CN115015757A - 一种电机运行状态的风险评估方法及系统 - Google Patents
一种电机运行状态的风险评估方法及系统 Download PDFInfo
- Publication number
- CN115015757A CN115015757A CN202210951397.7A CN202210951397A CN115015757A CN 115015757 A CN115015757 A CN 115015757A CN 202210951397 A CN202210951397 A CN 202210951397A CN 115015757 A CN115015757 A CN 115015757A
- Authority
- CN
- China
- Prior art keywords
- data
- evaluation
- risk assessment
- node
- target motor
- 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Electric Motors In General (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种电机运行状态的风险评估方法及系统,涉及数据处理领域,其中,所述方法包括:对同批次类型电机进行数据采集,得到运行数据集合;获得目标电机的运行测试数据,获得运行数据集合的数据平均值,得到个体差异系数;基于采集结果生成环境影响系数;读取目标电机的实时运行状态参数;得到评价数据集合;构建监测评价模型,通过实时运行状态参数进行监测评价模型的隐含层匹配,并通过个体差异系数、环境影响系数对其进行修正;通过修正后的隐含层进行评价数据集合的解析,输出风险评估数据。达到了提高电机运行状态的风险评估的准确性、全面性,进而提升电机运行状态的风险评估质量等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种电机运行状态的风险评估方法及系统。
背景技术
在电机实际运行的过程中,不可避免地发生各种故障,这时就需要对电机进行检修。为了有效地解决电机检修中存在的各种问题,常需要对电机运行状态进行风险评估,从而制定最符合当前电机运行状态的检修策略,有效保障电机的安全运行。同时,对电机运行状态进行风险评估还可以为电机的日常维护管理提供参考数据。因此,研究设计一种针对电机运行状态的风险评估方法具有重要的现实意义。
现有技术中,存在针对电机运行状态的风险评估准确性不足、全面性不高,进而造成电机运行状态的风险评估效果不佳的技术问题。
发明内容
本申请提供了一种电机运行状态的风险评估方法及系统。解决了现有技术中针对电机运行状态的风险评估准确性不足、全面性不高,进而造成电机运行状态的风险评估效果不佳的技术问题。
鉴于上述问题,本申请提供了一种电机运行状态的风险评估方法及系统。
第一方面,本申请提供了一种电机运行状态的风险评估方法,其中,所述方法应用于一种电机运行状态的风险评估系统,所述方法包括:采集目标电机的基础数据,依据所述基础数据进行所述目标电机的同批次类型电机的数据采集,得到运行数据集合;获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,根据所述运行测试数据和所述数据平均值得到个体差异系数;通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。
第二方面,本申请还提供了一种电机运行状态的风险评估系统,其中,所述系统包括:数据采集模块,所述数据采集模块用于采集目标电机的基础数据,依据所述基础数据进行所述目标电机的同批次类型电机的数据采集,得到运行数据集合;个体差异系数确定模块,所述个体差异系数确定模块用于获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,根据所述运行测试数据和所述数据平均值得到个体差异系数;环境影响系数确定模块,所述环境影响系数确定模块用于通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;评价数据集合确定模块,所述评价数据集合确定模块用于读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;匹配修正模块,所述匹配修正模块用于通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;解析模块,所述解析模块用于通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过目标电机的基础数据对目标电机的同批次类型电机进行数据采集,得到运行数据集合;获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,基于此,确定个体差异系数;通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。达到了提高电机运行状态的风险评估的准确性、全面性,进而提升电机运行状态的风险评估质量;同时,实现智能化、科学化的电机运行状态的风险评估,为电机的故障检修、维护管理提供可靠的数据参考的技术效果。
附图说明
图1为本申请一种电机运行状态的风险评估方法的流程示意图;
图2为本申请一种电机运行状态的风险评估方法中进行目标电机的运行管理的流程示意图;
图3为本申请一种电机运行状态的风险评估方法中生成趋势变化评价数据的流程示意图;
图4为本申请一种电机运行状态的风险评估系统的结构示意图。
附图标记说明:数据采集模块11,个体差异系数确定模块12,环境影响系数确定模块13,评价数据集合确定模块14,匹配修正模块15,解析模块16。
具体实施方式
本申请通过提供一种电机运行状态的风险评估方法及系统。解决了现有技术中针对电机运行状态的风险评估准确性不足、全面性不高,进而造成电机运行状态的风险评估效果不佳的技术问题。达到了提高电机运行状态的风险评估的准确性、全面性,进而提升电机运行状态的风险评估质量;同时,实现智能化、科学化的电机运行状态的风险评估,为电机的故障检修、维护管理提供可靠的数据参考的技术效果。
