CN116974268A - 一种控制系统电路智能化监测预警方法 - Google Patents
一种控制系统电路智能化监测预警方法 Download PDFInfo
- Publication number
- CN116974268A CN116974268A CN202311211405.5A CN202311211405A CN116974268A CN 116974268 A CN116974268 A CN 116974268A CN 202311211405 A CN202311211405 A CN 202311211405A CN 116974268 A CN116974268 A CN 116974268A
- Authority
- CN
- China
- Prior art keywords
- module
- relevance
- current data
- representing
- abnormal
- 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 48
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 178
- 230000005856 abnormality Effects 0.000 claims abstract description 97
- 238000010606 normalization Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及物理检测技术领域,具体涉及一种控制系统电路智能化监测预警方法,包括:获取每个模块的电流数据序列和额定电流数据;根据每两个模块的电流数据序列得到每个模块的关联性序列;对关联性序列得到每个模块的关联模块;获取候选异常模块,计算每个候选异常模块的异常程度,根据异常程度得到每个候选异常模块的第一可能模块,获取每个第一可能模块的关联模块的异常判定指标,根据第一可能模块的关联模块的异常判定指标得到异常模块;根据异常模块进行预警处理。从而实现准确的获得系统中的异常模块,进而提高预警的准确性。
Description
技术领域
本发明涉及物理检测技术领域,具体涉及一种控制系统电路智能化监测预警方法。
背景技术
控制系统是指由各个模块(包括传感器、执行器、控制器等)组成的一种系统,用于管理、调节和控制特定过程或系统的运行。控制系统旨在通过对系统输入和输出进行监测和调节,使系统能够按照预定的目标和要求进行运行。随着科技的发展,智能化和数字化的控制系统成为目前的发展趋势,一种控制系统电路智能化监测预警方法是指对控制系统中的各模块电路进行实时监测,通过对监测异常的部分进行预警,以避免严重的故障导致系统停机或损失。这有助于提高系统的可靠性和稳定性,确保系统的正常运行。
传统异常监测方法一般是通过对系统中各模块的电流、电压进行监测,通过各模块的电流、电压进行分析来判断各模块的是否存在异常。由于系统中各模块的电流、电压数据是互相影响的,一些模块异常不仅会造成本模块的电流、电压数据出现异常,还有可能造成其他非异常模块的电流、电压出现异常,因而只通过一个模块的电流、电压数据对该模块进行异常判定不够准确。因而需要排除关联模块异常造成的异常干扰,实现准确的异常模块判定。
发明内容
本发明提供一种控制系统电路智能化监测预警方法,以解决现有的问题:如何排除关联模块异常导致的异常误判,实现准确的模块异常监测。
本发明的一种控制系统电路智能化监测预警方法采用如下技术方案:
本发明一个实施例提供了一种控制系统电路智能化监测预警方法,该方法包括以下步骤:
获取每个模块的电流数据序列和额定电流数据;
根据每两个模块的电流数据序列相关性情况得到每两个模块的关联性值,根据每两个模块的关联性值得到每个模块的关联性序列;根据关联性序列中各关联性值与相邻关联性值的差异得到每个模块的每个关联性值的分界可能性;根据分界可能性对每个模块的关联性序列进行分割得到每个模块的多个关联性子序列;计算每个关联性子序列的综合关联性,根据每个关联性子序列的综合关联性得到每个模块的关联模块;
根据每个模块的电流数据序列和额定电流数据获取候选异常模块,计算每个候选异常模块的异常程度,根据每个模块的关联模块以及每个候选异常模块的异常程度得到每个候选异常模块的第一可能模块,计算第一可能模块的每个关联模块的被干扰程度,根据每个模块的关联模块以及第一可能模块的每个关联模块的被干扰程度得到每个第一可能模块的关联模块的异常判定指标,根据第一可能模块的关联模块的异常判定指标得到异常模块;
根据异常模块进行预警处理。
优选的,所述根据每两个模块的电流数据序列相关性情况得到每两个模块的关联性值,根据每两个模块的关联性值得到每个模块的关联性序列,包括的具体方法为:
;
其中,表示第x个模块的电流数据序列中第i个电流数据,表示第y个模块
的电流数据序列中第i个电流数据,表示第x个模块的电流数据序列中第j1个电流数
据,表示第y个模块的电流数据序列中第j2个电流数据,表示第x个模块的电流数
据序列中所有电流数据的均值,表示第y个模块的电流数据序列中所有电流数据的均
值;N表示每个模块的电流数据序列中包含的电流数据的个数,表示第x个模块的第z个
电流数据与前一个电流数据的差值,表示第y个模块的第z个电流数据与前一个电流数
