CN117318310A - 一种防爆配电柜远程无人智慧监测系统 - Google Patents

一种防爆配电柜远程无人智慧监测系统 Download PDF

Info

Publication number
CN117318310A
CN117318310A CN202311599498.3A CN202311599498A CN117318310A CN 117318310 A CN117318310 A CN 117318310A CN 202311599498 A CN202311599498 A CN 202311599498A CN 117318310 A CN117318310 A CN 117318310A
Authority
CN
China
Prior art keywords
data
item
explosion
time
power distribution
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
Application number
CN202311599498.3A
Other languages
English (en)
Other versions
CN117318310B (zh
Inventor
冷冰
陈哲
刘清如
张成伟
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.)
Zhejiang Longye Electric Technology Co ltd
Original Assignee
Zhejiang Longye Electric 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 Zhejiang Longye Electric Technology Co ltd filed Critical Zhejiang Longye Electric Technology Co ltd
Priority to CN202311599498.3A priority Critical patent/CN117318310B/zh
Publication of CN117318310A publication Critical patent/CN117318310A/zh
Application granted granted Critical
Publication of CN117318310B publication Critical patent/CN117318310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
    • H02B1/00—Frameworks, boards, panels, desks, casings; Details of substations or switching arrangements
    • H02B1/24—Circuit arrangements for boards or switchyards
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment

Abstract

本发明涉及数据处理领域，具体涉及一种防爆配电柜远程无人智慧监测系统，该系统包括：数据采集模块、局部波动程度获取模块、异常程度获取模块、异常监测处置模块，采集防爆配电柜的各项数据，根据每次采集的每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小，根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度，根据局部波动程度以及修正局部范围内每个数据的实际值和预测值获取平滑系数，根据平滑系数进行指数平滑，获取每项数据的预测值，根据预测值和实际值以及局部波动程度获取每项数据的异常程度，进而得到每次采集时防爆配电柜的异常程度，识别异常数据，进行防爆配电柜异常报警。

