CN117192278A - 基于参量和环境变量的故障预测系统及方法 - Google Patents
基于参量和环境变量的故障预测系统及方法 Download PDFInfo
- Publication number
- CN117192278A CN117192278A CN202310938814.9A CN202310938814A CN117192278A CN 117192278 A CN117192278 A CN 117192278A CN 202310938814 A CN202310938814 A CN 202310938814A CN 117192278 A CN117192278 A CN 117192278A
- Authority
- CN
- China
- Prior art keywords
- parameter
- threshold value
- monitoring data
- time
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 280
- 230000007613 environmental effect Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 33
- 230000007246 mechanism Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明实施例公开了一种基于参量和环境变量的故障预测系统及方法,该方法包括:实时监测传感器上传的监测参量,在监测到监测参量的参量值达到第一门限值时,获取达到第一门限值之前的区段监测数据以及对应的环境变量;根据区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和区段监测数据对应的环境变量一致时,将达到第二门限值的时间确定为故障预测时间。本方案在监测参量的值达到第一门限值时,获取在此之前的区段监测数据以及环境变量,确定达到第二门限值的时间,当前的环境变量与获取的环境变量相同时,故障预测时间为达到第二门限值的时间,能够根据监测参量提前进行故障的预测报警以便及时维修,减少了发生故障的风险。
Description
技术领域
本申请实施例涉及电缆监测技术领域,尤其涉及一种基于参量和环境变量的故障预测系统及方法。
背景技术
随着电缆使用量的增加,对电缆的运行情况的监测也十分重要,通过对电缆故障的预测,可以提前对电缆的潜在风险问题进行检修,减少电缆出现严重故障的几率。
现有的电缆监测系统中,大多进行传感器数值的监测,当达到报警值时,进行报警,报警时电缆故障已经发生,缺乏预测机制,无法提前预测电缆的故障问题以进行检修,潜在风险过大。
发明内容
本发明实施例提供了基于参量和环境变量的故障预测系统及方法,解决了现有技术中缺乏预测机制,无法提前预测电缆的故障问题以进行检修,潜在风险过大的问题,能够根据监测参量提前进行故障的预测报警以便及时维修,减少了电缆发生故障的风险。
第一方面,本发明实施例提供了基于参量和环境变量的故障预测方法,包括:
实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;根据所述区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
可选的,所述获取达到所述第一门限值之前的区段监测数据,包括:
获取达到所述第一门限值之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据,所述区段监测数据包括多个所述传感器不同时间点上传的监测参量的参量值。
可选的,在所述获取达到所述第一门限值之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据之前,还包括:
根据不同的传感器的参量类型设置的不同时长区段的划分方式。
可选的,所述获取达到所述第一门限值之前的区段监测数据对应的环境变量,包括:
获取达到所述第一门限值之前的区段监测数据中每个监测参量值对应的环境变量,其中,所述传感器上传的每个监测参量中对应记录有环境变量;
根据每个监测参量值对应的环境变量计算得到区段监测数据对应的环境变量。
可选的,所述根据每个监测参量值对应的环境变量计算得到区段监测数据对应的环境变量,包括:
根据每个监测参量值对应的环境变量计算得到环境变量均值,将所述环境变量均值确定为区段监测数据对应的环境变量。
可选的,所述根据所述区段监测数据确定参量值达到第二门限值的时间,包括:
基于所述区段监测数据中参量值计算得到参量变化率;
根据所述参量变化率和所述第一门限值计算得到达到所述第二门限值的时间。
可选的,所述基于所述区段监测数据中参量值计算得到参量变化率,包括:
将所述区段监测数据中参量值进行分组,并计算每组数据的参量均值;
根据所述参量均值计算得到各组之间的组间参量变化率,将多个所述组间参量变化率的均值确定为区段监测数据对应的参量变化率。
第二方面,本发明实施例还提供了基于参量和环境变量的故障预测系统,包括:
参量监测模块,用于实时监测传感器上传的参量;
数据获取模块,用于在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;