据的差值,exp()表示以自然常数为底的指数函数,表示利用线性归一化方法进行归
一化处理,表示第x个模块与第y个模块的关联性值;
将每个模块与其他M-1个模块的关联性值进行升序排列得到每个模块的关联性序列,M表示系统中包含模块的个数。
优选的,所述根据关联性序列中各关联性值与相邻关联性值的差异得到每个模块的每个关联性值的分界可能性;根据分界可能性对每个模块的关联性序列进行分割得到每个模块的多个关联性子序列,包括的具体方法为:
将每个模块的关联性序列中各元素称为每个模块的关联性值,计算每个模块的各关联性值的分界可能性的方法为:
;
其中,表示第m个模块的第个关联性值与前一个关联性值的差值绝对值,表示第m个模块的第个关联性值与后一个关联性值的差值绝对值,表示第m
个模块的第个关联性值,表示第m个模块的第个关联性值,表示系统中包含
模块的个数,表示并且符号,表示第m个模块的第个关联性值的分界可能性,
表示利用线性归一化方法进行归一化处理;
将分界可能性大于预设分界可能性阈值Y1的关联性值作为每个模块的分界关联性值,以每个模块的分界关联性值作为分割点,将每个模块的关联性序列分割成每个模块的多个关联性子序列。
优选的,所述计算每个关联性子序列的综合关联性,根据每个关联性子序列的综合关联性得到每个模块的关联模块,包括的具体方法为:
;
其中,表示第m个模块的第q个关联性子序列中第r个关联性值,表
示第m个模块的第g个关联性子序列中第r个关联性值,表示第m个模块的第q个关联性
子序列中包含关联性值的个数,表示第m个模块的第g个关联性子序列中包含关联性
值的个数,表示第m个模块的关联性子序列的个数,表示利用线性归一化方法进
行归一化处理,表示第m个模块的第q个关联性子序列的综合关联性;
将任意一个模块记为目标模块,将目标模块的关联性子序列中每个关联性值对应的非目标模块构成每个关联性子序列的关联程度类别;
将每个模块的最大综合关联性的关联性子序列对应的关联程度类别作为每个模块的最佳关联类别,将每个模块的最佳关联类别中各模块均称为每个模块的关联模块。
优选的,所述根据每个模块的电流数据序列和额定电流数据获取候选异常模块,包括的具体方法为:
所述每个模块的电流数据序列中包含每个模块的多个电流数据;
计算每个模块每个电流数据与额定电流数据的差值绝对值,记为每个模块每个电流数据的电流偏差,利用最大值最小值归一化方法对每个模块每个电流数据的电流偏差进行归一化处理得到归一化后的每个模块每个电流数据的电流偏差,将归一化后的电流数据的电流偏差大于预设电流偏差阈值的模块作为候选异常模块。
优选的,所述计算每个候选异常模块的异常程度,包括的具体方法为:
;
其中,表示第w个候选异常模块的电流数据序列中第h个电流数据,表示第
w个候选异常模块的额定电流数据,表示第w个候选异常模块的电流数据序列中第v个
电流数据,N表示每个候选异常模块的电流数据序列中包含电流数据的个数,表示候选异
常模块的电流数据序列中第h个电流数据,表示第w个候选异常模块的异常程度。
优选的,所述根据每个模块的关联模块以及每个候选异常模块的异常程度得到每个候选异常模块的第一可能模块,包括的具体方法为:
将每个候选异常模块及所有的关联模块构成每个候选异常模块的关联模块集合,将每个候选异常模块的关联模块集合中最大异常程度对应的模块作为每个候选异常模块的第一可能模块。
优选的,所述计算第一可能模块的每个关联模块的被干扰程度,包括的具体方法为:
;
其中,表示第m个候选异常模块的第一可能模块,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的额定电流数据,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的第t个电流数据,N表示每个模块的电流数据个数,/>表示第m个候选异常模块的第一可能模块与第b个关联模块的关联性值,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的被干扰程度。
优选的,所述根据每个模块的关联模块以及第一可能模块的每个关联模块的被干扰程度得到每个第一可能模块的关联模块的异常判定指标,根据第一可能模块的关联模块的异常判定指标得到异常模块,包括的具体方法为:
对于任意一个候选异常模块,将第一可能模块的所有关联模块的被干程度累加和记为第一可能模块的第一累加和,将第一可能模块的每个关联模块的干扰程度与第一累加和的比值作为第一可能模块的每个关联模块的异常判定指标;
对于任意一个候选异常模块,获取第一可能模块的关联模块的个数,将每个第一可能模块的关联模块的个数减一后取倒数得到第一可能模块的关联模块的异常判定指标阈值;当第一可能模块的每个关联模块的异常判定指标大于异常判定指标阈值时,将第一可能模块的每个关联模块判定为异常模块,当第一可能模块的每个关联模块的异常判定指标小于等于异常判定指标阈值时,将第一可能模块作为异常模块。
优选的,所述根据异常模块进行预警处理,包括的具体方法为:
对于任意一个异常模块,获取该异常模块对应编号B,预警系统发出警报声音“B模块存在异常”。
本发明的技术方案的有益效果是:获取每个模块的电流数据序列和额定电流数据;