Description

一种防爆配电柜远程无人智慧监测系统
技术领域
本发明涉及数据处理领域，具体涉及一种防爆配电柜远程无人智慧监测系统。
背景技术
随着工业、石油、天然气和化工等领域的不断发展，防爆配电柜的使用变得日益广泛，以确保安全的电力分配和控制。防爆配电柜的可靠性和安全性对于这些行业的生产和设备运行至关重要。传统的监测方法通常依赖于人工巡检，可能会导致监测不及时、数据不准确，同时会对工作人员存在潜在风险。对防爆配电柜进行远程无人监控。
对防爆配电柜进行远程无人监控时，需要及时识别防爆配电柜的异常情况，现有技术通过指数平滑法预测数据，根据预测数据和实际数据的差异进行异常检测，常规的指数平滑法选取全局参数进行数据预测，然而全局参数的选取会对数据预测结果造成较大的影响，参数选取过大会导致过分关注局部数据，在数据变化较大时可能会导致数据预测值不够合理，参数选取过小会导致数据预测更多地受到历史数据的影响，容易对最近局部特征明显的数据产生较差的预测结果，导致无法准确的识别防爆配电柜的异常情况。
发明内容
为了解决上述问题，本发明提供一种防爆配电柜远程无人智慧监测系统，所述系统包括：
数据采集模块，根据预设数据采集频率采集防爆配电柜的各项数据；
局部波动程度获取模块，预设初始局部范围大小，对于每次采集的每项数据，根据每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小；根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度；
异常程度获取模块，对于每次采集的每项数据，根据每项数据的局部波动程度以及每项数据的修正局部范围内每个数据获取每项数据的平滑系数；根据所述平滑系数对每项数据进行指数平滑，获取每项数据的预测值；根据每项数据的预测值和实际值以及每项数据的局部波动程度获取每项数据的异常程度；
根据每次采集的所有项数据的异常程度获取每次采集时防爆配电柜的异常程度；
异常监测处置模块，根据每次采集时防爆配电柜的异常程度识别异常数据，进行防爆配电柜异常报警。
优选的，所述每项数据的初始局部范围内所有数据的获取方法为：
对于每次采集的每项数据，将此次采集之前P次采集的同一项数据作为此次采集的该项数据的初始局部范围内的数据，其中P为初始局部范围大小，当此次采集之前的采集次数不足P时，将此次采集之前的每次采集的同一项数据作为此次采集的该项数据的初始局部范围内的数据。
优选的，所述根据每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小，包括的步骤为：
获取每次采集的每项数据的初始局部范围内所有数据的平均值以及标准差，根据所述平均值以及标准差获取每次采集的每项数据的局部范围修正因子；利用每次采集的每项数据的局部范围修正因子与初始局部范围大小相乘，将乘积进行四舍五入取整，作为每次采集的每项数据的修正局部范围大小。
优选的，所述局部范围修正因子的获取方法为：；
其中，表示第i次采集的第j项数据的局部范围修正因子，/>表示第i次采集的第j项数据的初始局部范围内所有数据的平均值，/>表示第i次采集的第j项数据的初始局部范围内所有数据的标准差，/>表示第i次采集的第j项数据。
优选的，所述根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度，包括的步骤为：；其中，/>表示第i次采集的第j项数据的局部波动程度，/>表示第i次采集的第j项数据的修正局部范围内包含的所有数据的个数，/>表示第i次采集的第j项数据，/>表示第i次采集的第j项数据的修正局部范围内第k个数据。
优选的，所述根据每项数据的局部波动程度以及每项数据的修正局部范围内每个数据获取每项数据的平滑系数，包括的步骤为：；
其中，表示第i次采集的第j项数据的平滑系数，/>表示第i次采集的第j项数据的局部波动程度，/>表示第i次采集的第j项数据的修正局部范围内包含的所有数据的个数，/>表示第i次采集的第j项数据的修正局部范围内第k个数据的实际值，表示第i次采集的第j项数据的修正局部范围内第k个数据的预测值。
优选的，所述根据每项数据的预测值和实际值以及每项数据的局部波动程度获取每项数据的异常程度，包括的步骤为：；
其中，表示第i次采集的第j项数据的异常程度，/>表示第i次采集的第j项数据的预测值，/>表示第i次采集的第j项数据的实际值，/>表示第i次采集的第j项数据的局部波动程度。
优选的，所述根据每次采集的所有项数据的异常程度获取每次采集时防爆配电柜的异常程度，包括的步骤为：；
其中，表示第i采集时防爆配电柜的异常程度，N表示每次采集的数据项数，表示第i次采集的第j项数据的异常程度。
