CN116608904B - 一种储氢罐安全状态实时监控方法及系统 - Google Patents

一种储氢罐安全状态实时监控方法及系统 Download PDF

Info

Publication number
CN116608904B
CN116608904B CN202310883128.6A CN202310883128A CN116608904B CN 116608904 B CN116608904 B CN 116608904B CN 202310883128 A CN202310883128 A CN 202310883128A CN 116608904 B CN116608904 B CN 116608904B
Authority
CN
China
Prior art keywords
monitoring
strain
data sequence
data
moment
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
Application number
CN202310883128.6A
Other languages
English (en)
Other versions
CN116608904A (zh
Inventor
邵洪峰
赵恩国
陈怀宇
王森
姚娜
张振江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Shangning Photoelectric Technology Co ltd
Suning Heartwood Tianjin Technology Co ltd
Suning Zhigan Beijing Technology Co ltd
Original Assignee
Shandong Shangning Photoelectric Technology Co ltd
Suning Heartwood Tianjin Technology Co ltd
Suning Zhigan Beijing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Shangning Photoelectric Technology Co ltd, Suning Heartwood Tianjin Technology Co ltd, Suning Zhigan Beijing Technology Co ltd filed Critical Shandong Shangning Photoelectric Technology Co ltd
Priority to CN202310883128.6A priority Critical patent/CN116608904B/zh
Publication of CN116608904A publication Critical patent/CN116608904A/zh
Application granted granted Critical
Publication of CN116608904B publication Critical patent/CN116608904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/02—Special adaptations of indicating, measuring, or monitoring equipment
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/02—Special adaptations of indicating, measuring, or monitoring equipment
    • F17C13/025—Special adaptations of indicating, measuring, or monitoring equipment having the pressure as the parameter
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/02—Special adaptations of indicating, measuring, or monitoring equipment
    • F17C13/026—Special adaptations of indicating, measuring, or monitoring equipment having the temperature as the parameter
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/12—Arrangements or mounting of devices for preventing or minimising the effect of explosion ; Other safety measures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G01B11/18—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge using photoelastic elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
    • G01K11/3206—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres at discrete locations in the fibre, e.g. using Bragg scattering
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/04—Indicating or measuring of parameters as input values
    • F17C2250/0404—Parameters indicated or measured
    • F17C2250/043—Pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/04—Indicating or measuring of parameters as input values
    • F17C2250/0404—Parameters indicated or measured
    • F17C2250/0439—Temperature
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/32—Hydrogen storage

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Filling Or Discharging Of Gas Storage Vessels (AREA)

Abstract

本申请涉及数据处理领域，提供一种储氢罐安全状态实时监控方法及系统，包括：采集储氢罐内监测点在初始监测周期内的温度数据序列和应变力数据序列；基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻；基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量；利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述温度数据序列进行异常监测。该方法能够提高储氢罐安全状态的监控准确性。

