CN117312294A - 一种基于云计算的新能源设备质量监测系统 - Google Patents
一种基于云计算的新能源设备质量监测系统 Download PDFInfo
- Publication number
- CN117312294A CN117312294A CN202311603658.7A CN202311603658A CN117312294A CN 117312294 A CN117312294 A CN 117312294A CN 202311603658 A CN202311603658 A CN 202311603658A CN 117312294 A CN117312294 A CN 117312294A
- Authority
- CN
- China
- Prior art keywords
- data
- temperature
- new energy
- equipment
- module
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims abstract description 60
- 238000007405 data analysis Methods 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 11
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 4
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
-
- 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
- G06F16/23—Updating
- G06F16/2308—Concurrency control
- G06F16/2315—Optimistic concurrency control
- G06F16/2322—Optimistic concurrency control using timestamps
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于云计算的新能源设备质量监测系统，涉及设备监测系统技术领域，通过设置有预处理模块，对数据采集模块所获取到的数据进行预处理，得到预处理数据，通过将常规数据进行剔除，只保留所需要的数据，从而减少数据分析样本的基数，为后面数据分析模块的数据分析速度进行提升打下基础；同时通过设置有质量监测模块，当数据分析模块所分析的结果为新能源设备所处的环境温度异常或工作温度异常时，自动调整数据采集模块的数据采集频率和采集周期，从而能够更好的监测新能源设备的工作情况，通过这种方式动态调节数据采集模块的采集频率，从而降低数据采集模块所需要耗费的能量以及延长数据采集模块的使用寿命。
Description
技术领域
本发明属于设备监测系统技术领域，具体是一种基于云计算的新能源设备质量监测系统。
背景技术
新能源一般是指在新技术基础上加以开发利用的可再生能源，包括太阳能、生物质能、风能、地热能、波浪能、洋流能和潮汐能，以及海洋表面与深层之间的热循环等，此外，还有氢能、沼气、酒精、甲醇等，而已经广泛利用的煤炭、石油、天然气、水能等能源，称为常规能源，随着常规能源的有限性以及环境问题的日益突出，以环保和可再生为特质的新能源越来越得到各国的重视，随着新能源的发展，新能源设备也开始逐渐兴起。
公开号为CN107491381A的专利文件公开了一种设备状态监测数据质量评测系统，包括影响因素分析模块、评价维度分析模块、校验规则构建模块和评价模型构建模块。本发明的系统通过分析影响数据质量的主要因素，研究数据的一致性、数据的准确性、数据的完整性、数据的及时性等关键特性并建立数据质量评价指标和数据校验规则，实现数据质量指标计算、统计分析和综合评价的实时、自动处理，满足系统动态、实时进行数据质量好坏量化诊断和评价的要求。
在现有的技术中，在进行数据采集和数据分析的过程中，往往存在大量的常规数据，从而影响系统对有用数据的提取和分析，对系统的数据处理和分析速度有很大的影响，为了解决上述问题，现提供一种基于云计算的新能源设备质量监测系统。
发明内容
本发明的目的在于提供一种基于云计算的新能源设备质量监测系统。
本发明所要解决的技术问题为：如何降低数据处理和数据分析的计算量，从而提高数据处理和数据分析的速度。