时间预测模块,用于根据所述区段监测数据确定参量值达到第二门限值的时间;
故障预测模块,用于在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
第三方面,本发明实施例还提供了基于参量和环境变量的故障预测设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例所述的基于参量和环境变量的故障预测方法。
第四方面,本发明实施例还提供了一种存储计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例所述的基于参量和环境变量的故障预测方法。
本发明实施例中,实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;根据所述区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。本方案在监测到监测参量的参量值达到第一门限值时,获取在此之前的区段监测数据以及对应的环境变量,确定达到第二门限值的时间,当前的环境变量与区段监测数据对应的环境变量相同时,故障预测时间为达到第二门限值的时间,解决了现有技术中缺乏预测机制,无法提前预测电缆的故障问题以进行检修,潜在风险过大的问题,能够根据监测参量提前进行故障的预测报警以便及时维修,减少了电缆发生故障的风险。
附图说明
图1为本发明实施例提供的基于参量和环境变量的故障预测方法的流程图;
图2为本发明实施例提供的获取达到第一门限值之前的区段监测数据方法的流程图;
图3为本发明实施例提供的获取区段监测数据对应的环境变量方法的流程图;
图4为本发明实施例提供的确定参量值达到第二门限值的时间方法的流程图;
图5为本发明实施例提供的基于参量和环境变量的故障预测方法的模块结构框图;
图6为本发明实施例提供的基于参量和环境变量的故障预测设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明实施例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
图1为本发明实施例提供的基于参量和环境变量的故障预测方法的流程图,如图1所示,具体包括:
步骤S101、实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量。
其中,监测参量可以是不同类型传感器采集到的对应类型的参量数据,可以包括温度监测参量、湿度监测参量、拉力监测参量等监测参量;第一门限值可以是根据不同类型的监测参量预先设置的阈值;区段监测数据可以是达到第一门限值之前的时间段传感器采集到的数据。系统对传感器上传的监测参量进行实时监测,在监测过程中将监测参量的参量值与其对应设置的第一门限值进行数值对比分析,当监测参量的参量值达到第一门限值时,获取达到第一门限值时间之前的时间区段的区段监测数据以及区段监测数据对应的环境变量。在一个实例中,温度监测参量对应的第一门限值为50,当监测温度监测参量的参量值达到50时,获取温度监测参量的参量值达到50之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据,区段监测数据中包括多个传感器不同时间点上传的监测参量的参量值,再获取达到第一门限值之前的区段监测数据中每个监测参量值对应的环境变量,根据每个监测参量值对应的环境变量计算得到环境变量均值,将环境变量均值确定为区段监测数据对应的环境变量,使得到的区段监测数据对应的环境变量更准确。
步骤S102、根据所述区段监测数据确定参量值达到第二门限值的时间。
其中,第二门限值可以是根据不同类型的监测参量预先设置的大于第一门限值的阈值。获取到监测参量的参量值达到第一门限值时间之前的区段监测数据后,对区段监测数据进行分析和处理,根据分析处理后得到的数据确定监测参量的参量值达到第二门限值的时间。在一个实例中,获取到达到第一门限值时间之前的区段监测数据后,基于达到第一门限值时间之前的区段监测数据中监测参量的参量值计算得到参量变化率,将参量变化率和第一门限值代入设置的计算公式中计算得到监测参量的参量值达到第二门限值的时间,实现了参量值达到第二门限值的时间上的预测效果。
步骤S103、在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
其中,故障预测时间可以是预估电缆发生故障的时间。获取到区段监测数据对应的环境变量并确定出监测参量的参量值达到第二门限值的时间后,将当前的环境变量与区段监测数据对应的环境变量进行对比,在当前的环境变量和区段监测数据对应的环境变量一致的情况下,将监测参量的参量值达到第二门限值的时间确定为故障预测时间,并故障预测时间上报至平台。在一个实例中,对监测参量对应的环境变量进行实时监测,与区段监测数据对应的环境变量进行对比,监测到当前的环境变量和区段监测数据对应的环境变量一致,将预测的监测参量的参量值达到第二门限值的时间确定为预估电缆发生故障的时间,能够根据监测参量提前预测电缆发生故障的时间以便工作人员及时维修,减少了电缆发生故障的概率。
