CN116510223B - 基于物联网的自识别消防泵电参数巡检监测系统 - Google Patents
基于物联网的自识别消防泵电参数巡检监测系统 Download PDFInfo
- Publication number
- CN116510223B CN116510223B CN202310776736.7A CN202310776736A CN116510223B CN 116510223 B CN116510223 B CN 116510223B CN 202310776736 A CN202310776736 A CN 202310776736A CN 116510223 B CN116510223 B CN 116510223B
- Authority
- CN
- China
- Prior art keywords
- real
- time data
- data point
- fluctuation
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000007689 inspection Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000010606 normalization Methods 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims abstract description 4
- 230000006855 networking Effects 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 description 25
- 238000000034 method Methods 0.000 description 16
- 238000009825 accumulation Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 2
- 101100391182 Dictyostelium discoideum forI gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
- A62C37/50—Testing or indicating devices for determining the state of readiness of the equipment
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供基于物联网的自识别消防泵电参数巡检监测系统。本发明应用于电子数据处理领域，该系统包括：获取模块，用于获取实时数据，实时数据包括消防泵电机的电流时序数据，电流时序数据包括电流时序对应的实时数据点；处理模块，用于根据实时数据点的波动程度对实时数据点在异常检测模型中的距离进行优化，确定优化后的实时数据点的距离度量；报警模块，用于对距离度量进行线性归一化处理，并对处理结果大于阈值的实时数据点进行报警处理。通过根据实时数据点的波动程度对实时数据点在异常检测模型中的距离进行优化，避免消防泵的电流变化中出现单一噪声点时，被判断导致自识别消防泵电参数巡检监测系统的误报，进而提高该系统的准确性。
Description
技术领域
本发明涉及电子数据处理领域，具体为一种基于物联网的自识别消防泵电参数巡检监测系统。
背景技术
基于物联网的自识别消防泵电参数巡检监测系统可以通过物联网技术对消防泵电参数进行实时监测和巡检，该系统可以通过功率监测传感器，电流监测传感器，电压监测传感器实时采集数据，并对数据进行分析和处理，在实时监测过程中，监测数据出现异常时该系统会发出警报提示。
消防泵的电流在正常的运行过程总会出现一些波动，这些波动包括因为电网负载变化、管路阻力变化引起的正常的并且在一个小范围内的波动。但是当这些正常的波动频繁出现时也会引起消防泵的运行异常，并导致消防泵的电机和相关组件产生额外的应力和磨损。
然而，在现有技术对消防泵电参数的巡检过程中，对于消防泵的实时电流数据的异常程度判断是基于已知数据进行的，也就是对于没有严重偏移的电流数据其异常程度会很低，会导致上述的频繁波动不会被检测为异常，从而导致消防泵电参数巡检监测系统的准确性较低。
发明内容
针对现有技术中存在的问题，本发明提供一种基于物联网的自识别消防泵电参数巡检监测系统。
本发明是通过以下技术方案来实现：
本发明提供一种基于物联网的自识别消防泵电参数巡检监测系统，包括：获取模块、处理模块和报警模块，所述处理模块设置在所述获取模块和所述报警模块之间，其中：
所述获取模块，用于获取实时数据，所述实时数据包括消防泵电机的电流时序数据，所述电流时序数据包括电流时序对应的实时数据点；
