CN115951616A - 多状态设备的运行阈值设置方法及监控方法、监控系统 - Google Patents
多状态设备的运行阈值设置方法及监控方法、监控系统 Download PDFInfo
- Publication number
- CN115951616A CN115951616A CN202310045468.1A CN202310045468A CN115951616A CN 115951616 A CN115951616 A CN 115951616A CN 202310045468 A CN202310045468 A CN 202310045468A CN 115951616 A CN115951616 A CN 115951616A
- Authority
- CN
- China
- Prior art keywords
- equipment
- threshold
- threshold value
- data
- verification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000012544 monitoring process Methods 0.000 title claims abstract description 85
- 238000012795 verification Methods 0.000 claims abstract description 92
- 238000004519 manufacturing process Methods 0.000 claims abstract description 76
- 230000008569 process Effects 0.000 claims abstract description 68
- 238000011160 research Methods 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000007635 classification algorithm Methods 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 239000010865 sewage Substances 0.000 description 15
- 239000003973 paint Substances 0.000 description 14
- 238000005507 spraying Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000001746 injection moulding Methods 0.000 description 9
- 230000008439 repair process Effects 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 239000003344 environmental pollutant Substances 0.000 description 7
- 231100000719 pollutant Toxicity 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000010096 film blowing Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- 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
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及设备监控技术领域,具体为多状态设备的运行阈值设置方法及监控方法、监控系统,该方法包括步骤:S3、找出目标阈值;根据目标阈值,执行步骤S4或S5;S4、执行第一校验流程;若校验通过,使设备按原设阈值作为运行阈值设置;S5、以所得目标阈值作为运行阈值设置;设备具有多个的工作状态;所获取的目标阈值与设备的各工作状态具有对应关系;预设运行阈值选取范围;执行S4时,选取处于运行阈值选取范围中的目标阈值进行第一校验流程;执行S5时,选取处于运行阈值选取范围中的目标阈值作为运行阈值;通过该设备的运行阈值设置方法应用,能够使设置的运行阈值具有可靠性高的特点,确保监控系统对设备生产状态的监控验证准确。
Description
技术领域
本发明涉及设备监控技术领域,具体为多状态设备的运行阈值设置方法及监控方法、监控系统。
背景技术
目前研判排污单位产线是否处于生产状态的阈值主要依靠排污单位根据设备生产时的功率提供,现场监控功率一旦大于等于设定阈值,便研判为开启,反之研判为关闭。事实上,排污单位一般情况下常基于电器铭牌提供阈值,但实际使用过程中往往存在差距,导致对监管结果造成一定的影响。
其次,现场工况复杂,排污单位设备可能存在多工况状态,对于一些待机、保温状态的设备,开启设备并非生产状态,难以研判排污单位是否真正在产污。此外,随着使用时间的增加,排污单位设备在长时间工作之后会出现一定程度的老化,能耗、功率等都会上升,阈值的持续可用性存在难以保证。
目前对排污单位提供阈值是否符合现场实际情况主要在项目运行过程中靠技术人工核验发现,这对技术人员的专业水平、数据敏感性及业务有较高的要求,但在排污单位数量多、设备多的情况下,人工核验疏忽难以避免。
目前面对生产状态研判阈值主要遇到的难点有:
(1)阈值的收集对排污单位的配合积极性存在一定的要求,一旦排污单位有规避监控的想法,存在谎报功率阈值的情况,导致排污单位处于排污生产但在线监控与现场不符的情况等等,便会对环保部门对排污单位的把控造成影响。
(2)现场生产工况复杂,生产设备开启并非就是产污状态,前期收集的阈值更多是设备开启状态的阈值,需要找到一个科学评判的生产设备产污状态的阈值。
(3)对阈值复核的技术人员的专业水平有一定的要求,需要具备专业的知识,数据敏感性高,且对业务较为熟悉,故前期需要投入大量精力物力进行专业及业务培训。
(4)在样本小的情况下,人工复核阈值在短时间内可能卓有成效,但随着在线监控的全覆盖,排污单位数量增多的情况下,需要投入大量人力及时间成本进行二次核验,但人工核验并非万无一失,一旦出现遗漏疏忽,会影响到监管部门对排污单位状态的判断。
