CN117458399B - 基于多源数据监测的矿用防爆电机保护方法和系统 - Google Patents
基于多源数据监测的矿用防爆电机保护方法和系统 Download PDFInfo
- Publication number
- CN117458399B CN117458399B CN202311745497.5A CN202311745497A CN117458399B CN 117458399 B CN117458399 B CN 117458399B CN 202311745497 A CN202311745497 A CN 202311745497A CN 117458399 B CN117458399 B CN 117458399B
- Authority
- CN
- China
- Prior art keywords
- target
- motor
- protection
- proof motor
- explosion
- 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
Links
- 238000005065 mining Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 85
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 230000033228 biological regulation Effects 0.000 claims abstract description 14
- 238000004880 explosion Methods 0.000 claims abstract description 14
- 238000001816 cooling Methods 0.000 claims description 39
- 238000012423 maintenance Methods 0.000 claims description 38
- 230000005856 abnormality Effects 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 230000003213 activating effect Effects 0.000 abstract description 2
- 238000004804 winding Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
- 239000000463 material Substances 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
- 238000003062 neural network model Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/08—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for dynamo-electric motors
- H02H7/085—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for dynamo-electric motors against excessive load
- H02H7/0852—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for dynamo-electric motors against excessive load directly responsive to abnormal temperature by using a temperature sensor
Abstract
本发明提供了基于多源数据监测的矿用防爆电机保护方法和系统，涉及矿用防爆电机技术领域，包括：通过非接触红外线测温仪对运行中的目标矿用防爆电机进行实时温度检测，得到目标实时温度；当实时温度不满足预设温度阈值时，启动电机硬件监管模组对目标硬件进行检测，得到目标硬件检测结果；若所述目标硬件均正常运行，则激活电机软件监管模组基于预设负荷因子对负荷状态进行检测，得到目标负荷预测结果；若负荷状态异常，调用防爆电机保护模组生成目标保护决策，对所述目标矿用防爆电机进行保护调控。本发明解决了传统的矿用防爆电机保护方法存在无法全面、准确识别潜在故障，并且无法制定针对性的保护措施，保护效果不理想的技术问题。
Description
技术领域
本发明涉及矿用防爆电机技术领域，具体涉及基于多源数据监测的矿用防爆电机保护方法和系统。
背景技术
矿用防爆电机用于煤炭、石油、天然气等特殊环境，由于这些特殊环境中存在着高温、高压、易爆等危险因素，矿用防爆电机保护的主要目标是确保电机在安全可靠的状态下运行，避免发生火灾、爆炸或其他安全事故。