所述处理模块，用于根据所述实时数据点的波动程度对所述实时数据点在异常检测模型中的距离进行优化，确定优化后的实时数据点的距离度量；
所述报警模块，用于对所述距离度量进行线性归一化处理，并对处理结果大于阈值的实时数据点进行报警处理。
进一步的，所述处理模块，还用于根据局部窗口中发生变化的实时数据点的数量与全部间隔距离之间的关系，确定第一实时数据点的波动时间优化因子，所述全部间隔距离包括在一距离方向发生变化的所述第一实时数据点两侧到下一个距离方向发生变化的实时数据点的全部间隔距离之和。
进一步的，所述处理模块，还用于通过公式，确定第一实时数据点的波动时间优化因子/>，其中，/>为局部窗口的长度，/>为在第一实时数据点/>的局部窗口中，距离方向发生变化的第一实时数据点/>到下一个距离方向变化的实时数据点之间的实时数据点的数量，/>为第/>个距离方向发生变化的第一实时数据点/>分别从两侧，到下一个距离方向发生变化的实时数据点的全部间隔距离之和。
进一步的，所述处理模块，还用于将第一实时数据点的局部窗口中全部方向变化的实时数据点通过时间优化因子进行优化，并将优化结果低于阈值，并在距离方向发生变化的实时数据点的数量确定为波动数量。
进一步的，所述处理模块，还用于根据波动数量、波动数量/>和局部窗口长度，确定实时数据点的波动程度，其中，波动数量/>包括局部窗口/>中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量，波动数量/>包括局部窗口/>中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量。
进一步的，所述处理模块，还用于通过公式，确定第一实时数据点/>所在局部窗口中实时数据点的波动程度/>，i为大于或等于1的整数，波动数量/>为局部窗口/>中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量，/>为局部窗口/>中第/>-1个实时数据点经过波动时间优化因子优化后得到的波动数量，/>为实时数据点的局部窗口/>的长度，q为第一实时数据点/>所在局部窗口之前的十个窗口对应的索引。
进一步的，所述处理模块，还用于根据第一实时数据点的波动程度，对第一实时数据点在异常检测模型中的距离进行优化，并确定第一实时数据点/>在/>异常检测模型中的距离度量/>。
进一步的，所述处理模块，还用于通过公式，确定实时数据点距离度量，/>为第一实时数据点/>的波动程度，/>为第一实时数据点/>与其对应的模型中最近的簇类中心点/>之间的欧氏距离。
与现有技术相比，本发明具有以下有益的技术效果：
本发明提供的一种基于物联网的自识别消防泵电参数巡检监测系统。本发明应用于电子数据处理领域，该系统，包括：获取模块，用于获取实时数据，实时数据包括消防泵电机的电流时序数据，电流时序数据包括电流时序对应的实时数据点；处理模块，用于根据实时数据点的波动程度对实时数据点在异常检测模型中的距离进行优化，确定优化后的实时数据点的距离度量；报警模块，用于对距离度量进行线性归一化处理，并对处理结果大于阈值的实时数据点进行报警处理。通过根据实时数据点的波动程度对实时数据点在异常检测模型中的距离进行优化，避免消防泵的电流变化中出现单一噪声点时，被判断导致自识别消防泵电参数巡检监测系统的误报，进而提高该系统的准确性。
附图说明
图1是本发明一实施例基于物联网的自识别消防泵电机的电流时序数据电参数巡检监测系统的结构示意图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
本发明实施例提供的一种基于物联网的自识别消防泵电机的电流时序数据电参数巡检监测系统，本发明实施例的适用情景为: 对消防泵电机的电流时序数据进行监测时。
为了实现上述目的，本发明实施例提供的一种基于物联网的自识别消防泵电参数巡检监测系统，图1是本发明一实施例基于物联网的自识别消防泵电参数巡检监测系统的结构示意图；如图1所示，本发明实施例提供的基于物联网的自识别消防泵电参数巡检监测系统，包括：获取模块101、处理模块102和报警模块103，所述处理模块102设置在所述获取模块101和所述报警模块103之间，其中：
所述获取模块101，用于获取实时数据，所述实时数据包括消防泵电机的电流时序数据，所述电流时序数据包括电流时序对应的实时数据点；
所述处理模块102，用于根据所述实时数据点的波动程度对所述实时数据点在异常检测模型中的距离进行优化，确定优化后的实时数据点的距离度量；
所述报警模块103，用于对所述距离度量进行线性归一化处理，并对处理结果大于阈值的实时数据点进行报警处理。
具体的，对于消防终端的消防水泵电机通过物联网电流传感器实时采集消防泵电机的电流时序数据并将实时数据上传至云服务器。本发明所针对的场景为通过一段时间的数据采集，获取一部分初始数据点，对于初始数据点建立异常检测模型，对于获取到异常检测模型之后采集到的消防泵电机实时电流数据通过该异常检测模型进行异常检测。