根据每两个模块的电流数据序列相关性情况得到每两个模块的关联性值,根据每两个模块的关联性值得到每个模块的关联性序列;根据关联性序列中各关联性值与相邻关联性值的差异得到每个模块的每个关联性值的分界可能性;根据分界可能性对每个模块的关联性序列进行分割得到每个模块的多个关联性子序列;计算每个关联性子序列的综合关联性,根据每个关联性子序列的综合关联性得到每个模块的关联模块;根据每个模块的电流数据序列和额定电流数据获取候选异常模块,计算每个候选异常模块的异常程度,根据每个模块的关联模块以及每个候选异常模块的异常程度得到每个候选异常模块的第一可能模块,计算第一可能模块的每个关联模块的被干扰程度,根据每个模块的关联模块以及第一可能模块的每个关联模块的被干扰程度得到每个第一可能模块的关联模块的异常判定指标,根据第一可能模块的关联模块的异常判定指标得到异常模块;根据异常模块进行预警处理。从而排除关联模块异常导致的异常误判,实现准确的模块异常监测,提高预警的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种控制系统电路智能化监测预警方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种控制系统电路智能化监测预警方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种控制系统电路智能化监测预警方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种控制系统电路智能化监测预警方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取每个模块的电流数据序列和额定电流数据。
需要说明的是,由于系统中各模块之间会存在互相影响,一个模块异常不仅会造成本模块电流数据的异常,还会造成与之相关联的模块出现电流异常,因而仅通过对一个模块的电流数据进行分析,很容易将一些关联模块误判为异常模块。例如计算机主板上的CPU、内存、硬盘驱动器等模块会由共享电源供电,当CPU的负载变化较大时,CPU出现电流异常,CPU的电流异常对共享电源产生影响,共享电源进一步影响内存、硬盘等电流数据,使内存、硬盘等电流数据出现异常,因而从电流数据来说CPU、硬盘和内存均存在异常电流数据,而实际上只有CPU存在异常,因而通过对电流数据进行异常分析,很容易将硬盘、内存误判为异常模块。
具体的,为了实现本实施例提出的一种控制系统电路智能化监测预警方法,首先需要采集每个模块的电流数据序列以及额定电流数据,具体过程为:在每个模块中布置电流传感器,利用电流传感器每间隔1秒采集一次电流数据,采集N次电流数据,将每个模块的电流传感器采集的N次电流数据按时间先后顺序排列得到每个模块的电流数据序列。将每个模块的电流数据序列中各元素称为每个模块各时刻的电流数据。获取每个模块的额定电流数据。
至此,通过上述方法得到每个模块的电流数据序列。
步骤S002:根据每个模块的电流数据序列得到每个模块的关联性序列,根据每个模块的关联性序列得到每个模块的所有关联模块。
需要说明的是,为了排除关联模块对每个模块异常判定的干扰,需先获取每个模块的关联模块。
具体的,根据每个模块的电流数据序列得到每两个模块的关联程度的具体计算方法为:
;
其中,表示第x个模块的电流数据序列中第i个电流数据,表示第y个模块
的电流数据序列中第i个电流数据,表示第x个模块的电流数据序列中第j1个电流数
据,表示第y个模块的电流数据序列中第j2个电流数据,表示第x个模块的电流数
据序列中所有电流数据的均值,表示第y个模块的电流数据序列中所有电流数据的均
值;N表示每个模块的电流数据序列中包含的电流数据的个数,表示第x个模块与第y个模块的电流数据序列
的皮尔逊相关系数的绝对值,该值越大说明第x个模块与第y个模块的关联性较大,表
示第x个模块的第z个电流数据与前一个电流数据的差值,表示第y个模块的第z个电流
数据与前一个电流数据的差值,反映了第x个模块与第y个模块的第z个电流
数据的变动差异性,该值越大说明第x个模块与第y个模块的关联性越小,exp()表示以自
然常数为底的指数函数,表示利用线性归一化方法进行归一化处理,表示第x
个模块与第y个模块的关联性值。
进一步的,将每个模块与其他M-1个模块的关联性值进行升序排列得到每个模块的关联性序列。M表示系统中包含模块的个数。
需要说明的是,由于每个模块与其他模块的关联性值不同,其中关联性值相近的模块属于同一关联程度类别,因而基于此来先获取每个模块的多个关联程度类别。进行关联程度类别划分时,分类的边界点应该为关联性值变动较大的点,因而根据每个模块的关联性值序列中各关联性值的变动情况得到每个模块的各关联性值的分界可能性。
进一步的,将每个模块的关联性序列中各元素称为每个模块的关联性值,计算每个模块的各关联性值的分界可能性的方法为:
;
其中,表示第m个模块的第个关联性值与前一个关联性值的差值绝对值,表示第m个模块的第个关联性值与后一个关联性值的差值绝对值,
反映了第m个模块的第个关联性值的前后变动差异性,该值越大说明第m个模块关联性序
列以第个关联性值为分界点两侧数据的变化规律发生较大变化,因而第个关联性值为
两个类别的分界点的可能性较大,因而第个关联性值的分界可能性较大。表示第m
个模块的第个关联性值,表示第m个模块的第个关联性值,反映了第m个模块的第l个关联性值与第个关联性值的差异情况,
该值越大说明第个关联性值为两个类别的分界点的可能性较大。表示系统中包含模块
的个数。表示并且符号。表示第m个模块的第个关联性值的分界可能性。表示