Description

一种储氢罐安全状态实时监控方法及系统
技术领域
本申请涉及数据处理领域，特别是涉及一种储氢罐安全状态实时监控方法及系统。
背景技术
储氢罐是一种用于存储氢气的高压容器，一般是由高强度的金属材料铸造而成的，具有一定的强度和耐高压性，能够安全可靠的存储和运输氢气，在氢能产业和清洁能源领域具有越来越重要的作用。但是在储氢罐的充氢过程中，会出现操作参数的设置不当、储氢罐老化等问题导致其内胆发生变形甚至损坏，进而发生氢气泄漏的安全问题，不仅会造成经济损失，还会造成人员伤亡。因此，需要对储氢罐储氢过程时的安全状态进行实时监控，及时的发现储氢罐是否发生较严重的形变，并对储氢罐进行维护和保养。
HBOS算法是一种基于直方图的异常数据检测算法，在处理高维数据时具有较快的运行速度和较好的鲁棒性。但是在使用HBOS算法时，需要设置各个维度数据的区间划分的个数，传统HBOS算法中各个维度数据的区间划分的个数一般是一样的，而各个维度数据之间的异常程度不一样，设置相同的区间划分个数，会增加异常数据点的误报率和漏报率。
发明内容
本发明提供一种储氢罐安全状态实时监控方法及系统，能够提高异常数据点的检测准确率。
第一方面，本申请提供一种储氢罐安全状态实时监控方法，所述储氢罐中包括b1×b2个监测点；所述监控方法包括：
采集储氢罐内监测点在初始监测周期内的温度数据序列和应变力数据序列；其中，所述初始监测周期包括b1×b2个应变力数据序列和b1×b2个温度数据序列，每一所述温度变化序列中包括监测点在初始监测周期内每一时刻的温度数据，每一所述应变力数据序列中包括监测点在初始监测周期内每一时刻的应变力数据；
基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻；
基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量；
利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述温度数据序列进行异常监测。
在一可选实施例中，基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻，包括：
确定每一应变力数据序列的极值点对应的时刻，其中，极值点对应的时刻为初始监测周期中疑似氢气开始压缩的压缩时刻；
基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数；
基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻。
在一可选实施例中，基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数，包括：
利用STL分解算法基于每一应变力数据序列计算每一应变力数据序列对应的应变力趋势项数据序列，并基于应变力趋势项数据序列计算得到应变力趋势项变化数据序列；
基于应变力趋势项变化数据序列中第时刻的数据点的值与第一均值的差值计算第一参考值；所述第一均值为应变力趋势项变化数据序列中前/>个时刻的数据点的值的均值；其中，/>表示极值点对应的时刻；
基于应变力趋势项变化数据序列中第时刻的数据点的值与第二均值的差值计算第二参考值；所述第二均值为应变力趋势项变化数据序列中后/>个时刻的数据点的值的均值；
分别将应变力数据序列中前个时刻的数据点和后/>个时刻的数据点进行线性拟合，得到的拟合直线的斜率为第一斜率和第二斜率，并确定两组被拟合的数据点的变化趋势的标准波动程度；
基于第一参考值、第二参考值、第一斜率、第二斜率和标准波动程度计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数。
在一可选实施例中，基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻，包括：
基于初始监测周期中所有的应变力数据序列的区域压缩时刻监测系数之和和应变力数据序列的个数计算初始监测周期的压缩时刻为氢气压缩时刻的概率；
基于初始监测周期的压缩时刻为氢气压缩时刻的概率确定初始监测周期的压缩时刻；
从第一个初始监测周期开始，如果所述初始监测周期的压缩时刻不等于0，则将所述初始监测周期的压缩时刻确认为氢气开始压缩的压缩时刻；否则计算第二个初始监测周期的压缩时刻。
在一可选实施例中，基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量，包括：
确定所述压缩时刻所在的初始监测周期中的位置，将该初始监测周期中自压缩时刻之后的温度数据序列和应变力数据序列与下一个初始监测周期中的温度数据序列和应变力数据序列合并，并将合并后的数据对应的监测周期和压缩时刻所在的初始监测周期之后的初始监测周期作为实际监测周期；
基于实际监测周期内每一温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于实际监测周期内每一应变力数据序列对应的应变力异常程度计算得到第二区间划分数量。
在一可选实施例中，所述方法还包括：
计算实际监测周期内每一温度数据序列对应的温度数据变化序列，所述温度数据变化序列包括监测点在实际监测周期中每一时刻的温度变化量；
基于监测点在实际监测周期内第t个时刻的温度变化量的时间差异程度，和监测点在实际监测周期中第t个时刻的温度变化量的区域差异程度计算得到每一温度数据序列对应的温度数据变化序列的温度异常程度；
计算实际监测周期内每一应变力数据序列对应的应变力数据变化序列，所述应变力数据变化序列包括监测点在实际监测周期中每一时刻的应变力变化量；
基于监测点在实际监测周期内第t个时刻的应变力变化量的时间差异程度，和监测点在实际监测周期中第t个时刻的应变力变化量的区域差异程度计算得到每一应变力数据序列对应的应变力数据变化序列的应变力异常程度。
在一可选实施例中，计算监测点在实际监测周期内第t个时刻的温度变化量的时间差异程度，包括：
基于监测点在t时刻的温度变化量、监测点在实际监测周期内所有时刻的温度变化量的均值、第个监测点在第/>个时刻的温度变化量；第/>个监测点在实际监测周期内所有时刻的温度变化量的均值、监测点在实际监测周期内所有时刻的温度变化量的熵以及实际监测周期中时刻的个数和监测点的个数计算监测点在实际监测周期内第t个时刻的温度变化量的时间差异程度；
