CN117536691B - 一种综采工作面设备参数监控方法及系统 - Google Patents
一种综采工作面设备参数监控方法及系统 Download PDFInfo
- Publication number
- CN117536691B CN117536691B CN202410027996.9A CN202410027996A CN117536691B CN 117536691 B CN117536691 B CN 117536691B CN 202410027996 A CN202410027996 A CN 202410027996A CN 117536691 B CN117536691 B CN 117536691B
- Authority
- CN
- China
- Prior art keywords
- data
- parameter data
- time period
- degree
- adjacent
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 66
- 238000005065 mining Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005856 abnormality Effects 0.000 claims abstract description 47
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims description 67
- 238000009499 grossing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及数据处理技术领域，具体涉及一种综采工作面设备参数监控方法及系统，该方法包括：采集综采工作面设备在预设时间段内不同时刻的参数数据，所述预设时间段包括历史时间段和当前时刻，根据参数数据对未来时刻进行预测得到预测参数数据；根据预设时间段内每两个相邻参数数据之间的数据差异以及每两个相邻参数数据的分布情况得到数据趋势偏离程度；根据预设时间段内每两个相邻参数数据之间大小关系的数据分布情况得到数据单调程度；根据所述数据趋势偏离程度和数据单调程度、当前时刻的参数数据与预测参数数据之间的差异情况确定数据异常程度，对综采工作面设备进行监控。本发明使得综采工作面设备参数的异常判断结果更加准确。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种综采工作面设备参数监控方法及系统。
背景技术
综采工作面设备通常是指在煤矿等地下矿井中进行综合采矿作业时使用的设备。综采是一种高效的煤矿采煤方法，它结合了切割、支护和运输等多个环节，通过连续作业的方式，将煤矿从煤层中采取并传送到地面。随着煤炭行业的发展和技术的不断更新，综采工作面设备的逐渐得到广泛使用，综采工作面设备参数监控成为了保障煤矿生产安全和提高生产效率的重要手段。为了提高设备的安全性和可靠性，降低设备故障率和维修成本，提高生产效率和经济效益，可以在对综采工作面设备参数进行监控时提供数据分析和预测功能，进而可以提前对数据异常情况发出预警。但是现有方法常通过比较预测数据与实际数据之间的差异，判断预测数据是否出现数据异常情况，忽略了数据变化的时效问题，无法根据数据的变化趋势做出准确的异常判断结果，进而导致综采工作面设备参数监控结果准确度较低。
发明内容
为了解决现有方法的数据异常判断结果较不准确，进而导致综采工作面设备参数监控结果准确度较低的技术问题，本发明的目的在于提供一种综采工作面设备参数监控方法及系统，所采用的技术方案具体如下：
第一方面本发明提供了一种综采工作面设备参数监控方法，该方法包括以下步骤：
采集综采工作面设备在预设时间段内不同时刻的参数数据，所述预设时间段包括历史时间段和当前时刻，根据参数数据对未来时刻进行预测得到预测参数数据；
根据预设时间段内每两个相邻参数数据之间的数据差异以及每两个相邻参数数据的分布情况，得到当前时刻的数据趋势偏离程度；
根据预设时间段内每两个相邻参数数据之间大小关系的数据分布情况得到当前时刻的数据单调程度；
根据所述数据趋势偏离程度和数据单调程度、当前时刻的参数数据与预测参数数据之间的差异情况，确定数据异常程度；根据数据异常程度对综采工作面设备进行监控。
优选地，所述根据预设时间段内每两个相邻参数数据之间的数据差异以及每两个相邻参数数据的分布情况，得到当前时刻的数据趋势偏离程度，具体包括：
根据预设时间段内每两个相邻时刻的参数数据对应比值的分布情况得到预设时间段的数据变化幅度；根据预设时间段内每两个相邻时刻的参数数据之间差异情况、以及所述数据变化幅度，得到当前时刻的数据趋势偏离程度。
优选地，所述根据预设时间段内每两个相邻时刻的参数数据对应比值的分布情况得到预设时间段的数据变化幅度，具体包括：
对于预设时间段内任意两个相邻时刻，将相邻的前一个时刻的参数数据与相邻的后一个时刻的参数数据之间的比值，作为所述两个相邻时刻的数据变化系数；计算预设时间段内每两个相邻时刻的数据变化系数的均值得到预设时间段的数据变化幅度。