然而，在现有技术下，矿用防爆电机保护面临一些技术问题，一方面，传统的矿用防爆电机保护方法通常仅使用温度检测来判断电机是否正常工作，但是，电机可能出现其他潜在的故障或异常状态，如电流过载、电压异常、轴承损坏等，这些问题仅通过温度检测无法准确识别；另一方面，在现有技术中，对于矿用防爆电机的故障预测能力较弱，无法提前识别潜在的故障迹象，导致在故障发生后才能采取相应的保护措施，这可能会造成设备停机、生产中断和安全风险；并且，现有技术对于矿用防爆电机的保护策略相对简单，缺乏综合考虑各种潜在故障因素的能力，无法根据实时监测数据和状态信息制定针对性的保护措施，导致保护效果不理想。
发明内容
本申请通过提供了基于多源数据监测的矿用防爆电机保护方法和系统，旨在解决传统的矿用防爆电机保护方法通常只使用温度监测来判断电机是否正常工作，监测手段单一，导致无法全面、准确识别潜在故障，并且现有技术对于矿用防爆电机的保护策略相对简单，缺乏综合考虑各种潜在故障因素的能力，导致保护效果不理想的技术问题。
鉴于上述问题，本申请提供了基于多源数据监测的矿用防爆电机保护方法和系统。
本申请公开的第一个方面，提供了基于多源数据监测的矿用防爆电机保护方法，所述方法应用于基于多源数据监测的矿用防爆电机保护系统，所述系统与非接触红外线测温仪通信连接，所述方法包括：通过所述非接触红外线测温仪对运行中的目标矿用防爆电机进行实时温度检测，得到目标实时温度；当所述目标实时温度不满足预设温度阈值时，启动电机硬件监管模组对所述目标矿用防爆电机的目标硬件进行检测，得到目标硬件检测结果；根据所述目标硬件检测结果，若所述目标硬件均正常运行，则激活电机软件监管模组基于预设负荷因子对所述目标矿用防爆电机的负荷状态进行检测，得到目标负荷预测结果；根据所述目标负荷预测结果，若所述目标矿用防爆电机的负荷状态异常，调用防爆电机保护模组生成目标保护决策；基于所述目标保护决策对所述目标矿用防爆电机进行保护调控。
本申请公开的另一个方面，提供了基于多源数据监测的矿用防爆电机保护系统，所述系统与非接触红外线测温仪通信连接，所述系统用于上述方法，所述系统包括：实时温度检测模块，所述实时温度检测模块用于通过所述非接触红外线测温仪对运行中的目标矿用防爆电机进行实时温度检测，得到目标实时温度；目标硬件检测模块，所述目标硬件检测模块用于当所述目标实时温度不满足预设温度阈值时，启动电机硬件监管模组对所述目标矿用防爆电机的目标硬件进行检测，得到目标硬件检测结果；负荷状态检测模块，所述负荷状态检测模块用于根据所述目标硬件检测结果，若所述目标硬件均正常运行，则激活电机软件监管模组基于预设负荷因子对所述目标矿用防爆电机的负荷状态进行检测，得到目标负荷预测结果；保护决策生成模块，所述保护决策生成模块用于根据所述目标负荷预测结果，若所述目标矿用防爆电机的负荷状态异常，调用防爆电机保护模组生成目标保护决策；电机保护调控模块，所述电机保护调控模块用于基于所述目标保护决策对所述目标矿用防爆电机进行保护调控。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过引入非接触红外线测温仪以及目标硬件检测模块，其中非接触红外线测温仪提供了目标矿用防爆电机的实时温度信息，目标硬件检测模块可以评估电机的硬件运行情况，实现通过多个数据源对矿用防爆电机进行全面监测；根据目标硬件检测结果，可以基于预设负荷因子对目标矿用防爆电机的负荷状态进行预测，这有助于提前识别并处理负荷异常情况；当目标负荷预测结果异常时，调用防爆电机保护模组生成目标保护决策，以便对目标矿用防爆电机进行相应的保护措施。综上所述，该基于多源数据监测的矿用防爆电机保护方法通过引入多个数据源，并结合负荷状态预测和目标保护决策，解决了传统方法中存在的单一监测手段和无法全面识别故障的问题，这种方法能够提供更全面、准确和可靠的矿用防爆电机保护，进而提高了系统的安全性和稳定性。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了基于多源数据监测的矿用防爆电机保护方法流程示意图；
图2为本申请实施例提供了基于多源数据监测的矿用防爆电机保护系统结构示意图。
附图标记说明：实时温度检测模块10，目标硬件检测模块20，负荷状态检测模块30，保护决策生成模块40，电机保护调控模块50。
具体实施方式
本申请实施例通过提供基于多源数据监测的矿用防爆电机保护方法，解决了传统的矿用防爆电机保护方法通常只使用温度监测来判断电机是否正常工作，监测手段单一，导致无法全面、准确识别潜在故障，并且现有技术对于矿用防爆电机的保护策略相对简单，缺乏综合考虑各种潜在故障因素的能力，导致保护效果不理想的技术问题。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例1
如图1所示，本申请实施例提供了基于多源数据监测的矿用防爆电机保护方法，所述方法应用于基于多源数据监测的矿用防爆电机保护系统，所述系统与非接触红外线测温仪通信连接，所述方法包括：
通过所述非接触红外线测温仪对运行中的目标矿用防爆电机进行实时温度检测，得到目标实时温度；
本申请实施例提供的基于多源数据监测的矿用防爆电机保护方法应用于基于多源数据监测的矿用防爆电机保护系统，所述系统与非接触红外线测温仪通信连接。
