CN116505738A - 一种节能降耗电源的控制方法及系统 - Google Patents
一种节能降耗电源的控制方法及系统 Download PDFInfo
- Publication number
- CN116505738A CN116505738A CN202310758710.XA CN202310758710A CN116505738A CN 116505738 A CN116505738 A CN 116505738A CN 202310758710 A CN202310758710 A CN 202310758710A CN 116505738 A CN116505738 A CN 116505738A
- Authority
- CN
- China
- Prior art keywords
- equipment
- abnormal
- sub
- acquiring
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 234
- 230000007613 environmental effect Effects 0.000 claims abstract description 62
- 238000011282 treatment Methods 0.000 claims abstract description 48
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 29
- 230000005856 abnormality Effects 0.000 claims description 21
- 238000011369 optimal treatment Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 16
- 238000005265 energy consumption Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004134 energy conservation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/10—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for converters; for rectifiers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/0003—Details of control, feedback or regulation circuits
- H02M1/0032—Control circuits allowing low power mode operation, e.g. in standby mode
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/0048—Circuits or arrangements for reducing losses
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/32—Means for protecting converters other than automatic disconnection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
Abstract
本发明公开了一种节能降耗电源的控制方法及系统，包括：获取目标终端设备系统的运行参数以及所在环境的环境参数，进行预处理；构建终端设备运行状态识别模型，根据运行参数及环境参数识别异常状况，生成报警信息；通过报警信息获取异常设备的异常关联特征，生成目标终端设备系统中处于不同位置的子设备的关联处置方案；通过关联处置方案生成电源的外部控制信号，对不同位置子设备进行精准控制，实现子设备的运行状态调整或切断子设备工作主回路。本发明通过引入外部控制信号实现终端设备系统中各个子设备的精准控制，进行高精度降耗，另外依据负载状态调整模式，防止数据丢失和系统损坏。
Description
技术领域
本发明涉及电源控制技术领域，更具体的，涉及一种节能降耗电源的控制方法及系统。
背景技术
随着科学技术的快速发展，电子信息技术已经融入社会中的各个领域里，并在这些领域内发挥了巨大的作用，加快了这些领域行业对社会高速建设和发展的推动力。但随着全世界环境不断地遭到破坏，如二氧化碳的温室效应，环境温度逐年升高，要求各领域间都需要节能减排，保证社会可持续发展。因此，如何保持电源设备之前拥有的高效率、平稳性以及高可靠性功能性能的前提下，做好节能减排措施是当前的研究重点。
随着节能减排大环境趋势的深入，电源设备的进一步节能降耗，需要从系统到模块都进行更深入的管控，实现高效能，低功耗应用。电源系统工作除了电源模块本身转换效率损耗，更多是待机损耗，大量的待机损耗需要降到最低。各种电源系统包括充电桩系统，都存在很多长时间不使用，但是模块待机时间非常长的情况。传统电源系统通常具有系统主控，电源模块，通信电路，交接接触器等关键部件；系统主控和电源模块之间通过通信进行管控，但待机时候做不到完全关闭电源模块耗电。因此，如何对电源设备的进行改良，并匹配智能化控制方法是亟需解决的问题。
发明内容
为了解决上述技术问题，本发明提出了涉及一种节能降耗电源的控制方法及系统。
本发明第一方面提供了一种节能降耗电源的控制方法，包括：
获取目标终端设备系统的运行参数以及所在环境的环境参数，通过预设通信方式进行数据传输，将所述运行参数及环境参数进行预处理；