优选地，所述根据预设时间段内每两个相邻时刻的参数数据之间差异情况、以及所述数据变化幅度，得到当前时刻的数据趋势偏离程度，具体包括：
对于预设时间段内任意两个相邻时刻，将相邻的前一个时刻的参数数据记为第一参数数据，将相邻的后一个时刻的参数数据记为第二参数数据，计算第一参数数据与所述数据变化幅度的乘积，将第二参数数据与该乘积之间的差值的绝对值作为所述两个相邻时刻的数据差异系数；计算预设时间段内每两个相邻时刻的数据差异系数的均值得到预设时间段的数据趋势偏离程度。
优选地，所述根据预设时间段内每两个相邻参数数据之间大小关系的数据分布情况得到当前时刻的数据单调程度，具体包括：
在预设时间段内统计所有的每两个相邻时刻的参数数据之间的大小关系满足第一预设条件的次数记为第一系数，统计所有的每两个相邻时刻的参数数据之间的大小关系满足第二预设条件的次数记为第二系数；将第一系数和第二系数中的最大值与最小值的比值作为当前时刻的数据单调程度。
优选地，所述第一预设条件具体为：对于任意两个相邻时刻，相邻的前一个时刻的参数数据小于相邻的后一个时刻的参数数据；
所述第二预设条件具体为：对于任意两个相邻时刻，相邻的前一个时刻的参数数据大于相邻的后一个时刻的参数数据。
优选地，所述根据参数数据对未来时刻进行预测得到预测参数数据，具体包括：
利用指数平滑法根据预设时间段内的参数数据对当前时刻相邻的下一个时刻进行预测得到预测参数数据。
优选地，所述根据所述数据趋势偏离程度和数据单调程度、当前时刻的参数数据与预测参数数据之间的差异情况，确定数据异常程度，具体包括：
计算当前时刻的参数数据与预测参数数据之间的差值绝对值得到特征差异；
根据所述数据趋势偏离程度和数据单调程度得到调节系数，所述数据趋势偏离程度与调节系数呈负相关关系，所述数据单调程度与调节系数呈正相关关系；将调节系数与特征差异的乘积作为数据异常程度。
优选地，所述根据数据异常程度对综采工作面设备进行监控，具体包括：
当数据异常程度大于预设的异常阈值时，综采工作面设备参数的预测参数数据出现异常；
当数据异常程度小于或等于预设的异常阈值时，综采工作面设备参数的预设参数数据未出现异常。
第二方面本发明还提供了一种综采工作面设备参数监控系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种综采工作面设备参数监控方法的步骤。
本发明实施例至少具有如下有益效果：
本发明首先采集综采工作面设备在预设时间段内不同时刻的参数数据，即采集了当前时刻以及其之前的局部时间范围内的参数数据，为后续对当前时刻及其之前时刻的参数数据变化趋势的分析提供了数据基础。然后，对预设时间段内每两个相邻参数数据之间的数据差异以及每两个相邻参数数据的分布情况进行分析，得到当前时刻的数据趋势偏离程度，数据趋势偏离程度反映了参数数据在预设时间段内整体的偏离趋势。进一步的，对预设时间段内每两个相邻参数数据之间大小关系的数据分布情况进行分析得到当前时刻的数据单调程度，数据单调程度反映了参数数据在预设时间段内的单调趋势。最后，结合当前时刻及其之前局部时间范围内的参数数据整体的数据偏离趋势以及整体的单调变化趋势两个方面的数据变化趋势，进而对参数数据的预测值和实际值之间的差距进行调整，使得获得的异常程度能够考虑到数据在局部时间范围内的变化趋势情况，能够更加准确的反映预测值的异常情况，使得综采工作面设备参数的异常判断结果以及监测结果更加准确。
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是本发明一个实施例提供的一种综采工作面设备参数监控方法的方法流程图。
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综采工作面设备参数监控方法及系统，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综采工作面设备参数监控方法及系统的具体方案。
一种综采工作面设备参数监控方法实施例：
本发明的主要目的是：在利用指数平滑法进行数据预测的基础是哪个，根据综采工作面设备的参数数据在局部时间范围内的变化趋势，分析当前时刻的数据趋势变化情况，进一步可以利用数据趋势变化情况对参数的预测值和参数的实际值之间的差距进行调整，使得对当前时刻的未来时刻数据异常程度也考虑到了参数数据的变化趋势问题，能够获得较为准确的综采工作面设备参数监测结果，从而能够实现在异常数据出现之前进行提取预警。
请参阅图1，其示出了本发明一个实施例提供的一种综采工作面设备参数监控方法的方法流程图，该方法包括以下步骤：
步骤一，采集综采工作面设备在预设时间段内不同时刻的参数数据，所述预设时间段包括历史时间段和当前时刻，根据参数数据对未来时刻进行预测得到预测参数数据。
首先，采集综采工作面设备在预设时间段内不同时刻的参数数据，其中，综采工作面设备的参数数据可以是：工作面的倾斜度、有害气体浓度例如甲烷和一氧化碳等气体、工作面温度和湿度、设备振动数据、电压、电流、功率、煤层厚度、煤岩硬度、设备工作时间、负载以及运行速度等数据。