非接触红外线测温仪是一种用于测量物体的温度而无需物理接触的设备，它使用红外线技术来检测物体表面的热量辐射，并根据这些辐射的特征来估算物体的温度，本系统中，非接触红外线测温仪用于对矿用防爆电机进行实时温度检测，它通过测量电机表面的热辐射来获取电机的实时温度数据，而无需直接接触电机表面。
将非接触红外线测温仪安装或定位在适当的位置，以确保其能够准确瞄准目标矿用防爆电机的表面，启动非接触红外线测温仪，开始发送红外线辐射来探测目标电机的表面温度，当红外线辐射命中电机表面时，根据这些辐射的特征来计算表面的温度，根据测量到的热辐射数据，非接触红外线测温仪计算并记录目标矿用防爆电机的实时温度，这个温度数据以数字形式呈现，用于后续的分析和处理。
当所述目标实时温度不满足预设温度阈值时，启动电机硬件监管模组对所述目标矿用防爆电机的目标硬件进行检测，得到目标硬件检测结果；
根据具体需求和实际情况定义预设温度阈值，用于对目标实时温度进行判定，检查获取的目标实时温度数据，将其与预设的温度阈值进行比较，如果目标实时温度不满足预设温度阈值，说明电机可能存在温度异常。
在温度异常情况下，自动启动电机硬件监管模组，这个模组是负责监测电机硬件状态的一部分系统，用于执行电机硬件监管任务。通过电机硬件监管模组对目标矿用防爆电机的硬件进行检测，这涉及检查电机的各个部件和组件，如电机绕组、冷却系统、电机线路等，以确保它们的正常运行状态。根据硬件检测的结果，生成目标硬件检测结果，这个结果反映了电机硬件状态的信息，包括哪些部件正常运行，哪些可能存在异常。这样，可以了解硬件状态，并为后续的决策提供数据支持，以确保电机的安全和可靠运行。
进一步而言，所述目标硬件包括目标冷却系统，所述得到目标硬件检测结果，包括：
对所述目标矿用防爆电机的运行环境进行特征采集，得到目标环境特征信息，其中，所述目标环境特征信息包括目标环境温度信息、目标环境湿度信息、目标环境PH值、目标环境海拔高度；
调用所述目标矿用防爆电机的目标历史运行维护记录；
提取所述目标历史运行维护记录中的目标运行特征信息，所述目标运行特征信息包括目标持续运行时长、目标冷却系统状态；
提取所述目标历史运行维护记录中的目标维护特征信息；
结合所述目标环境温度信息、所述目标环境湿度信息、所述目标环境PH值、所述目标环境海拔高度、所述目标持续运行时长、所述目标冷却系统状态和所述目标维护特征信息，得到目标冷却系统检测结果；
将所述目标冷却系统检测结果添加至所述目标硬件检测结果。
对目标矿用防爆电机的运行环境进行特征采集，以获取目标环境特征信息，这些环境特征信息用于评估电机的负载能力以及制定保护措施。目标环境特征信息包括电机工作环境和外界环境因素，电机工作环境指的是电机所处的实际工作环境，如高温、潮湿、腐蚀等，电机在这种恶劣环境下工作时，其负荷能力会降低；外界环境因素包括环境温度、湿度、PH值、海拔高度等因素，这些信息可以对电机的负载能力产生影响。例如，当环境温度过高时，电机散热不及时容易发生过载，甚至烧坏电机。
具体的，在目标电机周围部署环境特征采集设备，这些设备可以测量和记录目标环境的各种特征信息，例如，使用温度传感器测量环境温度，使用湿度传感器测量湿度等。特征采集设备不断监测和记录目标环境的特征信息，包括目标环境温度、湿度、PH值、海拔高度等，通过特征采集设备采集的数据，得到目标环境特征信息，这些信息用于分析电机所处环境的特性，以了解是否存在可能影响电机负载能力的因素。
调用目标矿用防爆电机的历史运行维护记录，这些记录包含了电机在过去的运行中所经历的各种事件和维护活动，如故障情况、维修记录、保养信息等。从历史记录中提取目标运行特征信息，这些信息包括目标持续运行时长、目标冷却系统状态，具体的，分析历史记录中电机的持续运行时长，以了解电机在不同时间段内的运行情况，这有助于评估电机的负载历史和稳定性；提取历史记录中包含的电机冷却系统的状态信息，如冷却液温度、冷却风扇运行情况等，这些信息用于评估电机的散热性能和温度稳定性。
从目标矿用防爆电机的历史运行维护记录中提取目标维护特征信息，这些信息包括电机的维护次数、不同维护项目的执行情况等，通过这些信息，可以了解电机的维护历史，评估电机的维护状况。
结合目标环境温度信息、目标环境湿度信息、目标环境PH值、目标环境海拔高度、目标持续运行时长、目标冷却系统状态和目标维护特征信息，以得到目标冷却系统的检测结果，这个结果将反映电机的冷却系统是否处于正常工作状态，以及电机在当前环境条件下的运行状态，通过综合考虑所有这些因素，以评估电机的整体性能和安全性。
将得到的目标冷却系统检测结果添加至目标硬件检测结果，作为目标硬件检测结果的一部分。这样，可以获得更详细的目标硬件状态信息，有助于更全面地了解冷却系统的工作状况，为后续的保护和调控决策提供更为准确的数据支持。
进一步而言，所述目标硬件还包括目标电机线路，在所述将所述目标冷却系统检测结果添加至所述目标硬件检测结果之后，还包括：
基于直流法原理监测得到所述目标电机线路的目标实时电流，并分析得到目标电机线路检测结果；
所述目标电机线路检测结果和所述目标冷却系统检测结果共同组成所述目标硬件检测结果。
准备一个直流电源、电流传感器、数字电流表以及连接线缆，将直流电源的正极连接到目标电机线路的正极，直流电源的负极连接到目标电机线路的负极，同时，在电流传感器上正确连接输入和输出端口，使用连接线缆将电流传感器的输出端口与数字电流表相连，开启直流电源，使电流通过目标电机线路，同时，使用数字电流表记录电流值，在此过程中，分析电流的变化情况，如果绕组电流没有变化，则说明绕组没有漏电；如果绕组电流有变化，则说明绕组存在漏电，根据分析结果，生成目标电机线路检测结果。