构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，基于所述异常状况及异常设备生成报警信息；
通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案；
通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，实现子设备的运行状态调整或切断子设备工作主回路。
本方案中，获取目标终端设备系统的运行参数以及所在环境的环境参数，具体为：
利用预设传感器及电源监测数据获取各子设备的运行参数及所在环境的环境参数，将所述运行参数及环境参数进行数据清洗及去噪处理，生成预处理后的运行参数及环境参数；
获取目标终端设备系统所处环境的二维格栅地图，基于所述二维格栅地图将目标终端设备系统所处环境划分为若干区域块，获取所述区域块中的环境参数；
获取所处区域块中子设备的运行参数，将所述运行参数与感知时间戳进行匹配生成运行参数时序序列，根据环境参数获取环境变化时序序列，提取所述环境变化时序序列中环境变化的时间戳；
利用所述环境变化的时间戳将环境变化时序序列进行分段，利用各段的环境参数设置环境标签，通过环境变化的时间戳在运行参数时序序列中进行标记，标记对应的环境标签。
本方案中，构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，具体为：
获取目标终端设备系统的设备组件信息，基于设备库提取所述设备组件信息对应的几何模型，通过所述几何模型进行建模，根据目标终端设备系统中各子设备电源模块的连接关系进行结合获取三维仿真模型；
通过数据感知获取目标终端设备系统中各子设备的实时运行参数，将实时运行参数与所述三维仿真模型进行响应匹配，建立目标终端设备系统三维仿真模型与实体的映射关系，通过所述三维仿真模型及映射关系构建数字孪生模型；
基于数字孪生模型及深度学习方法构建终端设备运行状态识别模型，获取目标终端设备系统的历史异常状况，并利用数字孪生模型仿真所述历史异常状况的运行参数及环境参数；
将所述历史异常状况的运行参数及环境参数进行聚类分析，筛选预设数量的常见异常状况设置聚类簇数，根据聚类计算后获取各类簇的参数集合，通过所述参数集合训练分类器；
将当前预设时间内环境标签标记后的运行参数时序序列导入运行状态识别模型，通过分类器识别目标终端设备系统中的异常状况，并输出异常设备位置信息。
本方案中，通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，具体为：
根据异常状况对应的异常类型及异常设备的位置信息生成报警信息，获取目标终端设备系统中历史异常状况，利用LSTM网络将所述历史异常状况进行编码及特征提取获取各子设备在不同常见异常状况的特征序列；
通过所述报警信息获取当前异常类型，获取异常设备的当前异常类型对应的特征序列，与其他子设备在当前异常类型对应的特征序列进行曼哈顿距离的计算，获取相似度；
获取符合相似度标准的其他子设备，通过相似度表征当前异常类型下其他子设备与异常设备的异常关联度，根据其他子设备的异常关联度结合当前运行参数获取异常设备的异常关联特征。
本方案中，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案，具体为：
提取异常设备当前预设时间内的运行参数时序序列，获取异常设备的历史运行状况中的正常运行状况，将所述正常运行状况对应的运行进行均值处理，获取运行参数基准；
判断所述运行参数时序序列与运行参数基准的均方距离，根据所述均方距离基于预设异常评估体系获取异常设备的异常等级，获取目标终端设备系统中的异常关联特征，根据异常关联特征获取其他子设备的异常等级；
根据异常设备的异常类型及异常等级通过相似度计算获取历史处置实例，根据所述历史处置实例获取异常设备的最佳处置方法，通过所述最佳处置方法及其他子设备的异常等级，为其他子设备匹配最佳处置方法；
根据异常设备及其他子设备的最佳处置方法生成关联处置方案。
本方案中，通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，具体为：
通过关联处置方案获取各子设备的建议运行状态，根据所述建议运行状态提取运行特征，通过所述运行特征将需要处置的子设备进行分类，分类结果划分为运行状态调整子设备及运作状态切断子设备；
根据所述分类结果设置各子设备的控制标签，基于所述关联处置方案生成电源的外部控制信号，将控制标签与外部控制信号进行匹配，根据所述外部控制信号控制电源的外控继电器进行子设备控制；
对于运行状态切断子设备，单独或分组切断子设备的工作主回路，对应子设备的辅助电源停止工作所有耗电全部停止，当需要工作时候，外控信号驱动外控继电器导通，电源通信恢复，通信工作实现进一步工作准备唤醒；
对于运行状态调整子设备，获取运行状态调整子设备的运行参数基准，获取运行状态调整子设备当前运行参数与运行基准参数的相似度以及与异常子设备的异常关联度；
通过所述相似度及异常关联度生成运行权重信息，将所述运行权重信息与所述运行参数基准进行加权计算，获取调整后运行参数，对所述运行状态调整子设备进行状态更新。
本发明第二方面还提供了一种节能降耗电源的控制系统，该系统包括：系统控制模块、通信线路及子设备模块，所述系统控制模块中存储并执行节能降耗电源的控制方法程序，实现如下步骤：
获取目标终端设备系统的运行参数以及所在环境的环境参数，通过预设通信方式进行数据传输，将所述运行参数及环境参数进行预处理；
构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，基于所述异常状况及异常设备生成报警信息；
通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案；
