CN117631719A - 一种基于物联网的智能供暖设备故障数据处理方法及系统 - Google Patents
一种基于物联网的智能供暖设备故障数据处理方法及系统 Download PDFInfo
- Publication number
- CN117631719A CN117631719A CN202410095519.6A CN202410095519A CN117631719A CN 117631719 A CN117631719 A CN 117631719A CN 202410095519 A CN202410095519 A CN 202410095519A CN 117631719 A CN117631719 A CN 117631719A
- Authority
- CN
- China
- Prior art keywords
- heating
- data
- execution end
- humidity
- heating equipment
- 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
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 1024
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 132
- 238000003745 diagnosis Methods 0.000 claims abstract description 69
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 241000282575 Gorilla Species 0.000 claims description 96
- 238000000034 method Methods 0.000 claims description 35
- 241000409201 Luina Species 0.000 claims description 23
- 238000009434 installation Methods 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 15
- 238000012545 processing Methods 0.000 abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及数据处理的技术领域，且公开了一种基于物联网的智能供暖设备故障数据处理方法及系统，所述供暖执行端热媒特征收集模块包括供暖执行端热媒温度采集单元、供暖执行端热媒湿度采集单元、供暖执行端热媒压力采集单元；通过按照设备编号准确采集供暖设备多个运行状态参数，保证了供暖设备运行状态诊断结果的精度，利用智能识别算法将采集的供暖设备运行状态数据与供暖设备正常运行状态区间数据数值匹配，自主识别出异常的供暖设备运行状态数据并生成供暖设备故障诊断数据，实现对供暖设备故障的智能、全面、高效诊断分析，提高了供暖设备故障诊断的准确性，提升供暖系统对故障应急处理能力。
Description
技术领域
本发明涉及数据处理的技术领域，具体为一种基于物联网的智能供暖设备故障数据处理方法及系统。
背景技术
供暖设备是为使人们生活或进行生产的空间保持在适宜的热状态而设置的供热设施。为使供暖放热器持续放热，可用经过预热的流体连续地在放热器里流过。这种流体通常是蒸汽或热水，称为载热媒质或热媒。热媒被设在该空间以外的传热、集热或换热设备加热后，用供暖管道分配到各个供暖放热器。热媒把所携带的一部分热量传给放热器后，通过回流管道流回热源，重新加热。热媒循环流转，就可不断地把热转送到受暖空间。供暖设备所用的热媒通常是空气、蒸汽或热水。其中空气的比热小，密度也小。用它作为热媒时空气的容积流率很大，要有相当粗的管道，因此管道的造价和输送的能量消耗都较大。直接用受暖房间的空气作热媒，无须装设供暖散热器，而且可以同时进行通风。这种热媒通常用于热源距受暖房间很近的情况。蒸汽冷凝时每公斤可放出两千多千焦的热能。它的流转几乎全靠自身的压力无需外加的电能或机械能，所以它是比较理想的热媒。热水的比热和密度都比空气大很多。热水和蒸汽比，每公斤输送的热量比蒸汽少，但每立方米输送的热量比蒸汽多，所以供热管的尺寸较小。热水的流转水泵虽然消耗电能其中工业生产中以空气和水蒸气作为供暖媒介应用较为广泛，但输送途中的热损失比蒸汽少；此外，热水的供水温度易于调节。用热水作为供暖热媒较为普遍。传统供暖设备的故障诊断主要依靠定期设备维护或设备发生故障后进行人为设备诊断，然而以上方式降低设备故障运行的安全性和稳定性，目前供暖系统未能依据供暖设备执行端的供暖热媒的温度、湿度、压力特征参数进行感知供暖系统的异常状态，也不能基于供暖系统的异常状态对供暖设备实现智能化故障诊断排查，增加供暖设备故障诊断的工作量和难度，增加供暖设备的维护使用的成本。
