CN114692386A - 一种面向工业母线的运行状态异常监控方法 - Google Patents
一种面向工业母线的运行状态异常监控方法 Download PDFInfo
- Publication number
- CN114692386A CN114692386A CN202210094736.4A CN202210094736A CN114692386A CN 114692386 A CN114692386 A CN 114692386A CN 202210094736 A CN202210094736 A CN 202210094736A CN 114692386 A CN114692386 A CN 114692386A
- Authority
- CN
- China
- Prior art keywords
- industrial bus
- historical data
- temperature
- daily
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
技术领域
本发明涉及一种面向工业母线的运行状态异常监控方法,属于计算机集成制造技术和自动化技术领域。
背景技术
在工业4.0背景下,企业正通过物联网采集装备实时运行状态的数据,汇集到数据管理中心,向企业管理人员展示当前装备运行的状态,然而仅凭该种方式还不足以为企业管理人员提供科学有效的决策支持。在工业母线运行状态监控问题中,工业母线用以传输、汇集和分配电能,在母线运行中,有巨大的电能通过,当出现短路和松接等故障时,母线承受着很大的发热和电动力效应,严重时将造成火灾、大面积停电事故,并破坏系统稳定运行。在工业企业中,多用传感器实时感知母线温度,用以监控母线的在用工况,当温度出现异常变化时,监控器将发出信号报警,以方便工作人员及时处理母线故障。当前,工业母线的异常监控方式为,通过在母线与母线或者母线与插接箱的连接处(间隔4-6米)设置一个温度传感器,每隔 2-5分钟采集该连接处的温度数据,上传到数据管理中心,绘制温度随时间变化的温度曲线,通过实时判断温度是否超过设定阈值,以判定这些连接处在用工况是否正常。然而,使用该种方式监控母线运行状态,具有滞后性,其主要表现为:当传感器采集的实时温度高于设定的阈值时,母线与母线或者母线与插接箱的连接处已经出现颜色发黑甚至烧蚀现象,这给企业的用电安全带来严重隐患,也会对企业装备用电的稳定性带来不利影响。
发明内容
本发明提供一种面向工业母线运行状态的异常监控方法,通过分析工业母线温度及其影响因素(环境温度和作业载荷)的数据特征,构建工业母线温度及其影响因素之间的变系数模型,通过挖掘工业母线温度及其影响因素的历史数据,获得上述变系数模型的参数具体数值以及相应的置信区间,通过采集当前工业母线温度以及影响因素的实时数据,实时获得变系数监控模型的当前参数,实时判断当前参数是否超出给定的置信区间,若超出给定的置信区间,则判断工业母线运行状态出现异常,从而发出报警信号,从而为工业母线温度实时监控提供决策支持。技术方案如下:
一种面向工业母线的运行状态异常监控方法,包括如下步骤:
(1)获取并存储工业母线运行过程历史数据,包括工业母线按小时采样的温度历史数据、每日日均环境温度历史数据、每日产量历史数据;
(2)历史数据对齐,形成历史数据表;
(3)历史数据清洗;
(4)使用变系数模型的方法构建工业母线运行状态异常监控模型为:
yi(tj)=β0(tj)+z1iβ1(tj)+z2iβ2(tj)+εi(tj)
其中,i=1,…,n,j=0,…,23,yi(tj)为第i天第tj时刻的工业母线温度,β0(tj)为截距项,z1i和z2i分别为日均环境温度和日产量,β1(tj)、β2(tj)分别为日均环境温度和日产量对工业母线温度的影响程度,εi(tj) 为第i天第tj时刻的工业母线温度的误差项,εi(tj)~N(0,∑)。
(3)工业母线运行状态异常监控模型的参数估计
1)使用样条基展开的形式将模型转换为:
从而:
由此,模型转换为:
令:
则模型的简洁形式为:
CΘ=ZBΘT+E
其中,(CΘ)ij表示矩阵CΘ中第i行第j列的元素,与yi(tj)相对应,(ZBΘT)ij表示矩阵ZBΘT中第i行第j列的元素,与β0(tj)+z1iβ1(tj)+z2iβ2(tj)相对应,(E)ij示矩阵E中第i行第j列的元素,与εi(tj)相对应;
(5)工业母线运行状态基于残差的控制图控制限仿真:给定ARL0,使用既定的蒙特卡洛仿真方法,得到控制图控制限UCL;
附图说明
图1本发明的流程图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明进一步解释和说明。如附图1,一种面向工业母线的运行状态异常监控方法,包括如下步骤:
(1)历史数据收集:获取并存储工业母线运行过程历史数据,包括工业母线按小时采样的温度历史数据、每日日均环境温度历史数据、每日产量历史数据;