本发明所述的异常检测模型为基于聚类的异常检测模型，该模型的构建为现有技术。
本发明所需要检测的数据为消防泵电机的电流时序数据，对于基于物联网的消防泵电机电流传感器，其具有固定的采样频率。对于实时采集到的电流数据会将其上传至云计算服务器。
本发明所述的异常检测在云计算服务器中进行。
因为本发明所针对的数据为时序数据，而在现有的无监督异常检测方法中无法通过数据点的时序信息进行异常程度的度量。所以本发明中对于消防泵电机的电流时序数据通过设定窗口大小/>获取每个时序数据点的局部窗口，通过每个局部窗口子序列作为一个数据点对应的子序列并通过数据点对应的子序列进行/>模型在聚类过程中的距离计算。
对于异常检测模型本发明中设定/>聚类的簇类数量/>。
进一步的，所述处理模块102，还用于根据局部窗口中发生变化的实时数据点的数量与全部间隔距离之间的关系，确定第一实时数据点的波动时间优化因子，所述全部间隔距离包括在一距离方向发生变化的所述第一实时数据点两侧到下一个距离方向发生变化的实时数据点的全部间隔距离之和。
优选的，所述处理模块102，还用于通过公式，确定第一实时数据点/>的波动时间优化因子/>，其中，/>为局部窗口的长度，/>为在第一实时数据点/>的局部窗口中，距离方向发生变化的第一实时数据点/>到下一个距离方向变化的实时数据点之间的实时数据点的数量，/>为第/>个距离方向发生变化的第一实时数据点/>分别从两侧，到下一个距离方向发生变化的实时数据点的全部间隔距离之和。
具体的，在获取到了初始的异常检测模型之后即可进行消防泵电机电流数据实时的异常检测。但是因为需要在离群点的检测中可以对高频率的合理范围内的频繁电流波动进行检测，所以在通过上述的模型进行异常检测时需要对于每个实时数据点通过局部窗口子序列中波动频率进行判断。
首先，通过实时数据点与窗口中数据点路径变化的相似性获取实时数据点的波动时间优化因子。即，对于获取到的初始异常检测模型，在物联网消防泵电机电流传感器采集到新的实时数据点后对于该数据点的异常检测需要在该数据点之后采集到个数据点后进行（/>个数据点是指/>）。此时将最新的待检测的数据点记为/>，/>对应的局部窗口记为，该窗口即为所述的/>的局部窗口子序列。在异常检测模型中/>即为代表/>异常程度计算的数据点（异常检测模型中每一个数据点都是该数据点对应的局部窗口子序列，数据点之间的距离即为局部窗口子序列之间的距离）。
为了对消防泵电机在额定波动范围内的波动频率在异常检测中进行衡量就需要在中进行波动程度的衡量。对于波动程度的衡量，因为波动的频率是在一个时间范围内的波动次数。在对消防泵电机电流的波动程度衡量是就需要通过电流监测数据中新增数据点局部窗口中的数据点波动情况进行评估。
在实际场景中，因为负载变化导致的消防泵电机电流波动会因为负载变化的调控时间不同而产生跨度不同的波动（跨度不同即为波峰横跨的时间长度）。在进行波动数量的衡量时，目的是为了通过小波动的数量进行波动程度的衡量，所以在获取窗口中波动数量时需要先通过窗口中数值变化方向发生变化的数据点的时间跨度与两侧的波动幅值对窗口中的波动进行筛选，从而消除大波动造成的波动数量不准确的问题，使得在后续过程中通过小波动累加对波动程度进行衡量的过程更加准确。
在实时数据点的局部窗口子序列中，通过该序列从左到右的顺序获取每两个时序数据点之间的间隔距离。对于间隔距离序列，对于其中的微弱波动变化需要通过间隔距离进行衡量，通过间隔距离方向出现变化的数据点两侧到各自方向的最近的一个距离方向发生变化的数据点的距离和进行时间优化因子的衡量。距离方向发生变化的数据点两侧的距离之和越大则说明该波动对应的消防泵电机电流负载变化的幅值越高，那么对于这种幅值高的波动在后续的累加过程中就不将其计入波动数量。与此同时，/>的数量越高，则说明波动的跨度越高，也不将其计入波动数量，从而更准确地进行后续的波动程度衡量。
在获取到实时数据点的波动程度的时间优化因子/>之后，即可通过该优化因子进行数据点局部窗口中波动数量的优化，通过该优化因子优化后的数据点的局部窗口的子序列通过数据点的数值变化进行波动数量/>的判断。即所述处理模块102，还用于将第一实时数据点的局部窗口中全部方向变化的实时数据点通过时间优化因子/>进行优化，并将优化结果低于阈值，并在距离方向发生变化的实时数据点的数量确定为波动数量。
具体的，进行波动数量的判断过程如下：
1. 对于消防泵电机电流的实时监测数据，确定其局部窗口/>。
2. 在窗口中确定数据点间隔距离方向发生变化的数据点，数量记为。
3. 对于数据点中全部方向变化的数据点通过的优化因子，设定阈值/>，将优化因子低于阈值的距离方向发生变化的数据点的数量记为波动数量。