由上述可知,实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;根据所述区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。本方案在监测到监测参量的参量值达到第一门限值时,获取在此之前的区段监测数据以及对应的环境变量,确定达到第二门限值的时间,当前的环境变量与区段监测数据对应的环境变量相同时,故障预测时间为达到第二门限值的时间,解决了现有技术中缺乏预测机制,无法提前预测电缆的故障问题以进行检修,潜在风险过大的问题,能够根据监测参量提前进行故障的预测报警以便及时维修,减少了电缆发生故障的风险。
图2为本发明实施例提供的获取达到第一门限值之前的区段监测数据方法的流程图,如图2所示,具体包括:
步骤S201、实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据以及对应的环境变量,所述区段监测数据包括多个所述传感器不同时间点上传的监测参量的参量值。
其中,区段监测数据可以是划分的时间段内传感器采集到的数据,可以包括多个传感器在不同时间点上传的监测参量的参量值;系统对传感器上传的监测参量进行实时监测,针对不同类型的监测参量设置有对应的第一门限值,当监测到有监测参量的参量值达到了对应的第一门限值时,获取监测参量的参量值达到对应的第一门限值时间之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据以及对应的环境变量。可选的,在获取达到第一门限值之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据之前,系统根据不同的传感器的参量类型设置了不同时长区段的划分方式。在一个实例中,系统针对传感器的温度参量类型设置的时长区段为温度参量值达到第一门限值的时间之前的1个小时,温度参量类型对应的第一门限值为50,监测到温度参量的参量值等于50时,获取温度参量值达到第一门限值的时间之前的1个小时内的区段监测数据以及对应的环境变量;在另一个实例中,系统针对传感器的湿度参量类型设置的时长区段为湿度参量值达到第一门限值的时间之前的30分钟,在监测到湿度参量值达到第一门限值时,获取湿度参量值达到第一门限值之前的30分钟内对应的区段监测数据以及对应的环境变量。
步骤S202、根据所述区段监测数据确定参量值达到第二门限值的时间。
步骤S203、在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
由上述可知,实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;根据所述区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。本方案在监测到监测参量的参量值达到第一门限值时,获取在此之前的区段监测数据以及对应的环境变量,确定达到第二门限值的时间,当前的环境变量与区段监测数据对应的环境变量相同时,故障预测时间为达到第二门限值的时间,解决了现有技术中缺乏预测机制,无法提前预测电缆的故障问题以进行检修,潜在风险过大的问题,能够根据监测参量提前进行故障的预测报警以便及时维修,减少了电缆发生故障的风险。
图3为本发明实施例提供的获取区段监测数据对应的环境变量方法的流程图,如图3所示,具体包括:
步骤S301、实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据,获取达到所述第一门限值之前的区段监测数据中每个监测参量值对应的环境变量,其中,所述传感器上传的每个监测参量中对应记录有环境变量;根据每个监测参量值对应的环境变量计算得到区段监测数据对应的环境变量。
其中,环境变量可以是电缆周围不同环境类型的变量,不同参量类型对应的环境变量类型不同。系统对传感器上传的监测参量进行实时监测,当监测到有监测参量的参量值达到了对应的第一门限值时,获取参量值达到第一门限值之前的区段监测数据,区段监测数据中传感器上传的每个监测参量中对应记录有环境变量,基于达到第一门限值之前的区段监测数据获取区段监测数据中每个监测参量值对应的环境变量,根据每个监测参量值对应的环境变量计算得到区段监测数据对应的环境变量。在一个实例中,监测到温度监测参量的参量值达到第一门限值,获取到达到第一门限值之前的区段监测数据中的温度参量值为40、43、46、48、50,每个监测参量值对应的温度环境变量为30、32、34、35、36,计算出监测参量值对应的温度环境变量的均值为33.4,将环境变量均值33.4确定为区段监测数据对应的环境变量;在另一个实例中,获取到参量值达到第一门限值之前的区段监测数据后,计算出区段监测数据中的监测参量的参量值与监测参量值对应的环境变量的均值,将区段监测数据中的监测参量的参量值的均值与监测参量值对应的环境变量的均值代入设置的计算公式中得到区段监测数据对应的环境变量。
步骤S302、根据所述区段监测数据确定参量值达到第二门限值的时间。
步骤S303、在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
由上述可知,实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;根据所述区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。本方案在监测到监测参量的参量值达到第一门限值时,获取在此之前的区段监测数据以及对应的环境变量,确定达到第二门限值的时间,当前的环境变量与区段监测数据对应的环境变量相同时,故障预测时间为达到第二门限值的时间,解决了现有技术中缺乏预测机制,无法提前预测电缆的故障问题以进行检修,潜在风险过大的问题,能够根据监测参量提前进行故障的预测报警以便及时维修,减少了电缆发生故障的风险。