将目标电机线路检测结果和目标冷却系统检测结果结合起来，形成目标硬件检测结果，该目标硬件检测结果可以提供关于电机线路和冷却系统的信息，将这两方面的检测结果结合起来，可以更全面地评估目标设备的健康状况，这种综合的检测结果有助于评估目标设备的运行状况和安全性，并采取适当的维护措施。
进一步而言，在所述得到目标硬件检测结果之后，还包括：
根据所述目标硬件检测结果，若所述目标冷却系统或所述目标电机线路异常，则生成异常预警指令；
根据所述异常预警指令对所述目标矿用防爆电机进行针对性运维。
根据目标硬件检测结果，确定冷却系统或电机线路的具体异常情况，根据异常的性质和严重程度，对异常进行评估，确定是否需要立即采取行动，例如，高温可能需要立即停止设备运行，而较低优先级的异常可以在正常维护计划内处理。根据异常评估结果生成异常预警指令，异常预警指令旨在提醒相关人员采取必要的措施，以避免进一步损坏设备、确保操作安全或减少生产中断。
根据异常预警指令，向相关人员发送预警通知，告知他们关于异常情况的详细信息和应该采取的行动，可以通过电话、短信、电子邮件等通信渠道实现，根据异常预警指令中的要求，对存在异常的目标冷却系统或目标电机线路，针对异常性质、异常程度、异常位置等进行针对性运维，示例性的，进行详细的检查和诊断，以确定问题的具体原因和范围，根据检查和诊断结果，采取相应的维修措施，包括更换受损部件、修复电路连接、清洁冷却系统等，以确保设备恢复正常运行状态。
根据所述目标硬件检测结果，若所述目标硬件均正常运行，则激活电机软件监管模组基于预设负荷因子对所述目标矿用防爆电机的负荷状态进行检测，得到目标负荷预测结果；
分析得到的目标硬件检测结果，如果目标电机的硬件均正常运行，说明电机的各个部件和组件都处于良好状态。在目标硬件正常运行的情况下，激活电机软件监管模组，这个模组是负责监测电机软件层面的一部分系统，用于执行电机软件监管任务。电机软件监管模组基于预设的负荷因子对目标电机的负荷状态进行检测，这些负荷因子包括电流、电压、运行环境和使用条件等，并得到目标负荷预测结果，这个结果反映了电机在当前运行条件下的负荷情况，如电流、电压、运行环境和使用条件等。通过对电机的负荷状态进行检测，以提前预测可能的负荷异常，并为后续的保护决策提供基础。
进一步而言，所述预设负荷因子包括电流、电压、运行环境、使用条件，其中，所述运行环境包括环境温度、环境湿度、环境PH、环境海拔，所述使用条件包括电机驱动方式、电机运行时间、电机负载类型。
预设负荷因子是影响电机负荷能力的关键因素，包括以上内容，其中，对于电流，电机的负荷能力与其额定电流相关，超过额定电流的使用可能导致过载和损坏；对于电压，适当的电压供应对于电机的正常运行至关重要，高或低电压可能会影响电机的性能和负荷能力；
对于运行环境，包括环境温度，电机在不同温度下的负载能力可能会有所变化，极端温度可能导致电机过热或性能下降；包括环境湿度，湿度水平对电机绝缘和冷却系统的有效性有影响，高湿度环境可能需要更多的保护措施；包括环境PH，特定的酸碱性环境可能对电机材料和绝缘产生腐蚀性影响，影响电机的寿命和负荷能力；对于环境海拔，海拔高度会影响空气密度和冷却效果，需要考虑电机的额定功率是否能够在特定海拔范围内完全发挥；
对于使用条件，包括电机驱动方式，电机的驱动方式会影响其负荷能力，直流电机的负荷能力通常比交流电机的负荷能力更高；包括电机运行时间，电机的工作时间和负载类型将对其负荷能力产生影响，长时间高负载运行可能导致过热和磨损；包括电机负载类型，不同类型的负载对电机的负荷能力需求有所不同，例如启动时的起动扭矩、持续负载或间歇负载。
进一步而言，包括：
提取所述目标历史运行维护记录中的第一目标历史运行记录，所述第一目标历史运行记录包括第一目标历史负荷状态信息和第一目标历史负荷；
基于神经网络原理对所述第一目标历史负荷状态信息和所述第一目标历史负荷进行监督学习、检验，得到智能预测模型；
通过所述智能预测模型对所述目标矿用防爆电机的负荷状态进行分析，得到所述目标负荷预测结果。
从所述目标历史运行维护记录中随机提取一条历史运行记录作为第一目标历史运行记录，其中，第一目标历史负荷状态信息是关于设备运行状态、设备参数或其他与负荷相关的数据，提供了有关设备运行状况和环境条件的详细信息；第一目标历史负荷的负荷值表示设备在特定时间段内的电力需求或使用情况，通常以单位功率（如瓦特）或百分比等形式进行表示，在某些特定的负荷状态下，负荷值呈现出不同的模式或趋势。
整理第一目标历史负荷状态信息和负荷的数据，包括特征和对应的标签，特征可以是负荷状态信息的各种参数，例如时间、温度、湿度等，标签可以是相应的负荷值，获取构建数据集。将所述构建数据集划分为训练集和测试集，训练集用于模型训练，测试集用于评估模型的性能，选择适当的神经网络结构，如卷积神经网络，构建智能预测模型的网络架构，该网络通常由输入层、隐藏层和输出层组成。