(5)随着时间的增长,生产设备老化,能耗、功率上升,阈值的持续可用性难以保证,若得出的历史经验值与目前实际情况存在偏差,这也会对后期的监管造成影响,人力成本也会随之增加。
发明内容
针对目前排污设备全过程监控的现状,需要提供有一套完备的设备运行阈值的设置方法,找出设备的生产状态运行数据及非生产状态运行数据的分界线,进而明确其科学合理的运行阈值,并使之得到准确校验,令设备的运行阈值设置具有准确性。
为此,本发明的目的在于提供一种设备的运行阈值设置方法,同时提供一种监控方法和监控系统,以满足了监控系统对于工作设备,尤其是排污设备的状态监管应用需求。
多状态设备的运行阈值设置方法,其包括以下步骤:S1、获取设备的运行数据;S2、通过分类算法对运行数据进行聚类;S3、通过循环二分法找出目标阈值;根据所得目标阈值,然后执行步骤S4或S5;其中:S4、执行以所得目标阈值进行设备原设阈值的可靠性校验的第一校验流程;若校验通过,使设备按原设阈值作为运行阈值设置;S5、以所得目标阈值作为设备的运行阈值设置
当获取所得目标阈值的数量为不少于两个时:
其一,设备具有多个的工作状态情况;于步骤S3中,所获取的目标阈值与设备的各工作状态情况具有对应关系;根据目标工作状态所得运行数据而预设运行阈值选取范围,当执行步骤S4时,选取处于所述运行阈值选取范围中的所得目标阈值进行设备原设阈值的可靠性校验的第一校验流程;当执行步骤S5时,选取处于所述运行阈值选取范围中的所得目标阈值作为设备的运行阈值设置。
对于具有多个工作状态的设备应用中,本方案基于所获取的目标阈值与设备的各工作状态情况具有数量上及数值选取范围上的对应关系,而对各工作状态中运行数据合理运行情况范围作为运行阈值的选取范围,则可在步骤S4或S5的执行时,确保所应用目标阈值的合理性及可靠性。
其二,设备具有多个的工作状态情况,该设备对应各工作状态具有相应的多个原设阈值;于步骤S3中,获取所得目标阈值与该设备的工作状态原设阈值具有对应关系;当执行步骤S4时,使一个或多个的所得目标阈值与所对应一个或多个的各工作状态原设阈值以第一校验流程进行可靠性的校验;当执行步骤S5时,令所得一个或多个的目标阈值取代所对应一个或多个的各工作状态原设阈值作为设备的运行阈值设置。
根据设备中运行阈值的设定,可进而使设备与相应的监控系统进行关联;当设备的处于相应的工作状态而产生有特定的运行数据情况,相应的运行阈值设置可有效地令监控系统对该设备当前的工作状态情况进行确认,从而有效地针对设备特定的工作状态进行监控应用。
进一步地,于步骤S1中,对获取的运行数据进行数据清洗。
进一步地,步骤S4中,若所述第一校验流程的校验不通过,执行对所得目标阈值进行可靠性校验的第二校验流程;若所述第二校验流程校验通过,使所得目标阈值作为设备的运行阈值设置;若所述第二校验流程校验不通过,对设备进行标记处理。
进一步地,步骤S5中,执行对所得目标阈值可靠性校验的第二校验流程;若校验通过,才使所得目标阈值作为设备的运行阈值设置。
进一步地,所述第一校验流程包括:对所得目标阈值与设备的原设阈值进行第一偏差率的验证,当所得第一偏差率小于第一预设偏差值时,判定为校验通过;所述第一预设偏差值的设置范围为8%~12%。
进一步地,所述第一校验流程包括:将所得目标阈值对运行数据所产生的研判结果与设备的原设阈值对运行数据所产生的研判结果进行统计比较,得到第三偏差率;当所得第三偏差率小于第三预设偏差值时,判定为校验通过;所述第三预设偏差值的设置范围为8%~12%。
进一步地,所述第二校验流程包括:对所得目标阈值与设备的实时运行数据进行第二偏差率的验证,当所得第二偏差率小于第二预设偏差值时,判定为校验通过;所述第二预设偏差值的设置范围为8%~12%。
进一步地,所述第二校验流程包括:在设备的固定工作状态下,获取单位时间段内设备的实时运行数据,统计所述单位时间段内设备的实时运行数据大于所得目标阈值的数据相对于单位时间段内设备的实时运行数据的占比比例,当所述占比比例大于校验比例值时,判定为校验通过;所述校验比例值的设置范围为85%~95%。
进一步地,所述运行数据包括设备的历史运行功率数据或历史运行电流数据或实时运行功率数据或实时运行电流数据。
进一步地,于步骤S2至S3中,所述目标阈值求取过程如下:S2-1、对所得运行数据进行聚类,记聚类中心数为k;S2-2、判断k的情况;当k=2时,执行步骤:S2-2-1、记i=1,聚类中心为Ai和Ai+1;然后执行S2-3;S2-3、以Ai和Ai+1为边界,得到集合Di;S3-1、用二分法对集合Di进行等宽划分,具体操作为取Ai和Ai+1的均值(Ai+Ai+1)/2对Di进行等宽切分,得到两个集合,集合区间分别为[Ai,(Ai+Ai+1)/2),[(Ai+Ai+1)/2,Ai+1];比较两集合数据量的大小,得到数据量小的集合Dmi;S3-2、判断Dmi的数据量是否小于Di数据量的预设数据比例;当Dmi的数据量小于Di数据量的预设数据比例时,执行S3-3;当Dmi的数据量不小于Di数据量的预设数据比例时,输出Dmi,令Di=Dmi,然后返回执行S3-1;S3-3、计算Dmi集合中最大值与最小值的均值ai,所得ai为目标阈值。
进一步地,于步骤S2-2中,当k大于2时,执行步骤:S2-2-2、初始化i=1;S2-2-3、选取第i和第i+1个聚类中心Ai和Ai+1;然后执行S2-3;于步骤S3-3执行后,当k大于2时,执行步骤S6;步骤S6、判断i+1是否小于k;当i+1小于k时,令i=i+1,然后返回执行步骤S2-2-3;当i+1不小于k时,进行目标阈值的获取。
进一步地,当k大于2时,获取所得目标阈值的数量为不小于两个;预设有筛选标准,根据所述筛选标准进行所得目标阈值的筛选,将筛选所得目标阈值作为步骤S4或S5的执行依据。
进一步地,所述预设数据比例的设置范围为8%~12%。
对于上述过程中的相应校验流程不通过的情况,再未有其他说明的前提下,实际应用中通常选择进行设备的标记,并在后续过程中对标记的设备进行逐一的重新校验核实。该重新的校验核实过程可由有经验的工程人员进行处理或通过其他系统程序进行验算核实处理。
设备的监控方法,其对设备应用如上述所述的运行阈值设置方法进行设备的运行阈值设置,并以监控系统对设备进行监控操作;所述监控系统根据所得的运行数据与设备的运行阈值进行对比,作出研判操作;当监控所得设备的运行数据不小于其设置的运行阈值时,研判结果为工作状态开启;当监控所得设备的运行数据小于其设置的运行阈值时,研判结果为工作状态关闭。