实施例一
请参阅附图1,本申请提供一种电机运行状态的风险评估方法,其中,所述方法应用于一种电机运行状态的风险评估系统,所述系统与温度传感器、噪声传感器、湿度传感器通信连接,所述方法具体包括如下步骤:
步骤S100:采集目标电机的基础数据,依据所述基础数据进行所述目标电机的同批次类型电机的数据采集,得到运行数据集合;
步骤S200:获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,根据所述运行测试数据和所述数据平均值得到个体差异系数;
具体而言,由所述一种电机运行状态的风险评估系统对目标电机的基础信息进行采集,获得基础数据。进一步,按照基础数据对目标电机的同批次类型电机进行数据采集,获得运行数据集合。进而,对运行数据集合进行平均值计算,获得数据平均值。由所述一种电机运行状态的风险评估系统采集目标电机的运行测试数据,结合数据平均值进行个体差异比较,获得个体差异系数。其中,所述目标电机可以为使用所述一种电机运行状态的风险评估系统进行智能化运行状态风险评估的任意电机。例如,所述目标电机可以为高压电机、低压电机、变频电机等多种类型的电机。所述基础数据包括目标电机的结构组成、型号规格参数、额定功率、额定转速、额定电流、电机效率等参数信息。所述同批次类型电机包括与目标电机具有相同的生产批次,且,与目标电机具有相同的基础数据的多个电机。所述运行数据集合包括同批次类型电机在不同电机转速下的噪声、温度等数据信息。所述运行测试数据包括目标电机在不同电机转速下的噪声、温度等数据信息。所述数据平均值包括运行数据集合的噪声平均值、温度平均值等平均值参数信息。所述个体差异系数可用于表征目标电机与同批次类型电机之间的差异大小。示例性地,在确定个体差异系数时,可将目标电机的运行测试数据中多个噪声数据与数据平均值的噪声平均值进行减法运算后,确定多个噪声差值,并对其进行平均值计算,获得噪声差异系数。以此类推,获得温度差异系数等多个差异系数。将噪声差异系数、温度差异系数等多个差异系数作为个体差异系数。即,所述个体差异系数包括噪声差异系数、温度差异系数等多个差异系数。噪声差异系数、温度差异系数等多个差异系数越大,表明运行测试数据与数据平均值具有较大差异,目标电机与同批次类型电机之间的差异较大,个体差异系数较高。达到了通过对目标电机、同批次类型电机进行数据采集及数据分析,获得准确的个体差异系数,进而提高后续输出的风险评估数据的精准性的技术效果。
步骤S300:通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;
步骤S400:读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;
具体而言,利用湿度传感器采集目标电机的实时环境湿度数据,获得采集结果,并由所述一种电机运行状态的风险评估系统对其进行智能分析后,确定环境影响系数。其中,所述环境影响系数可用于表征实时环境湿度数据对目标电机的影响程度。例如,当实时环境湿度数据过高时,降低了目标电机的绝缘强度,空气中的水分附着在目标电机的绝缘材料表面,使目标电机的绝缘电阻降低,目标电机的泄漏电流增加,容易使目标电机发生故障。此时,实时环境湿度数据对目标电机具有较大的影响,对应的环境影响系数较高。
示例性地,在确定环境影响系数时,可由所述一种电机运行状态的风险评估系统对目标电机进行历史环境湿度数据的采集,获得目标电机的多个历史环境湿度数据,并对这多个历史环境湿度数据进行比较,确定最大历史环境湿度数据和最小历史环境湿度数据。将多个历史环境湿度数据去除最大历史环境湿度数据、最小历史环境湿度数据之后,获得剩余历史环境湿度数据,将剩余历史环境湿度数据进行平均值计算,确定历史环境湿度数据的平均值。将实时环境湿度数据与历史环境湿度数据的平均值进行除法运算,即可获得环境影响系数。实时环境湿度数据越大,实时环境湿度数据对目标电机的影响性越高,环境影响系数越大。
进一步,由所述一种电机运行状态的风险评估系统对目标电机的实时运行状态参数进行读取。进而,利用噪声传感器、温度传感器采集目标电机的实时运行数据,获得评价数据集合。其中,所述湿度传感器、所述噪声传感器、所述温度传感器均与所述一种电机运行状态的风险评估系统通信连接。所述湿度传感器可以为现有技术中电容式湿度传感器、电阻式湿度传感器、热能湿度传感器等多种类型的湿度传感器。所述噪声传感器可以为现有技术中低频噪声传感器、集成电路噪声传感器、晶体管噪声传感器等多种类型的噪声传感器。所述温度传感器可以为现有技术中热电偶温度传感器、电阻式温度传感器、热敏电阻温度传感器等多种类型的温度传感器。所述采集结果包括目标电机的实时环境湿度数据。所述实时运行状态参数包括目标电机的实时电流、实时电压、实时功率、实时电机转速等实时运行参数信息。所述评价数据集合包括目标电机实时运行对应的实时噪声数据、实时温度数据。达到了获得环境影响系数、实时运行状态参数、评价数据集合,为后续输出风险评估数据夯实基础的技术效果。
步骤S500:通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;
步骤S600:通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。
具体而言,将运行数据集合训练至收敛状态获得监测评价模型。所述监测评价模型包括输入层、输出层、多个隐含层。按照实时运行状态参数对多个隐含层进行匹配,多个隐含层可用于处理不同实时电机转速对应的实时运行状态参数。利用个体差异系数、环境影响系数对已经匹配的隐含层进行实时运行状态参数的调整后,获得修正后的隐含层。即,对已经匹配的隐含层进行修正的具体修正内容包括对已经匹配的隐含层进行实时运行状态参数的调整。示例性地,多个隐含层包括第一隐含层、第二隐含层。在已经匹配的隐含层中,第一隐含层用于处理实时电机转速A对应的实时运行状态参数,第二隐含层用于处理实时电机转速B对应的实时运行状态参数。由所述一种电机运行状态的风险评估系统将个体差异系数、环境影响系数对电机转速、电机运行状态产生的影响进行分析后,将实时电机转速A对应的实时运行状态参数添加至第二隐含层,将实时电机转速B对应的实时运行状态参数添加至第一隐含层,即可获得修正后的隐含层。进一步,将评价数据集合输入监测评价模型的输入层后,由修正后的隐含层对评价数据集合进行风险评估,通过监测评价模型的输出层输出风险评估数据。所述风险评估数据包括评价数据集合、评价数据集合对应的评估风险大小及风险评估等级。达到了通过监测评价模型,获得准确、可靠的风险评估数据,提高目标电机的运行状态的风险评估质量的技术效果。