图4为本发明实施例提供的确定参量值达到第二门限值的时间方法的流程图,如图4所示,具体包括:
步骤S401、实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量。
步骤S402、基于所述区段监测数据中参量值计算得到参量变化率;根据所述参量变化率和所述第一门限值计算得到达到所述第二门限值的时间。
其中,参量变化率可以是描述参量值变化的快慢的值。获取到监测参量的参量值达到第一门限值之前的区段监测数据后,根据区段监测数据中监测参量的参量值计算出区段监测数据对应的参量变化率,将得到的区段监测数据对应的参量变化率与第一门限值代入预先设置的计算公式中,计算得到监测参量的参量值达到第二门限值的时间。可选的,将区段监测数据中参量值进行分组,并计算每组数据的参量均值,根据参量均值计算得到各组之间的组间参量变化率,将多个组间参量变化率的均值确定为区段监测数据对应的参量变化率。在一个实例中,获取达到第一门限值之前30分钟监测到的温度数据作为区段监测数据,将获取的区段监测数据中的温度监测参量的参量值按照10分钟一组分成三组,第一组的参量值为35、36、37,第二组的参量值为39、42、45,第三组的参量值为47、50、56,计算出每组数据的参量均值,第一组数据的参量均值为36,第二组数据的参量均值为42,第三组数据的参量均值为51,根据参量均值计算得到各组之间的组间参量变化率分别为16.6%,21.4%,计算出两个组间参量变化率的均值为19%,则区段监测数据对应的参量变化率为19%;在另一个实例中,计算出区段监测数据中各个参量值之间的变化率,将多个参量值之间的变化率的均值确定为区段监测数据对应的参量变化率。
步骤S403、在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
由上述可知,实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;根据所述区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。本方案在监测到监测参量的参量值达到第一门限值时,获取在此之前的区段监测数据以及对应的环境变量,确定达到第二门限值的时间,当前的环境变量与区段监测数据对应的环境变量相同时,故障预测时间为达到第二门限值的时间,解决了现有技术中缺乏预测机制,无法提前预测电缆的故障问题以进行检修,潜在风险过大的问题,能够根据监测参量提前进行故障的预测报警以便及时维修,减少了电缆发生故障的风险。
图5为本发明实施例提供的基于参量和环境变量的故障预测方法的模块结构框图,该智能电缆用于执行上述实施例提供的基于参量和环境变量的故障预测方法,具备执行方法相应的功能模块和有益效果。如图5所示,该装置具体包括:
参量监测模块101,用于实时监测传感器上传的参量;
数据获取模块102,用于在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;
时间预测模块103,用于根据所述区段监测数据确定参量值达到第二门限值的时间;
故障预测模块104,用于在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
由上述方案可知,实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;根据所述区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。本方案在监测到监测参量的参量值达到第一门限值时,获取在此之前的区段监测数据以及对应的环境变量,确定达到第二门限值的时间,当前的环境变量与区段监测数据对应的环境变量相同时,故障预测时间为达到第二门限值的时间,解决了现有技术中缺乏预测机制,无法提前预测电缆的故障问题以进行检修,潜在风险过大的问题,能够根据监测参量提前进行故障的预测报警以便及时维修,减少了电缆发生故障的风险。
在一个可能的实施例中,所述数据获取模块102,具体用于:
获取达到所述第一门限值之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据,所述区段监测数据包括多个所述传感器不同时间点上传的监测参量的参量值。
在一个可能的实施例中,所述数据获取模块102,还用于:
在所述获取达到所述第一门限值之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据之前,根据不同的传感器的参量类型设置的不同时长区段的划分方式。
在一个可能的实施例中,所述数据获取模块102,还用于:
获取达到所述第一门限值之前的区段监测数据中每个监测参量值对应的环境变量,其中,所述传感器上传的每个监测参量中对应记录有环境变量;
根据每个监测参量值对应的环境变量计算得到区段监测数据对应的环境变量。
在一个可能的实施例中,所述数据获取模块102,还用于:
根据每个监测参量值对应的环境变量计算得到环境变量均值,将所述环境变量均值确定为区段监测数据对应的环境变量。