设备的监控系统,包括若干设备及监控装置,所述监控装置与各所述设备通讯连接;该监控系统应用如上述所述的监控方法进行设备的监控;当监控所得设备的运行数据不小于其设置的生产工作状态的运行阈值时,研判结果为生产工作状态开启,设备处于生产状态;当监控所得设备的运行数据小于其设置的生产工作状态的运行阈值时,研判结果为生产工作状态关闭,设备处于非生产状态。
本发明的有益效果在于:
1、通过该设备的运行阈值设置方法应用,能够使设置的运行阈值具有可靠性高的特点,令受监控的设备具有被监控的可靠性,确保监控系统对设备生产状态的监控验证准确,无需监控审核人员定期定量地对大量的设备进行逐一的人工确认排查,有效地节约人力物力。
2、通过多级应用的不同校验流程设置,能有效地确保目标阈值及原设阈值作为设备的运行阈值应用可靠性,避免了设备的运行阈值设置偏差的情况。
3、该运行阈值设置方法应用,能使应用其的监控系统在监控过程中有效地对不同工艺、不同行业的不同设备的工作状态进行有效的区分识别,并以此作出有针对性的监控研判操作,有助于监管者对受监管设备的工作状态精准把控;尤其能解决现有污染监管领域中对于排污单位的产污情况难以确认的问题。
附图说明
图1为汽修行业喷漆设备实时功率趋势图;
图2为喷漆设备实时功率散点图;
图3为喷漆设备功率数据聚类结果小提琴图;
图4为喷漆设备功率数据阈值划分小提琴图;
图5为喷漆设备功率数据阈值划分结果图;
图6为本发明实施例1的目标阈值求取方法的流程图;
图7为本发明实施例2的第一校验流程的校验流程图;
图8为本发明实施例3的第二校验流程的校验流程图;
图9为本发明实施例4的第二校验流程的校验流程图;
图10为本发明实施例5的第一校验流程的校验流程图;
图11为原设阈值不合适时设备实时功率状态趋势图;
图12为注塑设备不同工作状态的功率情况示意图;
图13为本发明实施例6的多目标阈值求取方法的流程图;
图14为注塑设备功率数据聚类结果小提琴图;
图15为注塑设备功率数据阈值划分小提琴图;
图16为注塑设备功率数据阈值划分结果图;
图17为本发明实施例7的注塑设备电流数据聚类小提琴图;
图18为本发明实施例7的注塑设备电流数据阈值划分小提琴图。
具体实施方式
为了使本发明的技术方案、目的及其优点更清楚明白,以下结合附图及实施例,对本发明进行进一步的解释说明。
实施例1:
本发明提供一种设备的监控系统,该监控系统包括若干设备及监控装置,所述监控装置与各所述设备通讯连接,令监控装置实现对各设备的数据获取及监控研判;所述监控系统中应用有一种设备的监控方法,通过对设备进行运行阈值的设置,并根据监控所得运行数据与运行阈值进行对比,使所述监控系统能对设备的工作状态进行研判操作。
该设备的监控方法中,其首先进行设备的运行阈值设置,而后对设置有运行阈值的设备进行监控操作。所述监控系统根据所得的运行数据与设备的运行阈值进行对比,作出研判操作;当监控所得设备的运行数据不小于其设置的运行阈值时,研判结果为工作状态开启;当监控所得设备的运行数据小于其设置的运行阈值时,研判结果为工作状态关闭。
具体地,该设备监控系统为一种排污设备的监控系统,以对排污设备是否真正处于产污状态进行监控;当监控所得排污设备的运行数据不小于产污工作状态的运行阈值时,研判为产污工作状态开启,即排污设备处于产污的生产状态;当监控所得设备的运行数据小于产污工作状态的运行阈值时,研判为产污工作状态关闭,其排污设备处于非生产状态。
以排污单位产线内生产设备的功率运行数据进行是否产污工作状态的研判为例,本发明提供有一种目标阈值求取的方法,可进行该生产设备的功率目标阈值求取。
该目标阈值的求取方法具体应用设置如下:
步骤1、设备运行数据的获取及清洗。
获取设备功率运行数据及该功率运行数据的对应工作状态情况数据,以周期时间形成生产设备监测的数据集,其周期数据采样频率为5分钟;该5分钟记录的功率运行数据对系统输入后,系统将对异常值进行自动剔除的数据清洗处理,例如对功率负值的记录进行剔除处理。
步骤2:分类算法自动聚类。
排污单位生产设备在运行及非运行过程中,其功率分布会存在有特征:例如在运行过程中功率数值会在某一区间集中波动。因此根据数据的分布情况,可对数据进行区间的划分。
如图1至3所示。以汽修行业喷漆设备为例说明,一般情况下,其现场设置的功率原设阈值为0.2KW,一旦实时功率不小于0.2KW,则对应的开关转化量研判为开启。从数据上看,不难发现,其功率在(0,0.5),(3,5)附近分布较多。
图中,状态开关量1表示设备开启,0表示未开启。
从实际业务角度来看,该单位在非生产期间功率由于有其它照明设备的影响,导致功率数据不为0,而是在0.4KW附近波动,从而导致了在非生产情况下,状态存在误判的可能。事实上,该设备的正常生产情况下是在(3,5)波动,因此我们找(0.4,3)之间找到一个值作为划分生产及非生产的界限。
在分类算法中,通过在数据集中寻找被低密度区域分离的高密度区域,将分离出的高密度区域作为一个独立的类别。假设点x周围有很多点,记作x1、x2…xj,我们计算点x移动到其周围每个点xj所需要的偏移量之和,求平均就得到平均偏移量。除了大小,该偏移量还包含周围分布密集的方向。下一步点x往平均偏移量方向移动,再以此为新起点,不断迭代直到满足一定条件结束。
大致流程如下:
1)在数据集中随机选取一个点作为起始中心点S;
2)以S为中心半径为r,找出区域中出现的所有数据点,认为这些点同属于一个聚类C,同时在该聚类中记录数据点出现的次数加1;
3)以S为中心点,计算从S到数据集中每个元素的向量,相加得到向量s;
4)S=S+s,即S沿着s方向移动,移动距离为||s||;
5)重复步骤2),3),4)步骤,直到s很小,记得此时的S。此时这个迭代过程中遇到的点都应该归类到簇C;
6)如果收敛时当前簇C的S与其它已经存在的簇C2中心的距离小于设定阈值(该设定阈值由数据集决定,为数据集中任意一对样本距离的集合的50%分位数),那么把C2与C合并,数据点出现次数也对应合并。否则把C作为新的聚类;
7)重复步骤1)至5)直到所有点都被标记为已访问;
8)分类:根据每个类,对每个点的访问频率,取访问频率最大的那个类,作为当前点集的所属类。
如图3所示,基于汽修行业喷漆设备的应用情况,可以看到该排污单位的结果有2个类别,第一聚类中心和第二聚类中心分别为0.05和3.94。
步骤3:循环二分法找出合适的功率目标阈值。