计算监测点在实际监测周期内第t个时刻的应变力变化量的时间差异程度，包括：
基于监测点在t时刻的应变力变化量、监测点在实际监测周期内所有时刻的应变力变化量的均值、第个监测点在第/>个时刻的应变力变化量；第/>个监测点在实际监测周期内所有时刻的应变力变化量的均值、监测点在实际监测周期内所有时刻的应变力变化量的熵以及实际监测周期中时刻的个数和监测点的个数计算监测点在实际监测周期内第t个时刻的应变力变化量的时间差异程度。
在一可选实施例中，计算监测点在实际监测周期中第t个时刻的温度变化量的区域差异程度，包括：
基于监测点在t时刻的温度变化量、监测点的所有临近监测点的温度变化量的均值，第s个监测点在t时刻的温度变化量以及监测点的个数计算监测点在实际监测周期中第t个时刻的温度变化量的区域差异程度；其中，监测点的临近监测点包括监测点的8邻域监测点；
计算监测点在实际监测周期中第t个时刻的应变力变化量的区域差异程度，包括：
基于监测点在t时刻的应变力变化量、监测点的所有临近监测点的应变力变化量的均值，监测点在t时刻的应变力变化量以及监测点的个数计算监测点在实际监测周期中第t个时刻的应变力变化量的区域差异程度。
在一可选实施例中，利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，包括：
利用HBOS异常监测算法基于所述第一区间划分数量计算温度数据序列对应的温度数据变化序列中各个数据点的HBOS值；
如果数据点的HBOS值大于温度异常监测阈值，确认监测点在该数据点对应的时刻温度异常，得到异常温度数据集合；
利用HBOS异常监测算法基于所述第二区间划分数量对所述温度数据序列进行异常监测，包括：
利用HBOS异常监测算法基于所述第二区间划分数量计算应变力数据序列对应的应变力数据变化序列中各个数据点的HBOS值；
如果数据点的HBOS值大于应变力监测阈值，确认监测点在该数据点对应的时刻应变力异常，得到异常应变力数据集合；
所述方法还包括：
基于所述异常温度数据集合和所述异常应变力数据集合确定储氢罐是否存储安全隐患。
第二方面，本申请提供一种储氢罐安全状态实时监控系统，所述储氢罐中包括b1×b2个监测点；所述系统包括：
采集模块，用于利用所述温度传感器采集储氢罐内监测点在初始监测周期内的温度数据序列，以及利用应变力传感器应变力数据序列；其中，所述初始监测周期包括b1×b2个应变力数据序列和b1×b2个温度数据序列，每一所述温度变化序列中包括监测点在初始监测周期内每一时刻的温度数据，每一所述应变力数据序列中包括监测点在初始监测周期内每一时刻的应变力数据；
压缩时刻确定模块，用于基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻；
计算模块，用于基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量；
监测模块，用于利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述温度数据序列进行异常监测。
本申请的有益效果，区别于现有技术，本申请的储氢罐安全状态实时监控方法及系统，包括：采集储氢罐内监测点在初始监测周期内的温度数据序列和应变力数据序列；其中，所述初始监测周期包括b1×b2个应变力数据序列和b1×b2个温度数据序列，每一所述温度变化序列中包括监测点在初始监测周期内每一时刻的温度数据，每一所述应变力数据序列中包括监测点在初始监测周期内每一时刻的应变力数据；基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻；基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量；利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述温度数据序列进行异常监测。该方法对于不同维度的数据计算不同的区间划分数量，在利用HBOS异常监测算法进行异常检测时，能够提高异常数据点的检测准确率，进而提高储氢罐安全状态的监控准确性。
附图说明
图1为本发明储氢罐安全状态实时监控方法的一实施例的流程示意图；
图2为图1中步骤S12的一实施例的流程示意图；
图3为图1中步骤S13的一实施例的流程示意图；
图4为本发明储氢罐安全状态实时监控系统的一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参见图1，图1为本发明储氢罐安全状态实时监控方法的一实施例的流程示意图，具体包括：
步骤S11：采集储氢罐内监测点在初始监测周期内的温度数据序列和应变力数据序列。
其中，所述初始监测周期包括b1×b2个应变力数据序列和b1×b2个温度数据序列，每一所述温度变化序列中包括监测点在初始监测周期内每一时刻的温度数据，每一所述应变力数据序列中包括监测点在初始监测周期内每一时刻的应变力数据。
具体的，在储氢罐纤维层内嵌分布式光纤感知元件，本发明采用温度光纤光栅传感器和应变光纤光栅传感器来监测储氢罐纤维层在储氢罐储氢过程中的温度和应变力，用来反映储氢罐储氢过程中氢气对纤维层产生的应力大小和内部氢气温度的变化情况。
具体的，在储氢罐纤维层表面的横轴方向，以间距来布置监测点，得到/>个监测点，在纵轴方向以间隔/>来布置监测点，得到/>个监测点，/>、/>分别取经验值为1cm、1cm。其中每个监测点各安装一个温度光栅和应变光栅，共得到/>个监测点。以序数对来表示储氢罐纤维层表面横向第/>个，纵向第/>个位置的监测点，记为监测点。
在本发明的每个数据采集周期中，将每个监测点的每个光栅采集的数据量记为，相邻两次采集的时间间隔记为/>，则每个数据采集周期共采集/>个数据，具体每个传感器采集的数据量以及间隔由实施者自行定义，本发明中设置/>，。
至此，可得到用于监控储氢罐安全状态的数据序列，即温度数据序列和应变力数据序列/>，其中/>、/>分别表示在储氢罐纤维层的监测点/>在一个周期内采集的温度数据序列和应变力数据序列。由于在数据的采集和传输过程中会出现数据值的缺失，因此对得到的数据序列以均值法进行缺失值的填充，分别得到的温度数据序列/>和应变力数据序列，其中均值填充为公知技术，不再赘述。