利用线性归一化方法进行归一化处理。
进一步的,将分界可能性大于预设分界可能性阈值Y1的关联性值作为每个模块的分界关联性值,本实施例以Y1取0.75为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。以每个模块的分界关联性值作为分割点,将每个模块的关联性序列分割成每个模块的多个关联性子序列。需要说明的是,每个关联性子序列中包含前面一个分割点。
至此,完成对每个模块的关联性序列的分割得到每个模块的多个关联性子序列,下面基于每个模块的关联性子序列对模块分类。
进一步的,对于任意一个模块记为目标模块,将目标模块的关联性子序列中每个关联性值对应的非目标模块构成每个关联性子序列的关联程度类别,同理获取目标模块的所有关联性子序列的关联程度类别。
同理得到每个模块的关联性子序列的关联程度类别。
至此完成对模块进行分类得到每个模块的关联程度类别。下面需根据每个模块与每个关联程度类别的关联性情况得到每个模块的关联模块。
进一步的,获取每个模块的每个关联性子序列的综合关联性的计算方法为:
;
其中,表示第m个模块的第q个关联性子序列中第r个关联性值,表
示第m个模块的第g个关联性子序列中第r个关联性值,表示第m个模块的第q个关联性
子序列中包含关联性值的个数,表示第m个模块的第g个关联性子序列中包含关联性
值的个数,表示第m个模块的关联性子序列的个数。表示利用线性归一化方法进行
归一化处理。表示第m个模块的第q个关联性子序列的综合关联性,反映了第m个模块的第q个关联性子序列的关联性值均值在所
有关联性子序列中所占的比例,该值越大说明该关联性子序列的综合关联性较大。
将每个模块的综合关联性最大的关联性子序列对应的关联程度类别作为每个模块的最佳关联类别。将每个模块的最佳关联类别中各模块均称为每个模块的关联模块。
至此,得到每个模块的关联模块。
步骤S003:获取所有的候选异常模块,根据每个模块的额定电流数据计算每个候选异常模块的异常程度,根据每个候选异常模块的异常程度和每个模块的关联模块得到每个候选异常模块的第一分析模块,计算第一分析模块的每个关联模块的被干扰程度,根据第一分析模块的每个关联模块的被干扰程度得到异常模块。
需要说明的是,在所有模块中部分模块的电流数据呈现异常现象,在电流数据呈现异常的所有模块中,一部分模块是受其他异常模块的干扰造成的电流异常现象,而非本模块异常造成的电流异常现象,因而需排除其中的受异常干扰的模块,获取准确的异常模块。首先根据电流数据的异常情况获取候选异常模块,然后对每个候选异常模块的受干扰情况进行分析,在候选异常模块中获取准确的异常模块。
具体的,计算每个模块每个电流数据与额定电流数据的差值绝对值,记为每个模
块每个电流数据的电流偏差,利用最大值最小值归一化方法对每个模块每个电流数据的电
流偏差进行归一化处理得到归一化后的每个模块每个电流数据的电流偏差。将归一化后的
电流数据的电流偏差大于预设电流偏差阈值的模块作为候选异常模块。本实施例以Y2取
0.4为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
至此,得到候选异常模块,下面需对每个候选异常模块的异常情况以及受其他模块干扰情况进行分析来筛选出候选异常模块中的异常模块。
进一步的,计算每个候选异常模块的异常程度的方法为:
;
其中,表示第w个候选异常模块的电流数据序列中第h个电流数据,表示第
w个候选异常模块的额定电流数据,表示第w个候选异常模块的电流数据序列中第v个
电流数据,N表示每个候选异常模块的电流数据序列中包含电流数据的个数,表示候选异
常模块的电流数据序列中第h个电流数据,反映了第w个候选异常模块的电流
数据序列中第h个电流数据偏离额定电流数据的情况,该值越大说明第w个候选异常模块的
电流数据序列中第h个电流数据越异常,进而该模块的异常程度越大,表
示第w个候选异常模块的电流数据序列中第h个电流数据之前的电流数据的均值,反映了第w个候选异常模块的电流数据序列中第h个电流数据
与所属序列中之前电流数据的差异,该值越大说明第w个候选异常模块的电流数据序列中
第h个电流数据越异常,进而该模块的异常程度越大。表示第w个候选异常模块的异常程
度。
至此,得到每个候选异常模块的异常程度,候选异常模块的异常程度大,并不能说明该候选异常模块就越异常,候选异常模块的异常程度较大,可能是由关联的异常模块导致的,因而需进一步分析每个候选异常模块的关联模块的异常情况进行分析,来获取准确的异常模块。
需要说明的是,由于每个候选异常模块的电流数据的异常可能是由于关联模块异常导致的,而非本模块异常导致的电流数据异常,因而需对每个候选异常模块的关联模块的异常程度进行分析获取出引起电流数据异常的模块。
进一步的,将每个候选异常模块及所有的关联模块构成每个候选异常模块的关联模块集合,将每个候选异常模块的关联模块集合中最大异常程度对应的模块作为每个候选异常模块的第一可能模块。
需要说明的是,候选异常模块出现电流异常的原因主要有以下两种:1、每个候选异常模块的第一可能模块是异常模块,通过第一可能模块的异常导致关联模块集合中其他模块电流数据出现异常。2、每个候选异常模块的第一可能模块的其中一个关联模块是异常模块,通过该异常的关联模块导致第一可能模块出现电流数据异常,通过第一可能模块异常电流进一步导致候选异常模块出现异常电流数据。因而需对第一可能模块的关联模块进一步分析。