4. 获取到的波动数量记为，在后续的过程中对于/>中的第/>个数据点的局部窗口/>中的波动数量记为/>。
在本实施例中，通过实时数据点与窗口中数据点路径变化的相似性获取实时数据点的波动时间优化因子，并通过时间优化因子获取到数据点局部窗口中的波动数量。
进一步的，在上述实施例的基础上，处理模块102，还用于根据波动数量、波动数量/>和局部窗口长度，确定实时数据点的波动程度，其中，波动数量/>包括局部窗口中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量，波动数量/>包括局部窗口/>中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量。
具体的，所述处理模块102，还用于通过公式，确定第一实时数据点/>所在局部窗口中实时数据点的波动程度/>，i为大于或等于1的整数，波动数量/>为局部窗口/>中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量，/>为局部窗口/>中第/>-1个实时数据点经过波动时间优化因子优化后得到的波动数量，/>为实时数据点的局部窗口/>的长度，q为第一实时数据点/>所在局部窗口之前的十个窗口对应的索引。
举例来讲，在获取到波动时间优化因子后，通过波动时间优化因子对的局部窗口子序列/>中的数据点间隔进行优化，并通过窗口中每个数据点在其各自窗口中过的波动情况进行综合衡量。对于实时数据点/>的局部窗口/>的波动程度通过/>对其中的数据点变化方向转换的时间进行调整，再通过窗口中数据点在其各自窗口中的波动数量变化的累加获取到实时数据点的波动程度/>其中，/>表示实时数据点/>的局部窗口/>中的第/>个数据点的局部窗口中根据步骤a中波动程度的时间优化因子优化后的波动数量。表示实时数据点/>的局部窗口/>中的第/>个数据点的局部窗口中根据步骤a中波动程度的时间优化因子优化后的波动数量, q为第一实时数据点/>所在局部窗口之前的十个窗口对应的索引。/>表示设定的数据点局部窗口长度，本发明中/>。
上述的波动程度公式中通过实时监测的消防泵电机电流数据点的局部窗口/>中的前半个窗口中第/>个数据点的局部窗口中的波动数量在其自身窗口中的数量占比之和进行数据点/>的波动程度的衡量。消防泵电机电流监测数据的局部波动数量的变化情况，在累加求和的过程中可以通过新增数据点窗口中在其之前的数据点的局部窗口包含的波动数量进行表示，因为在额定范围内的电流波动在异常程度的衡量过程中是一个累加的过程，波动越多则说明越频繁，所以在累加之后，通过新增数据点所在的窗口的前9个窗口进行/>归一化，从而使得在数据实时新增的过程中通过前面的波动变化来获取波动程度，使得该波动程度可以直接用于新增数据点在异常监测模型中的距离优化，也就是说，距离优化是对应着异常程度的优化。
在本实施例中，基于上式所述的通过数据点局部窗口子序列中的波动程度对新增数据点在CBLOF异常检测模型中的距离进行优化，相较于直接通过子序列之间的距离进行异常判断可以在消防泵电机电流检测数据中出现频繁波动时将该实时数据点在异常检测模型中的距离增大从而使得该自识别消防泵电参数巡检监测系统更加准确。
在上式中，通过每个数据点的局部窗口中的数据点在其各自的窗口中的波动数量的累加作为中心数据点的波动数量的衡量，通过实时数据点窗口的前个窗口进行波动程度的衡量，可以使得新增数据点的窗口出现波动数量下降时，则波动程度降低，当出现波动频繁发生时，实时数据点的局部窗口中的数据点累加数量相较于前几个窗口就会较高，从而降低波动程度。
在检测的过程中每一个新增数据点的局部窗口中的累积波动数量都会发生变化，通过上式可以实时获取新增数据点相较于前一数据点出现额波动数量变化，从而对于每一个数据点通过波动程度获取准确的异常程度。
通过上述波动程度公式实现通过波动时间优化因子调控后的实时数据局部窗口子序列获取波动程度。
在上述实施例的基础上，处理模块102，还用于根据第一实时数据点的波动程度，对第一实时数据点在异常检测模型中的距离进行优化，并确定第一实时数据点/>在/>异常检测模型中的距离度量/>。
具体的，所述处理模块102，还用于通过公式，确定实时数据点距离度量，/>为第一实时数据点/>的波动程度，/>为第一实时数据点/>与其对应的模型中最近的簇类中心点/>之间的欧氏距离。
在本实施例中，通过实时采集到的消防泵电机电流数据通过数据点的局部窗口中通过累加过程获取到的波动程度对在/>模型中与簇类中心点的距离进行优化，当波动程度越高时，将数据点与簇类中心点的距离增大，以达到增大该数据点异常程度的目的。
也就是说，在获取到实时数据点的波动程度之后，对于实时数据点/>在/>异常检测模型中的距离度量/>通过波动程度进行拉伸优化，当波动程度越高时，该数据点与簇类中心点的距离则越高，从而获取到准确的实时数据点异常程度。从而实现通过优化后的基于实时数据波动程度的距离优化因子对数据点在异常检测模型中的距离进行优化。