其中，温度数据序列表示监测点（1，1）在一个周期内的温度数据序列，温度数据序列/>表示监测点/>在一个周期内的温度数据序列。应变力数据序列/>表示监测点（1，1）在一个周期内的应变力数据序列，应变力数据序列/>表示监测点在一个周期内的应变力数据序列。
步骤S12：基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻。
在储氢罐的充氢过程中，需要对罐内的氢气进行压缩来提高罐内氢气的存储量，其罐内的温度和压强会随着充氢的进行而发生变化，进而引起其纤维层的温度和应变力的变化。在储氢罐的充氢前期，罐内的温度和压强增长的较缓慢，储氢罐内胆的承受压力相对较小，内胆一般不会发生形变。而随着氢气的不断充入，罐内的氢气开始压缩，罐内的温度和压强会急剧上升，内胆会发生轻微的形变，但是当内胆形变超出了一定的范围，或者内胆长时间受到局部压力集中的作用，就会引起变形。因此，可以用压缩时刻之后的数据序列来监控储氢罐的安全状态。
当罐内的氢气开始压缩时，分子间的距离变短，密度增加，但分子之间的相互作用力并不会显著增强，而分子碰撞所受的散射弹力也较小，导致罐内的压强比温度变化更显著，因此根据应变力数据序列来获取罐内氢气开始进行压缩的时刻。
具体的，请结合图2，步骤S12具体包括：
步骤S21：确定每一应变力数据序列的极值点对应的时刻，其中，极值点对应的时刻为初始监测周期中疑似氢气开始压缩的压缩时刻。
具体的，从第一个周期开始，依次对每个周期的应变力数据序列进行如下处理：以第一个周期中监测点/>处的应变力数据序列为例，使用STL分解算法基于应变力数据序列/>计算应变力数据序列对应的应变力趋势项数据序列/>。基于应变力趋势项数据序列计算得到应变力趋势项变化数据序列，具体的，用应变力趋势项数据序列中当前时刻的数据减去前一时刻的数据，将得到的值作为当前时刻的变化量，将得到的变化量组成应变力趋势项变化数据序列/>。利用二阶导数法对得到的应变力趋势项数据序列/>进行极值点数据的所在时刻的获取，即应变力数据序列/>中疑似氢气的压缩时刻。
步骤S22：基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数。
具体的，基于应变力趋势项变化数据序列中第/>时刻的数据点的值与第一均值/>的差值计算第一参考值/>，/>。第一均值/>为应变力趋势项变化数据序列/>中前/>个时刻的数据点的值的均值；其中，/>表示极值点对应的时刻。
基于应变力趋势项变化数据序列中第/>时刻的数据点的值/>与第二均值的差值/>计算第二参考值/>，/>；所述第二均值为应变力趋势项变化数据序列/>中后/>个时刻的数据点的值的均值。
分别将应变力数据序列中前/>个时刻的数据点和后/>个时刻的数据点进行线性拟合，得到的拟合直线的斜率为第一斜率/>和第二斜率/>，并确定两组被拟合的数据点的变化趋势的标准波动程度/>。基于第一参考值、第二参考值、第一斜率、第二斜率和标准波动程度计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数。
在一实施例中，每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数计算公式为：
上式中：表示应变力数据序列/>的极值点时刻/>的区域压缩时刻检测系数；对应变力数据序列/>中前/>个时刻的数据点和后/>个时刻的数据点分别进行线性拟合，将得到的拟合直线的斜率分别记为第一斜率/>，第一斜率表示这两组被拟合的应变力数据点的整体变化趋势；/>表示这两组被拟合的应变力数据点的变化趋势的标准波动程度，/>取经验值为0.1；/>表示取最大值；/>、/>分别表示应变力趋势项数据序列/>中第/>和第/>个时刻的数据点的值；/>、/>分别表示应变力趋势项数据序列/>中前/>个时刻、后/>个时刻数据点值的均值。区域压缩时刻检测系数/>的值越大，表示该极值点时刻/>越疑似为区域压缩时刻。
由于纤维层的应变力在氢气的压缩时刻之前增长较缓慢，在该时刻之后增长较迅速，二者变化趋势之间的差异较大，因此极值点时刻之前所有时刻与之后所有时刻之间的数据变化趋势差异越大，表示该极值点时刻/>越疑似为区域压缩时刻。/>的值越小，表示极值点时刻/>对应的应变力数据与其余时刻的应变力数据点之间的相似度越高，目的是为了减少异常数据点对获取压缩时刻的干扰。
步骤S23：基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻。
需要说明的是，如果一个初始监测周期内只有一个极值点，那么该极值点对应的时刻的区域压缩时间检测系数即为该初始监测周期中应变力数据序列的区域压缩时刻监测系数。如果一个初始监测周期内有多个极值点，那么多个极值点对应的时刻的区域压缩时间检测系数中最大值为该初始监测周期中应变力数据序列的区域压缩时刻监测系数。
在一实施例中，基于初始监测周期中所有的应变力数据序列的区域压缩时刻监测系数之和和应变力数据序列的个数计算初始监测周期的压缩时刻为氢气压缩时刻的概率。具体计算方式为：
；
其中，表示初始监测周期中第s个应变力数据序列/>的区域压缩时刻监测系数，non（）表示非正归0函数，作用为：若括号内的数值不大于0则赋值为0，否则赋值为1，S表示初始监测周期内应变力数据序列的个数，即监测点的个数b1×b2，/>表示初始监测周期的压缩时刻为氢气压缩时刻的概率。
基于初始监测周期的压缩时刻为氢气压缩时刻的概率确定初始监测周期的压缩时刻。具体的，进一步将其中将不存在极值点时刻的应变力数据序列的区域压缩时刻检测系数赋值为0，则可利用如下公式计算初始监测周期的压缩时刻：
；
上式中：表示初始监测周期的压缩时刻；/>表示初始监测周期中第s个应变力数据序列/>的区域压缩时刻监测系数/>表示/>对应的压缩时刻； />表示标准概率，取经验值为0.9；/>表示压缩时刻的决策性函数，作用为判断该周期内是否存在氢气压缩时刻：若/>，则/>，表示该周期内存在氢气压缩时刻，否则/>，表示该周期内不存在氢气压缩时刻；/>表示对括号中的数据进行归一化。如果所有监测点的应变力数据序列中区域压缩时刻检测系数/>的只占极少数，则表示氢气压缩时刻出现在该周期内。