使用训练集对神经网络模型进行训练，通过反向传播算法和优化器，如梯度下降，来调整网络的权重和偏置，使其能够逐渐学习到负荷状态信息和负荷之间的关联，使用测试集对训练好的模型进行评估，评估指标如均方根误差，根据评估结果对模型进行调优，例如调整网络结构、修改超参数或增加正则化等，以提高预测准确性和泛化能力。最终获取满足预设要求的智能预测模型。
收集目标矿用防爆电机的负荷状态数据，将其输入训练和调优过的智能预测模型，模型根据学习到的负荷状态信息和负荷之间的关联进行预测分析，输出相应的目标负荷预测结果。
根据所述目标负荷预测结果，若所述目标矿用防爆电机的负荷状态异常，调用防爆电机保护模组生成目标保护决策；
分析得到的目标负荷预测结果，通过比较目标负荷预测结果与预设的正常标准，判断电机的负荷状态是否异常，如果检测到异常，说明电机可能面临一些问题。在负荷状态异常的情况下，调用防爆电机保护模组，这个模组是负责生成保护策略和决策的一部分系统，用于执行防爆电机保护任务。防爆电机保护模组根据异常情况生成针对目标电机的保护决策，包括停机、降负荷、报警等措施，以应对潜在的问题和保障电机的稳定安全运行。
进一步而言，所述根据所述目标负荷预测结果，若所述目标矿用防爆电机的负荷状态异常，调用防爆电机保护模组生成目标保护决策，包括：
将基于所述预设负荷因子检测得到的所述目标矿用防爆电机的负荷状态作为寻优空间；
将所述目标负荷预测结果作为寻优评价指标；
所述防爆电机保护模组基于禁忌搜索原理，以所述寻优评价指标为约束在所述寻优空间进行全局仿真寻优，得到所述目标保护决策。
根据预设的负荷因子检测结果，将目标矿用防爆电机的负荷状态进行分类，例如将负荷状态分为正常和异常两类，以便后续的寻优过程，将被分类为异常的负荷状态作为寻优空间的一部分，这意味着只有当负荷状态被检测为异常时，才会对其进行保护决策的优化搜索，而对于正常负荷状态，则可以采取默认的保护策略。
根据负荷状态的特征和约束条件，形成寻优空间的定义，包括负荷状态的范围、限制条件以及其他相关的因素，例如，如果异常负荷状态被定义为超出某个阈值范围的情况，那么寻优空间可以是该范围之外的取值，这样，在后续的优化搜索中，只会针对异常负荷状态进行保护决策的优化，以提高系统的效率和安全性。
正确的负荷预测结果是进行目标保护决策的关键信息之一，使用目标负荷预测结果作为评价指标，可以在系统正常运行时提前获得对未来负荷情况的预测，从而更好地规划和调整保护策略。
使用禁忌搜索算法，对寻优空间进行全局搜索，在每个迭代中，生成一个新的候选解，即保护决策，根据评价指标对候选解进行评估，并根据禁忌规则和邻域操作进行搜索，通过不断更新当前最优解和禁忌表，逐渐收敛于最优解。经过多次迭代后，禁忌搜索算法最终找到一个在寻优空间中表现最佳的解，即目标保护决策，这个决策可以根据评价指标的值来确定是否对目标矿用防爆电机进行保护，并选择最合适的保护策略。这样能够确保在异常负荷状态下，防爆电机保护模组能够以最优的方式进行保护，提高系统的稳定性和安全性。
基于所述目标保护决策对所述目标矿用防爆电机进行保护调控。
根据生成的目标保护决策，对目标矿用防爆电机进行实际的保护调控操作，以应对检测到的电机问题，并确保电机在安全的工作状态下运行。
综上所述，本申请实施例所提供的基于多源数据监测的矿用防爆电机保护方法和系统具有如下技术效果：
1.通过引入非接触红外线测温仪以及目标硬件检测模块，其中非接触红外线测温仪提供了目标矿用防爆电机的实时温度信息，目标硬件检测模块可以评估电机的硬件运行情况，实现通过多个数据源对矿用防爆电机进行全面监测；
2.根据目标硬件检测结果，可以基于预设负荷因子对目标矿用防爆电机的负荷状态进行预测，这有助于提前识别并处理负荷异常情况；
3.当目标负荷预测结果异常时，调用防爆电机保护模组生成目标保护决策，以便对目标矿用防爆电机进行相应的保护措施。
综上所述，该基于多源数据监测的矿用防爆电机保护方法通过引入多个数据源，并结合负荷状态预测和目标保护决策，解决了传统方法中存在的单一监测手段和无法全面识别故障的问题，这种方法能够提供更全面、准确和可靠的矿用防爆电机保护，进而提高了系统的安全性和稳定性。
实施例2
基于与前述实施例中基于多源数据监测的矿用防爆电机保护方法相同的发明构思，如图2所示，本申请提供了基于多源数据监测的矿用防爆电机保护系统，所述系统与非接触红外线测温仪通信连接，所述系统包括：
实时温度检测模块10，所述实时温度检测模块10用于通过所述非接触红外线测温仪对运行中的目标矿用防爆电机进行实时温度检测，得到目标实时温度；
目标硬件检测模块20，所述目标硬件检测模块20用于当所述目标实时温度不满足预设温度阈值时，启动电机硬件监管模组对所述目标矿用防爆电机的目标硬件进行检测，得到目标硬件检测结果；
负荷状态检测模块30，所述负荷状态检测模块30用于根据所述目标硬件检测结果，若所述目标硬件均正常运行，则激活电机软件监管模组基于预设负荷因子对所述目标矿用防爆电机的负荷状态进行检测，得到目标负荷预测结果；
保护决策生成模块40，所述保护决策生成模块40用于根据所述目标负荷预测结果，若所述目标矿用防爆电机的负荷状态异常，调用防爆电机保护模组生成目标保护决策；
电机保护调控模块50，所述电机保护调控模块50用于基于所述目标保护决策对所述目标矿用防爆电机进行保护调控。
进一步而言，所述系统还包括硬件检测结果获取模块，以执行如下操作步骤：