进一步的，在上述实施例的基础上，在获取到实时采集的数据点在异常检测模型中与最近邻簇类中心点通过波动程度优化后的距离后，通过该实时数据点的距离在异常检测模型中全部数据点对应的距离值进行线性归一化，获取到实时采集数据点的异常程度，通过设定异常程度阈值/>（异常程度阈值可以根据实际场景中对于消防泵电机电流稳定性的监测精度要求进行调整）将异常程度高于阈值的数据点在自识别消防泵点参数巡检监测系统中向维护人员进行警报。
在本实施例中，基于物联网的自识别消防泵电参数巡检监测系统，包括：获取模块、处理模块和报警模块，所述处理模块设置在所述获取模块和所述报警模块之间，其中，所述获取模块，用于获取实时数据，所述实时数据包括消防泵电机的电流时序数据，所述电流时序数据包括电流时序对应的实时数据点；所述处理模块，用于根据所述实时数据点的波动程度对所述实时数据点在异常检测模型中的距离进行优化，确定优化后的实时数据点的距离度量；所述报警模块，用于对所述距离度量进行线性归一化处理，并对处理结果大于阈值的实时数据点进行报警处理。在消防泵的电参数巡检监测系统中通过异常检测模型对实时数据点的局部窗口子序列作为数据点在聚类模型中进行异常程度的衡量相较于通过实时数据点的时序变化进行离群检测，可以通过实时检测数据点形成的局部范围信息进行距离度量，避免在实际的消防泵电流变化中出现的单一噪声点被判断为异常情况，从而出现自识别消防泵电参数巡检监测误报。
进一步的，基于本发明所述的通过数据点局部窗口子序列中的波动程度对新增数据点在异常检测模型中的距离进行优化，相较于直接通过子序列之间的距离进行异常判断可以在消防泵电机电流检测数据中出现频繁波动时将该实时数据点在异常检测模型中的距离增大从而使得该自识别消防泵电参数巡检监测系统更加准确。
Claims (6)
1.基于物联网的自识别消防泵电参数巡检监测系统，其特征在于，包括：获取模块、处理模块和报警模块，所述处理模块设置在所述获取模块和所述报警模块之间，其中：
所述获取模块，用于获取实时数据，所述实时数据包括消防泵电机的电流时序数据，所述电流时序数据包括电流时序对应的实时数据点；
所述处理模块，用于根据所述实时数据点的波动程度对所述实时数据点在异常检测模型中的距离进行优化，确定优化后的实时数据点的距离度量；
所述报警模块，用于对所述距离度量进行线性归一化处理，并对处理结果大于阈值的实时数据点进行报警处理；
所述处理模块，还用于根据局部窗口中发生变化的实时数据点的数量与全部间隔距离之间的关系，确定第一实时数据点的波动时间优化因子，所述全部间隔距离包括在一距离方向发生变化的所述第一实时数据点两侧到下一个距离方向发生变化的实时数据点的全部间隔距离之和；
所述处理模块，还用于通过公式，确定第一实时数据点/>的波动时间优化因子/>，其中，/>为局部窗口的长度，/>为在第一实时数据点/>的局部窗口中，距离方向发生变化的第一实时数据点/>到下一个距离方向变化的实时数据点之间的实时数据点的数量，/>为第/>个距离方向发生变化的第一实时数据点/>分别从两侧，到下一个距离方向发生变化的实时数据点的全部间隔距离之和。
2.根据权利要求1所述的基于物联网的自识别消防泵电参数巡检监测系统，其特征在于，所述处理模块，还用于将第一实时数据点的局部窗口中全部方向变化的实时数据点通过时间优化因子进行优化，并将优化结果低于阈值，并在距离方向发生变化的实时数据点的数量确定为波动数量。
3.根据权利要求2所述的基于物联网的自识别消防泵电参数巡检监测系统，其特征在于，所述处理模块，还用于根据波动数量、波动数量/>和局部窗口长度，确定实时数据点的波动程度，其中，波动数量/>包括局部窗口/>中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量，波动数量/>包括局部窗口/>中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量。
4.根据权利要求3所述的基于物联网的自识别消防泵电参数巡检监测系统，其特征在于，所述处理模块，还用于通过公式，确定第一实时数据点/>所在局部窗口中实时数据点的波动程度/>，i为大于或等于1的整数，波动数量/>为局部窗口/>中第/>个实时数据点经过波动时间优化因子优化后得到的波动数量，/>为局部窗口/>中第/>-1个实时数据点经过波动时间优化因子优化后得到的波动数量，/>为实时数据点的局部窗口/>的长度，q为第一实时数据点/>所在局部窗口之前的十个窗口对应的索引。
5.根据权利要求4所述的基于物联网的自识别消防泵电参数巡检监测系统，其特征在于，所述处理模块，还用于根据第一实时数据点的波动程度，对第一实时数据点在异常检测模型中的距离进行优化，并确定第一实时数据点/>在/>异常检测模型中的距离度量。