通过采集不同的参数数据可以对工作面的设备参数进行监控，例如，通过对工作面的倾斜度进行监测，可以确保设备在正确的位置进行工作；对通风情况和有害气体浓度进行监测可以确保工作面的安全；对工作面的湿度和温度进行监测，可以确保工作环境符合安全和生产要求；对设备振动数据进行监测可以评估设备的稳定性；对设备的电压、电流、功率进行监测可以获得设备电气运行状态。
基于此，在本实施例中，以任意一种参数数据为例进行说明，实施者可根据具体实施场景进行选取，其中，预设时间段包括历史时间段和当前时刻，在本实施例中，将预设时间段的时间长度设置为3小时，预设时间段内相邻两个时刻之间的时间间隔为3分钟，也即采集当前时刻以及当前时刻之前3小时内不同时刻的参数数据，实施者也可以根据具体实施场景进行设置。
进一步的，根据参数数据对未来时刻进行预测得到预测参数数据。具体地，利用指数平滑法根据预设时间段内的参数数据对当前时刻相邻的下一个时刻进行预测得到预测参数数据。在本实施例中，采用指数平滑法对当前时刻相邻的下一个时刻的参数数据进行预测，同时将指数平滑法的平滑系数设置为0.7，实施者可根据具体实施场景进行设置。利用指数平滑法对数据进行预测的方法步骤为公知技术，在此不再过多介绍。
步骤二，根据预设时间段内每两个相邻参数数据之间的数据差异以及每两个相邻参数数据的分布情况，得到当前时刻的数据趋势偏离程度。
现有方法常通过当前时刻的参数数据的实际值与预测之间的差距获取数据的异常情况，进而在对综采工作面设备参数进行异常检测时，仅考虑了当前时刻之前的历史参数数据的大小分布水平，而忽略了当前时刻之前局部时间范围内的、较为近邻的数据的变化趋势，进而使得现有方法的异常检测结果较不准确。故本实施例，对当前时刻之前的一段局部时间范围内参数数据的变化趋势分布情况进行分析，确定预测值与实际值之间的差距的调整程度。
考虑到综采工作面设备的参数数据在正常工作的情况下往往是趋于平稳的，也即是在正常情况下，采集到的预设时间段内的参数数据的分布情况较为稳定，参数数据之间的差异较小。但是当参数数据出现异常情况时，参数数据会从正常数据分布状态缓慢变化为异常数据，呈现出较为明显的数据变化趋势，故这种数据异常现象通常反映在局部时间范围内的不同变化趋势方面，基于此，首先需要对当前时刻之前的局部时间范围内的参数数据的变化趋势分布进行分析，即对预设时间段内每两个相邻参数数据之间的数据差异以及每两个相邻参数数据的分布情况进行分析。
具体地，根据预设时间段内每两个相邻时刻的参数数据对应比值的分布情况得到预设时间段的数据变化幅度，即对于预设时间段内任意两个相邻时刻，将相邻的前一个时刻的参数数据与相邻的后一个时刻的参数数据之间的比值，作为所述两个相邻时刻的数据变化系数；计算预设时间段内每两个相邻时刻的数据变化系数的均值得到预设时间段的数据变化幅度。
在本实施例中，预设时间段的数据变化幅度的计算公式可以表示为：
其中，W表示预设时间段的数据变化幅度，N表示预设时间段内包含的时刻的总数量，也即是预设时间段内采集到的参数数据的总数量，表示预设时间段内第k+1个时刻的参数数据，/>表示预设时间段内第k个时刻的参数数据。
和/>表示预设时间段内两个相邻时刻的参数数据，/>为数据变化系数，数据变化系数反映了第k+1个时刻相较于第k个时刻的参数数据的变化程度，反映了预设时间段内所有相邻两个时刻的参数数据的变化程度的均值，表征了预设时间段内的参数数据的平均变化幅度，也即数据变化幅度反映了预设时间段内参数数据的平均变化幅度。
需要说明的是，预设时间段的数据变化幅度表示了综采工作面设备在局部时间范围内的参数数据的总变化程度，而综采工作面设备参数数据中异常数据出现之前往往会出现较平滑的变化趋势，即每两个相邻的参数数据之间的变化程度都应与平均变化程度较为接近，故可以根据每两个相邻的参数数据之间的变化程度与平均变化程度之间的差异获取数据得趋势偏离性。
具体地，根据预设时间段内每两个相邻时刻的参数数据之间差异情况、以及所述数据变化幅度，得到当前时刻的数据趋势偏离程度。即对于预设时间段内任意两个相邻时刻，将相邻的前一个时刻的参数数据记为第一参数数据，将相邻的后一个时刻的参数数据记为第二参数数据，计算第一参数数据与所述数据变化幅度的乘积，将第二参数数据与该乘积之间的差值的绝对值作为所述两个相邻时刻的数据差异系数；计算预设时间段内每两个相邻时刻的数据差异系数的均值得到预设时间段的数据趋势偏离程度。
在本实施例中，将预设时间段内第k个时刻的参数数据记为第一参数数据，将预设时间段内第k+1个时刻的参数数据记为第二参数数据，预设时间段的数据趋势偏离程度的计算公式可以表示为：
其中，Q表示预设时间段的数据趋势偏离程度，W表示预设时间段的数据变化幅度，表示预设时间段内第k+1个时刻的参数数据，/>表示预设时间段内第k个时刻的参数数据，N表示预设时间段内包含的时刻的总数量，也即是预设时间段内采集到的参数数据的总数量。
表示了参数数据的平均变化幅度与第k个时刻的参数数据的乘积，反映了与第k个时刻相邻的下一个时刻的参数数据的理论值，也即是符合平均变化幅度的第k+1个时刻参数数据的理论值。