公开号为CN115618563A的中国发明专利申请公开了一种地热供暖采水泵维修决策系统及设计，该地热供暖采水泵维修决策系统及设计，通过在线监测和状态评估单元，故障诊断单元，健康预示单元，维修方案决策单元和参数采集输入模块、监测评估模型模块、参数曲线及状态输出模块可以对循环水泵进行监测以及提出决策方案，避免了人工干预，运维人员依据规程处理异常，故障严重至停泵时，需要人力进行诊断维修，维修人员根据产品手册排查故障等一系列的步骤，以上技术方案基于状态评估和数学模型对采水泵的运行状态进行预测，然而设备运行状态必须基于真实状态参数，数学模型预测存在较大的随机性，无法准确反馈出采水泵的真实运行状态；同时以上技术方案未能依据供暖设备执行端的供暖热媒的温度、湿度、压力特征参数进行感知供暖系统的异常状态，也不能基于供暖系统的异常状态对供暖设备实现智能化故障诊断排查。
发明内容
（一）解决的技术问题
为解决上述目前供暖系统不能依据供暖设备执行端的供暖热媒的温度、湿度、压力特征参数进行感知供暖系统的异常状态，也未能基于供暖系统的异常状态对供暖设备实现智能化故障诊断排查，增加供暖设备故障诊断的工作量和难度，增加供暖设备的维护使用的成本的问题，实现以上分类感知供暖状态异常参数、精确高效采集供暖设备运行参数、智能准确排查供暖设备故障点的目的。
（二）技术方案
本发明通过以下技术方案予以实现：一种基于物联网的智能供暖设备故障数据处理方法，所述方法包括如下步骤：
S1、采集供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据；
S2、对所述供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据采用数据均值化处理后分别生成供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据；
S3、采用数据识别算法将所述供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据与供暖热媒温度、湿度、压力安全数值区间数据分别进行温度、湿度、压力的数值匹配，分析构建出供暖执行端热媒异常特征参数识别结果；
S4、当供暖执行端热媒异常特征参数识别结果为存在时；采集供暖设备特征参数数据，依据所述供暖设备特征参数在线有序分类采集供暖设备运行状态数据；
S5、对所述供暖设备运行状态数据进行数据降噪预处理后生成标准供暖设备运行状态数据；
S6、采用数据识别算法将所述标准供暖设备运行状态数据与供暖设备正常运行状态区间数据进行设备运行状态数值匹配并筛选出不符合所述正常运行状态区间的标准供暖设备运行状态数据，构建出供暖设备故障诊断数据；
S7、当所述供暖设备故障诊断数据存在故障诊断数据时，获取所述供暖设备故障诊断数据进行输出反馈到供暖设备控制端。
优选的，所述采集供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据的操作步骤如下：
S11、采用温度传感器在线测量供暖执行端的温度数据并生成供暖执行端热媒温度数据集合，/>；其中/>表示第/>个供暖执行端热媒温度数据，/>表示供暖执行端热媒温度数据数量的最大值，所述供暖执行端表示供暖系统末端装置，包括散热器、暖风机、辐射板和风机盘管；
采用湿度传感器在线测量供暖执行端的湿度数据并生成供暖执行端热媒湿度数据集合，/>；其中/>表示第/>个供暖执行端热媒湿度数据，/>表示供暖执行端热媒湿度数据数量的最大值；
采用压力传感器在线测量供暖执行端的压力数据并生成供暖执行端热媒压力数据集合，/>；其中/>表示第/>个供暖执行端热媒压力数据，/>表示供暖执行端热媒压力数据数量的最大值。