通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，实现子设备的运行状态调整或切断子设备工作主回路。
本发明公开了一种节能降耗电源的控制方法及系统，包括：获取目标终端设备系统的运行参数以及所在环境的环境参数，进行预处理；构建终端设备运行状态识别模型，根据运行参数及环境参数识别异常状况，生成报警信息；通过报警信息获取异常设备的异常关联特征，生成目标终端设备系统中处于不同位置的子设备的关联处置方案；通过关联处置方案生成电源的外部控制信号，对不同位置子设备进行精准控制，实现子设备的运行状态调整或切断子设备工作主回路。本发明通过引入外部控制信号实现终端设备系统中各个子设备的精准控制，进行高精度降耗，另外依据负载状态调整模式，防止数据丢失和系统损坏。
附图说明
图1示出了本发明一种节能降耗电源的控制方法的流程图；
图2示出了本发明构建终端设备运行状态识别模型识别异常状况的方法流程图；
图3示出了本发明基于外部控制信号对不同位置子设备进行精准控制的方法流程图；
图4示出了本发明一种节能降耗电源的控制系统的框图；
图5示出了本发明节能降耗电源的模块框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种节能降耗电源的控制方法的流程图。
如图1所示，本发明第一方面提供了一种节能降耗电源的控制方法，包括：
S102，获取目标终端设备系统的运行参数以及所在环境的环境参数，通过预设通信方式进行数据传输，将所述运行参数及环境参数进行预处理；
S104，构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，基于所述异常状况及异常设备生成报警信息；
S106，通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案；
S108，通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，实现子设备的运行状态调整或切断子设备工作主回路。
需要说明的是，利用预设传感器及电源监测数据获取各子设备的运行参数及所在环境的环境参数，所述运行参数包括电流数据、电压数据、振动数据及设备功能数据等，所述环境参数包括环境温湿度数据及环境粉尘数据等，将所述运行参数及环境参数进行数据清洗及去噪处理，生成预处理后的运行参数及环境参数；获取目标终端设备系统所处环境的二维格栅地图，基于所述二维格栅地图将目标终端设备系统所处环境划分为若干区域块，获取所述区域块中的环境参数；获取所处区域块中子设备的运行参数，将所述运行参数与感知时间戳进行匹配生成运行参数时序序列，根据环境参数获取环境变化时序序列，提取所述环境变化时序序列中环境变化的时间戳；利用所述环境变化的时间戳将环境变化时序序列进行分段，利用各段的环境参数设置环境标签，通过环境变化的时间戳在运行参数时序序列中进行标记，标记对应的环境标签。
图2示出了本发明构建终端设备运行状态识别模型识别异常状况的方法流程图。
根据本发明实施例，构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，具体为：
S202，获取目标终端设备系统的设备组件信息，基于设备库提取所述设备组件信息对应的几何模型，通过所述几何模型进行建模，根据目标终端设备系统中各子设备电源模块的连接关系进行结合获取三维仿真模型；
S204，通过数据感知获取目标终端设备系统中各子设备的实时运行参数，将实时运行参数与所述三维仿真模型进行响应匹配，建立目标终端设备系统三维仿真模型与实体的映射关系，通过所述三维仿真模型及映射关系构建数字孪生模型；
S206，基于数字孪生模型及深度学习方法构建终端设备运行状态识别模型，获取目标终端设备系统的历史异常状况，并利用数字孪生模型仿真所述历史异常状况的运行参数及环境参数；
S208，将所述历史异常状况的运行参数及环境参数进行聚类分析，筛选预设数量的常见异常状况设置聚类簇数，根据聚类计算后获取各类簇的参数集合，通过所述参数集合训练分类器；
S210，将当前预设时间内环境标签标记后的运行参数时序序列导入运行状态识别模型，通过分类器识别目标终端设备系统中的异常状况，并输出异常设备位置信息。
需要说明的是，根据SVM分类器确定目标终端设备系统异常状况的异常类型，基于SVM分类器常见异常状况的数量构建对应数量的分类器，根据分类得分获取异常状况的异常类型。
根据异常状况对应的异常类型及异常设备的位置信息生成报警信息，获取目标终端设备系统中历史异常状况，利用LSTM网络将所述历史异常状况进行编码及特征提取获取各子设备在不同常见异常状况的特征序列；通过所述报警信息获取当前异常类型，获取异常设备的当前异常类型对应的特征序列，与其他子设备在当前异常类型对应的特征序列进行曼哈顿距离的计算，获取相似度；获取符合相似度标准的其他子设备，通过相似度表征当前异常类型下其他子设备与异常设备的异常关联度，根据其他子设备的异常关联度结合当前运行参数获取异常设备的异常关联特征。
需要说明的是，提取异常设备当前预设时间内的运行参数时序序列，获取异常设备的历史运行状况中的正常运行状况，将所述正常运行状况对应的运行进行均值处理，获取运行参数基准；判断所述运行参数时序序列与运行参数基准的均方距离，根据所述均方距离基于预设异常评估体系获取异常设备的异常等级，获取目标终端设备系统中的异常关联特征，根据异常关联特征获取其他子设备的异常等级；根据异常设备的异常类型及异常等级通过相似度计算获取历史处置实例，根据所述历史处置实例获取异常设备的最佳处置方法，通过所述最佳处置方法及其他子设备的异常等级，为其他子设备匹配最佳处置方法；根据异常设备及其他子设备的最佳处置方法生成关联处置方案。