需要进一步的说明是,当第一可能模块是异常模块,第一可能模块的关联模块不是异常模块时,第一可能模块的关联模块的电流数据异常是由于第一可能模块异常引起的,由于每个模块的关联模块的关联性值较为接近,因而第一可能模块对每个关联模块的影响较为相似,因而第一可能模块的异常程度占比应该相近。而当第一可能模块不是异常模块,第一可能模块的其中一个关联模块是异常模块时,第一可能模块的关联模块的电流数据异常是由于自身异常导致的,因而异常的关联模块的异常情况与其他关联模块的异常情况存在差异。因而基于此来获取出准确的异常模块。
进一步的,计算每个候选异常模块的第一可能模块的被干扰程度的方法为:
;
其中,表示第m个候选异常模块的第一可能模块,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的额定电流数据,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的第t个电流数据,N表示每个模块的电流数据个数,也是每个模块的电流数据序列中电流数据的个数。/>反映了第m个候选异常模块的第一可能模块的第b个关联模块的第t个电流数据偏离额定电流数据的情况,该值越大说明该电流数据越异常,/>表示第m个候选异常模块的第一可能模块与第b个关联模块的关联性值,/>反映了第m个候选异常模块的第一可能模块每单位关联下对第b个关联模块的异常影响情况。该值越大说明第b个关联模块受第m个候选异常模块的第一可能模块影响较大,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的被干扰程度。
需要说明的是,当每个候选异常模块的第一可能模块为异常模块,每个候选异常模块的第一可能模块为非异常模块时,由于关联模块的关联性值较为接近,第一可能模块对每个关联模块的影响相似,因而第一可能模块的关联模块的被干扰程度较为相似,因而每个第一可能模块的关联模块的被干扰程度的占比较为相似,因而基于此来判断第一可能模块是异常模块,还是第一可能模块的其中一个关联模块是异常模块。
进一步的,对于任意一个候选异常模块,将第一可能模块的所有关联模块的被干程度累加和记为第一可能模块的第一累加和,将第一可能模块的每个关联模块的干扰程度与第一累加和的比值作为第一可能模块的每个关联模块的异常判定指标。
对于任意一个候选异常模块,获取第一可能模块的关联模块的个数,将每个第一可能模块的关联模块的个数减一后取倒数得到第一可能模块的关联模块的异常判定指标阈值。当第一可能模块的每个关联模块的异常判定指标大于异常判定指标阈值时,将第一可能模块的每个关联模块判定为异常模块,当第一可能模块的每个关联模块的异常判定指标小于等于异常判定指标阈值时,将第一可能模块作为异常模块。
同理基于每个候选异常模块得到所有的异常模块。
至此,通过上述过程得到所有异常模块。
步骤S004:根据异常模块进行预警处理。
对于任意一个异常模块,获取该异常模块对应编号B,预警系统发出警报声音“B模块存在异常”。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种控制系统电路智能化监测预警方法,其特征在于,该方法包括以下步骤:
获取每个模块的电流数据序列和额定电流数据;
根据每两个模块的电流数据序列相关性情况得到每两个模块的关联性值,根据每两个模块的关联性值得到每个模块的关联性序列;根据关联性序列中各关联性值与相邻关联性值的差异得到每个模块的每个关联性值的分界可能性;根据分界可能性对每个模块的关联性序列进行分割得到每个模块的多个关联性子序列;计算每个关联性子序列的综合关联性,根据每个关联性子序列的综合关联性得到每个模块的关联模块;
根据每个模块的电流数据序列和额定电流数据获取候选异常模块,计算每个候选异常模块的异常程度,根据每个模块的关联模块以及每个候选异常模块的异常程度得到每个候选异常模块的第一可能模块,计算第一可能模块的每个关联模块的被干扰程度,根据每个模块的关联模块以及第一可能模块的每个关联模块的被干扰程度得到每个第一可能模块的关联模块的异常判定指标,根据第一可能模块的关联模块的异常判定指标得到异常模块;
根据异常模块进行预警处理。
2.根据权利要求1所述一种控制系统电路智能化监测预警方法,其特征在于,所述根据每两个模块的电流数据序列相关性情况得到每两个模块的关联性值,根据每两个模块的关联性值得到每个模块的关联性序列,包括的具体方法为:
;
其中,表示第x个模块的电流数据序列中第i个电流数据,/>表示第y个模块的电流数据序列中第i个电流数据,/>表示第x个模块的电流数据序列中第j1个电流数据,表示第y个模块的电流数据序列中第j2个电流数据,/>表示第x个模块的电流数据序列中所有电流数据的均值,/>表示第y个模块的电流数据序列中所有电流数据的均值;N表示每个模块的电流数据序列中包含的电流数据的个数,/>表示第x个模块的第z个电流数据与前一个电流数据的差值,/>表示第y个模块的第z个电流数据与前一个电流数据的差值,exp()表示以自然常数为底的指数函数,/>表示利用线性归一化方法进行归一化处理,/>表示第x个模块与第y个模块的关联性值;
将每个模块与其他M-1个模块的关联性值进行升序排列得到每个模块的关联性序列,M表示系统中包含模块的个数。