优选的，对所述供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据采用数据均值化处理后分别生成供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据的操作步骤如下：
S21、采用数学统计均值算法分别计算所述供暖执行端热媒温度数据集合、供暖执行端热媒湿度数据集合/>、供暖执行端热媒压力数据集合/>对应的热媒温度均值、热媒湿度均值、热媒压力均值并生成供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>。
优选的，所述采用数据识别算法将所述供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据与供暖热媒温度、湿度、压力安全数值区间数据分别进行温度、湿度、压力的数值匹配，分析构建出供暖执行端热媒异常特征参数识别结果的操作步骤如下：
S31、建立供暖热媒温度、湿度、压力安全数值区间数据集合，其中/>表示供暖热媒温度安全数值区间数据，/>表示供暖热媒温度安全数值区间数据的最小安全温度数值，/>表示供暖热媒温度安全数值区间数据的最大安全温度数值；
表示供暖热媒湿度安全数值区间数据，/>表示供暖热媒湿度安全数值区间数据的最小安全湿度数值，/>表示供暖热媒湿度安全数值区间数据的最大安全湿度数值；
表示供暖热媒压力安全数值区间数据，/>表示供暖热媒压力安全数值区间数据的最小安全压力数值，/>表示供暖热媒压力安全数值区间数据的最大安全压力数值；
S32、采用大猩猩部队优化算法将所述供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>分别与供暖热媒温度、湿度、压力安全数值区间数据集合/>中的供暖热媒温度安全数值区间数据/>、供暖热媒湿度安全数值区间数据/>、供暖热媒压力安全数值区间数据/>进行温度、湿度、压力数值匹配，所述大猩猩部队优化算法执行温度、湿度、压力数值匹配的具体操作步骤如下：
S321、初始化，更新算法最大迭代次数N；
S322、勘探阶段，该阶段主要是对供暖热媒温度、湿度、压力安全数值区间数据集合搜索空间中的暖热媒温度、湿度、压力安全数值区间数据进行全局搜索，搜索数学公式为/>，其中/>是一个给定的介于0到1之间的参数，该参数确定选择迁移机制到未知位置的概率；/>是第/>次迭代异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>和/>表示分别表示异常特征识别大猩猩在的供暖热媒温度、湿度、压力安全数值区间数据集合搜索空间中上边界和下边界；/>表示第/>次迭代异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>表示第/>次迭代异常特征识别大猩猩种群中随机选择的异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>、/>、/>、rand分别表示算法迭代更新取值为0到1的随机值；/>、/>、/>表示算法迭代更新调整因子；在勘探阶段结束时，计算所有/>异常特征识别大猩猩个体的适应度值，如果适应度值满足/>≤/>，则保留/>异常特征识别大猩猩个体；如果适应度值满足/>﹥/>,则使用/>异常特征识别大猩猩个体替代/>异常特征识别大猩猩个体，该阶段产生的最优个体异常特征识别大猩猩被视为银背异常特征识别大猩猩，即识别出在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与所述供暖热媒温度、湿度、压力安全数值区间数据不匹配的供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的位置；
S323、开发阶段，开发阶段采用跟随银背异常特征识别大猩猩和竞争成年雌性异常特征识别大猩猩的两种行为；
S3231、跟随银背异常特征识别大猩猩，如果≥/>,则选择跟随银背异常特征识别大猩猩机制，其中/>表示异常特征识别大猩猩种群选择跟随银背异常特征识别大猩猩和竞争成年雌性异常特征识别大猩猩的权重因子；选择跟随银背异常特征识别大猩猩行为模拟计算公式为/>，其中/>表示银背大猩猩异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据的所述供暖热媒温度、湿度、压力安全数值区间数据的最佳候选位置；/>模拟跟随银背大猩猩异常特征识别大猩猩行为的控制因子；