在一个可能的实施例中,所述时间预测模块103,具体用于:
基于所述区段监测数据中参量值计算得到参量变化率;
根据所述参量变化率和所述第一门限值计算得到达到所述第二门限值的时间。
在一个可能的实施例中,所述时间预测模块103,还用于:
将所述区段监测数据中参量值进行分组,并计算每组数据的参量均值;
根据所述参量均值计算得到各组之间的组间参量变化率,将多个所述组间参量变化率的均值确定为区段监测数据对应的参量变化率。
图6为本发明实施例提供的基于参量和环境变量的故障预测设备的结构示意图,如图6所示,该设备包括处理器201、存储器202、输入装置203和输出装置204;设备中处理器201的数量可以是一个或多个,图6中以一个处理器201为例;设备中的处理器201、存储器202、输入装置203和输出装置204可以通过总线或其他方式连接,图6中以通过总线连接为例。存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的基于参量和环境变量的故障预测方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的基于参量和环境变量的故障预测方法。输入装置203可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置204可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行基于参量和环境变量的故障预测方法,该方法包括:
实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;根据所述区段监测数据确定参量值达到第二门限值的时间;在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
值得注意的是,上述基于参量和环境变量的故障预测方法装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
注意,上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明实施例不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明实施例构思的情况下,还可以包括更多其他等效实施例,而本发明实施例的范围由所附的权利要求范围决定。
Claims (10)
1.基于参量和环境变量的故障预测方法,其特征在于,包括:
实时监测传感器上传的监测参量,在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;
根据所述区段监测数据确定参量值达到第二门限值的时间;
在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
2.根据权利要求1所述的基于参量和环境变量的故障预测方法,其特征在于,所述获取达到所述第一门限值之前的区段监测数据,包括:
获取达到所述第一门限值之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据,所述区段监测数据包括多个所述传感器不同时间点上传的监测参量的参量值。
3.根据权利要求2所述的基于参量和环境变量的故障预测方法,其特征在于,在所述获取达到所述第一门限值之前的根据预先设置的划分标准划分出的时间段对应的区段监测数据之前,还包括:
根据不同的传感器的参量类型设置的不同时长区段的划分方式。
4.根据权利要求1所述的基于参量和环境变量的故障预测方法,其特征在于,所述获取达到所述第一门限值之前的区段监测数据对应的环境变量,包括:
获取达到所述第一门限值之前的区段监测数据中每个监测参量值对应的环境变量,其中,所述传感器上传的每个监测参量中对应记录有环境变量;
根据每个监测参量值对应的环境变量计算得到区段监测数据对应的环境变量。
5.根据权利要求4所述的基于参量和环境变量的故障预测方法,其特征在于,所述根据每个监测参量值对应的环境变量计算得到区段监测数据对应的环境变量,包括:
根据每个监测参量值对应的环境变量计算得到环境变量均值,将所述环境变量均值确定为区段监测数据对应的环境变量。
6.根据权利要求1-5中任一项所述的基于参量和环境变量的故障预测方法,所述根据所述区段监测数据确定参量值达到第二门限值的时间,包括:
基于所述区段监测数据中参量值计算得到参量变化率;
根据所述参量变化率和所述第一门限值计算得到达到所述第二门限值的时间。
7.根据权利要求6所述的基于参量和环境变量的故障预测方法,其特征在于,所述基于所述区段监测数据中参量值计算得到参量变化率,包括:
将所述区段监测数据中参量值进行分组,并计算每组数据的参量均值;
根据所述参量均值计算得到各组之间的组间参量变化率,将多个所述组间参量变化率的均值确定为区段监测数据对应的参量变化率。
8.基于参量和环境变量的故障预测系统,其特征在于,包括:
参量监测模块,用于实时监测传感器上传的参量;
数据获取模块,用于在监测到所述监测参量的参量值达到第一门限值时,获取达到所述第一门限值之前的区段监测数据以及对应的环境变量;
时间预测模块,用于根据所述区段监测数据确定参量值达到第二门限值的时间;