对所述目标矿用防爆电机的运行环境进行特征采集，得到目标环境特征信息，其中，所述目标环境特征信息包括目标环境温度信息、目标环境湿度信息、目标环境PH值、目标环境海拔高度；
调用所述目标矿用防爆电机的目标历史运行维护记录；
提取所述目标历史运行维护记录中的目标运行特征信息，所述目标运行特征信息包括目标持续运行时长、目标冷却系统状态；
提取所述目标历史运行维护记录中的目标维护特征信息；
结合所述目标环境温度信息、所述目标环境湿度信息、所述目标环境PH值、所述目标环境海拔高度、所述目标持续运行时长、所述目标冷却系统状态和所述目标维护特征信息，得到目标冷却系统检测结果；
将所述目标冷却系统检测结果添加至所述目标硬件检测结果。
进一步而言，所述系统还包括硬件检测结果组成模块，以执行如下操作步骤：
基于直流法原理监测得到所述目标电机线路的目标实时电流，并分析得到目标电机线路检测结果；
所述目标电机线路检测结果和所述目标冷却系统检测结果共同组成所述目标硬件检测结果。
进一步而言，所述系统还包括针对性运维模块，以执行如下操作步骤：
根据所述目标硬件检测结果，若所述目标冷却系统或所述目标电机线路异常，则生成异常预警指令；
根据所述异常预警指令对所述目标矿用防爆电机进行针对性运维。
进一步而言，所述所述预设负荷因子包括电流、电压、运行环境、使用条件，其中，所述运行环境包括环境温度、环境湿度、环境PH、环境海拔，所述使用条件包括电机驱动方式、电机运行时间、电机负载类型。
进一步而言，所述系统还包括负荷预测结果获取模块，以执行如下操作步骤：
提取所述目标历史运行维护记录中的第一目标历史运行记录，所述第一目标历史运行记录包括第一目标历史负荷状态信息和第一目标历史负荷；
基于神经网络原理对所述第一目标历史负荷状态信息和所述第一目标历史负荷进行监督学习、检验，得到智能预测模型；
通过所述智能预测模型对所述目标矿用防爆电机的负荷状态进行分析，得到所述目标负荷预测结果。
进一步而言，所述系统还包括目标保护决策获取模块，以执行如下操作步骤：
将基于所述预设负荷因子检测得到的所述目标矿用防爆电机的负荷状态作为寻优空间；
将所述目标负荷预测结果作为寻优评价指标；
所述防爆电机保护模组基于禁忌搜索原理，以所述寻优评价指标为约束在所述寻优空间进行全局仿真寻优，得到所述目标保护决策。
本说明书通过前述对基于多源数据监测的矿用防爆电机保护方法的详细描述，本领域技术人员可以清楚得知道本实施例中的基于多源数据监测的矿用防爆电机保护系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.基于多源数据监测的矿用防爆电机保护方法，其特征在于，所述方法应用于基于多源数据监测的矿用防爆电机保护系统，所述系统与非接触红外线测温仪通信连接，所述方法包括：
通过所述非接触红外线测温仪对运行中的目标矿用防爆电机进行实时温度检测，得到目标实时温度；
当所述目标实时温度不满足预设温度阈值时，启动电机硬件监管模组对所述目标矿用防爆电机的目标硬件进行检测，得到目标硬件检测结果；
根据所述目标硬件检测结果，若所述目标硬件均正常运行，则激活电机软件监管模组基于预设负荷因子对所述目标矿用防爆电机的负荷状态进行检测，得到目标负荷预测结果；
根据所述目标负荷预测结果，若所述目标矿用防爆电机的负荷状态异常，调用防爆电机保护模组生成目标保护决策；
基于所述目标保护决策对所述目标矿用防爆电机进行保护调控；
所述目标硬件包括目标冷却系统，所述得到目标硬件检测结果，包括：
对所述目标矿用防爆电机的运行环境进行特征采集，得到目标环境特征信息，其中，所述目标环境特征信息包括目标环境温度信息、目标环境湿度信息、目标环境PH值、目标环境海拔高度；
调用所述目标矿用防爆电机的目标历史运行维护记录；
提取所述目标历史运行维护记录中的目标运行特征信息，所述目标运行特征信息包括目标持续运行时长、目标冷却系统状态；
提取所述目标历史运行维护记录中的目标维护特征信息；
结合所述目标环境温度信息、所述目标环境湿度信息、所述目标环境PH值、所述目标环境海拔高度、所述目标持续运行时长、所述目标冷却系统状态和所述目标维护特征信息，得到目标冷却系统检测结果；
将所述目标冷却系统检测结果添加至所述目标硬件检测结果。
2.根据权利要求1所述方法，其特征在于，所述目标硬件还包括目标电机线路，在所述将所述目标冷却系统检测结果添加至所述目标硬件检测结果之后，还包括：
基于直流法原理监测得到所述目标电机线路的目标实时电流，并分析得到目标电机线路检测结果；
所述目标电机线路检测结果和所述目标冷却系统检测结果共同组成所述目标硬件检测结果。
3.根据权利要求2所述方法，其特征在于，在所述得到目标硬件检测结果之后，还包括：
根据所述目标硬件检测结果，若所述目标冷却系统或所述目标电机线路异常，则生成异常预警指令；
根据所述异常预警指令对所述目标矿用防爆电机进行针对性运维。
4.根据权利要求1所述方法，其特征在于，所述预设负荷因子包括电流、电压、运行环境、使用条件，其中，所述运行环境包括环境温度、环境湿度、环境PH、环境海拔，所述使用条件包括电机驱动方式、电机运行时间、电机负载类型。
5.根据权利要求4所述方法，其特征在于，包括：