图3示出了本发明基于外部控制信号对不同位置子设备进行精准控制的方法流程图。
根据本发明实施例，通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，具体为：
S302，通过关联处置方案获取各子设备的建议运行状态，根据所述建议运行状态提取运行特征，通过所述运行特征将需要处置的子设备进行分类，分类结果划分为运行状态调整子设备及运作状态切断子设备；
S304，根据所述分类结果设置各子设备的控制标签，基于所述关联处置方案生成电源的外部控制信号，将控制标签与外部控制信号进行匹配，根据所述外部控制信号控制电源的外控继电器进行子设备控制；
S306，对于运行状态切断子设备，单独或分组切断子设备的工作主回路，对应子设备的辅助电源停止工作所有耗电全部停止，当需要工作时候，外控信号驱动外控继电器导通，电源通信恢复，通信工作实现进一步工作准备唤醒；
S308，对于运行状态调整子设备，获取运行状态调整子设备的运行参数基准，获取运行状态调整子设备当前运行参数与运行基准参数的相似度以及与异常子设备的异常关联度；
S310，通过所述相似度及异常关联度生成运行权重信息，将所述运行权重信息与所述运行参数基准进行加权计算，获取调整后运行参数，对所述运行状态调整子设备进行状态更新。
根据本发明实施例，获取目标终端设备系统的运行偏好，进行异常识别，具体为：
获取目标终端设备系统的历史运行参数及历史能耗序列，根据所述历史能耗序列获取能耗变化特征，并根据季节标签生成对应的能耗变化特征序列；
将所述能耗变化特征序列与历史运行参数进行匹配，获取能耗变化特征对应的运行参数变化特征，提取各子设备运行状态及待机状态的时间特征及能耗特征；
根据所述时间特征及能耗特征获取目标终端设备系统中各子设备的运行偏好，通过目标子设备当前时间段的运行参数及能耗数据基于对应的运行偏好进行能耗预测；
基于历史同期能耗数据进行数据分析，预设能耗阈值，判断能耗预测信息是否大于所述能耗阈值，若大于，则生成电源故障预警，并将所述电源故障预警按照预设方式进行发送。
图4示出了本发明一种节能降耗电源的控制系统的框图。
本发明第二方面还提供了一种节能降耗电源的控制系统4，该系统包括：系统控制模块、通信线路及子设备模块，所述系统控制模块中存储并执行节能降耗电源的控制方法程序，实现如下步骤：
获取目标终端设备系统的运行参数以及所在环境的环境参数，通过预设通信方式进行数据传输，将所述运行参数及环境参数进行预处理；
构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，基于所述异常状况及异常设备生成报警信息；
通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案；
通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，实现子设备的运行状态调整或切断子设备工作主回路。
需要说明的是，利用预设传感器及电源监测数据获取各子设备的运行参数及所在环境的环境参数，所述运行参数包括电流数据、电压数据、振动数据及设备功能数据等，所述环境参数包括环境温湿度数据及环境粉尘数据等，将所述运行参数及环境参数进行数据清洗及去噪处理，生成预处理后的运行参数及环境参数；获取目标终端设备系统所处环境的二维格栅地图，基于所述二维格栅地图将目标终端设备系统所处环境划分为若干区域块，获取所述区域块中的环境参数；获取所处区域块中子设备的运行参数，将所述运行参数与感知时间戳进行匹配生成运行参数时序序列，根据环境参数获取环境变化时序序列，提取所述环境变化时序序列中环境变化的时间戳；利用所述环境变化的时间戳将环境变化时序序列进行分段，利用各段的环境参数设置环境标签，通过环境变化的时间戳在运行参数时序序列中进行标记，标记对应的环境标签。
根据本发明实施例，构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，具体为：
获取目标终端设备系统的设备组件信息，基于设备库提取所述设备组件信息对应的几何模型，通过所述几何模型进行建模，根据目标终端设备系统中各子设备电源模块的连接关系进行结合获取三维仿真模型；
通过数据感知获取目标终端设备系统中各子设备的实时运行参数，将实时运行参数与所述三维仿真模型进行响应匹配，建立目标终端设备系统三维仿真模型与实体的映射关系，通过所述三维仿真模型及映射关系构建数字孪生模型；
基于数字孪生模型及深度学习方法构建终端设备运行状态识别模型，获取目标终端设备系统的历史异常状况，并利用数字孪生模型仿真所述历史异常状况的运行参数及环境参数；
将所述历史异常状况的运行参数及环境参数进行聚类分析，筛选预设数量的常见异常状况设置聚类簇数，根据聚类计算后获取各类簇的参数集合，通过所述参数集合训练分类器；
将当前预设时间内环境标签标记后的运行参数时序序列导入运行状态识别模型，通过分类器识别目标终端设备系统中的异常状况，并输出异常设备位置信息。
需要说明的是，根据SVM分类器确定目标终端设备系统异常状况的异常类型，基于SVM分类器常见异常状况的数量构建对应数量的分类器，根据分类得分获取异常状况的异常类型。
根据异常状况对应的异常类型及异常设备的位置信息生成报警信息，获取目标终端设备系统中历史异常状况，利用LSTM网络将所述历史异常状况进行编码及特征提取获取各子设备在不同常见异常状况的特征序列；通过所述报警信息获取当前异常类型，获取异常设备的当前异常类型对应的特征序列，与其他子设备在当前异常类型对应的特征序列进行曼哈顿距离的计算，获取相似度；获取符合相似度标准的其他子设备，通过相似度表征当前异常类型下其他子设备与异常设备的异常关联度，根据其他子设备的异常关联度结合当前运行参数获取异常设备的异常关联特征。