6.根据权利要求5所述的基于物联网的自识别消防泵电参数巡检监测系统，其特征在于，所述处理模块，还用于通过公式，确定实时数据点距离度量，/>为第一实时数据点/>的波动程度，/>为第一实时数据点/>与其对应的/>模型中最近的簇类中心点/>之间的欧氏距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310776736.7A CN116510223B (zh) | 2023-06-29 | 2023-06-29 | 基于物联网的自识别消防泵电参数巡检监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310776736.7A CN116510223B (zh) | 2023-06-29 | 2023-06-29 | 基于物联网的自识别消防泵电参数巡检监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116510223A CN116510223A (zh) | 2023-08-01 |
| CN116510223B true CN116510223B (zh) | 2023-09-01 |
Family
ID=87392493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310776736.7A Active CN116510223B (zh) | 2023-06-29 | 2023-06-29 | 基于物联网的自识别消防泵电参数巡检监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116510223B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117973697B (zh) * | 2024-03-28 | 2024-05-31 | 山东德源电力科技股份有限公司 | 一种电力布设装置的数据高效处理方法 |
| CN118606730A (zh) * | 2024-08-06 | 2024-09-06 | 南通开放大学(南通建筑职业技术学校、南通市社区教育服务指导中心) | 一种模具夹持状态智能检测系统 |
| CN118604442B (zh) * | 2024-08-08 | 2024-10-15 | 国网浙江省电力有限公司青田县供电公司 | 一种智能电表的电能计量方法、装置及智能电表 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN208838960U (zh) * | 2018-07-24 | 2019-05-10 | 苏州市龙源电力科技股份有限公司 | 一种消防泵自动巡检系统 |
| CN110580492A (zh) * | 2019-04-30 | 2019-12-17 | 上海铁大电信科技股份有限公司 | 一种基于小幅波动检测的轨道电路故障前兆发现方法 |
| CN113344133A (zh) * | 2021-06-30 | 2021-09-03 | 上海观安信息技术股份有限公司 | 一种时序行为异常波动检测方法及系统 |
| CN113705396A (zh) * | 2021-08-16 | 2021-11-26 | 西安交通大学 | 一种电机故障诊断方法、系统及设备 |
| CN114265882A (zh) * | 2021-12-24 | 2022-04-01 | 中冶赛迪重庆信息技术有限公司 | 时序信号点异常检测方法、系统、设备及介质 |
| CN115018343A (zh) * | 2022-06-09 | 2022-09-06 | 中煤科工集团重庆研究院有限公司 | 矿井海量瓦斯监测数据异常识别与处置系统及方法 |
| CN115145788A (zh) * | 2022-06-22 | 2022-10-04 | 中国电信股份有限公司 | 一种针对智能运维系统的检测数据生成方法和装置 |
| CN116258281A (zh) * | 2023-05-12 | 2023-06-13 | 欣灵电气股份有限公司 | 基于云平台管理的物联网消防监测及调控系统 |
| CN116335925A (zh) * | 2023-05-19 | 2023-06-27 | 山东海纳智能装备科技股份有限公司 | 基于数据增强的煤矿井下乳化泵站智能调控系统 |
-
2023
- 2023-06-29 CN CN202310776736.7A patent/CN116510223B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN208838960U (zh) * | 2018-07-24 | 2019-05-10 | 苏州市龙源电力科技股份有限公司 | 一种消防泵自动巡检系统 |