提取所述目标历史运行维护记录中的第一目标历史运行记录，所述第一目标历史运行记录包括第一目标历史负荷状态信息和第一目标历史负荷；
基于神经网络原理对所述第一目标历史负荷状态信息和所述第一目标历史负荷进行监督学习、检验，得到智能预测模型；
通过所述智能预测模型对所述目标矿用防爆电机的负荷状态进行分析，得到所述目标负荷预测结果。
6.根据权利要求5所述方法，其特征在于，所述根据所述目标负荷预测结果，若所述目标矿用防爆电机的负荷状态异常，调用防爆电机保护模组生成目标保护决策，包括：
将基于所述预设负荷因子检测得到的所述目标矿用防爆电机的负荷状态作为寻优空间；
将所述目标负荷预测结果作为寻优评价指标；
所述防爆电机保护模组基于禁忌搜索原理，以所述寻优评价指标为约束在所述寻优空间进行全局仿真寻优，得到所述目标保护决策。
7.基于多源数据监测的矿用防爆电机保护系统，其特征在于，所述系统与非接触红外线测温仪通信连接，用于实施权利要求1-6任一项所述的基于多源数据监测的矿用防爆电机保护方法，包括：
实时温度检测模块，所述实时温度检测模块用于通过所述非接触红外线测温仪对运行中的目标矿用防爆电机进行实时温度检测，得到目标实时温度；
目标硬件检测模块，所述目标硬件检测模块用于当所述目标实时温度不满足预设温度阈值时，启动电机硬件监管模组对所述目标矿用防爆电机的目标硬件进行检测，得到目标硬件检测结果；
负荷状态检测模块，所述负荷状态检测模块用于根据所述目标硬件检测结果，若所述目标硬件均正常运行，则激活电机软件监管模组基于预设负荷因子对所述目标矿用防爆电机的负荷状态进行检测，得到目标负荷预测结果；
保护决策生成模块，所述保护决策生成模块用于根据所述目标负荷预测结果，若所述目标矿用防爆电机的负荷状态异常，调用防爆电机保护模组生成目标保护决策；
电机保护调控模块，所述电机保护调控模块用于基于所述目标保护决策对所述目标矿用防爆电机进行保护调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311745497.5A CN117458399B (zh) | 2023-12-19 | 2023-12-19 | 基于多源数据监测的矿用防爆电机保护方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311745497.5A CN117458399B (zh) | 2023-12-19 | 2023-12-19 | 基于多源数据监测的矿用防爆电机保护方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117458399A CN117458399A (zh) | 2024-01-26 |
| CN117458399B true CN117458399B (zh) | 2024-03-29 |
Family
ID=89585795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311745497.5A Active CN117458399B (zh) | 2023-12-19 | 2023-12-19 | 基于多源数据监测的矿用防爆电机保护方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117458399B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115238915A (zh) * | 2022-06-23 | 2022-10-25 | 方和瑞智能科技(苏州)有限公司 | 一种工业装备故障预测与健康监测系统 |
| CN116164843A (zh) * | 2022-11-25 | 2023-05-26 | 大唐珲春发电厂 | 一种基于物联网的电缆监测预警方法及系统 |
| CN116775408A (zh) * | 2023-06-19 | 2023-09-19 | 上海启斯云计算有限公司 | 一种储能设备运行状态的智能监测方法 |
-
2023
- 2023-12-19 CN CN202311745497.5A patent/CN117458399B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115238915A (zh) * | 2022-06-23 | 2022-10-25 | 方和瑞智能科技(苏州)有限公司 | 一种工业装备故障预测与健康监测系统 |
| CN116164843A (zh) * | 2022-11-25 | 2023-05-26 | 大唐珲春发电厂 | 一种基于物联网的电缆监测预警方法及系统 |
| CN116775408A (zh) * | 2023-06-19 | 2023-09-19 | 上海启斯云计算有限公司 | 一种储能设备运行状态的智能监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117458399A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5844978B2 (ja) | ガスタービンを監視するためのシステム及び方法 | |
