CN114662803B - 一种分布式能源仓储安全监控方法及物联网系统 - Google Patents
一种分布式能源仓储安全监控方法及物联网系统 Download PDFInfo
- Publication number
- CN114662803B CN114662803B CN202210563072.1A CN202210563072A CN114662803B CN 114662803 B CN114662803 B CN 114662803B CN 202210563072 A CN202210563072 A CN 202210563072A CN 114662803 B CN114662803 B CN 114662803B
- Authority
- CN
- China
- Prior art keywords
- data
- lng
- distributed energy
- prediction
- abnormal
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000004146 energy storage Methods 0.000 title claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 74
- 238000007726 management method Methods 0.000 claims abstract description 54
- 238000012423 maintenance Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000013524 data verification Methods 0.000 claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims abstract description 13
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 6
- 230000008447 perception Effects 0.000 claims description 22
- 238000009499 grossing Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012217 deletion Methods 0.000 claims description 9
- 230000037430 deletion Effects 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- NISOCYUAQBTSBZ-UHFFFAOYSA-N n-methyl-n-(2-phenylethyl)prop-2-yn-1-amine Chemical compound C#CCN(C)CCC1=CC=CC=C1 NISOCYUAQBTSBZ-UHFFFAOYSA-N 0.000 claims description 4
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 229910002056 binary alloy Inorganic materials 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000001915 proofreading effect Effects 0.000 claims 1
- 238000012790 confirmation Methods 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 16
- 238000001514 detection method Methods 0.000 description 12
- 239000007789 gas Substances 0.000 description 12
- 239000003345 natural gas Substances 0.000 description 8
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000002309 gasification Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003915 liquefied petroleum gas Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种分布式能源仓储安全监控方法及物联网系统,利用数据采集单元监测感知LNG仓储设备运行数据,并将感知信息进行对称加密后通过对应传感网络平台传输至LNG分布式能源管理平台;管理平台对加密后的感知信息进行解密,并根据异常判断条件判断出感知信息中的异常数据同时进行伪数据校验和标注;根据预警机制对设备运行数据进行异常预测分析和报警;根据异常数据对应设备的罐箱编号,向现场维护人员进行报警提示,进行检查处理;现场维护人员完成检查处理后与管理平台进行双向确认。本发明能判断出异常数据并对其进行伪数据校验和筛选,通过预警机制向维护人员发送报警提示,对异常仓储设备进行维护,提高能源仓储的安全监管效率。
Description
技术领域
本发明涉及能源仓储安全监控技术领域,尤其涉及一种分布式能源仓储安全监控方法及系统。
