采集,如图2所示,比如对上述的精密空调设备,可以采集所选参数的功耗。
其他设备监测定义示例:
选择设备:温湿度传感器,选择参数:温度,监测周期:10天;
选择设备:低压电量仪,选择参数:A相电压,监测周期:45天;
S3:监测曲线
按照定义的采集设备中的参数和采集周期,以天为单位对获取的数据进行展示,形成采集点和时间线的曲线,如图3所示,精密空调设备每天的回风温度值和时间的曲线为一条连接线,若干天的连接线放置在一起,就形成图中多条连接线的示意图。
S4:存储和分析
采取数据存储的方式,进行采集曲线数据的存储,并将存储的数据进行分析,获取最大值和最小值作为基线进行记录,即根据采集的数据中选取最大的数据或最小的数据作为在监测时间周期内的最极限值进行存储和分析。
如图4所示,生成的基线作为当前预测的标准进行对当前数据进行分析,在基线范围内的数据为正常数据,超基线的数据则为超出常规采集范围,生成故障预警信息:
S5:2直1曲
如图5所示,检测时间段内的设备数据汇总后,相同时间点的数据取平均值,生成一条唯一的曲线,即同一时间点数据的总和/数据量生成平均数值形成1条设备状态平滑曲线;选取监测周期内最大值形成1条最大上限线;选监测周期内最小值形成1条最低下限线。
S6:数据策略
结合对设备的参数值定义的正常参数区间和告警参数区间,即告警阈值进行比对,如图6所示,形成2个数据策略区间,即正常的设备数据区间,可能引发告警的时间区间(预警区间),在此区间内的设备参数,进行重点关注。
S7:判断是否故障
对重点关注的设备参数,提交技术专家进行判断,是否是故障隐患,如精密空调中的回风温度,突破了常规的数值,单位达到预警数值时,生成预警信息,可将预警信息交由专家进行判断,并采取相应处理措施,进而是否启动问题处理流程,从而实现设备预警的功能。
S8:问题处理流程
根据实际情况,激活问题处理流程,结合图7所示,如:精密空调设备的回风温度值达到了预警线,生成的预警信息由专家判断是否需要进行人工干预,若需要,则委派人员进行设备审查处理,若不需要,即关闭预警信息。
本发明提供的基于大数据分析技术实现设备故障预警的方法,基于成熟的大数据分析技术,对海量的设备监控信息进行科学的检测和利用,操作便捷,数据准确,提升隐患判断的能力,将设备故障信息提前筛查出来。
Claims (9)
1.一种基于大数据分析技术实现设备故障预警的方法,包括以下步骤:
S1:选择需要监测的具体数据采集设备,选择该设备的其中一个关注参数,并对该设备设定监测时长,作为进行采集监测的时间周期;
S2:在设定的监测时长,对设备的关注参数进行数据采集;
S3:设定数据采集的采集规则和频率,形成采集点和时间线的监测曲线;
S4:存储监测曲线的数据,分析数据中关注参数的最大值和最小值;
S5:根据数据形成2直1曲的三条连接线,分别是最大上限线、最低下限线和设备状态平滑曲线;
S6:结合对设备的参数值定义的正常参数区间和告警参数区间,即告警阈值进行比对,形成两个数据策略区间;
S7:对存在引发告警的数据策略区间的设备,判断是否故障;
S8:对于存在故障的设备,进行处理。
2.根据权利要求1所述的基于大数据分析技术实现设备故障预警的方法,其特征在于:步骤S1中,所述监测时长是指进行采集监测的多个时间周期的综合,所述时间周期以小时、天、月为单位。
3.根据权利要求1所述的基于大数据分析技术实现设备故障预警的方法,其特征在于:步骤S1中,所述关注参数包括功耗、电压、电流、温度、湿度、精确度、使用寿命。
4.根据权利要求1所述的基于大数据分析技术实现设备故障预警的方法,其特征在于:步骤S3中,所述采集规则是对选择的设备及其关注参数、定义的监测的时间周期,设定采集点,定义采集数据的方式;所述频率是指在单个时间周期内的采集次数。
5.根据权利要求1所述的基于大数据分析技术实现设备故障预警的方法,其特征在于:步骤S4中,将存储的监测曲线的数据作为基线,结合散点图生成记录并更新记录的最大值和最小值,作为在监测时间周期内的最极限值进行存储和分析。
6.根据权利要求1所述的基于大数据分析技术实现设备故障预警的方法,其特征在于:步骤S5中,所述设备状态平滑曲线,是将检测时间段内的设备状态点进行连接,形成若干条同一时间段的曲线,进行平均法平滑分析,即同一时间点数据的总和/数据量生成平均数值。
7.根据权利要求1所述的基于大数据分析技术实现设备故障预警的方法,其特征在于:步骤S5中,最大上限线是选取监测周期内最大值,最低下限线是选取监测周期内最小值。
8.根据权利要求1所述的基于大数据分析技术实现设备故障预警的方法,其特征在于:步骤S6中,第一个数据策略区间是正常的设备数据区间,第二个数据策略区间是能够引发告警的设备数据区间,该区间内的设备参数需要处理。
9.根据权利要求1所述的基于大数据分析技术实现设备故障预警的方法,其特征在于:步骤S7中,判断是否故障能够通过人工进行判断。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110471093 | 2021-04-28 | ||
CN2021104710936 | 2021-04-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113759785A true CN113759785A (zh) | 2021-12-07 |
Family
ID=78794611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111060201.7A Pending CN113759785A (zh) | 2021-04-28 | 2021-09-10 | 一种基于大数据分析技术实现设备故障预警的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759785A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600045A (zh) * | 2022-11-30 | 2023-01-13 | 中国人民解放军海军工程大学(Cn) | 采用通用检测工具检测的平均检测时间计算方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091070A (zh) * | 2014-07-07 | 2014-10-08 | 北京泰乐德信息技术有限公司 | 一种基于时间序列分析的轨道交通故障诊断方法和系统 |
