CN114202141A - 一种基于边云协同的计量设备检定线运行状态评估方法 - Google Patents
一种基于边云协同的计量设备检定线运行状态评估方法 Download PDFInfo
- Publication number
- CN114202141A CN114202141A CN202110713072.0A CN202110713072A CN114202141A CN 114202141 A CN114202141 A CN 114202141A CN 202110713072 A CN202110713072 A CN 202110713072A CN 114202141 A CN114202141 A CN 114202141A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- operation state
- voltage
- representing
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于边云协同的计量设备检定线运行状态评估方法;涉及电能计量资产运维管理领域。目前,不能实时对自动化检定线的运行状态进行评估。本发明利用终端感知设备采集检定线运行状态实时数据,从私有云平台载入最新运行状态评估模型,向运行状态评估模型中输入降维后的指标数据,得到检定线运行状态评估结果;同时边缘计算平台在闲时将检定线运行状态数据上传至私有云平台,并在云端对运行状态评估模型进行持续训练;将检定线运行状态评估结果对应到运行状态等级区间,当检定线运行状态分值落入故障的运行状态等级区间时,通过边缘计算平台将预警信息通知终端;从而科学指导计量设备检定线运维过程,实现运维管理工作的降本增效。
Description
技术领域
本发明涉及电能计量资产运维管理领域,尤其涉及一种基于边云协同的计量设备检定线运行状态评估方法。
背景技术
随着自动化检定流水线的广泛应用,国家电网公司省级计量中心将其自动化仓储技术、物流输送技术有机的结合,逐步实现了计量设备的集中采购、集中检定、集中仓储、集中配送等一系列作业的智能化、自动化。计量设备检定任务繁重,运维流程复杂,故障影响面大,因此有必要对检定线运行状态进行实时准确的评估。关于检定线运行状态的评估,主要分为主观评价法和客观评价法。其中,主观评价法主要包括专家调查法、层次分析法以及功效系数法等,由于评价指标的权重由决策者人为确定,可以结合实际问题和评价目标调整指标的重要程度,但同时也给评价结果带来了一定主观性;常见的客观评价法主要有主成分分析法、灰色关联分析法以及人工神经网络评价法等,由于评价指标的权重是由指标数据计算得出,尽量排除了主观成分,因此评价结果更加客观。但是,当前研究多集中于静态评价方法,对于检定线不同运行阶段评价指标权重的变化鲜有考虑。
现有电能计量设备智能化管理系统可实现自动化检定线运行状态的数据采集,但由于数据量庞大以及计算资源的局限性,对于采集到的数据未能进行有效利用,不能实时对自动化检定线的运行状态进行实时评估。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种基于边云协同的计量设备检定线运行状态评估方法,以实现实时准确地自动化检定线运行状态进行评估目的。为此,本发明采取以下技术方案。
一种基于边云协同的计量设备检定线运行状态评估方法,包括以下步骤:
1)利用计量设备检定线上部署的感知设备,对检定线设备的运行状态指标数据进行实时采集;检定线设备包括多功能检定装置、耐压装置、上下料机器人、激光刻码装置、外观检查装置、封印验证装置、工控机和气路;
多功能检定装置的运行状态指标数据包括用以表征功率源输出性能的电压输出偏差X1、电流输出偏差X2、频率输出偏差X3、相位输出偏差X4、电压对称度X5、电流对称度X6、相对对称度X7、电压谐波含量X8、电流谐波含量X9、功率稳定度X10、以及用以表征误差结论可靠性的辅助标准表误差比对X11;
耐压装置的运行状态指标数据包括用以表征耐压装置输出性能的输出电压偏差X12;