(2)历史数据对齐:将工业母线温度历史数据、每日日均环境温度历史数据和每日产量历史数据,按照时间,形成历史数据表,表格形式为:
(3)历史数据清洗:删除日产量为空的数据及相应的日均环境温度数据和工业母线温度数据,使用既定的K-means方法删除工业母线温度异常数据及相应的日均环境温度数据和日产量数据;
(4)工业母线运行状态异常监控模型构建:每日工业母线温度数据为函数型数据,而日均环境温度数据和日产量数据为标量型数据,使用变系数模型的方法构建工业母线运行状态异常监控模型为:
yi(tj)=β0(tj)+z1iβ1(tj)+z2iβ2(tj)+εi(tj)
其中,i=1,…,n,j=0,…,23,yi(tj)为第i天第tj时刻的工业母线温度,β0(tj)为截距项,z1i和z2i分别为日均环境温度和日产量,β1(tj)、β2(tj)分别为日均环境温度和日产量对工业母线温度的影响程度,εi(tj) 为第i天第tj时刻的工业母线温度的误差项,εi(tj)~N(0,∑)。
(3)工业母线运行状态异常监控模型的参数估计:首先使用样条基展开的形式将模型转换为:
从而:
由此,模型转换为:
令:
则模型的简洁形式为:
CΘ=ZBΘT+E
其中,(CΘ)ij表示矩阵CΘ中第i行第j列的元素,与yi(tj)相对应,(ZBΘT)ij表示矩阵ZBΘT中第i行第j列的元素,与β0(tj)+z1iβ1(tj)+z2iβ2(tj)相对应,(E)ij示矩阵E中第i行第j列的元素,与εi(tj)相对应,然后,使用既定的带惩罚的普通最小二乘(penalizedordinary least squares,P-OLS)算法(Ramsay,J.O.,and Silverman,B.W.(2005).Functional Data Analysis,2nd ed.NewYork:Springer)对模型参数B和∑进行估计,具体估计步骤为:
(5)工业母线运行状态基于残差的控制图控制限仿真:给定ARL0,一般为200,使用既定的蒙特卡洛仿真方法,得到控制图控制限UCL。其中,蒙特卡洛仿真步骤为:
1)取M为重复模拟的次数,它可以被选择为一个大的正整数(例如,M=100000),预先取UCL的经验值为a;
2)在第j次仿真模拟中,当1≤j≤M时,通过以下方法计算运行长度RL(j):当n≥1时,生成工业母线温度、日均环境温度以及日产量的仿真数据,计算的值,如果则令RL(j)=n+1,反之,则令RL(j)=n,并终止第j次循环,转入到j+1步;
3)完成M次循环后,计算ARL,即RL(j)求和后的均值,若ARL=200,则令UCL=a,否则调整a的值,继续进行仿真模拟。
Claims (2)
1.一种面向工业母线的运行状态异常监控方法,包括如下步骤:
(1)获取并存储工业母线运行过程历史数据,包括工业母线按小时采样的温度历史数据、每日日均环境温度历史数据、每日产量历史数据;
(2)历史数据对齐,形成历史数据表;
(3)历史数据清洗;
(4)使用变系数模型的方法构建工业母线运行状态异常监控模型为:
yi(tj)=β0(tj)+z1iβ1(tj)+z2iβ2(tj)+εi(tj)
其中,i=1,…,n,j=0,…,23,yi(tj)为第i天第tj时刻的工业母线温度,β0(tj)为截距项,z1i和z2i分别为日均环境温度和日产量,β1(tj)、β2(tj)分别为日均环境温度和日产量对工业母线温度的影响程度,εi(tj)为第i天第tj时刻的工业母线温度的误差项,εi(tj)~N(0,∑);
(3)工业母线运行状态异常监控模型的参数估计
1)使用样条基展开的形式将模型转换为:
从而:
由此,模型转换为:
令:
则模型的简洁形式为:
CΘ=ZBΘT+E
其中,(CΘ)ij表示矩阵CΘ中第i行第j列的元素,与yi(tj)相对应,(ZBΘT)ij表示矩阵ZBΘT中第i行第j列的元素,与β0(tj)+z1iβ1(tj)+z2iβ2(tj)相对应,(E)ij示矩阵E中第i行第j列的元素,与εi(tj)相对应;
(5)工业母线运行状态基于残差的控制图控制限仿真:给定ARL0,使用既定的蒙特卡洛仿真方法,得到控制图控制限UCL:
(6)工业母线运行状态异常监控:实时采集当前时刻的工业母线温度数据、当日的日均环境温度数据和当日产量数据,计算当日的Ti 2,若Ti 2>UCL,则发出报警信号。
2.根据权利要求1所述的方法,其特征在于,步骤(5)中蒙特卡洛仿真为:
1)取M为重复模拟的次数,被选择为一个大的正整数,预先取UCL的经验值为a;
2)在第j次仿真模拟中,当1≤j≤M时,通过以下方法计算运行长度RL(j):当n≥1时,生成工业母线温度、日均环境温度以及日产量的仿真数据,计算Ti 2的值,如果Ti 2<a,则令RL(j)=n+1,反之,则令RL(j)=n,并终止第j次循环,转入到j+1步;