S3232、竞争成年雌性，如果﹤/>,则选择跟随竞争成年雌性异常特征识别大猩猩机制，当年轻的异常特征识别大猩猩进入青春期时，它们会与其他雄性异常特征识别大猩猩在选择成年雌性的问题上展开竞争，竞争行为模拟计算公式为，其中/>用于模拟雄性异常特征识别大猩猩的冲击力，/>为冲突中暴力程度的系数向量；在开发阶段结束时，计算所有/>异常特征识别大猩猩个体的适应度值，如果适应度值满足/>≤/>，则保留/>异常特征识别大猩猩个体；如果适应度值满足/>﹥/>,则使用/>异常特征识别大猩猩个体替代/>异常特征识别大猩猩个体，该阶段产生的最优雄性异常特征识别大猩猩被视为银背异常特征识别大猩猩，即识别出在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与所述供暖热媒温度、湿度、压力安全数值区间数据不匹配的供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>；
S324、满足最大迭代次数，输出与供暖热媒温度、湿度、压力安全数值区间数据集合中暖热媒温度、湿度、压力安全数值区间数据未匹配成功的供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>；
S33、当S324步骤输出结果中存在或/>或/>，表示存在/>∉/>或/>∉或/>∉/>；则输出供暖执行端热媒异常特征参数识别结果为存在；
当S324步骤输出结果中不存在、/>、/>；则表示/>∈/>且/>∈/>且/>∈/>，则输出供暖执行端热媒异常特征参数识别结果为不存在。
优选的，所述当供暖执行端热媒异常特征参数识别结果为存在时；采集供暖设备特征参数数据，依据所述供暖设备特征参数在线有序分类采集供暖设备运行状态数据的操作步骤如下：
S41、当供暖执行端热媒异常特征参数识别结果为存在时，通过工业设备管理平台采集供暖设备特征参数数据并建立供暖设备特征参数数据集合，；其中/>表示第/>台供暖设备对应的供暖设备特征参数数据，/>表示供暖设备数量的最大值，所述供暖设备特征参数包括供暖设备的名称、型号、生产厂商、技术参数中一种或多种，所述工业设备管理平台包括简道云、广联达、建文中任意一种；
通过工业传感器并按照所述供暖设备特征参数的编号有序分类采集供暖设备运行状态数据并建立供暖设备运行状态数据集合/>，所述供暖设备运行状态数据包括运行温度、振动频率、功率、转速、电流、电压中任意一种或多种。
优选的，对所述供暖设备运行状态数据进行数据降噪预处理后生成标准供暖设备运行状态数据的操作步骤如下：
S51、采用中值滤波法对供暖设备运行状态数据集合进行数据降噪预处理后生成标准供暖设备运行状态数据集合/>，其中/>、/>、/>分别表示第/>台、第/>台、第/>台供暖设备对应的供暖设备特征参数数据，/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>、/>、/>的均表示采集的标准供暖设备运行状态数据的类型数量。
优选的，所述采用数据识别算法将所述标准供暖设备运行状态数据与供暖设备正常运行状态区间数据进行设备运行状态数值匹配并筛选出不符合所述正常运行状态区间的所述标准供暖设备运行状态数据，构建出供暖设备故障诊断数据的操作步骤如下：
S61、建立供暖设备正常运行状态区间数据集合，/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
S62、采用如S32步骤中数据识别算法将标准供暖设备运行状态数据集合中标准供暖设备运行状态数据/>至/>按照供暖设备编号和供暖设备运行状态数据类型编号有序与对应的供暖设备正常运行状态区间数据集合/>中供暖设备正常运行状态区间数据/>至/>进设备运行状态数值匹配并输出与供暖设备正常运行状态区间数据/>至未匹配成功的标准供暖设备运行状态数据；
S63、筛选出S62步骤与供暖设备正常运行状态区间数据至/>未匹配成功的标准供暖设备运行状态数据进行组合标识为供暖设备故障诊断数据并建立供暖设备故障诊断数据集合/>，其中/>。
优选的，当所述供暖设备故障诊断数据存在故障诊断数据时，获取所述供暖设备故障诊断数据进行输出反馈到供暖设备控制端的操作步骤如下：
S71、当所述供暖设备故障诊断数据集合内存在故障诊断数据时，则将所述供暖设备故障诊断数据集合/>进行输出并通过物联网通信网络推送反馈到供暖设备控制端。