上下料机器人的运行状态指标数据包括用以表征控制柜中整体工作状态的机器人电控柜温度X13、用以表征机器人各轴电机载荷能力的机器人减速机扭矩振幅X14、用以表征机器人各轴电机的整体工作状态的机器人电机温度X15;
激光刻码装置的运行状态指标数据包括用以表征激光刻码装置的核心发射源性能衰减程度的刻码结果识别率X16;
外观检查装置的运行状态指标数据包括用以表征相机拍照图像稳定性的图像质量波动率X17;
封印验证装置的运行状态指标数据包括用以表征装置吸盘及气路的稳定性的吸盘负压波动率X18;
工控机的运行状态指标数据包括用以表征工控机核心性能的硬盘使用率X19、CPU使用率X20和内存使用率X21;
气路的运行状态指标数据包括用以表征气路环境状态的环境压力X22和湿度X23;
2)终端感知设备将采集得到的数据通过多协议通讯接口上传至边缘计算平台,并在边缘侧对多源异构数据进行预处理和指标降维;
3)从私有云平台载入最新运行状态评估模型,向运行状态评估模型中输入降维后的指标数据,得到检定线运行状态评估结果;同时边缘计算平台在闲时将检定线运行状态数据上传至私有云平台,并在云端对运行状态评估模型进行持续训练,以提升模型可靠性和泛化程度;
4)将检定线运行状态评估结果对应到运行状态等级区间,当检定线运行状态分值落入故障的运行状态等级区间时,通过边缘计算平台将预警信息通知运维人员终端。
本技术方案将边云协同技术引入计量设备检定线运行状态评估过程,构建云-边-端计算平台,利用终端感知设备采集检定线运行状态实时数据,在边缘计算平台驱动检定线运行状态动态评估模型,为检定线运行状态提供更加实时准确的评估结果,并在私有云端对评估模型进行实时训练,从而科学指导计量设备检定线运维过程,实现运维管理工作的降本增效,完成检定线运行状态的实时准确评估,从而指导计量设备检定线安全平稳运行,对于保障计量运维质量和企业经济效益具有至关重要的意义。
作为优选技术手段:在步骤1)中,检定线设备运行状态指标数据通过对应的感知设备进行采集;其中:
多功能检定装置电压输出偏差X1、电流输出偏差X2、频率输出偏差 X3、相位输出偏差X4、电压对称度X5、电流对称度X6和相对对称度X7数据由标准表或辅助标准表直接测量获取;电压谐波含量X8和电流谐波含量 X9数据由外接数字表直接测量获取;功率稳定度X10数据由标准表或辅助标准表连续读取,每120次为一组;辅助标准表误差比对X11数据由辅助标准表和其他被检电能表同步检定测量误差值获取;耐压装置输出电压偏差X12由电测软件在耐压实验过程中实时读取耐压仪获取;上下料机器人电控柜温度X13由加装于上下料机器人上的温度传感器获取;机器人减速机扭矩振幅X14和机器人电机温度X15由通讯接口从机器人内部直接获取;激光刻码装置刻码结果识别率X16由安装于信息识别单元的RFID获取;外观检查装置图像质量波动率X17由安装于外观检测单元的工业相机获取;封印验证装置吸盘负压波动率X18由安装于封印单元的压力传感器获取;工控机硬盘使用率X19、CPU使用率X20和内存使用率X21由工控机软件直接读取;气路环境压力X22和湿度X23分别由安装于检定室中心的压力传感器和温度传感器获取。
作为优选技术手段:在步骤2)中,多协议通讯接口包括5G、Wifi、以太网;电控信号数据的采集采用的协议包括OPC UA、ZigBee,其中OPC UA协议以OLE/COM/DCOM技术为基础,采用客户/服务器模式,以统一标准定义实时数据传输方法,避免了多个PLC厂商对数据采集的限制,降低对服务器性能的影响,并采用的专有采集网关以避免对检定线正常运行产生干扰;除电控信号数据外的网络设备数据的采集采用的协议包括 SNMP、IPMI、JMX、ETL。
作为优选技术手段:在步骤2)中,数据的预处理包括:
201)数据清洗:利用箱线图法和插值法剔除异常数据;
202)部分指标数据初步计算:多功能检定装置电压输出偏差X1、电流输出偏差X2、频率输出偏差X3、相位输出偏差X4的初步计算公式如下:
电压对称度X5、电流对称度X6和相对对称度X7的初步计算公式如下:
功率稳定度X10的初步计算公式如下:
辅助标准表误差比对X11的初步计算公式如下:
其中γlabi,γref分别表示标准表和辅助标准表测量的误差,Ulab,Uref分别表示标准表和辅助标准表测量误差结果的不确定度;
激光刻码装置刻码结果识别率X16初步计算公式如下:
其中Le,L分别表示扫码验证异常数量和激光刻码总数量;
外观检查装置图像质量波动率X17初步计算公式如下:
x17=δmax-δmin (6)
其中δmax,δmin分别表示实时采集图像与标准模板匹配率的最大和最小值;
封印验证装置吸盘负压波动率X18初步计算公式如下:
其中εmax,εmin分别表示所有施封合格表计负压最大和最小值;
203)无量纲化处理:按照式(8)消除各类数据间量纲差异:
其中,xi,max和xi,min分别表示指标数据xi的最大和最小值(i=1,2,…,23), yi则为无量纲化处理后的指标数据。
作为优选技术手段:在步骤2)中,指标降维时采用主成分分析法,原始数据表示为Y=[y1,y2,…,y23],定义总离散度矩阵其中为总均值向量;计算矩阵A的最大m个特征值对应的特征向量,求得主成分综合得分,从而得到降维矩阵,降维后得到的m个评价指标作为检定线运行状态评估模型的输入。
作为优选技术手段:运行状态评估模型基于灰靶模型在私有云平台上构建,运行状态评估模型的构建包括以下步骤:
A)构建由m个评价指标,k组运行状态数据组成的决策矩阵B,表示为B=(yij)m×k,yij表示第j组运行数据中第i个评价指标的数据, i=1,2,…,m;j=1,2,…,k;
B)根据正负指标,分别确定正理想靶心Z0 +和负理想靶心Z0 -:
其中zi +和zi -分别表示k组运行状态数据中,第i个指标的最大和最小值;
C)采用主、客观组合赋权法对指标进行赋权;组合赋权法中的主观赋权部分采用专家评价法,调用私有云端专家库数据库中多位专家对23 个原始指标权重的打分值,按照降维矩阵得到降维后第i个指标的主观权重ω1i;随着检定线运维经验的积累,对专家库的权重数据进行实时更新;
客观赋权部分首先利用熵权法确定指标的初始客观权重,评价指标i 的熵值Ei由式(10)表示:
再引入变权系数,得到第i个评价指标的动态客观权重ω2i:
其中α∈[0,1]为变权系数,反映对检定线非理想运行状态的重视程度;
按照式(13)确定主、客观权重的分配系数c1,c2:
于是得到第i个评价指标的组合权重ωi:
ωi=c1ω1i+c2ω2i (14)
D)按照式(15)计算靶心度d,得到运行状态评估结果,即检定线运行状态分值:
其中zi表示第i个指标的理想值,当该指标为正向指标时,取zi=zi +,当该指标为负向指标时,取zi=zi -。
作为优选技术手段:在步骤4)中,运行状态等级包括得分为0.9~1.0 的优秀等级、得分为0.8~0.9的良好、得分为0.7~0.8的一般等级、得分为 0.6~0.7的故障等级、得分为0~0.6的严重故障等级。
有益效果:本技术方案将边云协同技术引入计量设备检定线运行状态评估过程,构建云-边-端计算平台,利用终端感知设备采集检定线运行状态实时数据,在边缘计算平台驱动检定线运行状态动态评估模型,为检定线运行状态提供更加实时准确的评估结果,并在私有云端对评估模型进行实时训练,从而科学指导计量设备检定线运维过程,实现运维管理工作的降本增效,完成检定线运行状态的实时准确评估,从而指导计量设备检定线安全平稳运行,对于保障计量运维质量和企业经济效益具有至关重要的意义。
附图说明
图1是本发明的流程图。
图2是本发明的运行状态评估模型构建流程图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明所提出的一种基于边云协同的计量设备检定线运行状态评估方法,其具体包括以下步骤:
1.构建计量设备检定线运行状态评估指标体系,设定运行状态等级。根据历史故障记录,检定线设备可分为两类,一类是故障次数较高,但维修更换相对容易、对系统停运影响较小的设备;另一类是故障不频发,但故障一旦发生维修较困难、对系统影响较大的设备。由于第一类设备具有一定量的本品备件,可以随时更换且价值不高,而额外采集数据建立表征其状态的指标群投资相对较大,因此本发明主要对第二类设备的状态指标进行监控。根据管理规程和设备运行特点,将第二类设备的运行状态评估指标分为检定质量指标和检定效率指标。其中,检定质量指标来自于多功能检定装置和耐压装置,检定效率指标来自于上下料机器人、激光刻码装置、外观检查装置、封印验证装置、工控机和气路。具体描述如下:
多功能检定装置相关指标包括电压输出偏差X1、电流输出偏差X2、频率输出偏差X3、相位输出偏差X4、电压对称度X5、电流对称度X6、相对对称度X7、电压谐波含量X8、电流谐波含量X9、功率稳定度X10,用以表征功率源的输出性能,以及辅助标准表误差比对X11,用以表征误差结论的可靠性。
耐压装置相关指标为输出电压偏差X12,用以表征耐压装置输出性能。
上下料机器人相关指标包括机器人电控柜温度X13,用以表征控制柜中整体工作状态;机器人减速机扭矩振幅X14,用以表征机器人各轴电机的载荷能力;机器人电机温度X15,用以表征机器人各轴电机的整体工作状态。
激光刻码装置相关指标为刻码结果识别率X16,用以表征激光刻码装置的核心发射源性能衰减程度。
外观检查装置相关指标为图像质量波动率X17,用以表征相机拍照图像的稳定性。
封印验证装置相关指标为吸盘负压波动率X18,用以表征装置吸盘及气路的稳定性。
工控机相关指标包括硬盘使用率X19、CPU使用率X20和内存使用率 X21,用以表征工控机的核心性能。
气路相关指标包括环境的压力X22和湿度X23,用以表征气路环境状态。
检定线运行状态划分为包括优秀(对应得分0.9~1.0)、良好(对应得分0.8~0.9)、一般(对应得分0.7~0.8)、故障(对应得分0.6~0.7)、严重故障(对应得分0~0.6)5个等级。
2.利用计量设备检定线上部署的各类感知设备,对检定线运行数据进行实时采集。电控信号数据的采集通过OPC UA、ZigBee等技术实现,其中OPC UA协议以OLE/COM/DCOM技术为基础,采用客户/服务器模式,以统一标准定义实时数据传输方法,避免了多个PLC厂商对数据采集的限制,且大大降低了对服务器性能的影响,此外采用的专有采集网关能够不对检定线正常运行产生干扰。其他软件和网络设备数据的采集通过SNMP、 IPMI、JMX、ETL等技术实现。
具体的,多功能检定装置电压输出偏差X1、电流输出偏差X2、频率输出偏差X3、相位输出偏差X4、电压对称度X5、电流对称度X6和相对对称度X7数据由标准表或辅助标准表直接测量获取;电压谐波含量X8和电流谐波含量X9数据由外接数字表直接测量获取;功率稳定度X10数据由标准表或辅助标准表连续读取,每120次为一组;辅助标准表误差比对X11数据由辅助标准表和其他被检电能表同步检定测量误差值获取;耐压装置输出电压偏差X12由电测软件在耐压实验过程中实时读取耐压仪获取;上下料机器人电控柜温度X13由加装于上下料机器人上的温度传感器获取;机器人减速机扭矩振幅X14和机器人电机温度X15由通讯接口从机器人内部直接获取;激光刻码装置刻码结果识别率X16由安装于信息识别单元的 RFID获取;外观检查装置图像质量波动率X17由安装于外观检测单元的工业相机获取;封印验证装置吸盘负压波动率X18由安装于封印单元的压力传感器获取;工控机硬盘使用率X19、CPU使用率X20和内存使用率X21由工控机软件直接读取;气路环境压力X22和湿度X23分别由安装于检定室中心的压力传感器和温度传感器获取。
3.终端感知设备将采集得到的数据通过5G、Wifi、以太网等多协议通讯接口上传至边缘计算平台,并在边缘侧对多源异构数据进行预处理和指标降维。数据的预处理主要包括:
1)数据清洗:即利用箱线图法和插值法剔除异常数据。
2)部分指标数据初步计算:多功能检定装置电压输出偏差X1、电流输出偏差X2、频率输出偏差X3、相位输出偏差X4的初步计算公式如下:
电压对称度X5、电流对称度X6和相对对称度X7的初步计算公式如下:
功率稳定度X10的初步计算公式如下:
辅助标准表误差比对X11的初步计算公式如下:
其中γlabi,γref分别表示标准表和辅助标准表测量的误差,Ulab,Uref分别表示标准表和辅助标准表测量误差结果的不确定度。
激光刻码装置刻码结果识别率X16初步计算公式如下:
其中Le,L分别表示扫码验证异常数量和激光刻码总数量。
外观检查装置图像质量波动率X17初步计算公式如下:
x17=δmax-δmin (6)
其中δmax,δmin分别表示实时采集图像与标准模板匹配率的最大和最小值。
封印验证装置吸盘负压波动率X18初步计算公式如下:
其中εmax,εmin分别表示所有施封合格表计负压最大和最小值。
3)无量纲化处理:按照式(8)消除各类数据间量纲差异:
其中,xi,max和xi,min分别表示指标数据xi的最大和最小值(i=1,2,…,23), yi则为无量纲化处理后的指标数据。
指标降维采用主成分分析法,原始数据表示为Y=[y1,y2,…,y23],定义总离散度矩阵其中为总均值向量。利用SPSS软件计算矩阵 A的最大m个特征值对应的特征向量,求得主成分综合得分,从而得到降维矩阵,降维后得到的m个评价指标作为检定线运行状态评估模型的输入。
4.从私有云平台载入最新运行状态评估模型,输入降维后的指标数据,得到检定线运行状态评估结果;同时边缘计算平台在闲时将检定线运行状态数据上传至私有云平台,并在云端对状态评估模型进行持续训练,以提升模型可靠性和泛化程度。
具体的,基于灰靶模型在私有云平台上构建检定线运行状态评估模型流程图见图2,包括以下步骤:
1)构建由m个评价指标,k组运行状态数据组成的决策矩阵B,表示为B=(yij)m×k,yij表示第j组运行数据中第i个评价指标的数据,i=1,2,…,m;j=1,2,…,k。
2)根据正负指标,分别确定正理想靶心Z0 +和负理想靶心Z0 -:
其中zi +和zi -分别表示k组运行状态数据中,第i个指标的最大和最小值。
3)采用主客观组合赋权法对指标进行赋权。多功能检定装置和耐压装置一旦失准,将产生高额表计追溯成本,而上下料、激光刻码装置、气路等发生故障则会导致整个单元停运,严重影响检定效率。检定线各类设备故障频次和故障对整体检定工作的影响程度不同,因此需要赋予不同的权重。组合赋权法中的主观赋权部分采用专家评价法,调用私有云端专家库数据库中多位专家对23个原始指标权重的打分值,按照降维矩阵得到降维后第i个指标的主观权重ω1i。随着检定线运维经验的积累,可对专家库的权重数据进行实时更新。
客观赋权部分首先利用熵权法确定指标的初始客观权重,评价指标i 的熵值Ei由式(10)表示:
再引入变权系数,得到第i个评价指标的动态客观权重ω2i:
其中α∈[0,1]为变权系数,反映对检定线非理想运行状态的重视程度。
按照式(13)确定主客观权重的分配系数c1,c2:
于是得到第i个评价指标的组合权重ωi:
ωi=c1ω1i+c2ω2i (14)
4)按照式(15)计算靶心度d,得到运行状态评估结果,即检定线运行状态分值:
其中zi表示第i个指标的理想值,当该指标为正向指标时,取zi=zi +,当该指标为负向指标时,取zi=zi -。
5.将检定线运行状态评估得分对应到运行状态等级区间,通过边缘计算平台将预警信息通知运维人员终端。
以上图1、2所示的一种基于边云协同的计量设备检定线运行状态评估方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
Claims (7)
1.一种基于边云协同的计量设备检定线运行状态评估方法,其特征在于包括以下步骤:
1)利用计量设备检定线上部署的感知设备,对检定线设备的运行状态指标数据进行实时采集;检定线设备包括多功能检定装置、耐压装置、上下料机器人、激光刻码装置、外观检查装置、封印验证装置、工控机和气路;
多功能检定装置的运行状态指标数据包括用以表征功率源输出性能的电压输出偏差X1、电流输出偏差X2、频率输出偏差X3、相位输出偏差X4、电压对称度X5、电流对称度X6、相对对称度X7、电压谐波含量X8、电流谐波含量X9、功率稳定度X10、以及用以表征误差结论可靠性的辅助标准表误差比对X11;