背景技术
2021年8月,国家能源局石油天然气司等部门公布《中国天然气发展报告(2021)》,报告显示:我国天然气多元供应体系持续完善,“全国一张网”基本成形。累计建成长输管道4.6万千米,全国天然气管道总里程达到约11万千米。但是,仍然有大量的远郊区县、山区、农村等经济欠发达地区、管道辐射不足的区域内,无法使用优势明显、安全、洁净的天然气来进行生活、工作。据统计,目前国内近6亿人仍然无法使用天然气。
然而,远郊区县、山区、农村燃气市场是城镇燃气的潜在市场,这些地区的能源供应作为国家整个能源系统不可分割的组成部分,其供应与消费必然影响到中国能源的供求形势。目前城市建设的重点逐步从市区向远郊区县、山区、农村战略转移,需要建立高效、安全、经济的能源供应体系。
LNG作为清洁能源现备受关注,天然气燃烧后产生的二氧化碳和氮氧化合物仅为煤的50%和20%,污染为液化石油气的1/4,煤的1/800。由于管道铺设投资费用大,LNG气化站具有比管道气更好的经济性,在中小城镇可采用LNG气化站作为气源供居民使用,此外还可用于商业,事业单位的生活以及用户的采暖等。可通过构建虚拟管网体系,推进燃气下乡工作,解决国内近6亿人仍然无法使用天然气的现状。LNG作为清洁能源现备受关注,天然气燃烧后产生的二氧化碳和氮氧化合物仅为煤的50%和20%,污染为液化石油气的1/4,煤的1/800。由于管道铺设投资费用大,LNG具有比管道气更好的经济性,在中小城镇可采用LNG作为气源供居民使用。
现有的LNG仓储站无法自动化对仓储设备状态进行感知,且数据传输安全性较低。此外,后台在对仓储设备状态数据进行异常数据分析时,不能有效的去除异常数据中的伪数据,无法提前对气化站仓储设备的异常状况提前进行预警。
发明内容
本发明的目的在于克服现有技术的不足,提供一种分布式能源仓储安全监控方法及系统,通过多个传感器采集LNG仓储设备的设备监测数据并实时上传至LNG分布式能源管理平台进行分析,LNG分布式能源管理平台构建参数变化趋势预测模型实时分析监测数据,判断处异常数据并对其进行伪数据校验,筛选出伪数据,最后通过预警机制向维护人员发送报警提示,对异常仓储设备进行维护,提高能源仓储的安全监控效率。
本发明的目的是通过以下技术方案来实现的:
一种分布式能源仓储安全监控方法,包括以下步骤:
步骤一:利用数据采集单元监测感知LNG仓储设备运行数据,并将感知信息进行对称加密后通过对应LNG分布式能源仓储传感网络平台传输至LNG分布式能源管理平台;
步骤二:LNG分布式能源管理平台通过监控管理系统对加密后的感知信息进行解密,并根据异常判断条件对解密获得的感知信息进行异常数据判断,然后对判断出的异常数据进行伪数据校验和标注;根据预警机制对LNG仓储设备运行数据进行异常预测分析和报警;
步骤三:根据异常判断和异常预测分析出的异常数据对应仓储设备的罐箱编号,通过传感网络平台向现场维护人员进行报警提示,由现场维护人员进行检查处理;
步骤四:现场维护人员完成检查处理后,通过传感网络平台与LNG分布式能源管理平台进行双向维护确认,完成对异常仓储设备的维护。
具体的,所述步骤一具体包括:先利用数据采集单元对LNG仓储设备进行监测,感知采集LNG仓储设备的压力、温度和位置数据,数据采集单元对感知信息进行模数转换并以二进制方式采用对称加密算法对感知信息进行对称加密,获得加密后的感知信息;数据采集单元通过传感网络平台主动向指定地址的LNG分布式能源管理平台发送认证信息,通过双向对称认证后,两者建立唯一通信通道,进行加密感知信息的传输。
具体的,所述步骤二具体为:LNG分布式能源管理平台对加密后的感知信息进行解密,并依据预设的异常判断条件对当前解密获得的感知信息进行异常判断,筛选出的异常的感知信息;利用伪数据校验方法对筛选出的异常感知信息进行伪数据校验,识别出由外部环境干扰引起故障的伪数据类型并进行标注;根据预警机制对LNG仓储设备运行数据进行异常预测分析。
具体的,所述利用伪数据校验方法对筛选出的异常感知信息进行伪数据校验过程具体为:建立伪数据校验方法,预先在现场维护过程中,针对电磁干扰产生的伪数据,向数据采集单元的传感器程序中设置误码,模拟真实电磁干扰时传感器数值,将对应LNG分布式能源管理平台的异常分析结果设定为电磁干扰伪数据;针对传输或者设备故障产生的伪数据,随机制造传感器或者传输线路故障,将LNG分布式能源管理平台标注的异常分析结果设定为传感器或线路伪数据;利用上述伪数据校验方法对筛选出的异常感知信息进行伪数据分析,并标注出对应的伪数据类型。
具体的,所述根据预警机制对LNG仓储设备运行数据进行异常预测分析过程具体包括以下处理过程:
数据预处理:先采用霍尔特双参数线性指数平滑法对解密获得的感知信息进行平滑处理,获得监测时间序列x t ;
模型初始化:初始化模型结束p=1、向前预测步长np=np 0;p为参数变化趋势预测模型机器阶数,np为参数变化趋势预测模型向前进行异常预测分析的步数,np0为异常预测分析的初始化值;
模型建立,基于监测时间序列x t 建立初始ARMA模型;
确定建模样本长度:通过时间序列分析,以感知信息的时序频域中两相邻频率间隔倒数的整数倍作为建模样本长度;
模型参数估计:利用最小二乘法估计出模型参数;
模型检验及定阶:采用信息准则AIC方法确定适合的参数变化趋势预测模型机器阶数p,获得最终参数趋势预测模型ARMA(2p,2p-1);
参数预测:通过连续向前np步预测计算得到预测区间;
异常数据分析:采用动态修正的ARMA预测方法计算出最佳预测结果及其对应的预测区间,获得LNG仓储设备的运行预测结果,并根据预设的异常判断条件判断运行预测结果是否为异常数据。