为第k个时刻和第k+1个时刻的数据差异系数，反映了第k+1个时刻参数数据的实际值与理论值之间的差异情况，两个相邻时刻的数据差异系数的取值越大，说明参数数据的实际值与理论值之间的差异也就越大，进而说明局部时间范围内每个时刻参数数据的变化趋势与局部时间范围内整体数据变化趋势越不相符，不符合综采工作面设备参数数据变化平缓的规律，对应的趋势偏离程度的取值越大，说明预设时间段内数据的偏离趋势越大。
趋势偏离程度表征了预设时间段内数据整体的偏离趋势。综采工作面设备参数数据在出现异常数据之前的局部时间范围内，数据整体的变化趋势较为平缓且平滑，数据趋势偏离程度的取值越大，说明在当前时刻的最近局部时间范围内数据的变化程度越不符合异常数据出现之前的变化规律。
步骤三，根据预设时间段内每两个相邻参数数据之间大小关系的数据分布情况得到当前时刻的数据单调程度。
考虑到综采工作面设备的参数数据在采煤或者正常工作过程中可能会存在一定的波动情况，例如随着采煤工作的推动，矿井深度的增加会出现由于不同矿井深度的地质条件导致了有害气体排放量不同的情况，矿井内有害气体浓度也会产生自然变化和波动。进而综采工作面设备的参数数据可能是由于参数自身自然波动而出现的变化情况，为了防止数据自然波动对参数数据的变化趋势的判断造成影响，可以对当前时刻之前的局部时间范围内的数据单调性进行分析。
基于此，根据预设时间段内每两个相邻参数数据之间大小关系的数据分布情况得到当前时刻的数据单调程度。具体地，在预设时间段内统计所有的每两个相邻时刻的参数数据之间的大小关系满足第一预设条件的次数记为第一系数，统计所有的每两个相邻时刻的参数数据之间的大小关系满足第二预设条件的次数记为第二系数；将第一系数和第二系数中的最大值与最小值的比值作为当前时刻的数据单调程度。所述第一预设条件具体为：对于任意两个相邻时刻，相邻的前一个时刻的参数数据小于相邻的后一个时刻的参数数据；所述第二预设条件具体为：对于任意两个相邻时刻，相邻的前一个时刻的参数数据大于相邻的后一个时刻的参数数据。
具体地，在预设时间段内，每两个相邻时刻的参数数据可以看作是一个数据组，例如，第k-1个时刻的参数数据和第k个时刻的参数数据构成一个数据组，第k个时刻的参数数据和第k+1个时刻的参数数据构成一个数据组/>，进而统计每个数据组中相邻的前一个时刻的参数数据小于相邻的后一个时刻的参数数据对应的数据组出现的次数，也即是满足第一预设条件的数据组的数量，获得第一系数。例如，若第k-1个时刻的参数数据小于第k个时刻的参数数据，则数据组/>满足第一预设条件。
统计每个数据组中相邻的前一个时刻的参数数据大于相邻的后一个时刻的参数数据对应的数据组出现的次数，也即是满足第二预设条件的数据组的数量，获得的第二系数。例如，若第k个时刻的参数数据大于第k+1个时刻的参数数据，则数据组满足第二预设条件。
进一步的，第一系数反映了预设时间段内参数数据呈现递增趋势的数量，第二系数反映了预设时间段内参数数据呈现递减趋势的数量，如果在预设时间段内参数数据存在较为显著的单调变化趋势，第一系数和第二系数之间的取值应当存在较大的差异，故将第一系数和第二系数两者中的较大值与较小值作比较，获得数据单调程度，数据单调程度的取值越大，说明预设时间段内参数数据的单调性越强。
在其他实施例中，考虑到第一系数和第二系数两者中的较小值可能为0的情况，在分母上加入超参数放置分母的取值为0，即计算第一系数和第二系数中的最小值与预设的超参数的和值，将第一系数和第二系数中的最大值与该和值的比值作为数据单调程度，超参数的取值可以是0.1或者1等较小的正数。
步骤四，根据所述数据趋势偏离程度和数据单调程度、当前时刻的参数数据与预测参数数据之间的差异情况，确定数据异常程度；根据数据异常程度对综采工作面设备进行监控。
数据趋势偏离程度反映了预设时间段内参数数据整体的偏离趋势，数据单调程度反映了预设时间段内参数数据整体的单调趋势，进而可以结合所述数据趋势偏离程度和数据单调程度、当前时刻的参数数据与预测参数数据之间的差异情况，确定数据异常程度。
具体地，根据所述数据趋势偏离程度和数据单调程度得到调节系数，所述数据趋势偏离程度与调节系数呈负相关关系，在本实施例中，将数据单调程度与数据趋势偏离程度的比值作为调节系数。
预设时间段内的数据单调程度的取值越小，说明在预设时间段内参数数据呈现出单调分布的趋势越小，对应的调节系数越小，说明需要越小的实际值和预测值之间的差距的调节程度。
同时预设时间段内的数据趋势偏离程度的取值越大，说明在预设时间段内参数数据整体的偏离趋势越大，进而说明在预设时间段内参数数据的实际值与平均变化趋势的差异越大，不符合综采工作面设备参数数据在异常数据出现之前的变化趋势平滑的特点，对应的调节系数越小，说明需要越小的实际值和预测值之间的差距的调节程度。调节系数能够更好的反映预设时间段内数据整体的趋势变化情况。
进一步的，计算当前时刻的参数数据与预测参数数据之间的差值绝对值得到特征差异，将调节系数与特征差异的乘积作为数据异常程度，用公式可以表示为：
其中，Y表示数据异常程度，表示调整系数，/>表示当前时刻的参数数据，/>表示预测参数数据。