进一步的,如附图2所示,本申请步骤S600之后,还包括:
步骤S710:设定初始监测预设等级阈值;
步骤S720:判断所述风险评估数据是否满足所述初始监测预设等级阈值;
具体而言,风险评估数据包括评价数据集合、评价数据集合对应的评估风险大小及风险评估等级。将风险评估数据中风险评估等级与初始监测预设等级阈值进行比较,对风险评估数据是否满足初始监测预设等级阈值进行判断。其中,所述初始监测预设等级阈值由所述一种电机运行状态的风险评估系统自适应设置确定。达到了对风险评估数据是否满足初始监测预设等级阈值进行判断,为后续对目标电机的运行管理提供数据支持的技术效果。
进一步的,本申请步骤S720还包括:
步骤S721:当所述风险评估数据满足所述初始监测预设等级阈值时,对所述风险评估数据进行预警种类评价、预警等级评价,获得预警种类评价结果和预警等级评价结果;
步骤S722:基于所述预警种类评价结果和所述预警等级评价结果进行所述目标电机的维护管理。
具体而言,在对风险评估数据是否满足初始监测预设等级阈值进行判断时,如果风险评估数据满足初始监测预设等级阈值,由所述一种电机运行状态的风险评估系统对风险评估数据进行预警种类、预警等级的评价,获得预警种类评价结果、预警等级评价结果,并根据其对目标电机进行维护管理。其中,所述预警种类评价结果是用于表征满足初始监测预设等级阈值的风险评估数据对应的数据类型的参数信息。例如,当满足初始监测预设等级阈值的风险评估数据为目标电机的实时温度数据时,预警种类评价结果为温度类型。所述预警等级评价结果是用于表征满足初始监测预设等级阈值的风险评估数据对应的预警等级信息。例如,当满足初始监测预设等级阈值的风险评估数据具有较大的评估风险、较高的风险评估等级时,预警等级较高,对应较高的预警等级评价结果。达到了在风险评估数据满足初始监测预设等级阈值时,智能化评价风险评估数据的预警种类及预警等级,并按照其对目标电机进行维护管理,从而提高目标电机运行状态的风险评估的全面性、实用性的技术效果。
步骤S730:当所述风险评估数据不满足所述初始监测预设等级阈值时,则对所述风险评估数据进行节点数据记录;
进一步的,本申请步骤S730还包括:
步骤S731:获得所述风险评估数据的相邻增长值;
步骤S732:基于所述相邻增长值生成采集周期约束信息;
步骤S733:基于所述采集周期约束信息进行采集节点修正,基于修正后的采集节点进行所述目标电机的实时运行数据采集。
具体而言,在对风险评估数据是否满足初始监测预设等级阈值进行判断时,如果风险评估数据不满足初始监测预设等级阈值,由所述一种电机运行状态的风险评估系统对风险评估数据进行分析,确定相邻增长值,进而生成采集周期约束信息。进一步,按照采集周期约束信息对采集节点进行调整、修正之后,按照修正后的采集节点对目标电机进行实时运行数据的采集,即对风险评估数据进行节点数据记录。其中,所述相邻增长值包括风险评估数据中相邻数据之间的增长大小参数信息。所述采集周期约束信息包括相邻增长值对应的时间差值信息。所述采集节点包括风险评估数据对应的时间节点信息。达到了通过相邻增长值确定合理的采集周期约束信息,并根据其对采集节点进行修正,从而提高后续获得的节点数据记录结果的可靠性的技术效果。
步骤S740:基于节点数据记录结果构建节点数据记录集合,通过所述节点数据记录集合进行同特征趋势变化评价,生成趋势变化评价数据;
进一步的,如附图3所示,本申请步骤S740还包括:
步骤S741:构建特征稳态评价区间;
步骤S742:基于所述特征稳态评价区间来判断所述节点数据记录集合是否为同向增长变化趋势;
步骤S743:当所述节点数据记录集合为同向增长变化趋势时,基于所述节点数据记录集合生成节点增长系数;
步骤S744:通过所述节点增长系数生成所述趋势变化评价数据。
具体而言,按照节点数据记录结果获得节点数据记录集合。进一步,按照特征稳态评价区间对节点数据记录集合是否为同向增长变化趋势进行判断,如果节点数据记录集合为同向增长变化趋势,根据节点数据记录集合获得节点增长系数,进而确定趋势变化评价数据。其中,所述节点数据记录集合包括节点数据记录结果。所述节点数据记录结果包括修正后的采集节点对应的目标电机的实时运行数据。所述特征稳态评价区间由所述一种电机运行状态的风险评估系统预先构建确定。示例性地,当节点数据记录集合中大部分数据呈增长趋势,但节点数据记录集合中小部分数据存在微小的衰减趋势时,此时,可通过特征稳态评价区间将该小部分数据进行筛除后,再进行节点数据记录集合是否为同向增长变化趋势的判断,减少数据的干扰性,提高判断的准确性。所述同向增长变化趋势是指节点数据记录集合的数据呈增长变化趋势。所述节点增长系数是用于表征节点数据记录集合中数据的增长大小的参数信息。所述趋势变化评价数据包括节点增长系数、节点增长系数对目标电机的影响性。达到了获得准确的趋势变化评价数据,为后续对目标电机进行运行管理提供数据参考的技术效果。
进一步的,本申请步骤S742还包括:
步骤S7421:当所述节点数据记录集合不为同向增长变化趋势时,则进行所述节点数据记录集合的波动分析,生成波动数据;
步骤S7422:获得所述波动数据中的波动极大值,并获得所述波动极大值对应的节点区间;
步骤S7423:基于所述波动极大值和所述节点区间生成波动评价数据,通过所述波动评价数据进行所述目标电机的监测管理。