如图4至5所示,基于上一步得出的聚类中心结果,以两个聚类中心A1及A2为边界条件,将所有在此区间的数据提出作为数据集D,利用二分法对D进行划分,得到等宽的2份数据D1和D2。取预设数据比例值为8%至12%,优选为10%;比较D1和D2,取数据量小的一份为Dm,若Dm数据量小于(D1+D2)*10%,则取这份数据的最大值与最小值的均值作为目标阈值,若该Dm数据量大于(D1+D2)*10%,则用二分法对该Dm进行进一步划分,直到找到数据量小于(D1+D2)*10%的数据集Dm,取这份数据的最大值与最小值的均值作为功率目标阈值。
利用二分法对前面汽修行业喷漆设备利用分类算法得出的两个聚类中心之间的功率数据划分成等宽的2份,再选取数据量最小的一份为Dm,此时数据量最小的一份数据量占D1和D2的总数据量比例小于10%,基于Dm求最大值与最小值的平均值a,得出的平均值a作为该设备的功率目标阈值输出应用,为2.23KW。显然地,该所得功率目标阈值2.23KW的数值应用相比原有设备的功率原设阈值0.2KW能更好的划分生产与非生产情况。
上述设备的目标阈值求取方法步骤的流程为:
S1、获取设备的运行数据;
S2、通过分类算法对运行数据进行聚类;
S3、通过循环二分法找出目标阈值。
根据求取所得目标阈值,作为一种优选的目标阈值应用方式,可选择以该目标阈值作为设备的运行阈值设置。
基于求取所得的功率目标阈值2.23KW,使其取代原设备的原设阈值0.2KW,对该设备的实际生产工作状态的功率运行阈值进行变更设置;即当该喷漆设备的实时功率不小于2.23KW时,其对应的开关转化量才研判为开启。令监控系统准确有效地进行该设备的实际生产工作监控。
上述的目标阈值求取方法应用,可基于设备的实际运行数据,从设备的实际生产环境中,得出有设备的功率目标阈值;所得相应的目标阈值,能相对于出厂的原设阈值具有更准确的特点。上述目标阈值求取方法的求取应用情况,流程参考如图6所示。
本发明的一种设备的运行阈值设置方法,可选择将求取所得的目标阈值取代该设备的原设阈值以直接地作为该设备的运行阈值设置;基于运行阈值的调整设置,可满足了监控系统的对设备工作状态监控的准确研判需求。
上述设备的运行数据获取及计算情况中,可因应实际需求,而选择采用实时情况下设备的实时运行功率数据或过往情况下设备的历史运行功率数据进行应用。
具体地,上述功率目标阈值的具体求取过程如下:
S2-1、对所得运行数据进行聚类,记聚类中心数为k;
S2-2、判断k的情况;在单一工作状态的情况下,将产生有两个聚类中心;
当k=2时,执行步骤:S2-2-1、记i=1,聚类中心为Ai和Ai+1;然后执行S2-3;
S2-3、以Ai和Ai+1为边界,得到集合Di;
S3-1、用二分法对集合Di进行划分,具体操作为取Ai和Ai+1的均值(Ai+Ai+1)/2对Di进行等宽切分,得到两个集合,集合区间分别为[Ai,(Ai+Ai+1)/2),[(Ai+Ai+1)/2,Ai+1];比较两集合数据量的大小,得到数据量小的集合Dmi;
S3-2、判断Dmi的数据量是否小于Di数据量的预设数据比例,所述预设数据比例的设置范围为8%~12%;
当Dmi的数据量小于Di数据量的预设数据比例时,执行S3-3;
当Dmi的数据量不小于Di数据量的预设数据比例时,输出Dmi,令Di=Dmi,然后返回执行S3-1;
S3-3、计算Dmi集合中最大值与最小值的均值ai,所得ai为目标阈值。
实施例2:
基于上述实施例1的目标阈值求取方法的应用下,本方案的另一优选应用方式为:基于算法求取所得的目标阈值具有可靠性的前提下,以第一校验流程通过所得目标阈值对设备的原设阈值进行可靠性校验,即可明确设备的原设阈值是否具有可靠性。该第一校验流程的校验流程应用情况,参考如图7所示。
基于前述可知,生产设备的运行阈值其实并非为一个固定值,而是在一个区间波动,所以,我们只要找到一个值在这个区间内,便能很好的划分出开关状态;假设若原设阈值在运行阈值的阈值区间内,由于我们通过算法得出的目标阈值也在该运行阈值的阈值区间内,此时用原设阈值判断的状态和目标阈值判断的状态结果偏差率基本会很小,但如果原设阈值不在阈值区间内,则利用目标阈值来判断的状态结果与原设阈值判断的状态结果会产生一定的偏差。因此,若所求去目标阈值于设备的原设阈值之间的数值差距是在合理范围内,即可认为设备的原设阈值是可靠的。这就是本方案的基础设置思路。
确认到设备的原设阈值是可靠的情况下,将继续沿用设备的原设阈值作为设备的运行阈值设置,从而可确保监控工作准确的应用前提下,减少了操作流程。
所述第一校验流程可选择包括:对所得目标阈值与设备的原设阈值进行第一偏差率的验证,当所得第一偏差率小于第一预设偏差值时,判定为校验通过。所述第一预设偏差值的取值范围是8-12%,优选设置为10%。
以上述汽修行业喷漆设备的应用为例:若当初设备所设置的原设阈值为2KW,则当所述第一预设偏差值为12%,上述原设阈值的数值上下浮动12%的目标阈值理论选择范围在1.76KW至2.24KW之间;因此在求取所得目标阈值为2.23KW的情况下,可认为该原设阈值的设置是可靠的。从而可使该喷漆设备继续沿用2KW作为运行阈值,并以监控装置持续地按2KW进行生产工作状态的监控。
该上述第一校验流程的设置步骤应用如下:
S4-1、将所得目标阈值与设备的原设阈值进行比较,计算第一偏差率;
S4-2、判定第一偏差率是否小于第一预设偏差值;
当第一偏差率小于第一预设偏差值,则所述第一校验流程的校验通过。
为此,本发明的一种设备的运行阈值设置方法,可选择执行以所得目标阈值进行设备原设阈值的可靠性校验的第一校验流程;若校验通过,使设备继续按原设阈值作为自身的运行阈值设置,满足了监控系统的对设备工作状态监控的准确研判需求。
实施例3:
为了避免因其他情况而导致求取所得目标阈值存在有较大偏差(如运行数据获取的数据包丢失情况);可以第二校验流程对所得目标阈值进行其可靠性的验证,当所得目标阈值通过校验时,才使所得目标阈值作为设备的运行阈值设置或作为设备的原设阈值可靠性校验基准设置。该第二校验流程的校验流程应用情况,参考如图8所示。
所述第二校验流程可选择包括:对所得目标阈值与设备的实时运行数据进行第二偏差率的验证,当所得第二偏差率小于第二预设偏差值时,判定为校验通过。所述第二预设偏差值的取值范围是8-12%,优选设置为10%。
具体地,继续以上述汽修行业喷漆设备的应用为例:所述实时运行数据,可选择为在目标工作状态中的设备的周期采样时间(5min)内的平均功率数据。