具体的,数据预处理过程包括:
异常感知数据处理,对于感知采集的LNG仓储设备运行数据形成监测时间序列{x t ,t=1,2,...,N},对监测数据为零或低概率传感器测值的异常监测数据,通过监测时间序列中前Nx个数计算其1步平滑值Ft 来替代异常监测数据,选取实际监测运行数据来获取平滑计算用到监测时间序列的长度Nx;
数据缺失处理,对于原始监测数据构成的缺失序列{x t ,t=1,2,...},首先根据实际监测运行数据分析获取平滑计算所需原始数据的时序长度Nx ;设定平滑处理的步数m,然后,对缺失数据点的前Nx个点的瓦斯浓度监测值{x t ,t=1,2,...,N x },连续进行m步的平滑计算,计算得到最终平滑值Ft+m,最后,将平滑值Ft+m插入缺失序列,形成完整的监测数据时间序列。
具体的,动态修正的ARMA预测方法包括以下步骤:
预测误差评估。对于前j -1 次预测,计算向前n 次(固定时间段内预测点总数)预测误差的均值,求取误差最小值和次最小值。
有效模型阶数确定。将得到预测误差最小值和次最小值时的模型阶数p1, p2
作为前 j -1 次预测的有效模型阶数。
当前数据建模。对于当前LNG仓储设备运行监测数据形成的分析序列,通过ARMA方法模型参数估计及有效性检验得到最佳阶数p0。
模型预测。分别以p=p0 , p1, p2为阶数,进行参数预测,得到预测结果X=[xj1, xj2, xj3]。
最佳预测结果计算。求 X=[xj1, xj2 , xj3]各元素的平均值得到最终的预测结果即为最佳预测结果。
具体的,步骤四具体包括:现场维护人员完成检查处理后,再通过传感网络平台向LNG分布式能源管理平台发送处理信息,并由LNG分布式能源管理平台确认是否处理完工;LNG分布式能源管理平台获取经处理后罐箱感知信息,信息状态正常则确认现场维护人员处理完工,并返馈现场维护人员。
一种分布式能源仓储安全监控物联网系统,利用上述的分布式能源仓储安全监控方法实现,系统包括LNG分布式能源对象平台、传感网络平台、LNG分布式能源管理平台、服务平台和用户平台;其中,
LNG分布式能源对象平台用于监测感知LNG仓储设备的运行数据,并将感知信息进行对称加密后通过传感网络平台传输至LNG分布式能源管理平台;
传感网络平台用于实现LNG分布式能源管理平台和LNG分布式能源对象平台感知与控制的通信连接;
LNG分布式能源管理平台用于根据采集的运行数据进行异常判断和异常预测分析,根据异常判断和异常预测分析出的异常数据对应仓储设备的罐箱编号,通过传感网络平台向现场维护人员进行报警提示,由现场维护人员进行检查处理;
服务平台用于从LNG分布式能源管理平台获取用户需求的感知信息进行解析和存储,以及接收用户下发的控制信息进行处理后发送至LNG分布式能源管理平台;
用户平台用于各类用户从服务平台获取LNG仓储设备的运行数据,以及发送控制信息到服务平台。
本发明的有益效果:
1、本发明通过自动化实时采集LNG仓储设备的压力、温度、位置等信息进行异常分析,可精准定位到异常数据对应的罐箱编号,通过传感网络平台向LNG分布式能源对象平台的现场维护人员进行报警提示,由现场维护人员进行检查处理,提高维护人员的维护效率;
2、本发明通过伪数据校验方法对判断出异常数据进行伪数据校验,能够直观、清晰地辨识出伪数据,并提示在该时间段内传感器显示的伪数据类型,便于现场维护人员进行维护,提高了工作人员的维护效率;
3、本发明还通过构建ARMA参数趋势预测模型对LNG仓储设备的运行趋势进行异常预测分析LNG仓储设备在预测区间内的运行预测结果,并判断出运行预测结果是否为异常数据,可以及时发现即将出现异常数据并进行预警,进一步提高对LNG仓储设备安全监控效率。
附图说明
图1是本发明的方法流程图;
图2是本发明的异常预测分析流程图;
图3是本发明的系统架构图。
具体实施方式
为了对本发明的技术特征、目的和有益效果有更加清楚的理解,现对本发明的技术方案精选以下详细说明。显然,所描述的实施案例是本发明一部分实施例,而不是全部实施例,不能理解为对本发明可实施范围的限定。基于本发明的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的其他所有实施例,都属于本发明的保护范围。
实施例一:
本实施例中,如图1所示,一种分布式能源仓储安全监控方法,包括以下步骤:
步骤一:利用数据采集单元监测感知LNG仓储设备运行数据,并将感知信息进行对称加密后通过传感网络平台传输至LNG分布式能源管理平台;
步骤二:LNG分布式能源管理平台通过监控管理系统对加密后的感知信息进行解密,并根据异常判断条件对解密获得的感知信息进行异常数据判断,然后对判断出的异常数据进行伪数据校验和标注;根据预警机制对LNG仓储设备运行数据进行异常预测分析和报警;
步骤三:根据异常判断和异常预测分析出的异常数据对应仓储设备的罐箱编号,通过传感网络平台向现场维护人员进行报警提示,由现场维护人员进行检查处理;
步骤四:现场维护人员完成检查处理后,通过传感网络平台与LNG分布式能源管理平台进行双向维护确认,完成对异常仓储设备的维护。
本实施例中,数据采集单元是基于现代成熟且先进的电子测量技术、物联网技术的综合应用技术。数据采集单元包括GPS/北斗定位器、压力传感器、温度传感器和监控终端,其数据采集单元的工作原理是:GPS/北斗定位器采集LNG仓储设备位置,置于罐底的压力及温度传感器感知和采集LNG仓储设备的压力和温度模拟信号,通过电缆传输到罐顶的监控终端,监控终端的嵌入式微处理器将其模拟信号转换成数字信息,并将数据信息和罐箱对应编号通过传感网络平台传输到LNG分布式能源管理平台进行进一步分析处理。嵌入式微处理器的任务是将模拟信号通过一定的编码方式转换为适应于互联网传输的计算机数据,通过“精密记忆插补算法”以及最先进和精准的16位算法,以保障采集数据误差的最小化。