3.根据权利要求1所述一种控制系统电路智能化监测预警方法,其特征在于,所述根据关联性序列中各关联性值与相邻关联性值的差异得到每个模块的每个关联性值的分界可能性;根据分界可能性对每个模块的关联性序列进行分割得到每个模块的多个关联性子序列,包括的具体方法为:
将每个模块的关联性序列中各元素称为每个模块的关联性值,计算每个模块的各关联性值的分界可能性的方法为:
;
其中,表示第m个模块的第/>个关联性值与前一个关联性值的差值绝对值,表示第m个模块的第/>个关联性值与后一个关联性值的差值绝对值,/>表示第m个模块的第/>个关联性值,/>表示第m个模块的第/>个关联性值,/>表示系统中包含模块的个数,/>表示并且符号,/>表示第m个模块的第/>个关联性值的分界可能性,表示利用线性归一化方法进行归一化处理;
将分界可能性大于预设分界可能性阈值Y1的关联性值作为每个模块的分界关联性值,以每个模块的分界关联性值作为分割点,将每个模块的关联性序列分割成每个模块的多个关联性子序列。
4.根据权利要求2所述一种控制系统电路智能化监测预警方法,其特征在于,所述计算每个关联性子序列的综合关联性,根据每个关联性子序列的综合关联性得到每个模块的关联模块,包括的具体方法为:
;
其中,表示第m个模块的第q个关联性子序列中第r个关联性值,/>表示第m个模块的第g个关联性子序列中第r个关联性值,/>表示第m个模块的第q个关联性子序列中包含关联性值的个数,/>表示第m个模块的第g个关联性子序列中包含关联性值的个数, />表示第m个模块的关联性子序列的个数,/>表示利用线性归一化方法进行归一化处理,/>表示第m个模块的第q个关联性子序列的综合关联性;
将任意一个模块记为目标模块,将目标模块的关联性子序列中每个关联性值对应的非目标模块构成每个关联性子序列的关联程度类别;
将每个模块的最大综合关联性的关联性子序列对应的关联程度类别作为每个模块的最佳关联类别,将每个模块的最佳关联类别中各模块均称为每个模块的关联模块。
5.根据权利要求1所述一种控制系统电路智能化监测预警方法,其特征在于,所述根据每个模块的电流数据序列和额定电流数据获取候选异常模块,包括的具体方法为:
所述每个模块的电流数据序列中包含每个模块的多个电流数据;
计算每个模块每个电流数据与额定电流数据的差值绝对值,记为每个模块每个电流数据的电流偏差,利用最大值最小值归一化方法对每个模块每个电流数据的电流偏差进行归一化处理得到归一化后的每个模块每个电流数据的电流偏差,将归一化后的电流数据的电流偏差大于预设电流偏差阈值的模块作为候选异常模块。
6.根据权利要求1所述一种控制系统电路智能化监测预警方法,其特征在于,所述计算每个候选异常模块的异常程度,包括的具体方法为:
;
其中,表示第w个候选异常模块的电流数据序列中第h个电流数据,/>表示第w个候选异常模块的额定电流数据,/>表示第w个候选异常模块的电流数据序列中第v个电流数据,N表示每个候选异常模块的电流数据序列中包含电流数据的个数,/>表示候选异常模块的电流数据序列中第h个电流数据,/>表示第w个候选异常模块的异常程度。
7.根据权利要求1所述一种控制系统电路智能化监测预警方法,其特征在于,所述根据每个模块的关联模块以及每个候选异常模块的异常程度得到每个候选异常模块的第一可能模块,包括的具体方法为:
将每个候选异常模块及所有的关联模块构成每个候选异常模块的关联模块集合,将每个候选异常模块的关联模块集合中最大异常程度对应的模块作为每个候选异常模块的第一可能模块。
8.根据权利要求1所述一种控制系统电路智能化监测预警方法,其特征在于,所述计算第一可能模块的每个关联模块的被干扰程度,包括的具体方法为:
;
其中,表示第m个候选异常模块的第一可能模块,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的额定电流数据,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的第t个电流数据,N表示每个模块的电流数据个数,/>表示第m个候选异常模块的第一可能模块与第b个关联模块的关联性值,/>表示第m个候选异常模块的第一可能模块的第b个关联模块的被干扰程度。
9.根据权利要求1所述一种控制系统电路智能化监测预警方法,其特征在于,所述根据每个模块的关联模块以及第一可能模块的每个关联模块的被干扰程度得到每个第一可能模块的关联模块的异常判定指标,根据第一可能模块的关联模块的异常判定指标得到异常模块,包括的具体方法为:
对于任意一个候选异常模块,将第一可能模块的所有关联模块的被干程度累加和记为第一可能模块的第一累加和,将第一可能模块的每个关联模块的干扰程度与第一累加和的比值作为第一可能模块的每个关联模块的异常判定指标;
对于任意一个候选异常模块,获取第一可能模块的关联模块的个数,将每个第一可能模块的关联模块的个数减一后取倒数得到第一可能模块的关联模块的异常判定指标阈值;当第一可能模块的每个关联模块的异常判定指标大于异常判定指标阈值时,将第一可能模块的每个关联模块判定为异常模块,当第一可能模块的每个关联模块的异常判定指标小于等于异常判定指标阈值时,将第一可能模块作为异常模块。
10.根据权利要求1所述一种控制系统电路智能化监测预警方法,其特征在于,所述根据异常模块进行预警处理,包括的具体方法为:
对于任意一个异常模块,获取该异常模块对应编号B,预警系统发出警报声音“B模块存在异常”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311211405.5A CN116974268B (zh) | 2023-09-20 | 2023-09-20 | 一种控制系统电路智能化监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311211405.5A CN116974268B (zh) | 2023-09-20 | 2023-09-20 | 一种控制系统电路智能化监测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116974268A true CN116974268A (zh) | 2023-10-31 |
CN116974268B CN116974268B (zh) | 2023-12-15 |
Family
ID=88481748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311211405.5A Active CN116974268B (zh) | 2023-09-20 | 2023-09-20 | 一种控制系统电路智能化监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116974268B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117420345A (zh) * | 2023-12-18 | 2024-01-19 | 广东云百科技有限公司 | 基于数据驱动的电网运行异常状态监测系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011612A1 (en) * | 2011-12-16 | 2017-01-12 | Virginia Transformer Corporation | System and method for monitoring and controlling a transformer |
CN108638128A (zh) * | 2018-05-24 | 2018-10-12 | 哈工大机器人(合肥)国际创新研究院 | 一种工业机器人的实时异常监测方法及其系统 |
CN109063947A (zh) * | 2018-06-11 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种时间序列的异常识别方法、装置、及业务服务器 |
CN110470939A (zh) * | 2019-08-06 | 2019-11-19 | 江苏高泰电气有限公司 | 一种自动检测及报警的监控配电柜及线路故障判断方法 |
CN116046187A (zh) * | 2023-04-03 | 2023-05-02 | 探长信息技术(苏州)有限公司 | 一种用于通信柜的温度异常远程监测系统 |
CN116226766A (zh) * | 2023-05-08 | 2023-06-06 | 南洋电气集团有限公司 | 一种高压电器运行状态监测系统 |
CN116382227A (zh) * | 2022-12-16 | 2023-07-04 | 青岛鹏海软件有限公司 | 一种自动化装备远程诊断方法及其系统、电子设备 |
WO2023141752A1 (en) * | 2022-01-25 | 2023-08-03 | Abb Schweiz Ag | Method, apparatus and system for monitoring a switching device |
CN116772285A (zh) * | 2023-08-28 | 2023-09-19 | 山东国能智能科技有限公司 | 一种智能楼宇供暖负载安全实时监控方法 |
-
2023
- 2023-09-20 CN CN202311211405.5A patent/CN116974268B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011612A1 (en) * | 2011-12-16 | 2017-01-12 | Virginia Transformer Corporation | System and method for monitoring and controlling a transformer |
CN108638128A (zh) * | 2018-05-24 | 2018-10-12 | 哈工大机器人(合肥)国际创新研究院 | 一种工业机器人的实时异常监测方法及其系统 |
CN109063947A (zh) * | 2018-06-11 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种时间序列的异常识别方法、装置、及业务服务器 |
CN110470939A (zh) * | 2019-08-06 | 2019-11-19 | 江苏高泰电气有限公司 | 一种自动检测及报警的监控配电柜及线路故障判断方法 |
WO2023141752A1 (en) * | 2022-01-25 | 2023-08-03 | Abb Schweiz Ag | Method, apparatus and system for monitoring a switching device |