具体的，从第一个周期开始，如果所述初始监测周期的压缩时刻不等于0，即，则将/>的值作为该储氢罐充氢过程中的氢气压缩时刻/>，否则获取第二个初始监测周期的相关数据，并计算其压缩时刻/>，若/>，则将/>的值作为氢气压缩时刻/>，以此类推。至此，得到氢气开始压缩的压缩时刻/>。
步骤S13：基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量。
在一实施例中，确定所述压缩时刻所在的初始监测周期中的位置，将该初始监测周期中自压缩时刻之后的温度数据序列和应变力数据序列与下一个初始监测周期中的温度数据序列和应变力数据序列合并，并将合并后的数据对应的监测周期和压缩时刻所在的初始监测周期之后的初始监测周期作为实际监测周期。具体的，获取所述压缩时刻所在的初始监测周期的下个周期的相关数据，将氢气压缩时刻所在的周期中时刻/>之后的数据并入下个周期的数据序列中，这是因为需要用氢气压缩时刻之后的数据来监控储氢罐的安全状态，而氢气压缩时刻/>所在的周期中时刻/>之后的数据会存在数据量过少而无法进行单独分析的情况，因此需要与下个周期的数据共同进行分析。将合并后的数据序列记为第一实际监测周期的数据序列，后续各个周期采集的数据序列依次记为第二、第三实际监测周期的数据序列。则根据实际监测周期的数据来对储氢罐的安全状态进行后续的分析。
在一具体实施例中，基于实际监测周期内每一温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于实际监测周期内每一应变力数据序列对应的应变力异常程度计算得到第二区间划分数量。
进一步的，请结合图3，本申请的方法还包括：
步骤S31：计算实际监测周期内每一温度数据序列对应的温度数据变化序列。
其中，所述温度数据变化序列包括监测点在实际监测周期中每一时刻的温度变化量。
具体的，当储氢罐的内胆发生形变时，会破坏储氢罐内氢气的空间分布，进而会影响储氢罐内的压强、温度的分布和稳定性。若储氢罐的内胆形变严重，氢气会集中积累在某些区域，从而导致该区域的压强在较长时间内的异常升高，形成局部压强高峰，进而引起该区域的局部温度也会在较长时间内的异常升高，与其余正常区域的氢气的压强和温度之间的差异较大，对应的纤维层的应变力和温度也会发生较大的变化。因此，可根据各个监测点的温度、应变力在各个时刻的变化量来分析储氢罐的内胆是否发生较严重的形变。获取各个监测点的温度数据序列、应变力数据序列的温度变化数据序列和应变力变化数据序列/>，即使用当前时刻的温度、应变力数据减去上个时刻的温度、应变力数据，将得到的值作为当前时刻的温度、应变力变化量，进而得到温度数据变化序列/>和应变力数据变化序列/>。
步骤S32：基于监测点在实际监测周期内第t个时刻的温度变化量的时间差异程度，和监测点在实际监测周期中第t个时刻的温度变化量的区域差异程度计算得到每一温度数据序列对应的温度数据变化序列的温度异常程度。
具体的，基于监测点在t时刻的温度变化量、监测点在实际监测周期内所有时刻的温度变化量的均值、第个监测点在第/>个时刻的温度变化量；第/>个监测点在实际监测周期内所有时刻的温度变化量的均值、监测点在实际监测周期内所有时刻的温度变化量的熵以及实际监测周期中时刻的个数和监测点的个数计算监测点在实际监测周期内第t个时刻的温度变化量的时间差异程度。具体计算方式为：
上式中：表示监测点/>在实际监测周期中第/>个时刻的温度变化量的时间差异程度；/>表示监测点/>在第/>个时刻的温度变化量；/>表示监测点/>在该实际监测周期所有时刻的温度变化量的均值；/>表示第/>个监测点在第/>个时刻的温度变化量；/>表示第/>个监测点在该实际监测周期所有时刻的温度变化量的均值；/>表示该实际监测周期中时刻的个数；/>表示监测点的个数；/>表示监测点/>在该实际监测周期内所有时刻的温度变化量的熵。
监测点的温度数据变化序列的熵越大，表示该监测点各个时刻的温度变化量的分布越混乱，则该监测点的温度数据序列存在异常数据点的可能性越大；监测点在某一时刻的温度变化量与该监测点其他时刻的温度变化量之间的差异越大，并且监测点在该时刻的温度变化量相对于其他监测点的温度变化量的异常程度越大，表示该监测点在该时刻对应的温度对应的时间差异程度越大，即越疑似为异常的温度数据。
其次，由于储氢罐内胆发生形变时，会导致储氢罐内局部温度和压力的变化，进而引起检测点局部范围内的温度和应变力的变化。则可根据各个检测点的温度变化量和应变力变化量来得到每个监测点在各个时刻的区域差异程度，将每个监测点的8邻域内作为该检测点的临近监测点，并将这9个监测点称为一个局部区域。
具体的，基于监测点在t时刻的温度变化量、监测点的所有临近监测点的温度变化量的均值，第个监测点在t时刻的温度变化量以及监测点的个数计算监测点在实际监测周期中第t个时刻的温度变化量的区域差异程度；其中，监测点的临近监测点包括监测点的8邻域监测点。具体计算公式为：
上式中：表示监测点/>在实际监测周期中第/>个时刻的温度变化量的区域差异程度；/>表示监测点/>在第/>个时刻的温度变化量；/>表示监测点/>的所有临近监测点的温度变化量的均值；/>表示第/>个监测点在第/>个时刻的温度变化量，S表示监测点的个数。
监测点在某一时刻的温度变化量与其临近监测点在同一时刻的温度变化量之间的差异越小，并且该监测点在该时刻对应的温度变化量之间与其他监测点的温度变化量之间的差异越大，表示该监测点在该时刻对应的温度变化量越疑似为储氢罐内胆形变引起的局部温度异常，则该监测点在该时刻对应的温度变化量数据的区域差异程度的值越大。
通过上述步骤计算得到温度变化量的时间差异程度和区域差异程度，进一步基于时间差异程度和区域差异程度计算得到每一温度数据序列对应的温度数据变化序列的温度异常程度。计算方式为：
上式中：表示监测点/>对应的温度变化数据序列/>的温度异常度；、/>分别表示监测点/>在第/>个时刻的温度变化量数据的时间差异程度、区域差异程度；/>表示在实际监测周期中时刻的个数；/>为归一化函数，作用为对括号内的数值进行归一化。监测点对应的温度变化数据序列/>中各个数据的时间差异程度、区域差异程度越大，表示该监测点对应的温度变化数据序列越异常，则温度异常度/>的值越大。