故障预测模块,用于在当前的环境变量和所述区段监测数据对应的环境变量一致的情况下,将所述达到第二门限值的时间确定为故障预测时间。
9.一种基于参量和环境变量的故障预测设备,所述设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的基于参量和环境变量的故障预测方法。
10.一种存储计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的基于参量和环境变量的故障预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310938814.9A CN117192278A (zh) | 2023-07-27 | 2023-07-27 | 基于参量和环境变量的故障预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310938814.9A CN117192278A (zh) | 2023-07-27 | 2023-07-27 | 基于参量和环境变量的故障预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117192278A true CN117192278A (zh) | 2023-12-08 |
Family
ID=88995043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310938814.9A Pending CN117192278A (zh) | 2023-07-27 | 2023-07-27 | 基于参量和环境变量的故障预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117192278A (zh) |
-
2023
- 2023-07-27 CN CN202310938814.9A patent/CN117192278A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10558544B2 (en) | Multiple modeling paradigm for predictive analytics | |
CA3162702A1 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
US11620539B2 (en) | Method and device for monitoring a process of generating metric data for predicting anomalies | |
CN114034968B (zh) | 基于分布式节点的电缆数据检测方法和装置 | |
CN112417791B (zh) | 基于线性回归与ahp算法的电力设备监视预警方法及系统 | |
CN113960408B (zh) | 光纤测温的电缆故障预测方法、装置、设备及存储介质 | |
JP6777142B2 (ja) | システム分析装置、システム分析方法、及び、プログラム | |
CN111400850B (zh) | 设备故障分析方法、装置、设备和存储介质 | |
CN114155692A (zh) | 一种设备故障上报方法、装置及存储介质 | |
CN112882795A (zh) | 虚拟机异常诊断方法、装置、设备及存储介质 | |
CN113992602B (zh) | 一种电缆监测数据上传方法、装置、设备以及存储介质 | |
KR102158100B1 (ko) | 이상 감지를 이용한 모니터링 자동화 방법 및 장치 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
CN116679139A (zh) | 电缆更换监测系统及方法 | |
CN117192278A (zh) | 基于参量和环境变量的故障预测系统及方法 | |
JP2019211919A (ja) | 監視装置、監視方法、及びコンピュータプログラム | |
CN115314528A (zh) | 桥梁结构健康监测系统、方法和平台 | |
CN111651503B (zh) | 一种配电网数据异常识别方法、系统及终端设备 | |
CN114279492A (zh) | 基于不同故障参数记录确定电缆故障信息方法和装置 | |
CN118033310A (zh) | 基于多维度因素的电缆智能报警系统及方法 | |
US11880268B2 (en) | Soft error aggregation method for detection and reporting of risks in a safety instrumented system | |
CN117607620A (zh) | 基于参量变化率的电缆监测系统及方法 | |
CN117169644A (zh) | 基于预设故障曲线的电缆故障预测系统及方法 | |
CN117456672A (zh) | 电缆防破坏监测系统及方法 | |
CN117591994A (zh) | 电力设备状态数据预测方法、智能化平台、设备及介质 |
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 |