本发明的目的可以通过以下技术方案实现：一种基于云计算的新能源设备质量监测系统，包括云平台、信息录入模块、数据采集模块、预处理模块、数据分析模块、质量监测模块以及数据库；
所述预处理模块用于对数据采集模块获取到的数据进行预处理，具体处理过程包括以下步骤：
步骤Y1：将一个采集周期T1内所获得的HWi以及对应的时间戳进行汇总，并形成单次采集环境温度数据集，根据单次采集环境温度数据集生成环境温度变化曲线；
步骤Y2：在环境温度变化曲线内设置第一环境温度预警线和第二环境温度预警线，其中第一环境温度预警线所对应的温度值大于第二环境温度预警线所对应的温度值，并将超出环境温度预警线的环境温度以及对应的时间戳进行标记，并生成预警环境温度集；
步骤Y3：获取预警环境温度集中，将相同时间戳所对应的设备的内部温度WTi进行标记，并根据被标记的设备的内部温度以及对应的时间戳生成设备运行温度集；
步骤Y4：将一个采集周期T1时间内所获得的WTi以及对应的时间戳进行汇总，并形成单次采集工作温度数据集，根据单次采集工作温度集生成工作温度变化曲线；
步骤Y5：在工作温度变化曲线内设置第一工作温度预警线和第二工作温度预警线，其中第一工作温度预警线所对应的温度值大于第二工作温度预警线所对应的温度值，并将超出工作温度预警线的工作温度以及对应的时间戳进行标记，并生成预警工作温度集；
步骤Y6：获取预警工作温度集中，将相同时间戳所对应的环境温度HWi进行标记，并根据被标记的环境温度以及对应的时间戳生成设备环境温度集；
步骤Y7：将步骤Y1-Y6获取到的数据发送至数据分析模块中。
进一步地，所述信息录入模块用于将新能源设备的基本信息录入至系统，新能源设备的基本信息包括新能源设备的名称、数量、编号、地理坐标以及设备运行作用范围；将所有新能源设备中同一种设备标记为设备组，并将每个设备组标记为i；每个设备组中所包含的设备数量标记为Ni；设备运行作用范围的划定方式为：以设备所在的地理坐标为中心，半径为ri建立半球型空间，该半球型空间即为设备运行作用范围；将新能源设备的基本信息录入完成后，将录入的设备基本信息发送至数据库中进行保存，并生成设备日志；所述设备日志还包括新能源设备的开始投入使用日期以及使用时长；
通过预处理模块，对所获取到的数据进行初步处理和筛选，从而得到预处理数据，将常规数据进行剔除，只保留所需要的数据，从而减少数据分析样本的基数，为后面数据分析模块的数据分析速度进行提升打下基础。
进一步地，所述数据采集模块用于对新能源设备的工作参数进行获取，具体采集过程包括以下步骤：
步骤C1：将数据采集模块的采集频率标记为f1，采集周期标记为T1；
步骤C2：将新能源设备所处的设备运行作用范围内的环境温度标记为HWi；
步骤C3：将设备的内部温度标记为WTi；
步骤C4：将采集到的数据形成数据集，并根据每次采集数据的时间生成时间戳，将时间戳与采集到的数据集进行绑定；
步骤C5：将步骤C1至C4获取到的数据发送至预处理模块；
通过数据采集模块周期性的采集新能源设备的工作参数，相比较传统的实时采集，能够最大程度降低因为采集数据而耗费的能量，同时降低数据量，避免了大量的重复的无参考价值的数据。
进一步地，所述数据分析模块用于对预处理模块所获取的数据进行分析，具体分析过程包括以下步骤：
步骤S1：将预警环境温度集中的环境温度数据组数记为n组，并按照时间戳的先后顺序进行排序，同时将每组环境温度标记YHWj；将设备环境温度集中的环境温度数据组数记为m组，并按照时间戳的先后顺序进行排序，同时将每组环境温度标记SHWk；并将预警环境温度集与设备环境温度集中时间戳相同的环境温度数据组数记为l组；将每组环境温度标记YSWg；其中m≥3，n≥3，l≥0；j=1，2，……n，k=1，2，……m，g=0，1，2，……l；且m、n以及l均为整数；
步骤S2：通过公式获得环境温度影响系数HX，其中a1、a2、a3均为系统因子，且a1≥a2≥a3＞0；
步骤S3：将HX与系统预设环境温度系数阈值范围（H0，H1）进行匹配，当HX处于（H0，H1）范围内，则表示新能源设备所处的环境温度正常，当HX≤H0或HX≥H1时，则表示新能源设备所处的环境温度异常，并将HX上传至质量监测模块；其中H1＞H0；