优选的，所述根据每次采集时防爆配电柜的异常程度识别异常数据，包括的步骤为：
预设异常程度阈值；在每次采集防爆配电柜的数据之后，比较当前采集时防爆配电柜的异常程度和异常程度阈值的大小，若当前采集时防爆配电柜的异常程度大于异常程度阈值，将当前采集的防爆配电柜的数据作为异常数据。
优选的，所述每项数据的修正局部范围内包含的所有数据的获取方法为：
将第i次采集的第j项数据的修正局部范围大小记为，当/>时，将第次到第/>次采集的第j项数据作为第i次采集的第j项数据的修正局部范围内包含的所有数据，当/>时，将第i次采集之前的每次采集的第j项数据作为第i次采集的第j项数据的修正局部范围内包含的所有数据。
本发明具有如下有益效果：本发明根据每次采集的每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小，为波动越大的数据设置越大的局部范围，使得数据的局部范围包含更多的历史数据，从而避免局部范围内数据正常的波动引起错误的预测。本发明根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度，根据局部波动程度以及修正局部范围内每个数据的实际值和预测值获取平滑系数，对于局部波动程度越大的数据，设置较小的平滑系数，防止局部波动对数据预测结果造成较大影响，使得利用指数平滑法进行数据预测时能够更多地考虑历史的数据，避免正常的局部波动影响预测结果的准确性；对于局部波动程度较小的数据，选取较大的平滑系数，使数据预测更多地考虑最近局部数据的变化趋势，使得预测结果更加准确，进而使得对防爆配电柜数据的异常监测更加准确，提升了防爆配电柜的异常处置的及时性。
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和优点，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的介绍，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它附图。
图1为本发明一个实施例提供的一种防爆配电柜远程无人智慧监测系统的系统框图。
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防爆配电柜远程无人智慧监测系统，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防爆配电柜远程无人智慧监测系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种防爆配电柜远程无人智慧监测系统，该系统包括以下模块：
数据采集模块101，根据预设数据采集频率采集防爆配电柜的各项数据。
采集防爆配电柜数据，需要采集的数据包括但不限于防爆配电柜的电流、电压、温度、湿度、有害气体和可燃气体的浓度。通过采集这些数据可以帮助运维人员对防爆配电柜进行实时监测和远程控制，以在防爆配电柜出现故障或异常的第一时间采取相应的措施。
具体的，可直接在防爆配电柜中接入电流表、电压表以获取电流、电压数据，在防爆配电柜中布设温度计以读取配电柜中实时温度，通过各类传感器获取防爆配电柜的其他数据。
预设数据采集频率为1小时一次，实施人员可根据实际实施情况自行设定数据采集频率。根据数据采集频率采集防爆配电柜的各项数据，将第i次采集的第j项数据记为，j取遍/>，其中N表示每次采集的数据项数。将全部数据量化记录，以便后续计算更加方便进行。
局部波动程度获取模块102，预设初始局部范围大小，根据每次采集的每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小，根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度。
需要说明的是，在防爆配电柜各项数据中，可能存在局部波动程度较大的正常数据，直接使用全局平滑系数进行数据预测时，会受到波动的正常数据影响出现错误的预测。因此本实施例根据数据的局部波动程度，将局部波动程度较大的数据设置较小的平滑系数，使局部波动程度较大数据更多地受到历史数据影响，使得预测结果更加准确。本实施例首先获取每项数据的局部范围，并根据局部范围内数据的变化获取数据的波动程度。
具体的，预设一个初始局部范围大小P，经验值为其中N表示每次采集的数据项数。将全部数据量化记录，以便后续计算更加方便进行。
局部波动程度获取模块102，预设初始局部范围大小，根据每次采集的每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小，根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度。