需要说明的是，提取异常设备当前预设时间内的运行参数时序序列，获取异常设备的历史运行状况中的正常运行状况，将所述正常运行状况对应的运行进行均值处理，获取运行参数基准；判断所述运行参数时序序列与运行参数基准的均方距离，根据所述均方距离基于预设异常评估体系获取异常设备的异常等级，获取目标终端设备系统中的异常关联特征，根据异常关联特征获取其他子设备的异常等级；根据异常设备的异常类型及异常等级通过相似度计算获取历史处置实例，根据所述历史处置实例获取异常设备的最佳处置方法，通过所述最佳处置方法及其他子设备的异常等级，为其他子设备匹配最佳处置方法；根据异常设备及其他子设备的最佳处置方法生成关联处置方案。
根据本发明实施例，通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，具体为：
通过关联处置方案获取各子设备的建议运行状态，根据所述建议运行状态提取运行特征，通过所述运行特征将需要处置的子设备进行分类，分类结果划分为运行状态调整子设备及运作状态切断子设备；
根据所述分类结果设置各子设备的控制标签，基于所述关联处置方案生成电源的外部控制信号，将控制标签与外部控制信号进行匹配，根据所述外部控制信号控制电源的外控继电器进行子设备控制；
对于运行状态切断子设备，单独或分组切断子设备的工作主回路，对应子设备的辅助电源停止工作所有耗电全部停止，当需要工作时候，外控信号驱动外控继电器导通，电源通信恢复，通信工作实现进一步工作准备唤醒；
对于运行状态调整子设备，获取运行状态调整子设备的运行参数基准，获取运行状态调整子设备当前运行参数与运行基准参数的相似度以及与异常子设备的异常关联度；
通过所述相似度及异常关联度生成运行权重信息，将所述运行权重信息与所述运行参数基准进行加权计算，获取调整后运行参数，对所述运行状态调整子设备进行状态更新。
图5示出了本发明节能降耗电源的模块框图，其中，11，21，71是上电软启动水泥电；12，22，72是内控继电器；13，23，73是内部控制信号；14，24，74是外控继电器，接受外部管控（根据需要，可以选择常闭/敞开继电器），C1，C2是外部控制信号，L，N，PE分别为火线、零线及地线。
节能降耗电源的上电逻辑为：
1.模块上电（如果14，24，74为常闭，模块按照如下逻辑进行；如果14，24，74为常开，模块工作需要接受C1，C2驱动开通信号才能按照下面逻辑进行工作）；
2.水泥电阻小电流进入，通过后面整流桥，PFC母线电压建立，辅源建立控制系统开始工作；
3.控制系统发驱动信号，13，23，73驱动继电器导通；
4.大电流可以通过继电器工作，PFC工作，进一步DCDC工作；
需要说明的是，对于三相输入，除了L1，L2两相有内控继电器和缓启动电阻，L3也可以内控有继电器，缓启动电阻以及外控继电器；对于单相输入，除了L线有继电器和缓启动电阻外，N线也可以有内控继电器，缓启动电阻以及外控继电器；C1，C2外部控制信号可以一起控制外控继电器，也可以采用单独驱动信号控制每一个外控继电器。本发明实施例示出的节能降耗电源待机功耗为零，同时不需要增加交流接触器，减少价格成本。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括节能降耗电源的控制方法程序，所述节能降耗电源的控制方法程序被处理器执行时，实现如上述任一项所述的节能降耗电源的控制方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种节能降耗电源的控制方法，其特征在于，包括以下步骤：
获取目标终端设备系统的运行参数以及所在环境的环境参数，通过预设通信方式进行数据传输，将所述运行参数及环境参数进行预处理；
构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，基于所述异常状况及异常设备生成报警信息；
通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案；
通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，实现子设备的运行状态调整或切断子设备工作主回路。
2.根据权利要求1所述的一种节能降耗电源的控制方法，其特征在于，获取目标终端设备系统的运行参数以及所在环境的环境参数，具体为：
利用预设传感器及电源监测数据获取各子设备的运行参数及所在环境的环境参数，将所述运行参数及环境参数进行数据清洗及去噪处理，生成预处理后的运行参数及环境参数；
获取目标终端设备系统所处环境的二维格栅地图，基于所述二维格栅地图将目标终端设备系统所处环境划分为若干区域块，获取所述区域块中的环境参数；
获取所处区域块中子设备的运行参数，将所述运行参数与感知时间戳进行匹配生成运行参数时序序列，根据环境参数获取环境变化时序序列，提取所述环境变化时序序列中环境变化的时间戳；
利用所述环境变化的时间戳将环境变化时序序列进行分段，利用各段的环境参数设置环境标签，通过环境变化的时间戳在运行参数时序序列中进行标记，标记对应的环境标签。
3.根据权利要求1所述的一种节能降耗电源的控制方法，其特征在于，构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，具体为：
获取目标终端设备系统的设备组件信息，基于设备库提取所述设备组件信息对应的几何模型，通过所述几何模型进行建模，根据目标终端设备系统中各子设备电源模块的连接关系进行结合获取三维仿真模型；
通过数据感知获取目标终端设备系统中各子设备的实时运行参数，将实时运行参数与所述三维仿真模型进行响应匹配，建立目标终端设备系统三维仿真模型与实体的映射关系，通过所述三维仿真模型及映射关系构建数字孪生模型；