本实施例中,步骤一具体包括:先利用数据采集单元对LNG仓储设备进行监测,感知采集LNG仓储设备的压力、温度和位置数据,数据采集单元对感知信息进行模数转换并以二进制方式采用对称加密算法对感知信息进行对称加密,获得加密后的感知信息;数据采集单元通过传感网络平台主动向指定地址的LNG分布式能源管理平台发送认证信息,通过双向对称认证后,两者建立唯一通信通道,进行加密感知信息的传输。
其中,本发明是采用点对点加密算法(MPPE)和网际协议安全(IPSec)机制对数据进行加密,并采用公、私密钥校对的方法对密钥进行管理。MPPE使终端可以从全球任何地方进行安全的通信。MPPE加密确保了数据的安全传输,并具有最小的公共密钥开销。这些身份验证和加密手段由远程服务器强制执行。
本实施例中,步骤二具体为:LNG分布式能源管理平台对加密后的感知信息进行解密,并依据预设的异常判断条件对当前解密获得的感知信息进行异常判断,筛选出的异常的感知信息;利用伪数据校验方法对筛选出的异常感知信息进行伪数据校验,识别出由外部环境干扰引起故障的伪数据类型并进行标注;根据预警机制对LNG仓储设备运行数据进行异常预测分析。
本实施例中,利用伪数据校验方法对筛选出的异常感知信息进行伪数据校验过程具体为:建立伪数据校验方法,预先在现场维护过程中,针对电磁干扰产生的伪数据,向数据采集单元的传感器程序中设置误码,模拟真实电磁干扰时传感器数值,将对应LNG分布式能源管理平台的异常分析结果设定为电磁干扰伪数据;针对传输或者设备故障产生的伪数据,随机制造传感器或者传输线路故障,将LNG分布式能源管理平台标注的异常分析结果设定为传感器或线路伪数据;利用上述伪数据校验方法对筛选出的异常感知信息进行伪数据分析,并标注出对应的伪数据类型。
本实施例中,自回归滑动平均模型(ARMA,Auto-Regressive and Moving AverageModel)是研究时间序列的重要方法,由自回归模型(AR,Auto-Regressive)与滑动平均模型(MA,Moving Average)为基础“混合”构成,近年来也成为了研究时间序列预测问题中的重要方法之一。对于平稳时间序列{xt},若xt不仅与其前n步的各个取值xt-1, xt-2 ,..., xt-n有关,而且还与前m步的各个干扰a t-1 , a t-2 ,...,a t-m 有关(n,m=1,2,...),则依据多元线性回归的思路,可得到一般的 ARMA 模型:
本实施例采用广义最小二乘法进行模型参数估计,ARMA(n,m)模型参数估计的广义二乘法的思路是将 ARMA 模型转化为 AR 模型,进行一系列的线性最小二乘估计,再将取得的 AR 模型还原成 ARMA 模型。
本实施例中,如图2所示,根据预警机制对LNG仓储设备运行数据进行异常预测分析过程具体包括以下处理过程:
数据预处理:先采用霍尔特双参数线性指数平滑法对解密获得的感知信息进行平滑处理,获得监测时间序列x t ;
模型初始化:初始化模型结束p=1、向前预测步长np=np 0;p为参数变化趋势预测模型机器阶数,np为参数变化趋势预测模型向前进行异常预测分析的步数,np0为异常预测分析的初始化值;
模型建立,基于监测时间序列x t 建立初始ARMA模型;
确定建模样本长度:通过时间序列分析,以感知信息的时序频域中两相邻频率间隔倒数的整数倍作为建模样本长度;
模型参数估计:利用最小二乘法估计出模型参数;
模型检验及定阶:采用信息准则AIC方法确定适合的参数变化趋势预测模型机器阶数p,获得最终参数趋势预测模型ARMA(2p,2p-1);
参数预测:通过连续向前np步预测计算得到预测区间;
异常数据分析:采用动态修正的ARMA预测方法计算出最佳预测结果及其对应的预测区间,获得LNG仓储设备的运行预测结果,并根据预设的异常判断条件判断运行预测结果是否为异常数据。预设的异常判断条件为LNG仓储设备的运行预测结果超过设定压力和温度。
其中,预警机制为当利用ARMA模型预测出结果为异常数据时,则通过传感网络平台分别向现场维护人员的手持终端发送报警提示,提前现场维护人员进行处理。
本实施例中,先对LNG仓储设备进行数据特征分析,其分析结果如下:
(1)数据特征。源于监测监控系统的实时监测数据一般是以 10~30s 等时间间隔为周期的,虽然实际的监测数据会有间断,但可以通过插值法、平滑处理等方法补齐,最终得到时间间隔均匀的数据。与实时监测数据相关的数据项目包括:监测点位置、传感器编号、时间和监测值。人工检测数据一般是以 2h(工作面)、8h 或 24h 为周期的数据,当然也可以通过差值法将其转变成统一周期的数据,比如仓储设备检测日报表中的数据可以插值产生每 8h的数据。另一方面,监控系统记录了每隔 5min 和每小时设备实时监测数据的统计值,比如:均值、最大值和最小值,因此实时监测数据与人工检测数据可以对应起来,将人工检测数据通过插值法得到的数据表现出设备检测参数值在较长时段内平滑的变化趋势,而实时监测数据曲线图反映出的是较长时间段内的每个局部设备检测参数的即时变化情况,因而,在将这两类数据可以结合应用于预警分析。
(2)统计特征:由于实时监测数据的统计参数,比如某一时段内的均值和最大值,可以反映该段时间内压力、温度等设备监测参数值的统计特性;人工检测值和单次的监测值一样,属于对应具体时刻和地点的瞬时测定值。人工检测的时间间隔比较长,因此,其统计分析通常针对更长的时间区间(例如一个月)展开。然而,对于设备的监测数据,可以以人工检测数据的周期为时间长度来做统计,得到的统计参数值在一定程度上反映了在人工检测的周期内,压力温度的变化情况,因此,以其平均值与最大值形成的数据区间内应该包含人工检测值。