3)完成M次循环后,计算ARL,即RL(j)求和后的均值,若ARL=200,则令UCL=a,否则调整a的值,继续进行仿真模拟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210094736.4A CN114692386B (zh) | 2022-01-26 | 2022-01-26 | 一种面向工业母线的运行状态异常监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210094736.4A CN114692386B (zh) | 2022-01-26 | 2022-01-26 | 一种面向工业母线的运行状态异常监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114692386A true CN114692386A (zh) | 2022-07-01 |
CN114692386B CN114692386B (zh) | 2024-02-06 |
Family
ID=82138037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210094736.4A Active CN114692386B (zh) | 2022-01-26 | 2022-01-26 | 一种面向工业母线的运行状态异常监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114692386B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118036479A (zh) * | 2024-04-15 | 2024-05-14 | 摩多利智能传动(江苏)有限公司 | 行星齿轮减速装置传动稳定性分析方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101499658A (zh) * | 2008-11-05 | 2009-08-05 | 大连海事大学 | 一种电力系统的网络拓扑分析方法 |
US20140201571A1 (en) * | 2005-07-11 | 2014-07-17 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
KR20160096364A (ko) * | 2015-02-05 | 2016-08-16 | 전남대학교산학협력단 | 시각 동기화 데이터를 이용한 전력계통의 선로정수 추정방법 |
CN105932774A (zh) * | 2016-05-11 | 2016-09-07 | 国网冀北电力有限公司张家口供电公司 | 基于ica算法的智能变电站设备状态预警方法 |
CN106485262A (zh) * | 2016-09-09 | 2017-03-08 | 国网山西省电力公司晋城供电公司 | 一种母线负荷预测方法 |
CN109274097A (zh) * | 2018-11-16 | 2019-01-25 | 四川大学 | 一种基于随机矩阵理论的电力系统暂态稳定态势评估方法 |
CN109597967A (zh) * | 2018-11-20 | 2019-04-09 | 江苏云上电力科技有限公司 | 一种电力系统配变电站负荷数据异常检测与修复方法 |
CN111597748A (zh) * | 2020-05-22 | 2020-08-28 | 中国矿业大学 | 一种基于gil热特性实现故障判定的方法 |
CN112085285A (zh) * | 2020-09-14 | 2020-12-15 | 南方电网数字电网研究院有限公司 | 母线负荷预测方法、装置、计算机设备和存储介质 |
-
2022
- 2022-01-26 CN CN202210094736.4A patent/CN114692386B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140201571A1 (en) * | 2005-07-11 | 2014-07-17 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
CN101499658A (zh) * | 2008-11-05 | 2009-08-05 | 大连海事大学 | 一种电力系统的网络拓扑分析方法 |
KR20160096364A (ko) * | 2015-02-05 | 2016-08-16 | 전남대학교산학협력단 | 시각 동기화 데이터를 이용한 전력계통의 선로정수 추정방법 |
CN105932774A (zh) * | 2016-05-11 | 2016-09-07 | 国网冀北电力有限公司张家口供电公司 | 基于ica算法的智能变电站设备状态预警方法 |