CN116382227A (zh) * | 2022-12-16 | 2023-07-04 | 青岛鹏海软件有限公司 | 一种自动化装备远程诊断方法及其系统、电子设备 |
CN116046187A (zh) * | 2023-04-03 | 2023-05-02 | 探长信息技术(苏州)有限公司 | 一种用于通信柜的温度异常远程监测系统 |
CN116226766A (zh) * | 2023-05-08 | 2023-06-06 | 南洋电气集团有限公司 | 一种高压电器运行状态监测系统 |
CN116772285A (zh) * | 2023-08-28 | 2023-09-19 | 山东国能智能科技有限公司 | 一种智能楼宇供暖负载安全实时监控方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117420345A (zh) * | 2023-12-18 | 2024-01-19 | 广东云百科技有限公司 | 基于数据驱动的电网运行异常状态监测系统 |
CN117420345B (zh) * | 2023-12-18 | 2024-03-08 | 广东云百科技有限公司 | 基于数据驱动的电网运行异常状态监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116974268B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2905665B1 (en) | Information processing apparatus, diagnosis method, and program | |
Bodik et al. | Fingerprinting the datacenter: automated classification of performance crises | |
CN114090396B (zh) | 一种云环境多指标无监督异常检测和根因分析方法 | |
Neupane et al. | Bearing fault detection using scalogram and switchable normalization-based CNN (SN-CNN) | |
CN116974268B (zh) | 一种控制系统电路智能化监测预警方法 | |
KR102472637B1 (ko) | 시계열 데이터 분석 방법, 주영향 변수 결정 방법 및 그 방법들을 지원하는 장치 | |
EP3552067A1 (en) | Methods and systems for discovery of prognostic subsequences in time series | |
JP6828807B2 (ja) | データ解析装置、データ解析方法およびデータ解析プログラム | |
KR20190013017A (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
CN110858072B (zh) | 设备运行状态的确定方法及装置 | |
US20190064789A1 (en) | System analyzing device, system analyzing method, and computer-readable recording medium | |
CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
US20190265088A1 (en) | System analysis method, system analysis apparatus, and program | |
KR20200010671A (ko) | 기계 학습 기반의 설비 이상 진단 시스템 및 방법 | |
CN117273489A (zh) | 光伏状态评估方法及装置 | |
CN117131110A (zh) | 一种基于关联分析的容性设备介质损耗监测方法及系统 | |
JP7173284B2 (ja) | イベント監視装置、方法及びプログラム | |
KR102383675B1 (ko) | 시계열 데이터 이상 진단 시스템 | |
CN106847306B (zh) | 一种异常声音信号的检测方法及装置 | |
CN117074925A (zh) | 一种3d芯片测试分析方法和系统 | |
JP5178471B2 (ja) | 最適部分波形データ生成装置及び方法ならびにロープ状態判定装置及び方法 | |
KR20180025447A (ko) | Dtwep 기반 제조공정의 이상탐지 방법 및 장치 | |
KR20220123845A (ko) | 시계열 데이터 간의 유사도 측정 방법 및 장치 | |
CN114007132A (zh) | 异常检测方法、装置及计算机可读存储介质 | |
KR100581673B1 (ko) | 데이터 분류방법 |
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 |