表示当前时刻的参数数据与当前时刻相邻的下一时刻的预测参数数据之间的数据差异，反映了未来时刻的预测值与当前时刻的实际值之间的数据差异情况，为了能够在综采工作面设备参数出现异常前准确的采取措施进行预警，利用调整系数对预测值与实际值之间的差距进行调整，使得调整后的数据异常程度能够充分考虑当前时刻之前局部时间范围内的数据变化趋势，进而调整后的数据异常程度能够更加准确清晰地反映数据的异常程度以及出现异常的可能性，以便及时对工作面设备参数异常采取措施。
最后，根据数据异常程度对综采工作面设备进行监控。具体地，当数据异常程度大于预设的异常阈值时，综采工作面设备参数的预测参数数据出现异常；当数据异常程度小于或等于预设的异常阈值时，综采工作面设备参数的预设参数数据未出现异常。
在本实施例中，预设的异常阈值的取值为10，实施者也可以根据具体实施场景进行设置。当数据异常程度大于10时，说明此时参数数据的预测值与实际值之间存在较大的差异，进而说明可能出现了异常情况，需要对其进行预警，以便相关工作人员提前采取相应的措施进行解决异常问题。当数据异常程度小于或等于10时，说明此时参数数据的预测值与实际值之间存在较小的差异，进而说明可能并未出现异常情况，不需要进行预警，继续对综采工作面设备参数进行监测即可。
综上所述，本发明实施例通过分析当前时刻及其之前局部时间范围内的参数数据整体的数据偏离趋势以及整体的单调变化趋势两个方面的数据变化趋势，进而对参数数据的预测值和实际值之间的差距进行调整，使得获得的异常程度能够考虑到数据在局部时间范围内的变化趋势情况，能够更加准确的反映预测值的异常情况，使得综采工作面设备参数的监测结果更加准确。
一种综采工作面设备参数监控系统实施例：
本实施例提供了一种综采工作面设备参数监控系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种综采工作面设备参数监控方法的步骤。由于已经对一种综采工作面设备参数监控方法实施例进行了详细的阐述，此处不再过多介绍。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。
Claims (4)
1.一种综采工作面设备参数监控方法，其特征在于，该方法包括以下步骤：
采集综采工作面设备在预设时间段内不同时刻的参数数据，所述预设时间段包括历史时间段和当前时刻，根据参数数据对未来时刻进行预测得到预测参数数据；
根据预设时间段内每两个相邻参数数据之间的数据差异以及每两个相邻参数数据的分布情况，得到当前时刻的数据趋势偏离程度；
根据预设时间段内每两个相邻参数数据之间大小关系的数据分布情况得到当前时刻的数据单调程度；
根据所述数据趋势偏离程度和数据单调程度、当前时刻的参数数据与预测参数数据之间的差异情况，确定数据异常程度；根据数据异常程度对综采工作面设备进行监控；
所述根据预设时间段内每两个相邻参数数据之间的数据差异以及每两个相邻参数数据的分布情况，得到当前时刻的数据趋势偏离程度，具体包括：
根据预设时间段内每两个相邻时刻的参数数据对应比值的分布情况得到预设时间段的数据变化幅度；根据预设时间段内每两个相邻时刻的参数数据之间差异情况、以及所述数据变化幅度，得到当前时刻的数据趋势偏离程度；
所述根据预设时间段内每两个相邻时刻的参数数据对应比值的分布情况得到预设时间段的数据变化幅度，具体包括：
对于预设时间段内任意两个相邻时刻，将相邻的前一个时刻的参数数据与相邻的后一个时刻的参数数据之间的比值，作为所述两个相邻时刻的数据变化系数；计算预设时间段内每两个相邻时刻的数据变化系数的均值得到预设时间段的数据变化幅度；
所述根据预设时间段内每两个相邻时刻的参数数据之间差异情况、以及所述数据变化幅度，得到当前时刻的数据趋势偏离程度，具体包括：
对于预设时间段内任意两个相邻时刻，将相邻的前一个时刻的参数数据记为第一参数数据，将相邻的后一个时刻的参数数据记为第二参数数据，计算第一参数数据与所述数据变化幅度的乘积，将第二参数数据与该乘积之间的差值的绝对值作为所述两个相邻时刻的数据差异系数；计算预设时间段内每两个相邻时刻的数据差异系数的均值得到预设时间段的数据趋势偏离程度；
所述根据预设时间段内每两个相邻参数数据之间大小关系的数据分布情况得到当前时刻的数据单调程度，具体包括：
在预设时间段内统计所有的每两个相邻时刻的参数数据之间的大小关系满足第一预设条件的次数记为第一系数，统计所有的每两个相邻时刻的参数数据之间的大小关系满足第二预设条件的次数记为第二系数；将第一系数和第二系数中的最大值与最小值的比值作为当前时刻的数据单调程度；
所述第一预设条件具体为：对于任意两个相邻时刻，相邻的前一个时刻的参数数据小于相邻的后一个时刻的参数数据；
所述第二预设条件具体为：对于任意两个相邻时刻，相邻的前一个时刻的参数数据大于相邻的后一个时刻的参数数据；
所述根据所述数据趋势偏离程度和数据单调程度、当前时刻的参数数据与预测参数数据之间的差异情况，确定数据异常程度，具体包括：
计算当前时刻的参数数据与预测参数数据之间的差值绝对值得到特征差异；
根据所述数据趋势偏离程度和数据单调程度得到调节系数，所述数据趋势偏离程度与调节系数呈负相关关系，所述数据单调程度与调节系数呈正相关关系；将数据单调程度与数据趋势偏离程度的比值作为调节系数，将调节系数与特征差异的乘积作为数据异常程度。