步骤S4：将预警工作温度集中的工作温度数据组数记为q组，并按照时间戳的先后顺序进行排序，同时将每组工作温度标记GHWz；将设备运行温度集中的工作温度数据组数记为w组，并按照时间戳的先后顺序进行排序，同时将每组环境温度标记JHWx；并将预警环境温度集与设备环境温度集中时间戳相同的环境温度数据组数记为d组；将每组环境温度标记YSWv；其中q≥3，w≥3，d≥0；z=1，2，……q，x=1，2，……w，v=0，1，2，……d；且q、w以及d均为整数；
步骤S5：通过公式获得运行温度影响系数SX；其中b1、b2、b3均为系统因子，且b1≥b2≥b3＞0；
步骤S6：将SX与系统预设运行温度系数阈值范围（X0，X1）进行匹配，当SX处于（X0，X1）的范围内，则表示新能源设备的工作温度正常，当SX≤X0或SX≥X1时，则表示新能源设备的工作温度异常，并将SX上传至质量监测模块；其中X1＞X0。
进一步地，所述质量监测模块用于当新能源设备所处的环境温度异常或工作温度异常时，对新能源设备的工作参数进行进一步地监测，具体过程包括以下步骤：
步骤M1：当HX≤H0或HX≥H1时，通过公式HF=（|HX-H0|+|HX-H1|）/（H1-H0）获得调整系数HF；
步骤M2当SX≤X0或SX≥X1时，通过公式SF=（|SX-X0|+|SX-X1|）/（X1-X0）获得调整系数SF；
步骤M3：将数据采集模块的数据采集频率调整为f2，f2=（1+c1×HF+c2×SF）×f1；将数据采集模块的数据采集周期调整为T2，T2=（1+m1×HF+m2×SF）；其中c1、c2、m1、m2均为系统因子，且c1、c2、m1、m2均大于0。
本发明的有益效果：本发明通过设置有预处理模块，对数据采集模块所获取到的数据进行预处理，从而对所获取到的数据进行初步处理和筛选，得到预处理数据，通过将常规数据进行剔除，只保留所需要的数据，从而减少数据分析样本的基数，为后面数据分析模块的数据分析速度进行提升打下基础；同时通过设置有质量监测模块，当数据分析模块所分析的结果为新能源设备所处的环境温度异常或工作温度异常时，自动调整数据采集模块的数据采集频率和采集周期，从而能够更好的监测新能源设备的工作情况，通过这种方式动态调节数据采集模块的采集频率，从而降低数据采集模块所需要耗费的能量以及延长数据采集模块的使用寿命。
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为一种基于云计算的新能源设备质量监测系统的原理框图。
具体实施方式
如图1所示，一种基于云计算的新能源设备质量监测系统，包括云平台、信息录入模块、数据采集模块、预处理模块、数据分析模块、质量监测模块以及数据库；
所述信息录入模块用于将新能源设备的基本信息录入至系统，新能源设备的基本信息包括新能源设备的名称、数量、编号、地理坐标以及设备运行作用范围；将所有新能源设备中同一种设备标记为设备组，并将每个设备组标记为i；每个设备组中所包含的设备数量标记为Ni；设备运行作用范围的划定方式为：以设备所在的地理坐标为中心，半径为ri建立半球型空间，该半球型空间即为设备运行作用范围；将新能源设备的基本信息录入完成后，将录入的设备基本信息发送至数据库中进行保存，并生成设备日志；所述设备日志还包括新能源设备的开始投入使用日期以及使用时长。
所述数据采集模块用于对新能源设备的工作参数进行获取，具体采集过程包括以下步骤：
步骤C1：将数据采集模块的采集频率标记为f1，采集周期标记为T1；
步骤C2：将新能源设备所处的设备运行作用范围内的环境温度标记为HWi；
步骤C3：将设备的内部温度标记为WTi；
步骤C4：将采集到的数据形成数据集，并根据每次采集数据的时间生成时间戳，将时间戳与采集到的数据集进行绑定；
步骤C5：将步骤C1至C4获取到的数据发送至预处理模块。
通过数据采集模块周期性的采集新能源设备的工作参数，相比较传统的实时采集，能够最大程度降低因为采集数据而耗费的能量，同时降低数据量，避免了大量的重复的无参考价值的数据。
所述预处理模块用于对数据采集模块获取到的数据进行预处理，具体处理过程包括以下步骤：
步骤Y1：将一个采集周期T1内所获得的HWi以及对应的时间戳进行汇总，并形成单次采集环境温度数据集，根据单次采集环境温度数据集生成环境温度变化曲线；
步骤Y2：在环境温度变化曲线内设置第一环境温度预警线和第二环境温度预警线，其中第一环境温度预警线所对应的温度值大于第二环境温度预警线所对应的温度值，并将超出环境温度预警线的环境温度以及对应的时间戳进行标记，并生成预警环境温度集；
步骤Y3：获取预警环境温度集中，将相同时间戳所对应的设备的内部温度WTi进行标记，并根据被标记的设备的内部温度以及对应的时间戳生成设备运行温度集；