| CN110580492A (zh) * | 2019-04-30 | 2019-12-17 | 上海铁大电信科技股份有限公司 | 一种基于小幅波动检测的轨道电路故障前兆发现方法 |
| CN113344133A (zh) * | 2021-06-30 | 2021-09-03 | 上海观安信息技术股份有限公司 | 一种时序行为异常波动检测方法及系统 |
| CN113705396A (zh) * | 2021-08-16 | 2021-11-26 | 西安交通大学 | 一种电机故障诊断方法、系统及设备 |
| CN114265882A (zh) * | 2021-12-24 | 2022-04-01 | 中冶赛迪重庆信息技术有限公司 | 时序信号点异常检测方法、系统、设备及介质 |
| CN115018343A (zh) * | 2022-06-09 | 2022-09-06 | 中煤科工集团重庆研究院有限公司 | 矿井海量瓦斯监测数据异常识别与处置系统及方法 |
| CN115145788A (zh) * | 2022-06-22 | 2022-10-04 | 中国电信股份有限公司 | 一种针对智能运维系统的检测数据生成方法和装置 |
| CN116258281A (zh) * | 2023-05-12 | 2023-06-13 | 欣灵电气股份有限公司 | 基于云平台管理的物联网消防监测及调控系统 |
| CN116335925A (zh) * | 2023-05-19 | 2023-06-27 | 山东海纳智能装备科技股份有限公司 | 基于数据增强的煤矿井下乳化泵站智能调控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116510223A (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116510223B (zh) | 基于物联网的自识别消防泵电参数巡检监测系统 | |
| CN117349778B (zh) | 一种基于物联网的用电设备在线实时监测系统 | |
| CN116955895B (zh) | 一种变压器运行异常监测方法及系统 | |
| CN117368799B (zh) | 一种电力系统输电线路短路故障的诊断方法 | |
| CN116628616B (zh) | 一种大功率充电能源的数据处理方法及系统 | |
| CN114252749B (zh) | 基于多传感器的变压器局部放电检测方法及装置 | |
| CN118070195B (zh) | 一种矿用交流变频器异常数据状态监测系统 | |
| CN117390591B (zh) | 基于电参量分析的输煤皮带采样机运行监测方法及系统 | |
| CN118100446B (zh) | 一种用于电力系统的节点运行状态智能检测方法 | |
| CN118152836B (zh) | 一种用于电能表运行过程的稳定性评估方法 | |
| CN114091368A (zh) | 一种轴流式水轮机空化状态的识别方法 | |
| CN117978628B (zh) | 一种基于智慧园区通信控制方法及系统 | |
| CN117668684A (zh) | 基于大数据分析的电网电能数据异常检测方法 | |
| CN117150244B (zh) | 基于电参数分析的智能配电柜状态监测方法及系统 | |
| CN117235462A (zh) | 基于时序数据分析的袋式包装机故障智能预测方法 | |
| CN116953435A (zh) | 一种基于录波文件的电缆瞬时放电异常识别方法 | |
| CN113408383A (zh) | 基于有界β(g,h)分布和MWKPCA的可听噪声无效数据判定方法 | |
| CN118091489B (zh) | 一种输电线路玻璃绝缘子状态的检测方法 | |
| CN114444623B (zh) | 面向工业机器人的异常检测分析方法及系统 | |
| CN116738158B (zh) | 一种配电箱系统损耗智能评估方法 | |
| CN118294786B (zh) | 基于人工智能的芯片检测方法及系统 | |
| CN117473345B (zh) | 基于数据分析的法兰锻造缺陷检测方法 | |
| CN117556274B (zh) | 一种热管背板的温度数据异常分析方法 | |
| CN117870779B (zh) | 一种自动化设备远程无线智能监控方法及系统 | |
| CN118427537B (zh) | 一种半导体设备数据智能采集方法及系统 |
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 |