耐压装置的运行状态指标数据包括用以表征耐压装置输出性能的输出电压偏差X12;
上下料机器人的运行状态指标数据包括用以表征控制柜中整体工作状态的机器人电控柜温度X13、用以表征机器人各轴电机载荷能力的机器人减速机扭矩振幅X14、用以表征机器人各轴电机的整体工作状态的机器人电机温度X15;
激光刻码装置的运行状态指标数据包括用以表征激光刻码装置的核心发射源性能衰减程度的刻码结果识别率X16;
外观检查装置的运行状态指标数据包括用以表征相机拍照图像稳定性的图像质量波动率X17;
封印验证装置的运行状态指标数据包括用以表征装置吸盘及气路的稳定性的吸盘负压波动率X18;
工控机的运行状态指标数据包括用以表征工控机核心性能的硬盘使用率X19、CPU使用率X20和内存使用率X21;
气路的运行状态指标数据包括用以表征气路环境状态的环境压力X22和湿度X23;
2)终端感知设备将采集得到的数据通过多协议通讯接口上传至边缘计算平台,并在边缘侧对多源异构数据进行预处理和指标降维;
3)从私有云平台载入最新运行状态评估模型,向运行状态评估模型中输入降维后的指标数据,得到检定线运行状态评估结果;同时边缘计算平台在闲时将检定线运行状态数据上传至私有云平台,并在云端对运行状态评估模型进行持续训练,以提升模型可靠性和泛化程度;
4)将检定线运行状态评估结果对应到运行状态等级区间,当检定线运行状态分值落入故障的运行状态等级区间时,通过边缘计算平台将预警信息通知运维人员终端。
2.根据权利要求1所述的一种基于边云协同的计量设备检定线运行状态评估方法,其特征在于:在步骤1)中,检定线设备运行状态指标数据通过对应的感知设备进行采集;其中:
多功能检定装置电压输出偏差X1、电流输出偏差X2、频率输出偏差X3、相位输出偏差X4、电压对称度X5、电流对称度X6和相对对称度X7数据由标准表或辅助标准表直接测量获取;电压谐波含量X8和电流谐波含量X9数据由外接数字表直接测量获取;功率稳定度X10数据由标准表或辅助标准表连续读取,每120次为一组;辅助标准表误差比对X11数据由辅助标准表和其他被检电能表同步检定测量误差值获取;耐压装置输出电压偏差X12由电测软件在耐压实验过程中实时读取耐压仪获取;上下料机器人电控柜温度X13由加装于上下料机器人上的温度传感器获取;机器人减速机扭矩振幅X14和机器人电机温度X15由通讯接口从机器人内部直接获取;激光刻码装置刻码结果识别率X16由安装于信息识别单元的RFID获取;外观检查装置图像质量波动率X17由安装于外观检测单元的工业相机获取;封印验证装置吸盘负压波动率X18由安装于封印单元的压力传感器获取;工控机硬盘使用率X19、CPU使用率X20和内存使用率X21由工控机软件直接读取;气路环境压力X22和湿度X23分别由安装于检定室中心的压力传感器和温度传感器获取。
3.根据权利要求2所述的一种基于边云协同的计量设备检定线运行状态评估方法,其特征在于:在步骤2)中,多协议通讯接口包括5G、Wifi、以太网;电控信号数据的采集采用的协议包括OPC UA、ZigBee,其中OPC UA协议以OLE/COM/DCOM技术为基础,采用客户/服务器模式,以统一标准定义实时数据传输方法,避免了多个PLC厂商对数据采集的限制,降低对服务器性能的影响,并采用的专有采集网关以避免对检定线正常运行产生干扰;除电控信号数据外的网络设备数据的采集采用的协议包括SNMP、IPMI、JMX、ETL。
4.根据权利要求3所述的一种基于边云协同的计量设备检定线运行状态评估方法,其特征在于:在步骤2)中,数据的预处理包括:
201)数据清洗:利用箱线图法和插值法剔除异常数据;
202)部分指标数据初步计算:多功能检定装置电压输出偏差X1、电流输出偏差X2、频率输出偏差X3、相位输出偏差X4的初步计算公式如下:
电压对称度X5、电流对称度X6和相对对称度X7的初步计算公式如下:
功率稳定度X10的初步计算公式如下:
辅助标准表误差比对X11的初步计算公式如下:
其中γlabi,γref分别表示标准表和辅助标准表测量的误差,Ulab,Uref分别表示标准表和辅助标准表测量误差结果的不确定度;