基于数字孪生模型及深度学习方法构建终端设备运行状态识别模型，获取目标终端设备系统的历史异常状况，并利用数字孪生模型仿真所述历史异常状况的运行参数及环境参数；
将所述历史异常状况的运行参数及环境参数进行聚类分析，筛选预设数量的常见异常状况设置聚类簇数，根据聚类计算后获取各类簇的参数集合，通过所述参数集合训练分类器；
将当前预设时间内环境标签标记后的运行参数时序序列导入运行状态识别模型，通过分类器识别目标终端设备系统中的异常状况，并输出异常设备位置信息。
4.根据权利要求1所述的一种节能降耗电源的控制方法，其特征在于，通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，具体为：
根据异常状况对应的异常类型及异常设备的位置信息生成报警信息，获取目标终端设备系统中历史异常状况，利用LSTM网络将所述历史异常状况进行编码及特征提取获取各子设备在不同常见异常状况的特征序列；
通过所述报警信息获取当前异常类型，获取异常设备的当前异常类型对应的特征序列，与其他子设备在当前异常类型对应的特征序列进行曼哈顿距离的计算，获取相似度；
获取符合相似度标准的其他子设备，通过相似度表征当前异常类型下其他子设备与异常设备的异常关联度，根据其他子设备的异常关联度结合当前运行参数获取异常设备的异常关联特征。
5.根据权利要求1所述的一种节能降耗电源的控制方法，其特征在于，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案，具体为：
提取异常设备当前预设时间内的运行参数时序序列，获取异常设备的历史运行状况中的正常运行状况，将所述正常运行状况对应的运行进行均值处理，获取运行参数基准；
判断所述运行参数时序序列与运行参数基准的均方距离，根据所述均方距离基于预设异常评估体系获取异常设备的异常等级，获取目标终端设备系统中的异常关联特征，根据异常关联特征获取其他子设备的异常等级；
根据异常设备的异常类型及异常等级通过相似度计算获取历史处置实例，根据所述历史处置实例获取异常设备的最佳处置方法，通过所述最佳处置方法及其他子设备的异常等级，为其他子设备匹配最佳处置方法；
根据异常设备及其他子设备的最佳处置方法生成关联处置方案。
6.根据权利要求1所述的一种节能降耗电源的控制方法，其特征在于，通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，具体为：
通过关联处置方案获取各子设备的建议运行状态，根据所述建议运行状态提取运行特征，通过所述运行特征将需要处置的子设备进行分类，分类结果划分为运行状态调整子设备及运作状态切断子设备；
根据所述分类结果设置各子设备的控制标签，基于所述关联处置方案生成电源的外部控制信号，将控制标签与外部控制信号进行匹配，根据所述外部控制信号控制电源的外控继电器进行子设备控制；
对于运行状态切断子设备，单独或分组切断子设备的工作主回路，对应子设备的辅助电源停止工作所有耗电全部停止，当需要工作时候，外控信号驱动外控继电器导通，电源通信恢复，通信工作实现进一步工作准备唤醒；
对于运行状态调整子设备，获取运行状态调整子设备的运行参数基准，获取运行状态调整子设备当前运行参数与运行基准参数的相似度以及与异常子设备的异常关联度；
通过所述相似度及异常关联度生成运行权重信息，将所述运行权重信息与所述运行参数基准进行加权计算，获取调整后运行参数，对所述运行状态调整子设备进行状态更新。
7.一种节能降耗电源的控制系统，其特征在于，该系统包括：系统控制模块、通信线路及子设备模块，所述系统控制模块中存储并执行节能降耗电源的控制方法程序，实现如下步骤：
获取目标终端设备系统的运行参数以及所在环境的环境参数，通过预设通信方式进行数据传输，将所述运行参数及环境参数进行预处理；
构建终端设备运行状态识别模型，根据预处理后的运行参数及环境参数识别异常状况，基于所述异常状况及异常设备生成报警信息；
通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案；
通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，实现子设备的运行状态调整或切断子设备工作主回路。
8.根据权利要求7所述的一种节能降耗电源的控制系统，其特征在于，通过所述报警信息进行信息查询及数据分析，获取异常设备的异常关联特征，具体为：
根据异常状况对应的异常类型及异常设备的位置信息生成报警信息，获取目标终端设备系统中历史异常状况，利用LSTM网络将所述历史异常状况进行编码及特征提取获取各子设备在不同常见异常状况的特征序列；
通过所述报警信息获取当前异常类型，获取异常设备的当前异常类型对应的特征序列，与其他子设备在当前异常类型对应的特征序列进行曼哈顿距离的计算，获取相似度；
获取符合相似度标准的其他子设备，通过相似度表征当前异常类型下其他子设备与异常设备的异常关联度，根据其他子设备的异常关联度结合当前运行参数获取异常设备的异常关联特征。
9.根据权利要求7所述的一种节能降耗电源的控制系统，其特征在于，根据所述异常关联特征生成目标终端设备系统中处于不同位置的子设备的关联处置方案，具体为：
提取异常设备当前预设时间内的运行参数时序序列，获取异常设备的历史运行状况中的正常运行状况，将所述正常运行状况对应的运行进行均值处理，获取运行参数基准；
判断所述运行参数时序序列与运行参数基准的均方距离，根据所述均方距离基于预设异常评估体系获取异常设备的异常等级，获取目标终端设备系统中的异常关联特征，根据异常关联特征获取其他子设备的异常等级；
根据异常设备的异常类型及异常等级通过相似度计算获取历史处置实例，根据所述历史处置实例获取异常设备的最佳处置方法，通过所述最佳处置方法及其他子设备的异常等级，为其他子设备匹配最佳处置方法；
根据异常设备及其他子设备的最佳处置方法生成关联处置方案。