具体而言,在对节点数据记录集合是否为同向增长变化趋势进行判断时,如果节点数据记录集合不为同向增长变化趋势,则由所述一种电机运行状态的风险评估系统对节点数据记录集合进行波动分析,获得波动数据,并对其进行极大值筛选,获得波动极大值,继而确定波动极大值对应的节点区间,基于此,生成波动评价数据,并根据其对目标电机进行监测管理。其中,所述波动数据包括不为同向增长变化趋势的节点数据记录集合的波动数据信息。所述波动极大值包括波动数据中的极大值。所述节点区间包括波动极大值对应的数据采集节点信息。所述波动评价数据包括波动极大值、节点区间。达到了在节点数据记录集合不为同向增长变化趋势时,利用波动评价数据对目标电机进行监测管理,从而提高目标电机运行状态的风险评估的准确性、实时性的技术效果。
步骤S750:基于所述趋势变化评价数据进行所述目标电机的运行管理。
进一步的,本申请步骤S750还包括:
步骤S751:获得当前节点的风险评估数据;
步骤S752:基于所述趋势变化评价数据进行下一节点的趋势变化值预测,得到趋势变化预测数据;
步骤S753:通过所述趋势变化预测数据和当前节点的风险评估数据进行下一节点的数据预测,得到预测数据;
步骤S754:判断所述预测数据满足所述初始监测预设等级阈值的可能性是否满足预期阈值;
步骤S755:当所述满足所述初始监测预设等级阈值的可能性可以满足所述预期阈值时,则对当前节点下的所述目标电机进行监测管理。
具体而言,由所述一种电机运行状态的风险评估系统按照趋势变化评价数据对目标电机下一节点的趋势变化值进行预测,获得趋势变化预测数据,并结合当前节点的风险评估数据对下一节点的数据进行预测,获得预测数据。进一步,计算预测数据满足初始监测预设等级阈值的可能性,并对该可能性是否满足预期阈值进行判断,如果该可能性满足预期阈值,则对当前节点下的目标电机进行监测管理。其中,所述趋势变化预测数据包括目标电机下一节点的趋势变化值。所述当前节点的风险评估数据可通过从已获得的风险评估数据中进行数据提取获得。所述预测数据包括目标电机下一节点的预测噪声数据、预测温度数据等信息。所述可能性是用于表征预测数据满足初始监测预设等级阈值的概率大小的参数信息。示例性地,在确定预测数据满足初始监测预设等级阈值的可能性时,可将预测数据输入已经获得的监测评价模型中,通过监测评价模型确定预测数据的风险评估等级,将预测数据的风险评估等级与初始监测预设等级阈值进行除法运算后,即可获得预测数据满足初始监测预设等级阈值的可能性。所述预期阈值可由所述一种电机运行状态的风险评估系统自定义设置确定。达到了通过预测数据对目标电机进行监测管理,提高目标电机的监测管理的适应性,从而提高目标电机的风险评估的准确性的技术效果。
综上所述,本申请所提供的一种电机运行状态的风险评估方法具有如下技术效果:
1.通过目标电机的基础数据对目标电机的同批次类型电机进行数据采集,得到运行数据集合;获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,基于此,确定个体差异系数;通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。达到了提高电机运行状态的风险评估的准确性、全面性,进而提升电机运行状态的风险评估质量;同时,实现智能化、科学化的电机运行状态的风险评估,为电机的故障检修、维护管理提供可靠的数据参考的技术效果。
2.在风险评估数据满足初始监测预设等级阈值时,智能化评价风险评估数据的预警种类及预警等级,并按照其对目标电机进行维护管理,从而提高目标电机运行状态的风险评估的全面性、实用性。
3.在节点数据记录集合不为同向增长变化趋势时,利用波动评价数据对目标电机进行监测管理,从而提高目标电机运行状态的风险评估的准确性、实时性。
实施例二
基于与前述实施例中一种电机运行状态的风险评估方法,同样发明构思,本发明还提供了一种电机运行状态的风险评估系统,请参阅附图4,所述系统包括:
数据采集模块11,所述数据采集模块11用于采集目标电机的基础数据,依据所述基础数据进行所述目标电机的同批次类型电机的数据采集,得到运行数据集合;
个体差异系数确定模块12,所述个体差异系数确定模块12用于获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,根据所述运行测试数据和所述数据平均值得到个体差异系数;
环境影响系数确定模块13,所述环境影响系数确定模块13用于通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;
评价数据集合确定模块14,所述评价数据集合确定模块14用于读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;
匹配修正模块15,所述匹配修正模块15用于通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;
解析模块16,所述解析模块16用于通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。
进一步的,所述系统还包括:
等级阈值设定模块,所述等级阈值设定模块用于设定初始监测预设等级阈值;
第一判断模块,所述第一判断模块用于判断所述风险评估数据是否满足所述初始监测预设等级阈值;
节点数据记录模块,所述节点数据记录模块用于当所述风险评估数据不满足所述初始监测预设等级阈值时,则对所述风险评估数据进行节点数据记录;
同特征趋势变化评价模块,所述同特征趋势变化评价模块用于基于节点数据记录结果构建节点数据记录集合,通过所述节点数据记录集合进行同特征趋势变化评价,生成趋势变化评价数据;
运行管理模块,所述运行管理模块用于基于所述趋势变化评价数据进行所述目标电机的运行管理。
进一步的,所述系统还包括:
评价区间确定模块,所述评价区间确定模块用于构建特征稳态评价区间;
第二判断模块,所述第二判断模块用于基于所述特征稳态评价区间来判断所述节点数据记录集合是否为同向增长变化趋势;
节点增长系数生成模块,所述节点增长系数生成模块用于当所述节点数据记录集合为同向增长变化趋势时,基于所述节点数据记录集合生成节点增长系数;
趋势变化评价数据生成模块,所述趋势变化评价数据生成模块用于通过所述节点增长系数生成所述趋势变化评价数据。
进一步的,所述系统还包括:
风险评估数据获得模块,所述风险评估数据获得模块用于获得当前节点的风险评估数据;
趋势变化预测数据确定模块,所述趋势变化预测数据确定模块用于基于所述趋势变化评价数据进行下一节点的趋势变化值预测,得到趋势变化预测数据;