例如:对于要求取是产污工作状态下的目标阈值,则在明确的产污工作状态下(通过人工确认或综合分析确认),对设备进行周期时间段内的运行数据采集,求取数据均值;如上述喷漆设备中,其产污工作状态下一所得均值的实时运行数据为2.5KW情况下,设定第二预设偏差值为12%,当前求取所得目标阈值为2.23KW,所得目标阈值与设备的实时运行数据之间的第二偏差率小于该第二预设偏差值情况,故判定为校验通过。
在上述实施例2的应用前提下,若执行第一校验流程时,其校验结果为不通过,则该情况或存在目标阈值求取错误或原设阈值与求取的目标阈值偏差较大(目标阈值合理)的可能情况。故后续执行对所得目标阈值进行可靠性校验的第二校验流程;则若所述第二校验流程校验通过,即判断为原设阈值与求取的目标阈值偏差较大情况;该目标阈值为合理情况,可使所得目标阈值作为设备的运行阈值设置。若所述第二校验流程校验不通过,则存在目标阈值求取错误的可能,则需对设备进行标记处理;以供后续的查验。
实施例4:
基于上述实施例3的应用情况,本实施例中对实施例3作进一步的优选设置方式说明。
上述实施例3中的第二校验流程,可变更应用为:在设备的固定工作状态下,获取单位时间段内设备的实时运行数据,统计该单位时间段内设备的实时运行数据大于所得目标阈值的数据相对于单位时间段内设备的实时运行数据的占比情况,当占比比例大于校验比例值时,可认为目标阈值的设定是可靠的,判定为校验通过。该第二校验流程的校验流程应用情况,参考如图9所示。
例如:
在明确设备是处于稳定的开启工作状态下(如生产状态),以24小时为单位时间段,对设备的开启工作状态的实时功率运行数据与目标阈值进行比较,如果在24小时内,监测所得的功率运行数据有90%以上是超过目标阈值的情况,就可认为验证通过,所得的目标阈值是可靠的。
实施例5:
基于上述各实施例的应用情况,本实施例作进一步的优选设置方式说明。
上述实施例的应用中,是可仅基于设备自身产生的数据情况进行相应的校验的;而本实施例的方案应用中,还可进一步地需结合有一种模拟的研判动作设置,令相应的校验流程在全生命周期中均能具有更准确可靠的特点。
则该以所得目标阈值进行设备原设阈值的可靠性校验的第一校验流程应用为:模拟产生目标阈值对运行数据所产生的研判结果及产生设备原设阈值对运行数据所产生的研判结果,将所得目标阈值对运行数据所产生的研判结果与设备的原设阈值对运行数据所产生的研判结果进行统计比较,得到第三偏差率;当所得第三偏差率小于第三预设偏差值时,判定为校验通过。所述第三预设偏差值的取值范围是8-12%,优选设置为10%。
则在实际的应用过程中,求取所得的目标阈值后,因应所选择的运行数据的运算情况(或历史运行数据或实时运行数据),而对应地统计相应的运行数据产生过程中所作出的研判结果情况。针对我们所需研判的工作状态情况(如上述汽修行业喷漆设备的产污工作状态),确定在数据采样周期(5min)中对应的目标阈值设定后所得为产污工作状态开启的情况与原设阈值设定所得为产污工作状态开启的情况并进行模拟的统计,当基于目标阈值设定所得的研判结果数量与基于原设阈值设定所得的研判结果数量之间偏差率小于第三预设偏差值时,判定为校验通过,明确原设阈值的可靠性情况。该第一校验流程的校验流程应用情况,参考如图10所示。
例如:用所得目标阈值作为运行阈值,监控系统判断该设备在每个监测时间点的开启关闭状态,然后与原来预设值判断的结果进行比较。当预设有100个时间点,原本预设值研判的都是开启,但选择用所得目标阈值作为运行阈值研判的结果,是只有70个点是开启的,误差率达到30%,这时候已经超过了预设偏差10%,则认为是原设阈值不可靠的,该第一校验流程校验不通过,需要进行第二校验流程处理或对设备标记后由人工作进一步的确认处理。
作为真实的应用案例:
基于排污单位的环保监控数据,共计978条产线大概1750万条数据,利用上述算法进行设备的功率运行阈值的求取建模学习,并对设备的原设阈值情况进行验证,偏差在10%以内的共计719条,约占73.6%,说明大部分产线设备目前的状态判断合理。偏差大于10%的共计259条,判定为第一校验流程的原设阈值可靠性校验不通过情况。
对于上述第一校验流程的校验不通过情况,可以第二校验流程方式进行目标阈值的可靠性校验,或者直接经由监控系统或人工方式进行覆复核。经复核来看,259条中有203条产线普遍存在同一功率值,但在不同时刻可能判别为不同状态的情况,占总数约20.8%;该情况下,可认为是设备产生的数据具有质量问题,不认为是本方案求取的目标阈值准确度问题。
此外,有33条产线功率波动明显,识别的目标阈值不为0甚至较大,实际状态一直判断为关闭,占总数约3.4%;说明这是设备原来的原设阈值是存在问题的,该情况下,需要进行以所得功率目标阈值对设备原预设的运行阈值进行变更设置。
如图11所示,在8点之后,该设备功率波动明显,但状态一直为关闭,现场的设备原设阈值存在不合理的情况,可能设置过高,导致未能准确识别出设备的真实状态。总的来看,该方法可以对现有的状态进行校验,得出目前排污单位设备的原设阈值状态判断是否合理,整体误判率为2.4%,相对较小,具有可靠性。
类型 | 记录数 | 占比 |
通过校验 | 719 | 73.6% |
数据质量存在问题 | 203 | 20.7% |
现场设置的运行阈值(原设阈值)不合理 | 33 | 3.3% |
算法求取的运行阈值(目标阈值)不合适 | 23 | 2.4% |
总数 | 978 | 100% |
实施例6:
上述实施例中,以汽修行业的喷漆设备工作情况为例,指出有单一生产工况(产污工作状态)设备的功率目标阈值求取情况。则本实施例中,再对相应的多工况设备的功率目标阈值求取情况进行说明。
如图12所示,以注塑行业为例,其吹膜工艺有加热工况,生产设备除关机状态外,具有加热工作状态及生产工作状态两个不同的工作状态。在吹膜工艺中,其加热工作过程会产生有一定的功率输出,但是由于不进行实际生产,故不会产生废气。因此,从环保监控的角度而言,我们需要准确地找出该吹膜工艺设备的生产工作状态情况进行监控。
但实际应用中,该吹膜工艺设备的原设阈值一般设置较低(或仅设置为大于1KW),其在预热状态下均可能会令监控系统会产生监控的联动告警,不符合所需的实际监控情况。
因此,针对上述应用情况,本实施例中对目标阈值的求取算法作进一步补充:
在具有两个工作状态的情况下,所得运行数据将具有三个聚类中心;故于步骤S2-2中,当k大于2时,执行步骤:S2-2-2、初始化i=1;S2-2-3、选取第i、i+1个聚类中心Ai和Ai+1;然后执行S2-3;