激光刻码装置刻码结果识别率X16初步计算公式如下:
其中Le,L分别表示扫码验证异常数量和激光刻码总数量;
外观检查装置图像质量波动率X17初步计算公式如下:
x17=δmax-δmin (6)
其中δmax,δmin分别表示实时采集图像与标准模板匹配率的最大和最小值;
封印验证装置吸盘负压波动率X18初步计算公式如下:
其中εmax,εmin分别表示所有施封合格表计负压最大和最小值;
203)无量纲化处理:按照式(8)消除各类数据间量纲差异:
其中,xi,max和xi,min分别表示指标数据xi的最大和最小值(i=1,2,…,23),yi则为无量纲化处理后的指标数据。
6.根据权利要求5所述的一种基于边云协同的计量设备检定线运行状态评估方法,其特征在于:运行状态评估模型基于灰靶模型在私有云平台上构建,运行状态评估模型的构建包括以下步骤:
A)构建由m个评价指标,k组运行状态数据组成的决策矩阵B,表示为B=(yij)m×k,yij表示第j组运行数据中第i个评价指标的数据,i=1,2,…,m;j=1,2,…,k;
B)根据正负指标,分别确定正理想靶心Z0 +和负理想靶心Z0 -:
其中zi +和zi -分别表示k组运行状态数据中,第i个指标的最大和最小值;
C)采用主、客观组合赋权法对指标进行赋权;组合赋权法中的主观赋权部分采用专家评价法,调用私有云端专家库数据库中多位专家对23个原始指标权重的打分值,按照降维矩阵得到降维后第i个指标的主观权重ω1i;随着检定线运维经验的积累,对专家库的权重数据进行实时更新;
客观赋权部分首先利用熵权法确定指标的初始客观权重,评价指标i的熵值Ei由式(10)表示:
再引入变权系数,得到第i个评价指标的动态客观权重ω2i:
其中α∈[0,1]为变权系数,反映对检定线非理想运行状态的重视程度;
按照式(13)确定主、客观权重的分配系数c1,c2:
于是得到第i个评价指标的组合权重ωi:
ωi=c1ω1i+c2ω2i (14)
D)按照式(15)计算靶心度d,得到运行状态评估结果,即检定线运行状态分值:
其中zi表示第i个指标的理想值,当该指标为正向指标时,取zi=zi +,当该指标为负向指标时,取zi=zi -。
7.根据权利要求6所述的一种基于边云协同的计量设备检定线运行状态评估方法,其特征在于:在步骤4)中,运行状态等级包括得分为0.9~1.0的优秀等级、得分为0.8~0.9的良好、得分为0.7~0.8的一般等级、得分为0.6~0.7的故障等级、得分为0~0.6的严重故障等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713072.0A CN114202141A (zh) | 2021-06-25 | 2021-06-25 | 一种基于边云协同的计量设备检定线运行状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713072.0A CN114202141A (zh) | 2021-06-25 | 2021-06-25 | 一种基于边云协同的计量设备检定线运行状态评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114202141A true CN114202141A (zh) | 2022-03-18 |
Family
ID=80645814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713072.0A Pending CN114202141A (zh) | 2021-06-25 | 2021-06-25 | 一种基于边云协同的计量设备检定线运行状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202141A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894165A (zh) * | 2023-09-11 | 2023-10-17 | 阳谷新太平洋电缆有限公司 | 一种基于数据分析的电缆老化状态评估方法 |