预测数据确定模块,所述预测数据确定模块用于通过所述趋势变化预测数据和当前节点的风险评估数据进行下一节点的数据预测,得到预测数据;
第三判断模块,所述第三判断模块用于判断所述预测数据满足所述初始监测预设等级阈值的可能性是否满足预期阈值;
监测管理模块,所述监测管理模块用于当所述满足所述初始监测预设等级阈值的可能性可以满足所述预期阈值时,则对当前节点下的所述目标电机进行监测管理。
进一步的,所述系统还包括:
波动数据确定模块,所述波动数据确定模块用于当所述节点数据记录集合不为同向增长变化趋势时,则进行所述节点数据记录集合的波动分析,生成波动数据;
节点区间获得模块,所述节点区间获得模块用于获得所述波动数据中的波动极大值,并获得所述波动极大值对应的节点区间;
波动监测管理模块,所述波动监测管理模块用于基于所述波动极大值和所述节点区间生成波动评价数据,通过所述波动评价数据进行所述目标电机的监测管理。
进一步的,所述系统还包括:
相邻增长值确定模块,所述相邻增长值确定模块用于获得所述风险评估数据的相邻增长值;
采集周期约束信息模块,所述采集周期约束信息模块用于基于所述相邻增长值生成采集周期约束信息;
实时运行数据采集模块,所述实时运行数据采集模块用于基于所述采集周期约束信息进行采集节点修正,基于修正后的采集节点进行所述目标电机的实时运行数据采集。
进一步的,所述系统还包括:
预警评价模块,所述预警评价模块用于当所述风险评估数据满足所述初始监测预设等级阈值时,对所述风险评估数据进行预警种类评价、预警等级评价,获得预警种类评价结果和预警等级评价结果;
维护管理模块,所述维护管理模块用于基于所述预警种类评价结果和所述预警等级评价结果进行所述目标电机的维护管理。
本申请提供了一种电机运行状态的风险评估方法,其中,所述方法应用于一种电机运行状态的风险评估系统,所述方法包括:通过目标电机的基础数据对目标电机的同批次类型电机进行数据采集,得到运行数据集合;获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,基于此,确定个体差异系数;通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。解决了现有技术中针对电机运行状态的风险评估准确性不足、全面性不高,进而造成电机运行状态的风险评估效果不佳的技术问题。达到了提高电机运行状态的风险评估的准确性、全面性,进而提升电机运行状态的风险评估质量;同时,实现智能化、科学化的电机运行状态的风险评估,为电机的故障检修、维护管理提供可靠的数据参考的技术效果。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本说明书和附图仅仅是本申请的示例性说明,如果本发明的修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种电机运行状态的风险评估方法,其特征在于,所述方法应用于电机运行状态的风险评估系统,所述电机运行状态的风险评估系统与温度传感器、噪声传感器和湿度传感器通信连接,所述方法包括:
采集目标电机的基础数据,依据所述基础数据进行所述目标电机的同批次类型电机的数据采集,得到运行数据集合;
获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,根据所述运行测试数据和所述数据平均值得到个体差异系数;
通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;
读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;
通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;
通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
设定初始监测预设等级阈值;
判断所述风险评估数据是否满足所述初始监测预设等级阈值;
当所述风险评估数据不满足所述初始监测预设等级阈值时,则对所述风险评估数据进行节点数据记录;
基于节点数据记录结果构建节点数据记录集合,通过所述节点数据记录集合进行同特征趋势变化评价,生成趋势变化评价数据;
基于所述趋势变化评价数据进行所述目标电机的运行管理。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
构建特征稳态评价区间;
基于所述特征稳态评价区间来判断所述节点数据记录集合是否为同向增长变化趋势;
当所述节点数据记录集合为同向增长变化趋势时,基于所述节点数据记录集合生成节点增长系数;
通过所述节点增长系数生成所述趋势变化评价数据。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
获得当前节点的风险评估数据;
基于所述趋势变化评价数据进行下一节点的趋势变化值预测,得到趋势变化预测数据;
通过所述趋势变化预测数据和当前节点的风险评估数据进行下一节点的数据预测,得到预测数据;
判断所述预测数据满足所述初始监测预设等级阈值的可能性是否满足预期阈值;
当所述满足所述初始监测预设等级阈值的可能性可以满足所述预期阈值时,则对当前节点下的所述目标电机进行监测管理。
5.如权利要求3所述的方法,其特征在于,所述方法还包括:
当所述节点数据记录集合不为同向增长变化趋势时,则进行所述节点数据记录集合的波动分析,生成波动数据;
获得所述波动数据中的波动极大值,并获得所述波动极大值对应的节点区间;
基于所述波动极大值和所述节点区间生成波动评价数据,通过所述波动评价数据进行所述目标电机的监测管理。
6.如权利要求2所述的方法,其特征在于,所述当所述风险评估数据不满足所述初始监测预设等级阈值时,则对所述风险评估数据进行节点数据记录,还包括:
获得所述风险评估数据的相邻增长值;
基于所述相邻增长值生成采集周期约束信息;
基于所述采集周期约束信息进行采集节点修正,基于修正后的采集节点进行所述目标电机的实时运行数据采集。
7.如权利要求2所述的方法,其特征在于,所述方法还包括:
当所述风险评估数据满足所述初始监测预设等级阈值时,对所述风险评估数据进行预警种类评价、预警等级评价,获得预警种类评价结果和预警等级评价结果;
基于所述预警种类评价结果和所述预警等级评价结果进行所述目标电机的维护管理。
8.一种电机运行状态的风险评估系统,其特征在于,所述系统与温度传感器、噪声传感器和湿度传感器通信连接,所述系统包括:
数据采集模块,所述数据采集模块用于采集目标电机的基础数据,依据所述基础数据进行所述目标电机的同批次类型电机的数据采集,得到运行数据集合;
个体差异系数确定模块,所述个体差异系数确定模块用于获得所述目标电机的运行测试数据,获得所述运行数据集合的数据平均值,根据所述运行测试数据和所述数据平均值得到个体差异系数;
环境影响系数确定模块,所述环境影响系数确定模块用于通过所述湿度传感器进行实时环境湿度数据采集,基于采集结果生成环境影响系数;
评价数据集合确定模块,所述评价数据集合确定模块用于读取所述目标电机的实时运行状态参数,通过所述噪声传感器和所述温度传感器进行所述目标电机的实时运行数据采集,得到评价数据集合;
匹配修正模块,所述匹配修正模块用于通过所述运行数据集合构建监测评价模型,通过所述实时运行状态参数进行所述监测评价模型的隐含层匹配,并通过所述个体差异系数和所述环境影响系数进行匹配的隐含层修正;
解析模块,所述解析模块用于通过修正后的隐含层进行所述评价数据集合的解析,输出风险评估数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210951397.7A CN115015757B (zh) | 2022-08-09 | 2022-08-09 | 一种电机运行状态的风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210951397.7A CN115015757B (zh) | 2022-08-09 | 2022-08-09 | 一种电机运行状态的风险评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115015757A true CN115015757A (zh) | 2022-09-06 |
CN115015757B CN115015757B (zh) | 2022-10-21 |
Family
ID=83065893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210951397.7A Active CN115015757B (zh) | 2022-08-09 | 2022-08-09 | 一种电机运行状态的风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115015757B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689393A (zh) * | 2022-12-09 | 2023-02-03 | 南京深科博业电气股份有限公司 | 一种基于物联网的电力系统实时动态监测系统及方法 |
CN115796678A (zh) * | 2022-12-01 | 2023-03-14 | 苏州连讯电子有限公司 | 一种连接线的智能生产监测方法及系统 |
CN116011794A (zh) * | 2023-03-23 | 2023-04-25 | 北京万讯博通科技发展有限公司 | 一种基于云运维的基础设施监管方法及系统 |
CN116123042A (zh) * | 2023-03-08 | 2023-05-16 | 大唐凉山新能源有限公司 | 一种风力发电机组的智能监测预警方法及系统 |
CN116502925A (zh) * | 2023-06-28 | 2023-07-28 | 深圳普菲特信息科技股份有限公司 | 基于大数据的数字工厂设备巡检评估方法、系统和介质 |
CN116578845A (zh) * | 2023-07-14 | 2023-08-11 | 杭州小策科技有限公司 | 一种批量标识数据学习的风险识别方法及系统 |
CN116642607A (zh) * | 2023-05-31 | 2023-08-25 | 中电山河数字科技(南通)有限公司 | 一种可远程操控的物联网环境监测升降平台 |
CN116736115A (zh) * | 2023-08-14 | 2023-09-12 | 山东开创电气有限公司 | 一种煤矿皮带输送电机温度监测方法及系统 |
CN116881658A (zh) * | 2023-07-12 | 2023-10-13 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种水轮发电机组的智能状态评估方法及系统 |
CN117391443A (zh) * | 2023-10-19 | 2024-01-12 | 应急管理部大数据中心 | 除尘设备状态监测预警方法及系统 |
CN117405177A (zh) * | 2023-12-15 | 2024-01-16 | 国网山东省电力公司济南供电公司 | 电缆隧道有害气体泄漏预警方法、系统、设备及介质 |
CN117474357A (zh) * | 2023-11-02 | 2024-01-30 | 深圳汉驰科技有限公司 | 基于深度学习的配电房运维管理方法及系统 |
CN117828512A (zh) * | 2024-03-04 | 2024-04-05 | 天津通安变压器有限公司 | 一种用于油浸式变压器的运行风险快速评估预测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135593A (zh) * | 2010-12-28 | 2011-07-27 | 太原理工大学 | 大电机绝缘状态在线诊断评估方法 |
CN108205110A (zh) * | 2016-12-20 | 2018-06-26 | 北京金风科创风电设备有限公司 | 风力发电机组发电机故障的检测方法及装置 |