需要说明的是，在防爆配电柜各项数据中，可能存在局部波动程度较大的正常数据，直接使用全局平滑系数进行数据预测时，会受到波动的正常数据影响出现错误的预测。因此本实施例根据数据的局部波动程度，将局部波动程度较大的数据设置较小的平滑系数，使局部波动程度较大数据更多地受到历史数据影响，使得预测结果更加准确。本实施例首先获取每项数据的局部范围，并根据局部范围内数据的变化获取数据的波动程度。
具体的，预设一个初始局部范围大小P，经验值为，本实施例不对初始局部范围进行限定，实施人员可根据实际实施情况自行设置初始局部范围大小。对于每次采集的每项数据，将此次采集之前的P次采集的同一项数据作为此次采集的该项数据的初始局部范围内的数据，当此次采集之前的采集次数不足P时，将此次采集之前的每次采集的同一项数据作为此次采集的该项数据的初始局部范围内的数据。
需要说明的是，对于每次采集的每项数据，当该项数据的初始局部范围内数据的波动程度越大时，对于此次采集的该项数据应该设置越大的局部范围，使得此次采集的该项数据的局部范围包含更多的历史数据，从而避免局部范围内数据正常的波动引起错误的预测。因此本实施例根据每次采集的每项数据的初始局部范围内数据的波动程度，获取每次采集的每项数据的局部范围修正因子，对每次采集的每项数据的局部范围大小进行修正。
具体的，获取每次采集的每项数据的初始局部范围内所有数据的平均值以及标准差，根据所述平均值以及标准差获取每次采集的每项数据的局部范围修正因子：；
其中，表示第i次采集的第j项数据的局部范围修正因子，/>表示第i次采集的第j项数据的初始局部范围内所有数据的平均值，/>表示第i次采集的第j项数据的初始局部范围内所有数据的标准差，/>表示第i次采集的第j项数据；初始局部范围内所有数据的标准差反映了初始局部范围内数据的波动程度，/>表示第i次采集的第j项数据与其初始局部范围内所有数据的平均值之间的绝对差距，标准差与绝对差异做比，比值越接近1，说明两者越相近，此时初始局部范围选取的越准确，当比值小于1时，说明第i次采集的第j项数据的初始局部范围内所有数据的波动程度越小，此时应该将第i次采集的第j项数据的初始局部范围大小减小，当比值大于1时，说明第i次采集的第j项数据的初始局部范围内所有数据的波动程度越大，此时应该将第i次采集的第j项数据的初始局部范围大小增大，使得第i次采集的第j项数据的局部范围包含更多的历史数据，从而避免局部范围内数据正常的波动引起错误的预测。
对于每次采集的每项数据，利用该项数据的局部范围修正因子与初始局部范围大小P相乘，将乘积进行四舍五入取整，作为该项数据的修正局部范围大小，利用该项数据的修正局部范围大小获取该项数据的修正局部范围内包含的所有数据。例如将第i次采集的第j项数据的修正局部范围大小记为，则将第i次采集之前的/>次采集的第j项数据作为第i次采集的第j项数据的修正局部范围内包含的所有数据，即将第/>次到第/>次采集的第j项数据作为第i次采集的第j项数据的修正局部范围内包含的所有数据，当时，第i次采集之前的采集次数不足/>次，此时将第i次采集之前的每次采集的第j项数据作为第i次采集的第j项数据的修正局部范围内包含的所有数据。
对于每次采集的每项数据，根据该项数据的修正局部范围内包含的所有数据获取该项数据的局部波动程度：；
其中，表示第i次采集的j项数据的局部波动程度，/>表示第i次采集的第j项数据的修正局部范围内包含的所有数据的个数，/>表示第i次采集的第j项数据，表示第i次采集的第j项数据的修正局部范围内第k个数据；本实施例利用第i次采集的第j项数据与其修正局部范围内每个数据的差值绝对值的平均值来反映第i次采集的第j项数据的局部波动程度，当第i次采集的第j项数据与其修正局部范围内每个数据的差异越大时，第i次采集的第j项数据的局部波动程度越大。
至此，获取了每次采集的每项数据的局部波动程度。
异常程度获取模块103，根据每项数据的局部波动程度以及每项数据的修正局部范围内每个数据的实际值和预测值获取每项数据的平滑系数，根据所述平滑系数对每项数据进行指数平滑，获取每项数据的预测值，根据每项数据的预测值和实际值以及每项数据的局部波动程度获取每项数据的异常程度，根据每次采集的所有项数据的异常程度获取每次采集时防爆配电柜的异常程度。
需要说明的是，对于局部波动程度越大的数据，为了防止局部波动对数据预测结果造成较大影响，需要较小的平滑系数，使得利用指数平滑法进行数据预测时能够更多地考虑历史的数据，避免正常的局部波动影响预测结果的准确性；对于局部波动程度较小的数据，为了使数据预测更加充分地考虑到局部数据变化的影响，应选取较大的平滑系数，使数据预测更多地考虑最近局部数据的变化趋势，使得预测结果更加准确。