| de Andrade Vieira et al. | Failure risk indicators for a maintenance model based on observable life of industrial components with an application to wind turbines | |
| Zhang et al. | SCADA-data-based wind turbine fault detection: A dynamic model sensor method | |
| Huang et al. | A fault analysis method for three-phase induction motors based on spiking neural P systems | |
| CN105551549A (zh) | 一种核电设备运行状况在线监测方法及系统 | |
| US20170184675A1 (en) | Prognostic and health monitoring systems for circuit breakers | |
| US20020052712A1 (en) | Method for the monitoring of a plant | |
| JP6240220B2 (ja) | エンジンのライフサイクルを予想するための方法およびシステム | |
| CN103195583B (zh) | 一种采用排气温度分散度监测保护燃气轮机燃烧的方法 | |
| WO2015026166A1 (ko) | 비정상 데이터 예측 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
| US20130318018A1 (en) | Neural network-based turbine monitoring system | |
| KR102136141B1 (ko) | 인공지능 알고리즘을 이용한 고장 예방 기능을 구비한 비상 발전기 | |
| Liu et al. | Optimal multi-type inspection policy for systems with imperfect online monitoring | |
| US20210156315A1 (en) | Method and system for evaluating the technical condition of gas turbine assemblies | |
| US11099219B2 (en) | Estimating the remaining useful life of a power transformer based on real-time sensor data and periodic dissolved gas analyses | |
| CN117458399B (zh) | 基于多源数据监测的矿用防爆电机保护方法和系统 | |
| Rodríguez-López et al. | Development of indicators for the detection of equipment malfunctions and degradation estimation based on digital signals (alarms and events) from operation SCADA | |
| Gray et al. | An abductive diagnosis and modeling concept for wind power plants | |
| RU2668852C1 (ru) | Способ и система учета остаточного ресурса компонентов турбоагрегата | |
| US20230092472A1 (en) | Method and System for Intelligent Monitoring of State of Nuclear Power Plant | |
| JP2020133616A (ja) | 稼働状態評価方法、及び、稼働状態評価装置 | |
| US20230359191A1 (en) | System and method for determining a cause of an operating anomaly of a machine, computer program and electronically readable data storage device | |
| CN112699598A (zh) | 齿轮箱油温异常智能诊断方法及装置 | |
| CN111650444A (zh) | 基于回归分析的电磁环境中tcu失效预警方法 | |
| KR20200087302A (ko) | 배관 압력 데이터를 이용한 배관 위험예측방법 |
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 |