(3)关联特征:在预警分析过程中,分两方面考虑,对于压力和温度变化趋势的预测预警,基于检/监测数据的关联性,以实时监测数据为分析对象,以人工检测数据来验证模型的有效性。
本实施例中,基于上述特征分析内容,本发明提出了异常数据与缺失数据处理的方法,为提高LNG仓储设备的异常数据分析结果的可靠性提供了有效保障。其中,数据预处理过程包括:
异常感知数据处理,对于感知采集的LNG仓储设备运行数据形成监测时间序列{x t ,t=1,2,...,N},对监测数据为零或低概率传感器测值的异常监测数据,通过监测时间序列中前Nx个数计算其1步平滑值Ft 来替代异常监测数据,选取实际监测运行数据来获取平滑计算用到监测时间序列的长度Nx;
数据缺失处理,对于原始监测数据构成的缺失序列{x t ,t=1,2,...},首先根据实际监测运行数据分析获取平滑计算所需原始数据的时序长度Nx ;设定平滑处理的步数m,然后,对缺失数据点的前Nx个点的瓦斯浓度监测值{x t ,t=1,2,...,N x },连续进行m步的平滑计算,计算得到最终平滑值Ft+m,最后,将平滑值Ft+m插入缺失序列,形成完整的监测数据时间序列。
本实施例中,考虑到误差传递的可能性,采取动态修正的预测方法,即每次预测后,通过评价预测误差,保留预测误差最小时的 ARMA 模型参数,或误差较小时的 2 次模型参数进行建模,同时用当前数据建模,得到的若干次预测结果取平均值,即可对预测结果修正,不仅可以使得预测向误差减小的方向进行,并能使得预测结果更加接近瓦斯浓度在未来时段内变化的平均趋势,有利于提高瓦斯浓度变化趋势的逼近程度。因此,动态修正的ARMA预测方法包括以下步骤:
预测误差评估。对于前j -1 次预测,计算向前n 次(固定时间段内预测点总数)预测误差的均值,求取误差最小值和次最小值。
有效模型阶数确定。将得到预测误差最小值和次最小值时的模型阶数p1, p2
作为前 j -1 次预测的有效模型阶数。
当前数据建模。对于当前LNG仓储设备运行监测数据形成的分析序列,通过ARMA方法模型参数估计及有效性检验得到最佳阶数p0。
模型预测。分别以p=p0 , p1, p2为阶数,进行参数预测,得到预测结果X=[xj1, xj2, xj3]。
最佳预测结果计算。求 X=[xj1, xj2 , xj3]各元素的平均值得到最终的预测结果即为最佳预测结果。
本实施例中,步骤四具体包括:现场维护人员完成检查处理后,再通过传感网络平台向LNG分布式能源管理平台发送处理信息,并由LNG分布式能源管理平台确认是否处理完工;LNG分布式能源管理平台获取经处理后罐箱感知信息,信息状态正常则确认现场维护人员处理完工,并返馈现场维护人员。
实施例二:
本实施例中,提供了一种分布式能源仓储安全监控物联网系统,利用上述实施例一的分布式能源仓储安全监控方法实现,如图3所示,系统包括LNG分布式能源对象平台、传感网络平台、LNG分布式能源管理平台、服务平台和用户平台;其中,
LNG分布式能源对象平台用于监测感知LNG仓储设备的运行数据,并将感知信息进行对称加密后通过传感网络平台传输至LNG分布式能源管理平台;
传感网络平台用于实现LNG分布式能源管理平台和LNG分布式能源对象平台感知与控制的通信连接;
LNG分布式能源管理平台用于根据采集的运行数据进行异常判断和异常预测分析,根据异常判断和异常预测分析出的异常数据对应仓储设备的罐箱编号,通过传感网络平台向现场维护人员进行报警提示,由现场维护人员进行检查处理;
服务平台用于从LNG分布式能源管理平台获取用户需求的感知信息进行解析和存储,以及接收用户下发的控制信息进行处理后发送至LNG分布式能源管理平台;
用户平台用于各类用户从服务平台获取LNG仓储设备的运行数据,以及发送控制信息到服务平台。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种分布式能源仓储安全监控方法,其特征在于,包括以下步骤:
步骤一:先利用数据采集单元对LNG仓储设备进行监测,感知采集LNG仓储设备的压力、温度和位置数据,数据采集单元对感知信息进行模数转换并以二进制方式采用点对点加密算法MPPE和网际协议安全IPSec机制对感知信息进行对称加密,获得加密后的感知信息,并采用公、私密钥校对的方法对密钥进行管理;数据采集单元通过LNG分布式能源仓储传感网络平台主动向指定地址的LNG分布式能源管理平台发送认证信息,通过双向对称认证后,两者建立唯一通信通道,进行加密感知信息的传输;
步骤二: LNG分布式能源管理平台对加密后的感知信息进行解密,并依据预设的异常判断条件对当前解密获得的感知信息进行异常判断,筛选出异常感知信息;利用伪数据校验方法对筛选出的异常感知信息进行伪数据校验,识别出由外部环境干扰引起故障的伪数据类型并进行标注;根据预警机制对LNG仓储设备运行数据进行异常预测分析;
所述根据预警机制对LNG仓储设备运行数据进行异常预测分析过程具体包括以下处理过程:
数据预处理:先采用霍尔特双参数线性指数平滑法对解密获得的感知信息进行平滑处理,获得监测时间序列x t ;
模型初始化:初始化模型阶数p=1、向前预测步长np=np 0;
模型建立:基于监测时间序列x t 建立初始ARMA模型;
确定建模样本长度:通过时间序列分析,以感知信息的时序频域中两相邻频率间隔倒数的整数倍作为建模样本长度;
模型参数估计:利用最小二乘法估计出模型参数;