2.根据权利要求1所述的一种综采工作面设备参数监控方法，其特征在于，所述根据参数数据对未来时刻进行预测得到预测参数数据，具体包括：
利用指数平滑法根据预设时间段内的参数数据对当前时刻相邻的下一个时刻进行预测得到预测参数数据。
3.根据权利要求1所述的一种综采工作面设备参数监控方法，其特征在于，所述根据数据异常程度对综采工作面设备进行监控，具体包括：
当数据异常程度大于预设的异常阈值时，综采工作面设备参数的预测参数数据出现异常；
当数据异常程度小于或等于预设的异常阈值时，综采工作面设备参数的预设参数数据未出现异常。
4.一种综采工作面设备参数监控系统，包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的一种综采工作面设备参数监控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410027996.9A CN117536691B (zh) | 2024-01-09 | 2024-01-09 | 一种综采工作面设备参数监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410027996.9A CN117536691B (zh) | 2024-01-09 | 2024-01-09 | 一种综采工作面设备参数监控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117536691A CN117536691A (zh) | 2024-02-09 |
| CN117536691B true CN117536691B (zh) | 2024-04-05 |
Family
ID=89788460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410027996.9A Active CN117536691B (zh) | 2024-01-09 | 2024-01-09 | 一种综采工作面设备参数监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117536691B (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005165669A (ja) * | 2003-12-02 | 2005-06-23 | Osaka Prefecture | パラメータ計算方法、状態監視方法、パラメータ計算装置、状態監視装置、状態監視システム、及びコンピュータプログラム |
| JP2006099158A (ja) * | 2004-09-28 | 2006-04-13 | Toshiba Corp | プロセス監視システム |
| CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
| CN103485825A (zh) * | 2013-10-10 | 2014-01-01 | 重庆邮电大学 | 一种通过时间差进行煤矿井下温度预警的方法 |
| CN106600064A (zh) * | 2016-12-16 | 2017-04-26 | 东软集团股份有限公司 | 一种数据预测方法及装置 |
| JP2018081065A (ja) * | 2016-11-20 | 2018-05-24 | みらい地震予測株式会社 | 地震予報システム及び予報方法 |
| CN112418517A (zh) * | 2020-11-20 | 2021-02-26 | 杭州电子科技大学 | 一种用于冻害短临预警的预测方法 |
| WO2021115116A1 (zh) * | 2019-12-13 | 2021-06-17 | 中兴通讯股份有限公司 | 一种性能指标的预警方法、装置、设备及存储介质 |
| CN112990552A (zh) * | 2021-02-20 | 2021-06-18 | 节点互联(北京)科技有限公司 | 一种基于变化率的设备运行参数短时预测方法及系统 |
| KR102344761B1 (ko) * | 2021-04-13 | 2022-01-03 | 유한회사 나노웨더 | 북미 지역의 대두 수확량 예측 정보 제공 방법 |
| CN113902334A (zh) * | 2021-10-28 | 2022-01-07 | 上海众源网络有限公司 | 一种事件异常波动检测方法、系统、电子设备及存储介质 |
| KR102414080B1 (ko) * | 2022-05-12 | 2022-06-28 | 주식회사 어드밴스솔루션 | 추세 분석을 통한 케이블 고장 예측 시스템 및 방법 |
| CN115933787A (zh) * | 2023-03-14 | 2023-04-07 | 西安英图克环境科技有限公司 | 基于室内环境监测的室内多末端智能控制系统 |
| CN116125300A (zh) * | 2022-12-13 | 2023-05-16 | 章鱼博士智能技术(上海)有限公司 | 一种电池包异常监测方法、装置、电子设备及存储介质 |