步骤S33：计算实际监测周期内每一应变力数据序列对应的应变力数据变化序列。
其中，所述应变力数据变化序列包括监测点在实际监测周期中每一时刻的应变力变化量。
具体的，应变力数据变化序列的计算方式请参照上述步骤S31，在此不再赘述。
步骤S34：基于监测点在实际监测周期内第t个时刻的应变力变化量的时间差异程度，和监测点在实际监测周期中第t个时刻的应变力变化量的区域差异程度计算得到每一应变力数据序列对应的应变力数据变化序列的应变力异常程度。
具体的，基于监测点在t时刻的应变力变化量、监测点在实际监测周期内所有时刻的应变力变化量的均值、第个监测点在第/>个时刻的应变力变化量；第/>个监测点在实际监测周期内所有时刻的应变力变化量的均值、监测点在实际监测周期内所有时刻的应变力变化量的熵以及实际监测周期中时刻的个数和监测点的个数计算监测点在实际监测周期内第t个时刻的应变力变化量的时间差异程度。
基于监测点在t时刻的应变力变化量、监测点的所有临近监测点的应变力变化量的均值，监测点在t时刻的应变力变化量以及监测点的个数计算监测点在实际监测周期中第t个时刻的应变力变化量的区域差异程度。
应变力变化量的时间差异程度和区域差异程度的计算方式与温度变化量的时间差异程度和区域差异程度计算方式相同，具体请参照上述步骤S32，在此不再赘述。
进一步的，基于应变力变化量的时间差异程度和区域差异程度计算得到每一应变力数据序列对应的应变力数据变化序列的应变力异常程度的方式与温度异常程度的计算方式相同，具体请参照上述步骤S32，在此不再赘述。
通过上述步骤，可以计算得到应变力异常程度和温度异常程度。基于温度异常程度计算得到第一区间划分数量。基于应变力异常程度计算得到第二区间划分数量。具体的，以温度异常程度计算第一区间划分数量为例，计算方式为：
上式中：监测点/>对应的温度变化数据序列/>的温度异常度；/>、/>表示区间划分因子，作用为确定各个检测点对应的温度变化数据序列所需划分的区间个数，/>、分别取经验值分别为8和6；/>为取整函数，作用为将括号内的值进行四舍五入，使区间个数保证为整数。当监测点对应的温度变化数据序列/>的温度异常度/>的值越大时，表示该温度变化数据序列/>包含的异常数据点越多，则该温度变化数据序列/>在进行异常检测的过程中被划分出的区间个数越多。
应变力异常程度计算第二区间划分数量的方式与上述相同，在此不再赘述。
步骤S14：利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述温度数据序列进行异常监测。
具体的，利用HBOS异常监测算法基于所述第一区间划分数量计算温度数据序列对应的温度数据变化序列中各个数据点的HBOS值。如果数据点的HBOS值大于温度异常监测阈值，确认监测点在该数据点对应的时刻温度异常，得到异常温度数据集合。
利用HBOS异常监测算法基于所述第二区间划分数量计算应变力数据序列对应的应变力数据变化序列中各个数据点的HBOS值；如果数据点的HBOS值大于应变力监测阈值，确认监测点在该数据点对应的时刻应变力异常，得到异常应变力数据集合。
在一具体实施例中，以第一区间划分数量作为自适应区间个数，使用HBOS异常检测算法计算各个监测点对应的温度变化数据序列/>中各数据点的HBOS值。对获得的所有数据点对应的HBOS值进行归一化，将归一化后的数值记为/>。设置一个温度异常检测阈值/>，/>取经验值为0.9，当监测点在某一时刻的温度变化量的HBOS值/>时，则认为该监测点在该时刻的温度数据为异常温度数据，否则认为该温度数据为在正常浮动范围内变化的温度数据。将得到的异常温度数据归到异常温度数据集合/>中，并对每个异常温度数据进行监测点位置和时间的标记。
同时，以相同的方法，获取各个监测点对应的应变力变化数据序列中的异常应变力数据，将得到的异常应变力数据归到异常应变力数据集合/>中，并对每个异常应变力数据进行监测点位置和时间的标记。
基于所述异常温度数据集合和所述异常应变力数据集合确定储氢罐是否存储安全隐患。具体的，由于储氢罐的内胆发生形变时，同一形变区域的温度和压力都会发生异常，则将异常温度数据集合和异常应变力数据集合/>中具有相同监测点位置标签的数据点划分出来，得到形变数据点集合/>和/>，即储氢罐的内胆发生形变时的数据点集合。
输出形变数据点集合和/>以及这些数据点对应的监测点和时刻，若集合/>和不为空集合，则发出警报，来对相关工作人员进行提示，及时排查安全隐患，保障储氢罐充氢过程的安全进行。
本发明提出的储氢罐安全状态实时监控方法，针对HBOS算法在进行异常数据检测时，因各个维度数据的区间划分个数相同而导致异常数据点的误报和漏报的问题，基于储氢罐的充氢过程中的相关运行数据的分布特点和储氢罐充氢过程的特征，对各个数据序列的位置分布和时间分布的情况进行分析，构建出各个数据序列的异常度，并基于异常度来自适应的得到各个数据序列的划分区间，利用HBOS算法对储氢罐的相关运行数据进行后续的异常数据检测，提高了HBOS算法检测异常数据的准确性。
请参见图4，为本发明储氢罐安全状态实时监控系统的一实施例的结构示意图，具体包括：采集模块41、压缩时刻确定模块42、计算模块43以及监测模块44。
本申请的储氢罐中包括b1×b2个监测点。
采集模块41用于利用所述温度传感器采集储氢罐内监测点在初始监测周期内的温度数据序列，以及利用应变力传感器应变力数据序列；其中，所述初始监测周期包括b1×b2个应变力数据序列和b1×b2个温度数据序列，每一所述温度变化序列中包括监测点在初始监测周期内每一时刻的温度数据，每一所述应变力数据序列中包括监测点在初始监测周期内每一时刻的应变力数据。
压缩时刻确定模块42用于基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻。
计算模块43用于基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量。
监测模块44用于利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述温度数据序列进行异常监测。
以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (5)