具体的，对于每次采集的每项数据，根据该项数据的局部波动程度以及该项数据的修正局部范围内每个数据的实际值和预测值获取每项数据的平滑系数：；
其中，表示第i次采集的第j项数据的平滑系数，/>表示第i次采集的第j项数据的局部波动程度，/>表示第i次采集的第j项数据的修正局部范围内包含的所有数据的个数，/>表示第i次采集的第j项数据的修正局部范围内第k个数据的实际值，表示第i次采集的第j项数据的修正局部范围内第k个数据的预测值。当第i次采集的第j项数据的局部波动程度越大，应使用越小的平滑系数进行数据预测，因此利用/>来获取平滑系数，对局部波动程度/>加1是为了防止分母为0。
；
表示第i次采集的第j项数据的修正局部波动范围内所有数据的实际值和预测值之间差异的均值，当差异越大，说明第i次采集的第j项数据的修正局部波动范围内异常数据较多，需要使用更小的平滑系数进行数据预测，进行数据预测时能够更多地考虑历史的数据，避免异常的局部波动影响预测结果的准确性。对加1是为了防止分母为0。
每次采集后，对于当前次采集的每项数据，根据每项数据的平滑系数对每项数据进行指数平滑，获取每项数据的预测值。每项数据的预测值用于下次采集的每项数据的平滑系数的计算。需要说明的是，对于前P次采集的每项数据，由于前P次采集的每项数据之前的数据样本较少，即前P次采集的每项数据的修正局部范围内数据较少，使得对于前P次采集的每项数据的预测值的可参考程度较小，因此对于前P次采集的每项数据，规定其预测值等于其实际值，用于后续每次采集的每项数据的平滑系数的计算。
对于每次采集的每项数据，根据该项数据的预测值和实际值以及该项数据的局部波动程度获取该项数据的异常程度：；
其中，表示第i次采集的第j项数据的异常程度，/>表示第i次采集的第j项数据的预测值，/>表示第i次采集的第j项数据的实际值，/>表示第i次采集的第j项数据的局部波动程度。/>表示预测值与实际值之间的差异，反映了第i次采集的第j项数据为异常数据的可能性，当差异越大，说明此次采集的防爆配电柜第j项的实际数据越不符合前期采集的数据的分布规律，此时此次采集的第j项数据越异常，由于防爆配电柜不同时段的数据波动可能是正常波动，在正常波动影响下，预测值和实际值可能存在较大差异，此时数据为正常数据，因此根据第i次采集的第j项数据的局部波动程度对异常可能性进行修正，从而获取数据的异常程度。
根据每次采集的每一项数据的异常程度获取每次采集时防爆配电柜的异常程度：；
其中，表示第i采集时防爆配电柜的异常程度，N表示每次采集的数据项数，表示第i次采集的第j项数据的异常程度。当第i采集多项数据的异常程度都较大时，第i次采集时防爆配电柜状态越异常。
至此，获取了每次采集时防爆配电柜的异常程度。
异常监测处置模块104，根据每次采集时防爆配电柜的异常程度识别异常数据，进行防爆配电柜异常报警。
预设一个异常程度阈值T，经验值为，本实施例不对异常程度阈值进行限定，实施人员可根据实际实施情况自行设定异常程度阈值。
在每次采集防爆配电柜的数据之后，比较当前采集时防爆配电柜的异常程度和异常程度阈值的大小，若当前采集时防爆配电柜的异常程度大于异常程度阈值，则将当前采集的防爆配电柜的数据作为异常数据。
当出现异常数据时，立即发出异常预警，由运维人员对防爆配电柜进行检查，并及时调整防爆配电柜状态，防止发生安全事故。
综上所述，本发明的系统包括数据采集模块、局部波动程度获取模块、异常程度获取模块、异常监测处置模块，本发明根据每次采集的每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小，为波动越大的数据设置越大的局部范围，使得数据的局部范围包含更多的历史数据，从而避免局部范围内数据正常的波动引起错误的预测。本发明根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度，根据局部波动程度以及修正局部范围内每个数据的实际值和预测值获取平滑系数，对于局部波动程度越大的数据，设置较小的平滑系数，防止局部波动对数据预测结果造成较大影响，使得利用指数平滑法进行数据预测时能够更多地考虑历史的数据，避免正常的局部波动影响预测结果的准确性；对于局部波动程度较小的数据，选取较大的平滑系数，使数据预测更多地考虑最近局部数据的变化趋势，使得预测结果更加准确，进而使得对防爆配电柜数据的异常监测更加准确，提升了防爆配电柜的异常处置的及时性。
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)