CN117495207A (zh) * | 2023-12-29 | 2024-02-02 | 国网四川省电力公司超高压分公司 | 电力变压器健康状态评价方法 |
-
2021
- 2021-06-25 CN CN202110713072.0A patent/CN114202141A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894165A (zh) * | 2023-09-11 | 2023-10-17 | 阳谷新太平洋电缆有限公司 | 一种基于数据分析的电缆老化状态评估方法 |
CN116894165B (zh) * | 2023-09-11 | 2023-12-08 | 阳谷新太平洋电缆有限公司 | 一种基于数据分析的电缆老化状态评估方法 |
CN117495207A (zh) * | 2023-12-29 | 2024-02-02 | 国网四川省电力公司超高压分公司 | 电力变压器健康状态评价方法 |
CN117495207B (zh) * | 2023-12-29 | 2024-03-22 | 国网四川省电力公司超高压分公司 | 电力变压器健康状态评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046402B (zh) | 一种应用于智能变电站二次设备的状态评估方法 | |
CN114202141A (zh) | 一种基于边云协同的计量设备检定线运行状态评估方法 | |
CN111900731B (zh) | 一种基于pmu的电力系统状态估计性能评价方法 | |
CN110864795B (zh) | 一种称重异常报警系统 | |
CN103135009A (zh) | 基于使用者回馈信息的电器侦测方法与系统 | |
CN109359796A (zh) | 一种基于多评估指标的电能表生产厂商评价方法 | |
CN111062620B (zh) | 基于混合计费数据的电力计费公平性智能分析系统及方法 | |
CN109389280B (zh) | 基于多属性决策模型的电能表生产厂商评价方法 | |
CN110874685A (zh) | 基于神经网络的智能电能表运行状态判别方法及系统 | |
CN115293257A (zh) | 一种针对异常用电用户的检测方法及系统 | |
CN111999691B (zh) | 一种计量传感器装置的误差校准方法和误差校准装置 | |
CN115882456A (zh) | 一种基于大规模电网潮流的电力控制方法及系统 | |
CN105068035A (zh) | 一种电压互感器误差水平动态检测方法及系统 | |
CN108845285B (zh) | 电能计量装置检测方法和系统 | |
CN117554821A (zh) | 基于深度学习网络的储能电池在线监测管理方法及系统 | |
CN117113833A (zh) | 一种检定装置的核查方法及系统 | |
CN115345448A (zh) | 一种水轮发电机组效能评价系统 | |
CN114152909A (zh) | 基于大数据的中高压失准分析系统 | |
CN117932501B (zh) | 一种电能表运行状态管理方法和系统 | |
CN114047372B (zh) | 一种基于电压特征的台区拓扑辨识系统 | |
CN117849700B (zh) | 可控制测量的模块化电能计量系统 | |
CN113837671B (zh) | 一种新产品质量管理方法和系统 | |
CN111553565B (zh) | 一种变电站在线监测装置性能评估方法及系统 | |
CN117932501A (zh) | 一种电能表运行状态管理方法和系统 | |
CN116541765A (zh) | 一种关于电能计量器的计量性能分类方法及装置 |
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 |