步骤Y4：将一个采集周期T1时间内所获得的WTi以及对应的时间戳进行汇总，并形成单次采集工作温度数据集，根据单次采集工作温度集生成工作温度变化曲线；
步骤Y5：在工作温度变化曲线内设置第一工作温度预警线和第二工作温度预警线，其中第一工作温度预警线所对应的温度值大于第二工作温度预警线所对应的温度值，并将超出工作温度预警线的工作温度以及对应的时间戳进行标记，并生成预警工作温度集；
步骤Y6：获取预警工作温度集中，将相同时间戳所对应的环境温度HWi进行标记，并根据被标记的环境温度以及对应的时间戳生成设备环境温度集；
步骤Y7：将步骤Y1-Y6获取到的数据发送至数据分析模块中。
通过预处理模块，对所获取到的数据进行初步处理和筛选，从而得到预处理数据，将常规数据进行剔除，只保留所需要的数据，从而减少数据分析样本的基数，为后面数据分析模块的数据分析速度进行提升打下基础。
所述数据分析模块用于对预处理模块所获取的数据进行分析，具体分析过程包括以下步骤：
步骤S1：将预警环境温度集中的环境温度数据组数记为n组，并按照时间戳的先后顺序进行排序，同时将每组环境温度标记YHWj；将设备环境温度集中的环境温度数据组数记为m组，并按照时间戳的先后顺序进行排序，同时将每组环境温度标记SHWk；并将预警环境温度集与设备环境温度集中时间戳相同的环境温度数据组数记为l组；将每组环境温度标记YSWg；其中m≥3，n≥3，l≥0；j=1，2，……n，k=1，2，……m，g=0，1，2，……l；且m、n以及l均为整数；
步骤S2：通过公式获得环境温度影响系数HX，其中a1、a2、a3均为系统因子，且a1≥a2≥a3＞0；
步骤S3：将HX与系统预设环境温度系数阈值范围（H0，H1）进行匹配，当HX处于（H0，H1）范围内，则表示新能源设备所处的环境温度正常，当HX≤H0或HX≥H1时，则表示新能源设备所处的环境温度异常，并将HX上传至质量监测模块；其中H1＞H0；
步骤S4：将预警工作温度集中的工作温度数据组数记为q组，并按照时间戳的先后顺序进行排序，同时将每组工作温度标记GHWz；将设备运行温度集中的工作温度数据组数记为w组，并按照时间戳的先后顺序进行排序，同时将每组环境温度标记JHWx；并将预警环境温度集与设备环境温度集中时间戳相同的环境温度数据组数记为d组；将每组环境温度标记YSWv；其中q≥3，w≥3，d≥0；z=1，2，……q，x=1，2，……w，v=0，1，2，……d；且q、w以及d均为整数；
步骤S5：通过公式获得运行温度影响系数SX；其中b1、b2、b3均为系统因子，且b1≥b2≥b3＞0；
步骤S6：将SX与系统预设运行温度系数阈值范围（X0，X1）进行匹配，当SX处于（X0，X1）的范围内，则表示新能源设备的工作温度正常，当SX≤X0或SX≥X1时，则表示新能源设备的工作温度异常，并将SX上传至质量监测模块；其中X1＞X0。
所述质量监测模块用于当新能源设备所处的环境温度异常或工作温度异常时，对新能源设备的工作参数进行进一步地监测，具体过程包括以下步骤：
步骤M1：当HX≤H0或HX≥H1时，通过公式HF=（|HX-H0|+|HX-H1|）/（H1-H0）获得调整系数HF；
步骤M2当SX≤X0或SX≥X1时，通过公式SF=（|SX-X0|+|SX-X1|）/（X1-X0）获得调整系数SF；
步骤M3：将数据采集模块的数据采集频率调整为f2，f2=（1+c1×HF+c2×SF）×f1；将数据采集模块的数据采集周期调整为T2，T2=（1+m1×HF+m2×SF）；其中c1、c2、m1、m2均为系统因子，且c1、c2、m1、m2均大于0。
工作原理：通过信息录入模块用于将新能源设备的基本信息录入至系统，新能源设备的基本信息包括新能源设备的名称、数量、编号、地理坐标以及设备运行作用范围；通过数据采集模块用于对新能源设备的工作参数进行获取，数据采集模块的采集频率为f1，采集周期为T1；获取新能源设备所处的设备运行作用范围内的环境温度和设备的内部温度，然后将采集到的数据形成数据集，并根据每次采集数据的时间生成时间戳，将时间戳与采集到的数据集进行绑定；