1.一种防爆配电柜远程无人智慧监测系统，其特征在于，所述系统包括：
数据采集模块，根据预设数据采集频率采集防爆配电柜的各项数据；
局部波动程度获取模块，预设初始局部范围大小，对于每次采集的每项数据，根据每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小；根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度；
异常程度获取模块，对于每次采集的每项数据，根据每项数据的局部波动程度以及每项数据的修正局部范围内每个数据获取每项数据的平滑系数；根据所述平滑系数对每项数据进行指数平滑，获取每项数据的预测值；根据每项数据的预测值和实际值以及每项数据的局部波动程度获取每项数据的异常程度；
根据每次采集的所有项数据的异常程度获取每次采集时防爆配电柜的异常程度；
异常监测处置模块，根据每次采集时防爆配电柜的异常程度识别异常数据，进行防爆配电柜异常报警。
2.根据权利要求1所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述每项数据的初始局部范围内所有数据的获取方法为：
对于每次采集的每项数据，将此次采集之前P次采集的同一项数据作为此次采集的该项数据的初始局部范围内的数据，其中P为初始局部范围大小，当此次采集之前的采集次数不足P时，将此次采集之前的每次采集的同一项数据作为此次采集的该项数据的初始局部范围内的数据。
3.根据权利要求1所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述根据每项数据的初始局部范围内所有数据的分布获取每项数据的修正局部范围大小，包括的步骤为：
获取每次采集的每项数据的初始局部范围内所有数据的平均值以及标准差，根据所述平均值以及标准差获取每次采集的每项数据的局部范围修正因子；利用每次采集的每项数据的局部范围修正因子与初始局部范围大小相乘，将乘积进行四舍五入取整，作为每次采集的每项数据的修正局部范围大小。
4.根据权利要求3所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述局部范围修正因子的获取方法为：；其中，/>表示第次采集的第j项数据的局部范围修正因子，/>表示第i次采集的第j项数据的初始局部范围内所有数据的平均值，/>表示第i次采集的第j项数据的初始局部范围内所有数据的标准差，/>表示第i次采集的第j项数据。
5.根据权利要求1所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述根据每项数据的修正局部范围内包含的所有数据获取每项数据的局部波动程度，包括的步骤为：；其中，/>表示第i次采集的第j项数据的局部波动程度，/>表示第i次采集的第j项数据的修正局部范围内包含的所有数据的个数，/>表示第i次采集的第j项数据，/>表示第i次采集的第j项数据的修正局部范围内第k个数据。
6.根据权利要求1所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述根据每项数据的局部波动程度以及每项数据的修正局部范围内每个数据获取每项数据的平滑系数，包括的步骤为：
；其中，/>表示第i次采集的第j项数据的平滑系数，/>表示第i次采集的第j项数据的局部波动程度，/>表示第i次采集的第j项数据的修正局部范围内包含的所有数据的个数，/>表示第i次采集的第j项数据的修正局部范围内第k个数据的实际值，/>表示第i次采集的第j项数据的修正局部范围内第k个数据的预测值。
7.根据权利要求1所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述根据每项数据的预测值和实际值以及每项数据的局部波动程度获取每项数据的异常程度，包括的步骤为：；其中，/>表示第i次采集的第j项数据的异常程度，表示第i次采集的第j项数据的预测值，/>表示第i次采集的第j项数据的实际值，表示第i次采集的第j项数据的局部波动程度。
8.根据权利要求1所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述根据每次采集的所有项数据的异常程度获取每次采集时防爆配电柜的异常程度，包括的步骤为：；其中，/>表示第i采集时防爆配电柜的异常程度，N表示每次采集的数据项数，/>表示第i次采集的第j项数据的异常程度。
9.根据权利要求1所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述根据每次采集时防爆配电柜的异常程度识别异常数据，包括的步骤为：
预设异常程度阈值；在每次采集防爆配电柜的数据之后，比较当前采集时防爆配电柜的异常程度和异常程度阈值的大小，若当前采集时防爆配电柜的异常程度大于异常程度阈值，将当前采集的防爆配电柜的数据作为异常数据。
10.根据权利要求1所述的一种防爆配电柜远程无人智慧监测系统，其特征在于，所述每项数据的修正局部范围内包含的所有数据的获取方法为：将第i次采集的第j项数据的修正局部范围大小记为，当/>时，将第/>次到第/>次采集的第j项数据作为第i次采集的第j项数据的修正局部范围内包含的所有数据，当/>时，将第i次采集之前的每次采集的第j项数据作为第i次采集的第j项数据的修正局部范围内包含的所有数据。
CN202311599498.3A 2023-11-28 2023-11-28 一种防爆配电柜远程无人智慧监测系统 Active CN117318310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311599498.3A CN117318310B (zh) 2023-11-28 2023-11-28 一种防爆配电柜远程无人智慧监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311599498.3A CN117318310B (zh) 2023-11-28 2023-11-28 一种防爆配电柜远程无人智慧监测系统