模型检验及定阶:采用信息准则AIC方法确定适合的参数变化趋势预测模型机器阶数p,获得最终参数趋势预测模型ARMA(2p,2p-1);
参数预测:通过连续向前np步预测计算得到预测区间;
异常数据分析:采用动态修正的ARMA预测方法计算出最佳预测结果及其对应的预测区间,获得LNG仓储设备的运行预测结果,并根据预设的异常判断条件判断运行预测结果是否为异常数据;
步骤三:根据异常判断和异常预测分析出的异常数据对应仓储设备的罐箱编号,通过LNG分布式能源仓储维护人员传感网络平台向现场维护人员进行报警提示,由现场维护人员进行检查处理;
步骤四:现场维护人员完成检查处理后,再通过LNG分布式能源仓储维护人员传感网络平台向管理平台发送处理信息,并由管理平台确认是否处理完工;LNG分布式能源管理平台通过LNG分布式能源仓储传感网络平台获取经处理后的罐箱感知信息,信息状态正常则确认现场维护人员处理完工,并返馈现场维护人员。
2.根据权利要求1所述的一种分布式能源仓储安全监控方法,其特征在于,所述利用伪数据校验方法对筛选出的异常感知信息进行伪数据校验过程具体为:建立伪数据校验方法,预先在现场维护过程中,针对电磁干扰产生的伪数据,向数据采集单元的传感器程序中设置误码,模拟真实电磁干扰时传感器数值,将对应LNG分布式能源管理平台的异常分析结果设定为电磁干扰伪数据;针对传输或者设备故障产生的伪数据,随机制造传感器或者传输线路故障,将LNG分布式能源管理平台标注的异常分析结果设定为传感器或线路伪数据;利用上述伪数据校验方法对筛选出的异常感知信息进行伪数据分析,并标注出对应的伪数据类型。
3.根据权利要求1所述的一种分布式能源仓储安全监控方法,其特征在于,所述数据预处理过程包括:
异常感知数据处理,对于感知采集的LNG仓储设备运行数据形成监测时间序列{x t ,t=1,2,...,N},对监测数据为零或低概率传感器测值的异常监测数据,通过监测时间序列中前Nx个数计算其1步平滑值Ft 来替代异常监测数据,选取实际监测运行数据来获取平滑计算用到监测时间序列的长度Nx;
数据缺失处理,对于原始监测数据构成的缺失序列{x t ,t=1,2,...},首先根据实际监测运行数据分析获取平滑计算所需原始数据的时序长度Nx ;设定平滑处理的步数m,然后,对缺失数据点的前Nx个点的瓦斯浓度监测值{x t ,t=1,2,...,N x },连续进行m步的平滑计算,计算得到最终平滑值Ft+m,最后,将平滑值Ft+m插入缺失序列,形成完整的监测数据时间序列。
4.根据权利要求1所述的一种分布式能源仓储安全监控方法,其特征在于,所述动态修正的ARMA预测方法包括以下步骤:
预测误差评估,对于前j -1 次预测,计算向前n 次预测误差的均值,获得误差最小值和次最小值;
有效模型阶数确定,将得到预测误差最小值和次最小值时的模型阶数p1, p2
作为前 j -1 次预测的有效模型阶数;
当前数据建模,对于当前LNG仓储设备运行监测数据形成的分析序列,通过ARMA方法模型参数估计及有效性检验得到最佳阶数p0;
模型预测,分别以p=p0 , p1, p2为阶数,进行运行数据参数预测,得到预测结果X=[xj1,xj2 , xj3];
最佳预测结果计算,计算 X=[xj1, xj2 , xj3]各元素的平均值得到最终的预测结果即为最佳预测结果。
5.一种分布式能源仓储安全监控物联网系统,用以实现权利要求1~4任意一项所述的一种分布式能源仓储安全监控方法,其特征在于,系统包括对象平台、传感网络平台、管理平台、服务平台和用户平台;其中,
对象平台包括LNG分布式能源仓储对象平台和LNG分布式能源仓储维护人员对象平台;LNG分布式能源仓储对象平台用于监测感知LNG仓储设备的运行数据,并将感知信息进行对称加密后通过对应传感网络平台传输至LNG分布式能源管理平台;LNG分布式能源仓储维护人员对象平台用于现场维护人员接收报警提示和维护处理工作反馈;
传感网络平台包括LNG分布式能源仓储传感网络平台和LNG分布式能源仓储维护人员,用于实现管理平台和对象平台感知与控制的通信连接;
管理平台用于根据采集的运行数据进行异常判断和异常预测分析,根据异常判断和异常预测分析出的异常数据对应仓储设备的罐箱编号,通过传感网络平台向现场维护人员进行报警提示,由现场维护人员进行检查处理;
服务平台用于从管理平台获取用户需求的感知信息进行解析和存储,以及接收用户下发的控制信息进行处理后发送至管理平台;
用户平台用于各类用户从服务平台获取LNG仓储设备的运行数据,以及发送控制信息到服务平台。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210563072.1A CN114662803B (zh) | 2022-05-23 | 2022-05-23 | 一种分布式能源仓储安全监控方法及物联网系统 |
US18/321,766 US11842301B1 (en) | 2022-05-23 | 2023-05-22 | Methods for monitoring distributed energy storage safety and internet of things systems thereof |