于步骤S3-3执行后,当k大于2时,执行步骤S6、判断i+1是否小于k;
当i+1小于k时,输出i=i+1至步骤S2-2-3,并顺序地重复上述运算步骤,共获取有多个的目标阈值ai,直至i+1不小于k;
当i+1不小于k时,获取所有目标阈值;此时,获取目标阈值数量大于等于2。
本实施例中,基于具有两个不同工作状态工况而产生的三个聚类中心应用情况下,将产生有两个目标阈值。
在上述各目标阈值ai的求取过程中,因应不同的验证需求,可分别地选择上述实施例中不同的第一校验流程或第二校验流程而进行组合的设置应用。
该多目标阈值求取方法的流程设置情况,参考如图13所示。
如图14至图16所示,通过上述设备目标阈值的求取算法应用,可发现该注塑生产设备的功率会在3个区间波动,分别对应关机集中区间、预热集中区间、生产集中区间,这时候用求取所得的目标阈值有两个,分别为1.6KW和31.2KW;所获取目标阈值不唯一,且所获取的目标阈值与设备的各工作状态具有数量上及数值选取范围上的对应关系。
预设有筛选标准,根据所述筛选标准进行所得目标阈值的筛选,将筛选所得目标阈值作为设备工作状态监控的执行依据。
其一,根据实际经验情况,设备预热状态是应用较低的功率输出状态,而设备产污状态则是较高的功率输出状态,且两者工作状态应用中的功率运行数据将具有明显差距;因此,所述筛选标准为通过大数据或人工智能识别,对数值明显差距的所得目标阈值,进行不同的工作状态的运行阈值的划分匹配。
故根据筛选标准,本实施例选择较低的功率输出状态值1.6KW为设备预热状态的运行阈值,较高的功率输出状态值31.15KW为设备产污状态的运行阈值,基于31.15KW作为作为该设备的实际产污状态功率运行阈值,以此执行上述第一校验流程及作校验后的运行阈值设置应用或以所得目标阈值作为设备的运行阈值设置应用,其后续以监控系统所得的实际监测情况,将更符合实际需要。
另一方面,上述筛选标准还可根据所得运行数据而预设有运行阈值的选取范围设置。
例如在吹膜工艺设备的应用中,通过人工确认或其他分析系统程序的综合分析确认,可得知有设备的不同工作状态的运行数据情况合理范围(如预热状态功率输出数据的合理范围,以及设备的产污状态功率输出数据合理范围,该数据合理范围设置可应用为对应工作状态运行数据均值的上下浮动10%范围);故在此基础上,令设备预热状态的运行阈值选取范围处于上述预热状态功率输出数据合理范围之下、令设备产污状态的运行阈值选取范围处于产污状态功率输出数据合理范围之下。根据我们所需要的监控目标为设备产污状态的情况下,在上述算法所获取的多个目标阈值中,选取处于上述设备产污状态的功率输出数据合理范围内目标阈值作为该设备产污状态下的运行阈值设置。
在不同环境的应用中,对于需要进行多工作状态的同时监控情况,所述设备将具有多个相应的各工作状态的原设阈值,该设备通过所述设置方法获取所得目标阈值,在数量上及数值设置的范围应用情况上,均与各工作状态的原设阈值具有一一对应关系。
则通过上述算法获取的多个目标阈值,在预设有对应工作状态的功率输出数据合理范围下,各所得目标阈值将具有与各工作状态的功率输出数据合理范围的配合关系。
相应地,该运行阈值设置过程中,可选择执行对设备不同工作状态的原设阈值的可靠性校验的第一校验流程和/或执行各目标阈值可靠性验证的第二校验流程,将符合校验通过条件的各目标阈值进行设备各工作状态的运行阈值设置,或将验证通过后的各工作状态下的原设阈值作为设备的运行阈值继续设置,使所得目标阈值与对应工作状态情况作出有效的匹配指导,则监控系统的应用中,令监控装置对不同运行阈值标准情况设置有不同的监控告警措施,即可满足监控系统对设备的多个工作状态情况的分别监控应用需要。
实施例7:
在上述各实施例的说明中,指出有设备在功率运行数据的运行阈值设置及监控应用情况。则本实施例中,再对相应的电流运行数据的运行于设置设置及监控应用情况进行说明。如图17至图18所示,通过上述设备目标阈值的求取算法应用,对喷漆设备的相应历史电流数据进行获取并执行算法运算,可得出该生产设备在生产集中区间而进行产污行为时,其电流的运行阈值设置为求取所得的电流目标阈值54.61A来划分产污,更符合实际情况。本实施例的算法运算过程中,所选运行数据包括设备的历史运行电流数据或实时运行电流数据。
实施例8:
基于如上述实施例的目标阈值的求取算法应用情况,本领域技术人员可理解,在近似的应用领域方面,如:监控学校宿舍是否有违规电器的使用行为等,本发明的设备监控系统,将同样地能对相应违规电器设备的使用行为状态进行准确的监控研判,满足除排污监控领域外的其他设备监控应用所需。
以上所述仅为本发明的优选实施方式,对于本技术领域的技术人员,在不脱离本发明的实施原理前提下,依然可以对所述实施例进行修改,而相应修改方案也应视为本发明的保护范围。
Claims (10)
1.多状态设备的运行阈值设置方法,其特征在于,包括以下步骤:
S1、获取设备的运行数据;
S2、通过分类算法对运行数据进行聚类;
S3、通过循环二分法找出目标阈值;
根据所得目标阈值,然后执行步骤S4或S5;
S4、执行以所得目标阈值进行设备原设阈值的可靠性校验的第一校验流程;若校验通过,使设备按原设阈值作为运行阈值设置;
S5、以所得目标阈值作为设备的运行阈值设置;
设备具有多个的工作状态情况;于步骤S3中,所获取的目标阈值与设备的各工作状态情况具有对应关系;根据目标工作状态所得运行数据而预设运行阈值选取范围;
当执行步骤S4时,选取处于所述运行阈值选取范围中的所得目标阈值进行设备原设阈值的可靠性校验的第一校验流程;
当执行步骤S5时,选取处于所述运行阈值选取范围中的所得目标阈值作为设备的运行阈值设置。
2.如权利要求1所述的运行阈值设置方法,其特征在于,步骤S4中,若所述第一校验流程的校验不通过,执行对所得目标阈值进行可靠性校验的第二校验流程;若所述第二校验流程校验通过,使所得目标阈值作为设备的运行阈值设置;若所述第二校验流程校验不通过,对设备进行标记处理。
3.如权利要求1所述的运行阈值设置方法,其特征在于,步骤S5中,执行对所得目标阈值可靠性校验的第二校验流程;若校验通过,才使所得目标阈值作为设备的运行阈值设置。
4.如权利要求1至3任一所述的运行阈值设置方法,其特征在于,所述第一校验流程包括:对所得目标阈值与设备的原设阈值进行第一偏差率的验证,当所得第一偏差率小于第一预设偏差值时,判定为校验通过;所述第一预设偏差值的设置范围为8%~12%。