Publications (2)

Publication Number Publication Date
CN117318310A true CN117318310A (zh) 2023-12-29
CN117318310B CN117318310B (zh) 2024-02-09

Family

ID=89255601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311599498.3A Active CN117318310B (zh) 2023-11-28 2023-11-28 一种防爆配电柜远程无人智慧监测系统

Country Status (1)

Country Link
CN (1) CN117318310B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117494483A (zh) * 2024-01-02 2024-02-02 中铁上海工程局集团第七工程有限公司 一种双洞隧道断面变形数据的数值优化方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7739143B1 (en) * 2005-03-24 2010-06-15 Amazon Technologies, Inc. Robust forecasting techniques with reduced sensitivity to anomalous data
CN213210301U (zh) * 2020-06-17 2021-05-14 国网江苏省电力有限公司徐州供电分公司 一种基于调控系统的变电站直流异常侦测平台
WO2023272520A1 (en) * 2021-06-29 2023-01-05 Siemens Aktiengesellschaft Anomaly detection method and apparatus for industrial equipment, electronic device, and storage medium
KR102497380B1 (ko) * 2022-06-15 2023-02-09 제닉스윈 주식회사 실시간 온도변화 및 전원 상태 확인이 가능한 전원제어 분전반 및 이를 이용한 제어 방법
CN115829167A (zh) * 2023-02-15 2023-03-21 临沂市启成电子科技有限公司 一种物流信息平台数据智能管理方法及系统
CN116343953A (zh) * 2023-05-30 2023-06-27 苏州绿华科技有限公司 基于人工智能的智慧社区管理系统
CN116861201A (zh) * 2023-09-05 2023-10-10 深圳航天科创泛在电气有限公司 基于人工智能的电力供给系统
CN117007979A (zh) * 2023-10-07 2023-11-07 深圳市众航物联网有限公司 基于数据驱动的电源输出掉电异常预警方法
CN117093879A (zh) * 2023-10-19 2023-11-21 无锡尚航数据有限公司 一种数据中心智能化运营管理方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7739143B1 (en) * 2005-03-24 2010-06-15 Amazon Technologies, Inc. Robust forecasting techniques with reduced sensitivity to anomalous data
CN213210301U (zh) * 2020-06-17 2021-05-14 国网江苏省电力有限公司徐州供电分公司 一种基于调控系统的变电站直流异常侦测平台
WO2023272520A1 (en) * 2021-06-29 2023-01-05 Siemens Aktiengesellschaft Anomaly detection method and apparatus for industrial equipment, electronic device, and storage medium
KR102497380B1 (ko) * 2022-06-15 2023-02-09 제닉스윈 주식회사 실시간 온도변화 및 전원 상태 확인이 가능한 전원제어 분전반 및 이를 이용한 제어 방법
CN115829167A (zh) * 2023-02-15 2023-03-21 临沂市启成电子科技有限公司 一种物流信息平台数据智能管理方法及系统
CN116343953A (zh) * 2023-05-30 2023-06-27 苏州绿华科技有限公司 基于人工智能的智慧社区管理系统
CN116861201A (zh) * 2023-09-05 2023-10-10 深圳航天科创泛在电气有限公司 基于人工智能的电力供给系统
CN117007979A (zh) * 2023-10-07 2023-11-07 深圳市众航物联网有限公司 基于数据驱动的电源输出掉电异常预警方法
CN117093879A (zh) * 2023-10-19 2023-11-21 无锡尚航数据有限公司 一种数据中心智能化运营管理方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙想;吴保国;吴华瑞;陈诚;: "基于前置平滑的苗圃监测数据多元回归拟合方法", 东北林业大学学报, no. 12, pages 45 - 50 *
赵一鹏;丁云峰;姚恺丰;: "BP神经网络误差修正的电力物资时间序列预测", 计算机系统应用, no. 10, pages 196 - 200 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117494483A (zh) * 2024-01-02 2024-02-02 中铁上海工程局集团第七工程有限公司 一种双洞隧道断面变形数据的数值优化方法
CN117494483B (zh) * 2024-01-02 2024-03-19 中铁上海工程局集团第七工程有限公司 一种双洞隧道断面变形数据的数值优化方法