CN106485262A (zh) * | 2016-09-09 | 2017-03-08 | 国网山西省电力公司晋城供电公司 | 一种母线负荷预测方法 |
CN109274097A (zh) * | 2018-11-16 | 2019-01-25 | 四川大学 | 一种基于随机矩阵理论的电力系统暂态稳定态势评估方法 |
CN109597967A (zh) * | 2018-11-20 | 2019-04-09 | 江苏云上电力科技有限公司 | 一种电力系统配变电站负荷数据异常检测与修复方法 |
CN111597748A (zh) * | 2020-05-22 | 2020-08-28 | 中国矿业大学 | 一种基于gil热特性实现故障判定的方法 |
CN112085285A (zh) * | 2020-09-14 | 2020-12-15 | 南方电网数字电网研究院有限公司 | 母线负荷预测方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
臧海祥;刘冲冲;滕俊;孔伯骏;孙国强;卫志农;: "基于CNN-GRU分位数回归的短期母线负荷概率密度预测", 智慧电力, no. 08 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118036479A (zh) * | 2024-04-15 | 2024-05-14 | 摩多利智能传动(江苏)有限公司 | 行星齿轮减速装置传动稳定性分析方法及系统 |
CN118036479B (zh) * | 2024-04-15 | 2024-06-14 | 摩多利智能传动(江苏)有限公司 | 行星齿轮减速装置传动稳定性分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114692386B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106557991B (zh) | 电压监测数据平台 | |
CN110689279B (zh) | 一种居民用电安全隐患的分析方法 | |
CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
CN109597967A (zh) | 一种电力系统配变电站负荷数据异常检测与修复方法 | |
CN110619386A (zh) | 一种tmr运行监测及故障智能研判方法及系统 | |
CN111160626B (zh) | 一种基于分解融合的电力负荷时间序列控制方法 | |
CN106557870B (zh) | 一种用于电网合同能源管理项目的节能潜力评估方法 | |
CN102931625A (zh) | 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用 | |
CN114692386A (zh) | 一种面向工业母线的运行状态异常监控方法 | |
CN116739562A (zh) | 一种基于lstm的配电网稳定性运维方法 | |
CN116455081A (zh) | 一种基于边缘分析的智慧小区电力监测管理方法及系统 | |
CN113610432A (zh) | 一种基于bs版本的数据采集分析式光伏站控系统 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
CN101771275A (zh) | 电能监控系统 | |
CN114915261A (zh) | 光伏电站的故障监测方法和装置 | |
CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
CN102497135B (zh) | 一种基于规则引擎的光伏电站监控方法 | |
CN114169550A (zh) | 一种电滤系统设备健康保障运维系统及运维方法 | |
CN113011477B (zh) | 一种太阳辐照数据的清洗和补全系统及方法 | |
CN102095953B (zh) | 一种蓄电池充电机性能在线检测方法 | |
CN101872163B (zh) | 一种基于递推非线性部分最小二乘的过程监控方法 | |
CN117526856A (zh) | 一种智能化分布式光伏数据在线监测平台 | |
CN112529395A (zh) | 一种基于fce和svm融合的输电线路典型冰风灾害分析方法 | |
CN115017971A (zh) | 一种基于自学习的用电异常诊断的能耗计量表 | |
CN117874474B (zh) | 一种基于深度学习的充电场站空闲状态设备数量预测方法 |
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 |