5.如权利要求1至3任一所述的运行阈值设置方法,其特征在于,所述第一校验流程包括:将所得目标阈值对运行数据所产生的研判结果与设备的原设阈值对运行数据所产生的研判结果进行统计比较,得到第三偏差率;当所得第三偏差率小于第三预设偏差值时,判定为校验通过;所述第三预设偏差值的设置范围为8%~12%。
6.如权利要求2或3所述的运行阈值设置方法,其特征在于,所述第二校验流程包括:对所得目标阈值与设备的实时运行数据进行第二偏差率的验证,当所得第二偏差率小于第二预设偏差值时,判定为校验通过;所述第二预设偏差值的设置范围为8%~12%。
7.如权利要求2或3所述的运行阈值设置方法,其特征在于,所述第二校验流程包括:在设备的固定工作状态下,获取单位时间段内设备的实时运行数据,统计所述单位时间段内设备的实时运行数据大于所得目标阈值的数据相对于单位时间段内设备的实时运行数据的占比比例,当所述占比比例大于校验比例值时,判定为校验通过;所述校验比例值的设置范围为85%~95%。
8.如权利要求1所述的运行阈值设置方法,其特征在于,所述运行数据包括设备的历史运行功率数据或历史运行电流数据或实时运行功率数据或实时运行电流数据。
9.监控方法,其特征在于,对设备应用如权利要求1至8任一所述的运行阈值设置方法进行设备的运行阈值设置,并以监控系统对设备进行监控操作;所述监控系统根据所得的运行数据与设备的运行阈值进行对比,作出研判操作;当监控所得设备的运行数据不小于其设置的运行阈值时,研判结果为工作状态开启;当监控所得设备的运行数据小于其设置的运行阈值时,研判结果为工作状态关闭。
10.监控系统,其特征在于,包括若干设备及监控装置,所述监控装置与各所述设备通讯连接;该监控系统应用如权利要求9所述的监控方法进行设备的监控;当监控所得设备的运行数据不小于其设置的生产工作状态的运行阈值时,研判结果为生产工作状态开启,设备处于生产状态;当监控所得设备的运行数据小于其设置的生产工作状态的运行阈值时,研判结果为生产工作状态关闭,设备处于非生产状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310045468.1A CN115951616A (zh) | 2022-09-21 | 2022-09-21 | 多状态设备的运行阈值设置方法及监控方法、监控系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310045468.1A CN115951616A (zh) | 2022-09-21 | 2022-09-21 | 多状态设备的运行阈值设置方法及监控方法、监控系统 |
CN202211147187.9A CN115238830B (zh) | 2022-09-21 | 2022-09-21 | 设备的运行阈值设置方法及监控方法、监控系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211147187.9A Division CN115238830B (zh) | 2022-09-21 | 2022-09-21 | 设备的运行阈值设置方法及监控方法、监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115951616A true CN115951616A (zh) | 2023-04-11 |
Family
ID=83681730
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211147187.9A Active CN115238830B (zh) | 2022-09-21 | 2022-09-21 | 设备的运行阈值设置方法及监控方法、监控系统 |
CN202310045466.2A Pending CN115933576A (zh) | 2022-09-21 | 2022-09-21 | 设备的多状态运行阈值设置方法及监控方法、监控系统 |
CN202310045468.1A Pending CN115951616A (zh) | 2022-09-21 | 2022-09-21 | 多状态设备的运行阈值设置方法及监控方法、监控系统 |
CN202310045448.4A Pending CN116184955A (zh) | 2022-09-21 | 2022-09-21 | 运行阈值设置方法及监控方法、监控系统 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211147187.9A Active CN115238830B (zh) | 2022-09-21 | 2022-09-21 | 设备的运行阈值设置方法及监控方法、监控系统 |
CN202310045466.2A Pending CN115933576A (zh) | 2022-09-21 | 2022-09-21 | 设备的多状态运行阈值设置方法及监控方法、监控系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310045448.4A Pending CN116184955A (zh) | 2022-09-21 | 2022-09-21 | 运行阈值设置方法及监控方法、监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (4) | CN115238830B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104731669B (zh) * | 2015-03-12 | 2017-10-03 | 深圳供电局有限公司 | 一种电力设备缺陷数据自动校验的方法及系统 |
CN106888069B (zh) * | 2015-12-15 | 2019-10-18 | 苏州简约纳电子有限公司 | 一种pbch信道盲检方法 |
WO2018154570A1 (en) * | 2017-02-21 | 2018-08-30 | Privacy Software Solutions Ltd. | A method and system for creating multi mobilephone environments and numbers on a single handset with a single sim-card |