Also Published As

Publication number Publication date
CN117318310B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
CN117318310B (zh) 一种防爆配电柜远程无人智慧监测系统
EP2992340B1 (en) System and method for ups battery monitoring and data analysis
CN109977916B (zh) 一种基于嵌入式平台的变压器油中溶解气体在线监测系统
CN109446189A (zh) 一种工业参数离群点检测系统及方法
CN113239132B (zh) 一种电压互感器的超差在线辨识方法
CN109284933B (zh) 一种基于数理统计的电子式互感器状态评估系统及方法
CN115330000B (zh) 一种工业自动化控制仪表运行智能监测管理系统
CN117371339B (zh) 基于物联网的变压器运行监测系统
CN108093210A (zh) 一种变压器油位告警系统及其告警方法
CN110751217A (zh) 基于主元分析的设备能耗占比预警分析方法
CN116187867B (zh) 一种智能化的传动模组生产管理方法及系统
CN115586321A (zh) 油中溶解气在线监测数据识别方法、系统、存储器及设备
CN111983295B (zh) 一种设备故障预测方法及系统
CN113095664A (zh) 一种基于云计算的变电站运行安全在线实时监测调控管理云平台
CN113960114A (zh) 一种基于云服务器的焊接过程质量在线分析系统及方法
CN117113255B (zh) 基于状态监控自动识别含量的液化天然气安全监测系统
CN115127605B (zh) 一种水质自动监测系统远程智能诊断系统及方法
LU505201B1 (en) Intelligent safety early warning method and system of electric power plant based monitoring data analysis
CN117375147B (zh) 一种储能电站的安全监测预警与运行管理方法及系统
CN117556366B (zh) 基于数据筛选的数据异常检测系统及方法
CN111487562B (zh) 一种电力变压器状态早期预警及辅助决策方法
CN112327216B (zh) 一种基于边缘计算的电缆健康状态评估装置及方法
CN117805542B (zh) 一种矿用隔爆本质安全型变频器运行监控系统
CN117172139B (zh) 通信用铜包铝合金电缆的性能测试方法及系统
CN118033525A (zh) 一种基于数据相关性的工业仪表故障检测方法

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