10.根据权利要求7所述的一种节能降耗电源的控制系统，其特征在于，通过所述关联处置方案生成电源的外部控制信号，基于所述外部控制信号对不同位置子设备进行精准控制，具体为：
通过关联处置方案获取各子设备的建议运行状态，根据所述建议运行状态提取运行特征，通过所述运行特征将需要处置的子设备进行分类，分类结果划分为运行状态调整子设备及运作状态切断子设备；
根据所述分类结果设置各子设备的控制标签，基于所述关联处置方案生成电源的外部控制信号，将控制标签与外部控制信号进行匹配，根据所述外部控制信号控制电源的外控继电器进行子设备控制；
对于运行状态切断子设备，单独或分组切断子设备的工作主回路，对应子设备的辅助电源停止工作所有耗电全部停止，当需要工作时候，外控信号驱动外控继电器导通，电源通信恢复，通信工作实现进一步工作准备唤醒；
对于运行状态调整子设备，获取运行状态调整子设备的运行参数基准，获取运行状态调整子设备当前运行参数与运行基准参数的相似度以及与异常子设备的异常关联度；
通过所述相似度及异常关联度生成运行权重信息，将所述运行权重信息与所述运行参数基准进行加权计算，获取调整后运行参数，对所述运行状态调整子设备进行状态更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310758710.XA CN116505738B (zh) | 2023-06-26 | 2023-06-26 | 一种节能降耗电源的控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310758710.XA CN116505738B (zh) | 2023-06-26 | 2023-06-26 | 一种节能降耗电源的控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116505738A true CN116505738A (zh) | 2023-07-28 |
| CN116505738B CN116505738B (zh) | 2024-01-16 |
Family
ID=87316952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310758710.XA Active CN116505738B (zh) | 2023-06-26 | 2023-06-26 | 一种节能降耗电源的控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116505738B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117235649A (zh) * | 2023-11-09 | 2023-12-15 | 广东正德工业科技股份有限公司 | 一种基于大数据的工业设备状态智能监测系统及方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007199872A (ja) * | 2006-01-24 | 2007-08-09 | Ntt Facilities Inc | 情報機器電源管理システム、情報機器電源管理装置、及び、情報機器電源管理方法 |
| CN110110710A (zh) * | 2019-06-03 | 2019-08-09 | 北京启瞳智能科技有限公司 | 一种场景异常状态识别方法、系统和智能终端 |
| CN110503004A (zh) * | 2019-07-29 | 2019-11-26 | 七彩安科智慧科技有限公司 | 一种开关电源运行状态的在线判别方法 |
| CN112098752A (zh) * | 2020-09-11 | 2020-12-18 | 北京优奈特燃气工程技术有限公司 | 一种低压配电系统运行状况监测方法和系统 |
| CN113805550A (zh) * | 2021-09-30 | 2021-12-17 | 上海卫星装备研究所 | 基于数字孪生的航天器装配过程管控方法及系统 |
| CN114509963A (zh) * | 2020-11-14 | 2022-05-17 | 天津海默科技有限公司 | 一种充电站智能管理装置 |
| CN115833395A (zh) * | 2022-12-26 | 2023-03-21 | 国网河北省电力有限公司电力科学研究院 | 一种配电网的运行状态的分析方法、装置及在线监测系统 |
| CN115857447A (zh) * | 2022-11-28 | 2023-03-28 | 安徽宝信信息科技有限公司 | 基于数字孪生的复杂工业系统运行监测方法及系统 |
| CN115978714A (zh) * | 2022-12-23 | 2023-04-18 | 广东源硕环境科技有限公司 | 一种空调运行效率异常检测方法及系统 |
| CN115993504A (zh) * | 2023-03-23 | 2023-04-21 | 山东盛日电力集团有限公司 | 一种电气设备的智能故障诊断方法及系统 |
| CN116208465A (zh) * | 2022-12-05 | 2023-06-02 | 辽宁电力能源发展集团有限公司 | 一种电力信息通信状况智能监测预警方法及系统 |
-
2023
- 2023-06-26 CN CN202310758710.XA patent/CN116505738B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007199872A (ja) * | 2006-01-24 | 2007-08-09 | Ntt Facilities Inc | 情報機器電源管理システム、情報機器電源管理装置、及び、情報機器電源管理方法 |