1.一种储氢罐安全状态实时监控方法，其特征在于，所述储氢罐中包括b1×b2个监测点；所述监控方法包括：
采集储氢罐内监测点在初始监测周期内的温度数据序列和应变力数据序列；其中，所述初始监测周期包括b1×b2个应变力数据序列和b1×b2个温度数据序列，每一所述温度变化序列中包括监测点在初始监测周期内每一时刻的温度数据，每一所述应变力数据序列中包括监测点在初始监测周期内每一时刻的应变力数据；
基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻；
基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量；
利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述应变力数据序列进行异常监测；
基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻，包括：
确定每一应变力数据序列的极值点对应的时刻，其中，极值点对应的时刻为初始监测周期中疑似氢气开始压缩的压缩时刻；
基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数；
基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻；
基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数，包括：
利用STL分解算法基于每一应变力数据序列计算每一应变力数据序列对应的应变力趋势项数据序列，并基于应变力趋势项数据序列计算得到应变力趋势项变化数据序列；
基于应变力趋势项变化数据序列中第时刻的数据点的值与第一均值的差值计算第一参考值；所述第一均值为应变力趋势项变化数据序列中前/>个时刻的数据点的值的均值；其中，/>表示极值点对应的时刻；
基于应变力趋势项变化数据序列中第时刻的数据点的值与第二均值的差值计算第二参考值；所述第二均值为应变力趋势项变化数据序列中后/>个时刻的数据点的值的均值；
分别将应变力数据序列中前个时刻的数据点和后/>个时刻的数据点进行线性拟合，得到的拟合直线的斜率为第一斜率和第二斜率，并确定两组被拟合的数据点的变化趋势的标准波动程度；
基于第一参考值、第二参考值、第一斜率、第二斜率和标准波动程度计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数；
基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻，包括：
基于初始监测周期中所有的应变力数据序列的区域压缩时刻监测系数之和和应变力数据序列的个数计算初始监测周期的压缩时刻为氢气压缩时刻的概率；
基于初始监测周期的压缩时刻为氢气压缩时刻的概率确定初始监测周期的压缩时刻；
从第一个初始监测周期开始，如果所述初始监测周期的压缩时刻不等于0，则将所述初始监测周期的压缩时刻确认为氢气开始压缩的压缩时刻；否则计算第二个初始监测周期的压缩时刻；
基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量，包括：
确定所述压缩时刻所在的初始监测周期中的位置，将该初始监测周期中自压缩时刻之后的温度数据序列和应变力数据序列与下一个初始监测周期中的温度数据序列和应变力数据序列合并，并将合并后的数据对应的监测周期和压缩时刻所在的初始监测周期之后的初始监测周期作为实际监测周期；
基于实际监测周期内每一温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于实际监测周期内每一应变力数据序列对应的应变力异常程度计算得到第二区间划分数量;
利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，包括：
利用HBOS异常监测算法基于所述第一区间划分数量计算温度数据序列对应的温度数据变化序列中各个数据点的HBOS值；
如果数据点的HBOS值大于温度异常监测阈值，确认监测点在该数据点对应的时刻温度异常，得到异常温度数据集合；
利用HBOS异常监测算法基于所述第二区间划分数量对所述应变力数据序列进行异常监测，包括：
利用HBOS异常监测算法基于所述第二区间划分数量计算应变力数据序列对应的应变力数据变化序列中各个数据点的HBOS值；
如果数据点的HBOS值大于应变力监测阈值，确认监测点在该数据点对应的时刻应变力异常，得到异常应变力数据集合；
所述方法还包括：
基于所述异常温度数据集合和所述异常应变力数据集合确定储氢罐是否存储安全隐患。
2.根据权利要求1所述的一种储氢罐安全状态实时监控方法，其特征在于，所述方法还包括：
计算实际监测周期内每一温度数据序列对应的温度数据变化序列，所述温度数据变化序列包括监测点在实际监测周期中每一时刻的温度变化量；
基于监测点在实际监测周期内第t个时刻的温度变化量的时间差异程度，和监测点在实际监测周期中第t个时刻的温度变化量的区域差异程度计算得到每一温度数据序列对应的温度数据变化序列的温度异常程度；
计算实际监测周期内每一应变力数据序列对应的应变力数据变化序列，所述应变力数据变化序列包括监测点在实际监测周期中每一时刻的应变力变化量；
基于监测点在实际监测周期内第t个时刻的应变力变化量的时间差异程度，和监测点在实际监测周期中第t个时刻的应变力变化量的区域差异程度计算得到每一应变力数据序列对应的应变力数据变化序列的应变力异常程度。
3.根据权利要求2所述的一种储氢罐安全状态实时监控方法，其特征在于，计算监测点在实际监测周期内第t个时刻的温度变化量的时间差异程度，包括：
基于监测点在t时刻的温度变化量、监测点在实际监测周期内所有时刻的温度变化量的均值、第个监测点在第/>个时刻的温度变化量；第/>个监测点在实际监测周期内所有时刻的温度变化量的均值、监测点在实际监测周期内所有时刻的温度变化量的熵以及实际监测周期中时刻的个数和监测点的个数计算监测点在实际监测周期内第t个时刻的温度变化量的时间差异程度；
计算监测点在实际监测周期内第t个时刻的应变力变化量的时间差异程度，包括：
基于监测点在t时刻的应变力变化量、监测点在实际监测周期内所有时刻的应变力变化量的均值、第个监测点在第/>个时刻的应变力变化量；第/>个监测点在实际监测周期内所有时刻的应变力变化量的均值、监测点在实际监测周期内所有时刻的应变力变化量的熵以及实际监测周期中时刻的个数和监测点的个数计算监测点在实际监测周期内第t个时刻的应变力变化量的时间差异程度。
4.根据权利要求2所述的一种储氢罐安全状态实时监控方法，其特征在于，计算监测点在实际监测周期中第t个时刻的温度变化量的区域差异程度，包括：
基于监测点在t时刻的温度变化量、监测点的所有临近监测点的温度变化量的均值，第s个监测点在t时刻的温度变化量以及监测点的个数计算监测点在实际监测周期中第t个时刻的温度变化量的区域差异程度；其中，监测点的临近监测点包括监测点的8邻域监测点；
计算监测点在实际监测周期中第t个时刻的应变力变化量的区域差异程度，包括：
基于监测点在t时刻的应变力变化量、监测点的所有临近监测点的应变力变化量的均值，监测点在t时刻的应变力变化量以及监测点的个数计算监测点在实际监测周期中第t个时刻的应变力变化量的区域差异程度。
5.一种储氢罐安全状态实时监控系统，其特征在于，所述储氢罐中包括b1×b2个监测点；所述系统包括：
采集模块，用于利用温度传感器采集储氢罐内监测点在初始监测周期内的温度数据序列，以及利用应变力传感器应变力数据序列；其中，所述初始监测周期包括b1×b2个应变力数据序列和b1×b2个温度数据序列，每一所述温度变化序列中包括监测点在初始监测周期内每一时刻的温度数据，每一所述应变力数据序列中包括监测点在初始监测周期内每一时刻的应变力数据；
压缩时刻确定模块，用于基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻；
计算模块，用于基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量；
监测模块，用于利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述应变力数据序列进行异常监测；
基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻，包括：
确定每一应变力数据序列的极值点对应的时刻，其中，极值点对应的时刻为初始监测周期中疑似氢气开始压缩的压缩时刻；
基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数；
基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻；
基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数，包括：
利用STL分解算法基于每一应变力数据序列计算每一应变力数据序列对应的应变力趋势项数据序列，并基于应变力趋势项数据序列计算得到应变力趋势项变化数据序列；
基于应变力趋势项变化数据序列中第时刻的数据点的值与第一均值的差值计算第一参考值；所述第一均值为应变力趋势项变化数据序列中前/>个时刻的数据点的值的均值；其中，/>表示极值点对应的时刻；
基于应变力趋势项变化数据序列中第时刻的数据点的值与第二均值的差值计算第二参考值；所述第二均值为应变力趋势项变化数据序列中后/>个时刻的数据点的值的均值；
分别将应变力数据序列中前个时刻的数据点和后/>个时刻的数据点进行线性拟合，得到的拟合直线的斜率为第一斜率和第二斜率，并确定两组被拟合的数据点的变化趋势的标准波动程度；
基于第一参考值、第二参考值、第一斜率、第二斜率和标准波动程度计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数；
基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻，包括：
基于初始监测周期中所有的应变力数据序列的区域压缩时刻监测系数之和和应变力数据序列的个数计算初始监测周期的压缩时刻为氢气压缩时刻的概率；
基于初始监测周期的压缩时刻为氢气压缩时刻的概率确定初始监测周期的压缩时刻；
从第一个初始监测周期开始，如果所述初始监测周期的压缩时刻不等于0，则将所述初始监测周期的压缩时刻确认为氢气开始压缩的压缩时刻；否则计算第二个初始监测周期的压缩时刻；
基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量，包括：
确定所述压缩时刻所在的初始监测周期中的位置，将该初始监测周期中自压缩时刻之后的温度数据序列和应变力数据序列与下一个初始监测周期中的温度数据序列和应变力数据序列合并，并将合并后的数据对应的监测周期和压缩时刻所在的初始监测周期之后的初始监测周期作为实际监测周期；
基于实际监测周期内每一温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于实际监测周期内每一应变力数据序列对应的应变力异常程度计算得到第二区间划分数量;
利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，包括：
利用HBOS异常监测算法基于所述第一区间划分数量计算温度数据序列对应的温度数据变化序列中各个数据点的HBOS值；
如果数据点的HBOS值大于温度异常监测阈值，确认监测点在该数据点对应的时刻温度异常，得到异常温度数据集合；
利用HBOS异常监测算法基于所述第二区间划分数量对所述应变力数据序列进行异常监测，包括：
利用HBOS异常监测算法基于所述第二区间划分数量计算应变力数据序列对应的应变力数据变化序列中各个数据点的HBOS值；
如果数据点的HBOS值大于应变力监测阈值，确认监测点在该数据点对应的时刻应变力异常，得到异常应变力数据集合；
基于所述异常温度数据集合和所述异常应变力数据集合确定储氢罐是否存储安全隐患。
CN202310883128.6A 2023-07-19 2023-07-19 一种储氢罐安全状态实时监控方法及系统 Active CN116608904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310883128.6A CN116608904B (zh) 2023-07-19 2023-07-19 一种储氢罐安全状态实时监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310883128.6A CN116608904B (zh) 2023-07-19 2023-07-19 一种储氢罐安全状态实时监控方法及系统