CN109873581A (zh) * | 2017-12-04 | 2019-06-11 | 北京自动化控制设备研究所 | 一种基于神经网络的永磁同步电机直接速度控制方法 |
JP2020057944A (ja) * | 2018-10-02 | 2020-04-09 | 株式会社イームズラボ | 無人飛行装置の部品の状態通知装置、無人飛行装置の部品の状態通知方法及びプログラム |
CN111679187A (zh) * | 2020-05-26 | 2020-09-18 | 浙江浙能技术研究院有限公司 | 一种基于综合监测平台大型发电机状态评估方法 |
WO2021179250A1 (en) * | 2020-03-12 | 2021-09-16 | Johnson Controls Technology Company | Systems and methods for controlling variable refrigerant flow systems and equipment using artificial intelligence models |
CN113761786A (zh) * | 2021-07-12 | 2021-12-07 | 镇江赛尔尼柯自动化有限公司 | 一种基于神经网络模型的马达故障诊断装置及其方法 |
CN113820017A (zh) * | 2021-08-19 | 2021-12-21 | 西安理工大学 | 基于红外图像的发电机碳刷温度监测系统及温度预测方法 |
-
2022
- 2022-08-09 CN CN202210951397.7A patent/CN115015757B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135593A (zh) * | 2010-12-28 | 2011-07-27 | 太原理工大学 | 大电机绝缘状态在线诊断评估方法 |
CN108205110A (zh) * | 2016-12-20 | 2018-06-26 | 北京金风科创风电设备有限公司 | 风力发电机组发电机故障的检测方法及装置 |
CN109873581A (zh) * | 2017-12-04 | 2019-06-11 | 北京自动化控制设备研究所 | 一种基于神经网络的永磁同步电机直接速度控制方法 |
JP2020057944A (ja) * | 2018-10-02 | 2020-04-09 | 株式会社イームズラボ | 無人飛行装置の部品の状態通知装置、無人飛行装置の部品の状態通知方法及びプログラム |
WO2021179250A1 (en) * | 2020-03-12 | 2021-09-16 | Johnson Controls Technology Company | Systems and methods for controlling variable refrigerant flow systems and equipment using artificial intelligence models |
CN111679187A (zh) * | 2020-05-26 | 2020-09-18 | 浙江浙能技术研究院有限公司 | 一种基于综合监测平台大型发电机状态评估方法 |
CN113761786A (zh) * | 2021-07-12 | 2021-12-07 | 镇江赛尔尼柯自动化有限公司 | 一种基于神经网络模型的马达故障诊断装置及其方法 |
CN113820017A (zh) * | 2021-08-19 | 2021-12-21 | 西安理工大学 | 基于红外图像的发电机碳刷温度监测系统及温度预测方法 |
Non-Patent Citations (1)
Title |
---|
张益宾: "基于BP神经网络的大型发电机主绝缘击穿电压研究", 《中国优秀硕士论文全文数据库 工程科技辑》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115796678A (zh) * | 2022-12-01 | 2023-03-14 | 苏州连讯电子有限公司 | 一种连接线的智能生产监测方法及系统 |
CN115796678B (zh) * | 2022-12-01 | 2023-11-21 | 苏州连讯电子有限公司 | 一种连接线的智能生产监测方法及系统 |
CN115689393B (zh) * | 2022-12-09 | 2024-03-26 | 南京深科博业电气股份有限公司 | 一种基于物联网的电力系统实时动态监测系统及方法 |
CN115689393A (zh) * | 2022-12-09 | 2023-02-03 | 南京深科博业电气股份有限公司 | 一种基于物联网的电力系统实时动态监测系统及方法 |
CN116123042A (zh) * | 2023-03-08 | 2023-05-16 | 大唐凉山新能源有限公司 | 一种风力发电机组的智能监测预警方法及系统 |
CN116123042B (zh) * | 2023-03-08 | 2024-05-24 | 大唐凉山新能源有限公司 | 一种风力发电机组的智能监测预警方法及系统 |
CN116011794A (zh) * | 2023-03-23 | 2023-04-25 | 北京万讯博通科技发展有限公司 | 一种基于云运维的基础设施监管方法及系统 |
CN116642607B (zh) * | 2023-05-31 | 2023-10-27 | 中电山河数字科技(南通)有限公司 | 一种可远程操控的物联网环境监测升降平台 |
CN116642607A (zh) * | 2023-05-31 | 2023-08-25 | 中电山河数字科技(南通)有限公司 | 一种可远程操控的物联网环境监测升降平台 |
CN116502925B (zh) * | 2023-06-28 | 2024-01-23 | 深圳普菲特信息科技股份有限公司 | 基于大数据的数字工厂设备巡检评估方法、系统和介质 |
CN116502925A (zh) * | 2023-06-28 | 2023-07-28 | 深圳普菲特信息科技股份有限公司 | 基于大数据的数字工厂设备巡检评估方法、系统和介质 |