| CN110110710A (zh) * | 2019-06-03 | 2019-08-09 | 北京启瞳智能科技有限公司 | 一种场景异常状态识别方法、系统和智能终端 |
| CN110503004A (zh) * | 2019-07-29 | 2019-11-26 | 七彩安科智慧科技有限公司 | 一种开关电源运行状态的在线判别方法 |
| CN112098752A (zh) * | 2020-09-11 | 2020-12-18 | 北京优奈特燃气工程技术有限公司 | 一种低压配电系统运行状况监测方法和系统 |
| CN114509963A (zh) * | 2020-11-14 | 2022-05-17 | 天津海默科技有限公司 | 一种充电站智能管理装置 |
| CN113805550A (zh) * | 2021-09-30 | 2021-12-17 | 上海卫星装备研究所 | 基于数字孪生的航天器装配过程管控方法及系统 |
| CN115857447A (zh) * | 2022-11-28 | 2023-03-28 | 安徽宝信信息科技有限公司 | 基于数字孪生的复杂工业系统运行监测方法及系统 |
| CN116208465A (zh) * | 2022-12-05 | 2023-06-02 | 辽宁电力能源发展集团有限公司 | 一种电力信息通信状况智能监测预警方法及系统 |
| CN115978714A (zh) * | 2022-12-23 | 2023-04-18 | 广东源硕环境科技有限公司 | 一种空调运行效率异常检测方法及系统 |
| CN115833395A (zh) * | 2022-12-26 | 2023-03-21 | 国网河北省电力有限公司电力科学研究院 | 一种配电网的运行状态的分析方法、装置及在线监测系统 |
| CN115993504A (zh) * | 2023-03-23 | 2023-04-21 | 山东盛日电力集团有限公司 | 一种电气设备的智能故障诊断方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117235649A (zh) * | 2023-11-09 | 2023-12-15 | 广东正德工业科技股份有限公司 | 一种基于大数据的工业设备状态智能监测系统及方法 |
| CN117235649B (zh) * | 2023-11-09 | 2024-02-13 | 广东正德工业科技股份有限公司 | 一种基于大数据的工业设备状态智能监测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116505738B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116505738B (zh) | 一种节能降耗电源的控制方法及系统 | |
| CN104091070A (zh) | 一种基于时间序列分析的轨道交通故障诊断方法和系统 | |
| CN103217573B (zh) | 电量监视装置、电量监视系统及电量监视方法 | |
| CN110658905B (zh) | 设备运行状态的预警方法、预警系统及预警装置 | |
| CN116231871B (zh) | 一种基于数字孪生的电网态势监管方法、系统及存储介质 | |
| CN115469590B (zh) | 智能电表接口的低功耗控制方法、装置、设备及存储介质 | |
| CN111031585A (zh) | 一种休眠控制方法、装置、存储介质及服务器 | |
| CN116700193A (zh) | 工厂车间智能化监控管理系统及其方法 | |
| CN115907168A (zh) | 一种用于电力负荷预测的异常数据处理系统 | |
| CN116169675A (zh) | 考虑运行方式变化的电力系统动态稳定性在线评估方法 | |
| CN115099153A (zh) | 风功率预测模型训练方法、风功率预测方法、装置及介质 | |
| CN108107807A (zh) | 一种远程自动化电气控制设备 | |
| CN112907911A (zh) | 一种基于设备工艺数据的智能异常识别与报警算法 | |
| CN110598750B (zh) | 一种基于转辙机动作曲线相似度特征的工况识别方法 | |
| CN116488149A (zh) | 微电网发电策略确定方法、装置以及微电网 | |
| CN108537415A (zh) | 一种在线式安全用电的配电方法、装置及系统 | |
| CN206100077U (zh) | 基于mcu的二代身份证网络编解码系统 | |
| CN206181089U (zh) | 基于总线技术的多二代身份证网络编解码系统 | |
| CN116631172B (zh) | 一种基于门锁和电子门铃联动的预警方法及装置 | |
| CN113111815B (zh) | 一种变电站图模校验方法、装置及设备 | |
| CN103580933A (zh) | 环境在线分析仪的故障点识别方法及系统 | |
| CN114063011B (zh) | 一种基于rfid的定位追踪系统 | |
| CN115313636B (zh) | 一种通信电源直流供电系统 | |
| CN116307945B (zh) | 一种建筑类电气智能运行监控方法、系统和介质 | |
| CN115529530B (zh) | 一种多功能移动电源音箱的内部功能的智能控制方法 |
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 |