CN107701236A (zh) * | 2017-10-13 | 2018-02-16 | 鄂尔多斯市营盘壕煤炭有限公司 | 一种箕斗装载硐室的多信息数据监测系统 |
CN110334106A (zh) * | 2019-05-06 | 2019-10-15 | 深圳供电局有限公司 | 一种基于大数据分析的运维故障分析预警方法 |
CN110866616A (zh) * | 2019-11-01 | 2020-03-06 | 许继集团有限公司 | 一种变电站二次设备故障预警方法及装置 |
CN110926809A (zh) * | 2019-06-19 | 2020-03-27 | 山西大学 | 一种基于大数据分析的风电机组传动链故障预警方法 |
WO2020073688A1 (zh) * | 2018-10-08 | 2020-04-16 | 平安科技(深圳)有限公司 | 预测网络设备异常的方法、装置、设备及存储介质 |
-
2021
- 2021-09-10 CN CN202111060201.7A patent/CN113759785A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091070A (zh) * | 2014-07-07 | 2014-10-08 | 北京泰乐德信息技术有限公司 | 一种基于时间序列分析的轨道交通故障诊断方法和系统 |
CN107701236A (zh) * | 2017-10-13 | 2018-02-16 | 鄂尔多斯市营盘壕煤炭有限公司 | 一种箕斗装载硐室的多信息数据监测系统 |
WO2020073688A1 (zh) * | 2018-10-08 | 2020-04-16 | 平安科技(深圳)有限公司 | 预测网络设备异常的方法、装置、设备及存储介质 |
CN110334106A (zh) * | 2019-05-06 | 2019-10-15 | 深圳供电局有限公司 | 一种基于大数据分析的运维故障分析预警方法 |
CN110926809A (zh) * | 2019-06-19 | 2020-03-27 | 山西大学 | 一种基于大数据分析的风电机组传动链故障预警方法 |
CN110866616A (zh) * | 2019-11-01 | 2020-03-06 | 许继集团有限公司 | 一种变电站二次设备故障预警方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600045A (zh) * | 2022-11-30 | 2023-01-13 | 中国人民解放军海军工程大学(Cn) | 采用通用检测工具检测的平均检测时间计算方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105699803B (zh) | 一种汽车用电故障检测系统 | |
EP2174197B1 (en) | System and method for predictive maintenance of a battery assembly using temporal signal processing | |
US6694286B2 (en) | Method and system for monitoring the condition of an individual machine | |
DE2622120A1 (de) | Verfahren und vorrichtung zur automatischen ueberwachung von anlagen | |
CN110647093B (zh) | 一种基于大数据分析的电力系统智能监控系统及监控方法 | |
CN113759785A (zh) | 一种基于大数据分析技术实现设备故障预警的方法 | |
CN115343623B (zh) | 一种电化学储能电池故障的在线检测方法及装置 | |
CN108691785A (zh) | 一种水泵在线检测系统 | |
CN110807563B (zh) | 一种基于大数据的设备寿命预测系统及方法 | |
CN114813124B (zh) | 一种轴承故障的监测方法及装置 | |
CN114369849B (zh) | 一种电解槽健康度的监控方法、装置及电解槽监控系统 | |
AU2023210611A1 (en) | Method and apparatus for operating state analysis and early warning of auxiliary device of hydroelectric station, and decision support system for hydroelectric production | |
JP6176377B1 (ja) | 設備管理システム、設備管理方法およびプログラム | |
CN116125300A (zh) | 一种电池包异常监测方法、装置、电子设备及存储介质 | |
CN110687851A (zh) | 一种终端运行监控系统及方法 | |
CN110954335A (zh) | 一种工业车辆的健康评估方法及系统 | |
CN109840601A (zh) | 风电场设备监视与生产管理相结合的运行管理方法 | |
CN111551856B (zh) | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 | |
CN108122036B (zh) | 一种变电站带电运检辅助分析方法 | |
Florencias-Oliveros et al. | Cluster analysis for Power Quality monitoring | |
CN114069865A (zh) | 换流站运行监测系统、方法、装置、计算机设备及介质 | |
CN114487848A (zh) | 一种蓄电池的状态计算方法和装置 | |
JP2018037063A (ja) | 設備管理システム、設備管理方法およびプログラム | |
CN117856456A (zh) | 一种储能柜运行自检系统及其控制方法 | |
Sarita et al. | Equipment Using Machine Learning SkS and Data Analytics |
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 |