| CN116526508A (zh) * | 2023-04-28 | 2023-08-01 | 武汉大学 | 飞轮-电池混合储能参与调频的协同控制方法、系统及介质 |
| CN116595403A (zh) * | 2023-07-17 | 2023-08-15 | 天津膜术工场环保科技有限公司 | 一种排风管道气体状态实时监测管理系统 |
| CN116658246A (zh) * | 2023-05-31 | 2023-08-29 | 中煤科工集团重庆研究院有限公司 | 一种煤矿水害监测预警系统及方法 |
| CN116680661A (zh) * | 2023-08-03 | 2023-09-01 | 湖南天联城市数控有限公司 | 基于多维数据的燃气自动调压柜压力监测方法 |
| CN116992246A (zh) * | 2023-09-27 | 2023-11-03 | 华洋通信科技股份有限公司 | 一种矿井下风流参数智能感知方法及系统 |
| CN117172379A (zh) * | 2023-09-06 | 2023-12-05 | 中煤科工集团重庆研究院有限公司 | 一种基于趋势特征值和改进随机森林的煤矿灾害预警方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10469398B2 (en) * | 2014-03-04 | 2019-11-05 | International Business Machines Corporation | Selecting forecasting model complexity using eigenvalues |
| WO2016165742A1 (en) * | 2015-04-14 | 2016-10-20 | Nec Europe Ltd. | Method for incident detection in a time-evolving system |
-
2024
- 2024-01-09 CN CN202410027996.9A patent/CN117536691B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005165669A (ja) * | 2003-12-02 | 2005-06-23 | Osaka Prefecture | パラメータ計算方法、状態監視方法、パラメータ計算装置、状態監視装置、状態監視システム、及びコンピュータプログラム |
| JP2006099158A (ja) * | 2004-09-28 | 2006-04-13 | Toshiba Corp | プロセス監視システム |
| CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
| CN103485825A (zh) * | 2013-10-10 | 2014-01-01 | 重庆邮电大学 | 一种通过时间差进行煤矿井下温度预警的方法 |
| JP2018081065A (ja) * | 2016-11-20 | 2018-05-24 | みらい地震予測株式会社 | 地震予報システム及び予報方法 |
| CN106600064A (zh) * | 2016-12-16 | 2017-04-26 | 东软集团股份有限公司 | 一种数据预测方法及装置 |
| WO2021115116A1 (zh) * | 2019-12-13 | 2021-06-17 | 中兴通讯股份有限公司 | 一种性能指标的预警方法、装置、设备及存储介质 |
| CN112418517A (zh) * | 2020-11-20 | 2021-02-26 | 杭州电子科技大学 | 一种用于冻害短临预警的预测方法 |
| CN112990552A (zh) * | 2021-02-20 | 2021-06-18 | 节点互联(北京)科技有限公司 | 一种基于变化率的设备运行参数短时预测方法及系统 |
| KR102344761B1 (ko) * | 2021-04-13 | 2022-01-03 | 유한회사 나노웨더 | 북미 지역의 대두 수확량 예측 정보 제공 방법 |
| CN113902334A (zh) * | 2021-10-28 | 2022-01-07 | 上海众源网络有限公司 | 一种事件异常波动检测方法、系统、电子设备及存储介质 |
| KR102414080B1 (ko) * | 2022-05-12 | 2022-06-28 | 주식회사 어드밴스솔루션 | 추세 분석을 통한 케이블 고장 예측 시스템 및 방법 |
| CN116125300A (zh) * | 2022-12-13 | 2023-05-16 | 章鱼博士智能技术(上海)有限公司 | 一种电池包异常监测方法、装置、电子设备及存储介质 |
| CN115933787A (zh) * | 2023-03-14 | 2023-04-07 | 西安英图克环境科技有限公司 | 基于室内环境监测的室内多末端智能控制系统 |