CN116881658A (zh) * | 2023-07-12 | 2023-10-13 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种水轮发电机组的智能状态评估方法及系统 |
CN116881658B (zh) * | 2023-07-12 | 2024-01-26 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种水轮发电机组的智能状态评估方法及系统 |
CN116578845B (zh) * | 2023-07-14 | 2023-11-07 | 杭州小策科技有限公司 | 一种批量标识数据学习的风险识别方法及系统 |
CN116578845A (zh) * | 2023-07-14 | 2023-08-11 | 杭州小策科技有限公司 | 一种批量标识数据学习的风险识别方法及系统 |
CN116736115B (zh) * | 2023-08-14 | 2023-10-20 | 山东开创电气有限公司 | 一种煤矿皮带输送电机温度监测方法及系统 |
CN116736115A (zh) * | 2023-08-14 | 2023-09-12 | 山东开创电气有限公司 | 一种煤矿皮带输送电机温度监测方法及系统 |
CN117391443A (zh) * | 2023-10-19 | 2024-01-12 | 应急管理部大数据中心 | 除尘设备状态监测预警方法及系统 |
CN117474357A (zh) * | 2023-11-02 | 2024-01-30 | 深圳汉驰科技有限公司 | 基于深度学习的配电房运维管理方法及系统 |
CN117405177A (zh) * | 2023-12-15 | 2024-01-16 | 国网山东省电力公司济南供电公司 | 电缆隧道有害气体泄漏预警方法、系统、设备及介质 |
CN117405177B (zh) * | 2023-12-15 | 2024-04-26 | 国网山东省电力公司济南供电公司 | 电缆隧道有害气体泄漏预警方法、系统、设备及介质 |
CN117828512A (zh) * | 2024-03-04 | 2024-04-05 | 天津通安变压器有限公司 | 一种用于油浸式变压器的运行风险快速评估预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115015757B (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115015757B (zh) | 一种电机运行状态的风险评估方法及系统 | |
CA2710902A1 (en) | Integrated condition based maintenance system for wind turbines | |
CN114619292B (zh) | 一种基于小波降噪和注意力机制融合gru网络的铣削加工刀具磨损监测方法 | |
GB2476246A (en) | Diagnosing an operation mode of a machine | |
CN111275570A (zh) | 一种基于迭代式统计与假设检验的风电机组功率异常值检测方法 | |
CN115689524A (zh) | 一种数据中心机房电气设备预测性维护系统及方法 | |
CN115932592A (zh) | 一种基于数字孪生模型的电动汽车电池故障诊断方法 | |
Manjare et al. | A review: Condition based techniques and predictive maintenance for motor | |
CN111275331A (zh) | 一种生产系统的监控方法和装置 | |
CN116699400A (zh) | 一种发电机转子短路故障监测系统、方法及可读存储介质 | |
CN110940514B (zh) | 风机齿轮箱散热故障的早期诊断模型构建方法及诊断方法 | |
CN115146675B (zh) | 一种深度多特征动态对抗的变工况下旋转机械迁移诊断方法 | |
CN115828439B (zh) | 风力发电机组异常损耗的识别方法及装置 | |
Qiao et al. | Research on SCADA data preprocessing method of Wind Turbine | |
CN111352365B (zh) | 一种防尘通风型电力电气设备机柜及控制方法 | |
CN113807431A (zh) | 一种基于多源信息融合的智能主轴状态评估方法和系统 | |
CN112099438A (zh) | 一种基于电流信号的机床节能控制方法及装置 | |
CN116893297B (zh) | 旋转设备能耗的监测方法、监测系统 | |
Goebel et al. | Diagnostic information fusion for manufacturing processes | |
CN117435964B (zh) | 基于数据诊断仪的设备状态评估方法及系统 | |
CN118017502A (zh) | 基于数字孪生的配电算力预测方法、系统及介质 | |
CN116505106B (zh) | 一种锂电池储能站的可视化管理方法及系统 | |
CN117932276B (zh) | 一种中压配电网线路节能降损适应性评估方法 | |
CN115213735B (zh) | 一种铣削加工过程刀具状态监测系统及方法 | |
Lee et al. | Wind energy system fault classification and detection using deep convolutional neural network and particle swarm optimization‐extreme gradient boosting |
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 |