US18/464,316 US20230419425A1 (en) | 2022-05-23 | 2023-09-11 | Method for monitoring operation of liquefied natural gas (lng) storage and internet of things system (iot) thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210563072.1A CN114662803B (zh) | 2022-05-23 | 2022-05-23 | 一种分布式能源仓储安全监控方法及物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114662803A CN114662803A (zh) | 2022-06-24 |
CN114662803B true CN114662803B (zh) | 2022-08-26 |
Family
ID=82037408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210563072.1A Active CN114662803B (zh) | 2022-05-23 | 2022-05-23 | 一种分布式能源仓储安全监控方法及物联网系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662803B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11838704B1 (en) | 2022-06-07 | 2023-12-05 | Chengdu Puhuidao Smart Energy Technology Co., Ltd. | Methods and systems for managing LNG distributed terminals based on internet of things (IoT) |
CN116208644B (zh) * | 2023-04-28 | 2023-06-30 | 成都普惠道智慧能源科技有限公司 | Lng分布式终端管控方法、物联网系统以及存储介质 |
CN116307665A (zh) * | 2023-02-23 | 2023-06-23 | 烟台大学 | 一种复杂流程工业超结构优化调度方法 |
CN116032668B (zh) * | 2023-03-29 | 2023-09-15 | 广东维信智联科技有限公司 | 一种计算机网络数据安全保密系统 |
CN117113255B (zh) * | 2023-09-08 | 2024-04-05 | 浙江浙能迈领环境科技有限公司 | 基于状态监控自动识别含量的液化天然气安全监测系统 |
CN117149584A (zh) * | 2023-10-31 | 2023-12-01 | 国合通用(青岛)测试评价有限公司 | 基于大数据的多试样标距标记设备的运行监管系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200113A (zh) * | 2014-09-10 | 2014-12-10 | 山东农业大学 | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 |
CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
CN109343995A (zh) * | 2018-10-25 | 2019-02-15 | 金税信息技术服务股份有限公司 | 基于多源异构数据融合、机器学习及客服机器人的智能运维分析系统 |
WO2019158754A1 (en) * | 2018-02-18 | 2019-08-22 | Faraday Predictive Limited | System and method for monitoring an operating condition of at least one electrical device using a data server arrangement |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985561B (zh) * | 2020-08-19 | 2023-02-21 | 安徽蓝杰鑫信息科技有限公司 | 一种智能电表的故障诊断方法、系统及电子装置 |
CN112990288A (zh) * | 2021-03-09 | 2021-06-18 | 上海应用技术大学 | 一种大型设备在线监测与故障预测系统 |
CN113065854A (zh) * | 2021-04-28 | 2021-07-02 | 浙江浙能温州液化天然气有限公司 | 一种基于大数据的lng产业链综合管理系统 |
CN114565327B (zh) * | 2022-04-29 | 2022-07-05 | 深圳科信能源科技有限公司 | 基于物联网的智慧能源管控系统 |
-
2022
- 2022-05-23 CN CN202210563072.1A patent/CN114662803B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200113A (zh) * | 2014-09-10 | 2014-12-10 | 山东农业大学 | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 |
WO2019158754A1 (en) * | 2018-02-18 | 2019-08-22 | Faraday Predictive Limited | System and method for monitoring an operating condition of at least one electrical device using a data server arrangement |
CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
CN109343995A (zh) * | 2018-10-25 | 2019-02-15 | 金税信息技术服务股份有限公司 | 基于多源异构数据融合、机器学习及客服机器人的智能运维分析系统 |
Non-Patent Citations (3)
Title |
---|
An IoT-Based Real-Time Intelligent Monitoring and Notification System of Cold Storage;Hina Afreen 等;《IEEE Access》;20210203;第9卷;38236-38253 * |
基于LoRa技术的储罐火灾报警无线测温系统;钱源来等;《智能物联技术》;20190518;第51卷(第03期);37-41 * |
基于物联网的仓储管控一体化架构设计;刘婷 等;《中国商贸》;20131125(第34期);128-130 * |
Also Published As
Publication number | Publication date |
---|---|
CN114662803A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114662803B (zh) | 一种分布式能源仓储安全监控方法及物联网系统 | |
Compare et al. | Challenges to IoT-enabled predictive maintenance for industry 4.0 | |
Romano et al. | Automated detection of pipe bursts and other events in water distribution systems | |
US11842301B1 (en) | Methods for monitoring distributed energy storage safety and internet of things systems thereof | |
CN104808634B (zh) | 一种基于虚拟现实的火电厂可视化管理系统 | |
CN1862278A (zh) | 预测电动机剩余寿命的方法和系统 | |
JP5684813B2 (ja) | 油入電気機器の異常予測診断方法 | |
BahooToroody et al. | A condition monitoring based signal filtering approach for dynamic time dependent safety assessment of natural gas distribution process | |
Mounce et al. | Implementation of an on-line artificial intelligence district meter area flow meter data analysis system for abnormality detection: a case study | |
CN115640915A (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网系统 | |
CN114519923A (zh) | 一种电厂智能诊断预警方法和系统 | |
CN116006908A (zh) | 一种智慧燃气管网可靠度监测方法和物联网系统 | |
KR20040056718A (ko) | 웹기반 하수관거 통합 유지관리 시스템 및 그 제어방법 | |
CN114330740A (zh) | 一种基于联邦学习的制造业装备故障监测模型训练系统 | |
CN108052540A (zh) | 一种基于gis管网系统的管道故障预判与预处理方法 | |
CN116011827A (zh) | 一种用于重点小区的停电监测分析与预警系统及方法 | |
KR20210083892A (ko) | 수소 충전소의 운영방법 | |
Mulenga et al. | Investigating the root causes of major failures of critical components–With a case study of asbestos cement pipes | |
CN116545111A (zh) | 一种基于变电站内外网的信息交互系统 | |
CN115600695A (zh) | 一种计量设备的故障诊断方法 | |
CN114330741A (zh) | 一种基于联邦学习的制造业装备故障监测模型训练方法 | |
CN114201825A (zh) | 基于组合特征的设备性能退化状态的评估方法及系统 | |
CN116361928A (zh) | 基于联合学习的设备检测方法及装置 | |
Park et al. | Application of IoT for the maintaining rolling stocks | |
CN116451885B (zh) | 一种供水管网健康度预测方法、装置及计算设备 |
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 |