| CN116526508A (zh) * | 2023-04-28 | 2023-08-01 | 武汉大学 | 飞轮-电池混合储能参与调频的协同控制方法、系统及介质 |
| CN116658246A (zh) * | 2023-05-31 | 2023-08-29 | 中煤科工集团重庆研究院有限公司 | 一种煤矿水害监测预警系统及方法 |
| CN116595403A (zh) * | 2023-07-17 | 2023-08-15 | 天津膜术工场环保科技有限公司 | 一种排风管道气体状态实时监测管理系统 |
| CN116680661A (zh) * | 2023-08-03 | 2023-09-01 | 湖南天联城市数控有限公司 | 基于多维数据的燃气自动调压柜压力监测方法 |
| CN117172379A (zh) * | 2023-09-06 | 2023-12-05 | 中煤科工集团重庆研究院有限公司 | 一种基于趋势特征值和改进随机森林的煤矿灾害预警方法 |
| CN116992246A (zh) * | 2023-09-27 | 2023-11-03 | 华洋通信科技股份有限公司 | 一种矿井下风流参数智能感知方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 基于组合预测模型的人均卫生费用预测研究;曹星;宋国强;周荣耀;;中国卫生资源;20170131(第01期);第56-59页 * |
| 太阳能帆板输出功率短期预测研究;徐静;张硕;;计算机与数字工程;20120820(第08期);第133-135页 * |
| 综采工作面瓦斯数据时间序列预测方法研究;赵美成;贺安民;屈世甲;;工矿自动化;20190613(第06期);第80-85页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117536691A (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
| EP2519895B1 (en) | Method and apparatus for monitoring performance and anticipate failures of plant instrumentation | |
| CN109815565B (zh) | 一种综采液压支架载荷的分段预测方法 | |
| CN110362608B (zh) | 基于雨流计数法和局部异常因子的能耗异常检测方法 | |
| CN110648480B (zh) | 一种基于变化速率的单变量报警系统及方法 | |
| CN116881673B (zh) | 基于大数据分析的盾构机运维方法 | |
| CN114417697A (zh) | 一种基于神经网络的tbm滚刀磨损实时预测方法及系统 | |
| CN116335925B (zh) | 基于数据增强的煤矿井下乳化泵站智能调控系统 | |
| CN116357396A (zh) | 一种瓦斯曲线关联波动异常识别方法、装置及相关组件 | |
| CN117536691B (zh) | 一种综采工作面设备参数监控方法及系统 | |
| CN115358494A (zh) | 一种地铁盾构下穿施工的危险预警方法 | |
| CN116108339A (zh) | 一种面向隧道掘进机的实测数据离群值检测及修正方法 | |
| CN117476140A (zh) | 基于物联网多维数据分析的大气环境污染治理方法 | |
| CN108376293A (zh) | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 | |
| CN117109805A (zh) | 一种压力传感设备的异常压力检测与校正方法 | |
| CN112444697A (zh) | 一种电力线路信息监测系统及方法 | |
| CN115078892B (zh) | 一种单机大传动变频器状态远程监测系统 | |
| CN116090616A (zh) | 一种煤矿风险灾害预测方法及装置 | |
| CN111027719B (zh) | 多组件系统状态机会维护优化方法 | |
| CN113158562A (zh) | 基于物理约束与数据挖掘的tbm岩机映射构建方法及系统 | |
| CN116882639B (zh) | 基于大数据分析的石油钻采设备管理方法及系统 | |
| CN115839230B (zh) | 一种基于监测仪的油藏注气动态监测方法 | |
| CN117805542B (zh) | 一种矿用隔爆本质安全型变频器运行监控系统 | |
| CN114997313B (zh) | 一种海洋在线监测数据的异常检测方法 | |
| CN116757337B (zh) | 一种基于人工智能的房建施工进度预测系统 |
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 |