再通过预处理模块用于对数据采集模块获取到的数据进行预处理，预警环境温度集、设备运行温度集、预警工作温度集以及设备环境温度集；通过预处理模块，对所获取到的数据进行初步处理和筛选，从而得到预处理数据，将常规数据进行剔除，只保留所需要的数据，从而减少数据分析样本的基数，为后面数据分析模块的数据分析速度进行提升打下基础；然后数据分析模块用于对预处理模块所获取的数据进行分析，获得环境温度影响系数HX，将HX与系统预设环境温度系数阈值范围（H0，H1）进行匹配，当HX处于（H0，H1）范围内，则表示新能源设备所处的环境温度正常，当HX≤H0或HX≥H1时，则表示新能源设备所处的环境温度异常，并将HX上传至质量监测模块；获取运行温度影响系数SX，将SX与系统预设运行温度系数阈值范围（X0，X1）进行匹配，当SX处于（X0，X1）的范围内，则表示新能源设备的工作温度正常，当SX≤X0或SX≥X1时，则表示新能源设备的工作温度异常，并将SX上传至质量监测模块。
最后当新能源设备处于环境温度异常或工作温度异常时，动态调整数据采集模块数据采集频率和采集周期。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围，此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
Claims (5)
1.一种基于云计算的新能源设备质量监测系统，其特征在于，包括云平台、信息录入模块、数据采集模块、预处理模块、数据分析模块、质量监测模块以及数据库；
所述预处理模块用于对数据采集模块获取到的数据进行预处理，具体处理过程包括以下步骤：
步骤Y1：将一个采集周期T1内所获得的HWi以及对应的时间戳进行汇总，并形成单次采集环境温度数据集，根据单次采集环境温度数据集生成环境温度变化曲线；
步骤Y2：在环境温度变化曲线内设置第一环境温度预警线和第二环境温度预警线，其中第一环境温度预警线所对应的温度值大于第二环境温度预警线所对应的温度值，并将超出环境温度预警线的环境温度以及对应的时间戳进行标记，并生成预警环境温度集；
步骤Y3：获取预警环境温度集中，将相同时间戳所对应的设备的内部温度WTi进行标记，并根据被标记的设备的内部温度以及对应的时间戳生成设备运行温度集；
步骤Y4：将一个采集周期T1时间内所获得的WTi以及对应的时间戳进行汇总，并形成单次采集工作温度数据集，根据单次采集工作温度集生成工作温度变化曲线；
步骤Y5：在工作温度变化曲线内设置第一工作温度预警线和第二工作温度预警线，其中第一工作温度预警线所对应的温度值大于第二工作温度预警线所对应的温度值，并将超出工作温度预警线的工作温度以及对应的时间戳进行标记，并生成预警工作温度集；
步骤Y6：获取预警工作温度集中，将相同时间戳所对应的环境温度HWi进行标记，并根据被标记的环境温度以及对应的时间戳生成设备环境温度集；
步骤Y7：将步骤Y1-Y6获取到的数据发送至数据分析模块中。
2.根据权利要求1所述的一种基于云计算的新能源设备质量监测系统，其特征在于，所述信息录入模块用于将新能源设备的基本信息录入至系统，新能源设备的基本信息包括新能源设备的名称、数量、编号、地理坐标以及设备运行作用范围；将所有新能源设备中同一种设备标记为设备组，并将每个设备组标记为i；每个设备组中所包含的设备数量标记为Ni；设备运行作用范围的划定方式为：以设备所在的地理坐标为中心，半径为ri建立半球型空间，该半球型空间即为设备运行作用范围；将新能源设备的基本信息录入完成后，将录入的设备基本信息发送至数据库中进行保存，并生成设备日志；所述设备日志还包括新能源设备的开始投入使用日期以及使用时长。
3.根据权利要求1所述的一种基于云计算的新能源设备质量监测系统，其特征在于，所述数据采集模块用于对新能源设备的工作参数进行获取，具体采集过程包括以下步骤：
步骤C1：将数据采集模块的采集频率标记为f1，采集周期标记为T1；
步骤C2：将新能源设备所处的设备运行作用范围内的环境温度标记为HWi；
步骤C3：设备的内部温度标记为WTi；
步骤C4：将采集到的数据形成数据集，并根据每次采集数据的时间生成时间戳，将时间戳与采集到的数据集进行绑定。
4.根据权利要求1所述的一种基于云计算的新能源设备质量监测系统，其特征在于，所述数据分析模块用于对预处理模块所获取的数据进行分析，获得环境温度影响系数HX以及运行温度影响系数SX；并将HX与系统预设环境温度系数阈值范围（H0，H1）进行匹配；将SX与系统预设运行温度系数阈值范围（X0，X1）进行匹配，并将匹配结果上传至质量监测模块。