CN109257138B (zh) * | 2017-07-13 | 2020-11-17 | 华为技术有限公司 | 一种数据传输控制方法以及相关设备 |
CN110581859B (zh) * | 2019-09-18 | 2021-11-26 | 成都安恒信息技术有限公司 | 一种基于页面埋点的防爬虫方法 |
CN111442489B (zh) * | 2020-03-27 | 2021-12-14 | 上海美控智慧建筑有限公司 | 空调设备的控制方法和系统、空调设备和可读存储介质 |
CN111930782B (zh) * | 2020-08-11 | 2024-03-15 | 南京国电南自轨道交通工程有限公司 | 两种基于阈值的历史数据采样方法 |
CN112508404A (zh) * | 2020-12-07 | 2021-03-16 | 云南电网有限责任公司普洱供电局 | 配电网设备运行的自动验收方法、装置、设备及存储介质 |
CN113626495A (zh) * | 2021-07-29 | 2021-11-09 | 杨文华 | 一种能源管理系统的运行数据采集方法 |
CN114021964A (zh) * | 2021-11-03 | 2022-02-08 | 福州大学 | 工业企业设备工况判别及环保情况监测方法 |
CN114245385B (zh) * | 2021-12-07 | 2024-01-30 | 中信银行股份有限公司 | 一种基于时间序列分析的短信防炸登录方法及系统 |
-
2022
- 2022-09-21 CN CN202211147187.9A patent/CN115238830B/zh active Active
- 2022-09-21 CN CN202310045466.2A patent/CN115933576A/zh active Pending
- 2022-09-21 CN CN202310045468.1A patent/CN115951616A/zh active Pending
- 2022-09-21 CN CN202310045448.4A patent/CN116184955A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN116184955A (zh) | 2023-05-30 |
CN115238830A (zh) | 2022-10-25 |
CN115238830B (zh) | 2023-03-24 |
CN115933576A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104714537B (zh) | 一种基于联合相对变化分析和自回归模型的故障预测方法 | |
CN106447210A (zh) | 一种计及可信度评价的配网设备健康度动态诊断方法 | |
CN115238830B (zh) | 设备的运行阈值设置方法及监控方法、监控系统 | |
CN109470946B (zh) | 一种发电设备故障检测方法及系统 | |
CN113095953B (zh) | 一种基于用电数据的企业环保监测方法 | |
CN105975797A (zh) | 一种基于模糊数据处理的产品早期故障根原因识别方法 | |
CN111582338A (zh) | 一种电动汽车充电设施运行状态评估方法和系统 | |
CN116561519A (zh) | 基于电网大数据的电碳排放过程监测方法和系统 | |
CN114169254A (zh) | 基于短期建筑能耗预测模型的异常能耗诊断方法及系统 | |
CN115829145A (zh) | 一种光伏发电量预测系统及方法 | |
CN112734141B (zh) | 一种多元化负荷区间预测方法及装置 | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN110096723B (zh) | 基于运维检测大数据的高压开关柜绝缘状态分析方法 | |
CN108171002B (zh) | 一种基于半监督混合模型的聚丙烯熔融指数预测方法 | |
Khalid et al. | Performance comparison of artificial intelligence techniques for non-intrusive electrical load monitoring | |
Mawada et al. | Climate change impacts on the extreme rainfall for selected sites in North Western England | |
CN116566839A (zh) | 一种电力企业通信资源质量评估系统 | |
CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 | |
CN110533213A (zh) | 基于支持向量机的输电线路缺陷风险建模及其预测方法 | |
Othman et al. | Hybrid stand-alone photovoltaic systems sizing optimization based on load profile | |
CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
CN112561230A (zh) | 基于电气特征的环保设备状态监测方法 | |
Chen et al. | Development of data-driven performance benchmarking methodology for a large number of bus air conditioners | |
Martinez-Ortiz et al. | EWMA based approaches for automated building energy analysis | |
Meeus et al. | A real time system for detecting events in water networks |
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 |