Publications (2)

Publication Number Publication Date
CN116608904A CN116608904A (zh) 2023-08-18
CN116608904B true CN116608904B (zh) 2023-09-26

Family

ID=87685674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310883128.6A Active CN116608904B (zh) 2023-07-19 2023-07-19 一种储氢罐安全状态实时监控方法及系统

Country Status (1)

Country Link
CN (1) CN116608904B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116804412B (zh) * 2023-08-22 2023-12-01 济宁鲁威液压科技股份有限公司 一种液压系统的监测数据处理方法
CN117782364B (zh) * 2024-02-28 2024-05-03 西瑞思创(西安)实验仪器有限公司 一种高通量自动材料快筛反应器的实时监测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007303931A (ja) * 2006-05-10 2007-11-22 Matsushita Electric Works Ltd 異常監視方法
CN112819097A (zh) * 2021-02-26 2021-05-18 浙大城市学院 一种加氢站中氢能设备的风险评价方法
CN113586949A (zh) * 2021-08-04 2021-11-02 上海氢枫能源技术有限公司 储氢瓶组寿命的监控方法及系统
CN115234830A (zh) * 2022-06-29 2022-10-25 潍柴动力股份有限公司 一种加氢方法及加氢站
CN115597784A (zh) * 2022-10-29 2023-01-13 重庆长安新能源汽车科技有限公司（Cn） 一种燃料电池汽车氢气泄露监测方法、装置、设备及介质
CN116400126A (zh) * 2023-06-08 2023-07-07 广东佰林电气设备厂有限公司 一种具有数据处理系统的低压电力箱

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007303931A (ja) * 2006-05-10 2007-11-22 Matsushita Electric Works Ltd 異常監視方法
CN112819097A (zh) * 2021-02-26 2021-05-18 浙大城市学院 一种加氢站中氢能设备的风险评价方法
CN113586949A (zh) * 2021-08-04 2021-11-02 上海氢枫能源技术有限公司 储氢瓶组寿命的监控方法及系统
CN115234830A (zh) * 2022-06-29 2022-10-25 潍柴动力股份有限公司 一种加氢方法及加氢站
CN115597784A (zh) * 2022-10-29 2023-01-13 重庆长安新能源汽车科技有限公司（Cn） 一种燃料电池汽车氢气泄露监测方法、装置、设备及介质
CN116400126A (zh) * 2023-06-08 2023-07-07 广东佰林电气设备厂有限公司 一种具有数据处理系统的低压电力箱

Also Published As

Publication number Publication date
CN116608904A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN116608904B (zh) 一种储氢罐安全状态实时监控方法及系统
CN109239265B (zh) 监测设备故障检测方法及装置
CN109298697B (zh) 基于动态基线模型的火电厂系统各部件工作状态评估方法
Aydemir et al. Anomaly monitoring improves remaining useful life estimation of industrial machinery
US6973396B1 (en) Method for developing a unified quality assessment and providing an automated fault diagnostic tool for turbine machine systems and the like
CN107949813B (zh) 制造设备诊断辅助装置及制造设备诊断辅助方法
Xing et al. A framework for dynamic risk assessment with condition monitoring data and inspection data
CN109996615A (zh) 轧制设备的异常诊断方法及装置
US20180130032A1 (en) Condition based preventive maintenance apparatus and method for large operation system
CN116881745B (zh) 基于大数据的压力变送器异常监测方法
TWI645275B (zh) 製造設備之異常診斷裝置
US20110153273A1 (en) Device and method for monitoring a gas turbine
CN112257943A (zh) 一种基于mset和偏离度的电厂引风机故障预警方法
CN115311829B (zh) 一种基于海量数据的精准告警方法及系统
CN115314498A (zh) 一种基于人工智能的工业锅炉运行在线实时监测预警云平台
CN114936520A (zh) 基于改进mset的汽轮机故障预警分析方法
CN112879388A (zh) 一种液压系统的非正常泄漏检测方法
JP6685124B2 (ja) 診断装置及び診断方法
CN107562041A (zh) 转辙机故障预警方法、装置、设备及计算机可读存储介质
KR20180100016A (ko) 가우시안 혼합 모델을 이용한 배터리 상태 모니터링 방법 및 장치
CN114026513A (zh) 故障预兆诊断装置及其方法
JP4782734B2 (ja) プラント用計測器校正支援装置及びプラント用計測器校正支援方法
CN114495438A (zh) 基于多传感器的灾害预警方法、系统、设备及存储介质
TWI745912B (zh) 高爐之異常判定裝置、高爐之異常判定方法及高爐之操作方法
CN113530619A (zh) 基于润滑油系统参数相关性分析的汽机跳机征兆捕捉方法

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