5.根据权利要求1所述的一种基于云计算的新能源设备质量监测系统，其特征在于，所述质量监测模块用于当新能源设备所处的环境温度异常或工作温度异常时，对新能源设备的工作参数进行进一步地监测，重新调整数据采集模块的采集频率和采集周期。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311603658.7A CN117312294A (zh) | 2023-11-28 | 2023-11-28 | 一种基于云计算的新能源设备质量监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311603658.7A CN117312294A (zh) | 2023-11-28 | 2023-11-28 | 一种基于云计算的新能源设备质量监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117312294A true CN117312294A (zh) | 2023-12-29 |
Family
ID=89262372
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311603658.7A Pending CN117312294A (zh) | 2023-11-28 | 2023-11-28 | 一种基于云计算的新能源设备质量监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117312294A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020135496A1 (en) * | 2001-02-01 | 2002-09-26 | Canon Kabushiki Kaisha | Abnormality detection method and protection apparatus |
| JP2014138103A (ja) * | 2013-01-17 | 2014-07-28 | Yamaha Corp | 熱電発電ユニット |
| CN111928491A (zh) * | 2020-08-22 | 2020-11-13 | 孙玉洁 | 一种基于大数据的电热水器智能检测系统 |
| CN112050970A (zh) * | 2020-08-14 | 2020-12-08 | 中国神华能源股份有限公司国华电力分公司 | 环境监测方法及装置 |
| CN113299042A (zh) * | 2021-05-24 | 2021-08-24 | 淮北市华明工业变频设备有限公司 | 一种用于工业电器变频设备的安全预警系统 |
| CN113669248A (zh) * | 2021-08-24 | 2021-11-19 | 广东鑫钻节能科技股份有限公司 | 空压站内温控系统及方法 |
| CN115238769A (zh) * | 2022-06-23 | 2022-10-25 | 李雷 | 一种基于人工智能的异常数据监测方法及装置 |
| CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及系统 |
| CN117079428A (zh) * | 2023-10-16 | 2023-11-17 | 合肥航谱时代科技有限公司 | 一种用于厂区危化气体泄漏监测的区域预警系统 |
-
2023
- 2023-11-28 CN CN202311603658.7A patent/CN117312294A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020135496A1 (en) * | 2001-02-01 | 2002-09-26 | Canon Kabushiki Kaisha | Abnormality detection method and protection apparatus |
| JP2014138103A (ja) * | 2013-01-17 | 2014-07-28 | Yamaha Corp | 熱電発電ユニット |
| CN112050970A (zh) * | 2020-08-14 | 2020-12-08 | 中国神华能源股份有限公司国华电力分公司 | 环境监测方法及装置 |
| CN111928491A (zh) * | 2020-08-22 | 2020-11-13 | 孙玉洁 | 一种基于大数据的电热水器智能检测系统 |
| CN113299042A (zh) * | 2021-05-24 | 2021-08-24 | 淮北市华明工业变频设备有限公司 | 一种用于工业电器变频设备的安全预警系统 |
| CN113669248A (zh) * | 2021-08-24 | 2021-11-19 | 广东鑫钻节能科技股份有限公司 | 空压站内温控系统及方法 |
| CN115238769A (zh) * | 2022-06-23 | 2022-10-25 | 李雷 | 一种基于人工智能的异常数据监测方法及装置 |
| CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及系统 |
| CN117079428A (zh) * | 2023-10-16 | 2023-11-17 | 合肥航谱时代科技有限公司 | 一种用于厂区危化气体泄漏监测的区域预警系统 |
Non-Patent Citations (2)
| Title |
|---|
| 李新海;邹正华;徐春新;刘永强;: "电容器故障在线监控系统的设计与实现", 微计算机信息, no. 31, 5 November 2010 (2010-11-05) * |
| 董惠良;姜学峰;刘伟;段春立;毛科技;: "基于WSNs的分布式温度异常监测报警系统", 传感器与微系统, no. 02, 5 February 2018 (2018-02-05) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105205569B (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
| CN111753893A (zh) | 一种基于聚类和深度学习的风电机组功率集群预测方法 | |
| CN110766200A (zh) | 一种基于K-means均值聚类的风电机组发电功率预测方法 | |
| CN112231361A (zh) | 一种基于风机运行数据的风电项目发电量评估方法 | |
| CN107067100A (zh) | 风电功率异常数据辨识方法及辨识装置 | |
| CN106709823A (zh) | 一种电力用户用电信息采集系统的运行性能评价方法 | |
| CN113027658A (zh) | 一种水轮机转轮实时状态评估方法及其应用 | |
| CN114819385A (zh) | 风电功率预测方法、装置、电子设备及存储介质 | |
| CN102539823A (zh) | 一种wtg风速分布的预测方法 | |
| CN117312294A (zh) | 一种基于云计算的新能源设备质量监测系统 | |
| CN115498658A (zh) | 一种水轮发电机组调速器一次调频功能评价方法及系统 | |
| Potter et al. | Wind power data for grid integration studies | |
| CN112803403B (zh) | 基于时频特征的海上风电集群效应多层级评估方法 | |
| CN107480838A (zh) | 风电功率误差计算方法、装置及电力系统 | |
| CN112380641B (zh) | 一种应急柴油机健康状态评价方法及计算机终端 | |
| CN109193791A (zh) | 一种基于改进shapley值的风电汇聚趋势性分状态量化方法 | |
| CN104200338A (zh) | 线损统计与决策分析系统 | |
| CN105932669B (zh) | 风功率波动分量分解器以及风电出力波动特性评估方法 | |
| CN113887839A (zh) | 一种基于聚类的风电场超短期风功率预测方法及系统 | |
| CN110717725B (zh) | 基于大数据分析的电网项目选取方法 | |
| CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
| CN113988685A (zh) | 一种基于电力大数据的数字产业发展指数测算方法 | |
| CN106777740A (zh) | 一种风电出力概率分布特性快速判别方法 | |
| CN115063255B (zh) | 一种海上风电场的运维资源优化配置方法、装置及系统 | |
| CN116563055B (zh) | 一种基于多源数据融合的风能潜力评估方法 |
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 |