一种实现所述基于物联网的智能供暖设备故障数据处理方法的系统，所述系统包括供暖执行端热媒特征收集模块、供暖执行端热媒异常特征分析模块、供暖设备故障参数收集及排查模块；
所述供暖执行端热媒特征收集模块包括供暖执行端热媒温度采集单元、供暖执行端热媒湿度采集单元、供暖执行端热媒压力采集单元；
所述供暖执行端热媒温度采集单元，通过温度传感器采集供暖执行端热媒温度数据；所述供暖执行端热媒湿度采集单元，通过湿度传感器采集供暖执行端热媒湿度数据；所述供暖执行端热媒压力采集单元，通过压力传感器采集供暖执行端热媒压力数据；
所述供暖执行端热媒异常特征分析模块包括供暖热媒温度、湿度、压力参数数值处理单元、供暖热媒温度、湿度、压力安全数值区间存储单元、供暖执行端热媒异常特征识别单元；
所述供暖热媒温度、湿度、压力参数数值处理单元，对所述供暖执行端热媒温度数据、所述供暖执行端热媒湿度数据、所述供暖执行端热媒压力数据采用数据均值化处理后分别生成供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据；所述供暖热媒温度、湿度、压力安全数值区间存储单元，用于存储供暖热媒温度、湿度、压力安全数值区间数据；所述供暖执行端热媒异常特征识别单元，采用数据识别算法将所述供暖执行端热媒温度均值数据、所述供暖执行端热媒湿度均值数据、所述供暖执行端热媒压力均值数据与供暖热媒温度、湿度、压力安全数值区间数据分别进行温度、湿度、压力的数值匹配，分析构建出供暖执行端热媒异常特征参数识别结果；
所述供暖设备故障参数收集及排查模块包括供暖设备特征参数采集单元、供暖设备运行状态参数采集单元、供暖设备运行状态参数预处理单元、供暖设备正常运行状态参数区间存储单元、供暖设备故障状态分析单元、供暖设备故障状态反馈输出单元；
所述供暖设备特征参数采集单元，当供暖执行端热媒异常特征参数识别结果为存在时；通过工业设备管理平台采集供暖设备特征参数数据；所述供暖设备运行状态参数采集单元，依据所述供暖设备特征参数在线有序分类通过工业传感器采集供暖设备运行状态数据；所述供暖设备运行状态参数预处理单元，对所述供暖设备运行状态数据进行数据降噪预处理后生成标准供暖设备运行状态数据；所述供暖设备正常运行状态参数区间存储单元，用于存储供暖设备正常运行状态区间数据；所述供暖设备故障状态分析单元，采用数据识别算法将所述标准供暖设备运行状态数据与供暖设备正常运行状态区间数据进行设备运行状态数值匹配并筛选出不符合所述正常运行状态区间的所述标准供暖设备运行状态数据，构建出供暖设备故障诊断数据；所述供暖设备故障状态反馈输出单元，当所述供暖设备故障诊断数据存在故障诊断数据时，获取所述供暖设备故障诊断数据进行输出反馈到供暖设备控制端。
（三）有益效果
本发明提供了一种基于物联网的智能供暖设备故障数据处理方法及系统。具备以下有益效果：
一、通过供暖执行端热媒温度采集单元和供暖执行端热媒湿度采集单元相互配合及时采集、准确反馈供暖设备执行端的热媒的温度、湿度参数，为后续科学分析供暖设备执行端热媒的异常温度和湿度提供数据支撑，实现供暖设备执行状态安全监测；供暖执行端热媒压力采集单元通过采集供暖设备执行端的压力参数实现对供暖系统压力实时监测，实现对供暖设备供暖状态的灵敏感知和保护用户端供暖安全。
二、通过供暖热媒温度、湿度、压力参数数值处理单元利用统计方法均质化处理供暖执行端热媒的温度、湿度、压力参数，提高供暖设备执行端热媒特征参数采集的准确性，提高了供暖设备故障结果的可靠性供暖执行端热媒异常特征识别单元利用智能识别算法将均值处理的供暖设备执行端的温度、湿度、压力参数对标准安全状态下的供暖热媒温度、湿度、压力数值区间进行数值匹配识别出供暖设备执行端热媒运行状态是否存在异常，从供暖设备执行端监控供暖异常提高供暖设备故障诊断的效率和诊断结果的可靠性，提升供暖设备的稳定性。
三、通过供暖设备特征参数采集单元和供暖设备运行状态参数采集单元相互配合按照设备编号准确采集供暖设备多个运行状态参数，保证了供暖设备运行状态诊断结果的精度，供暖设备故障状态分析单元利用智能识别算法将采集的供暖设备运行状态数据与供暖设备正常运行状态区间数据数值匹配，自主识别出异常的供暖设备运行状态数据并生成供暖设备故障诊断数据，实现对供暖设备故障的智能、全面、高效诊断分析，提高了供暖设备故障诊断的准确性，提升供暖系统对故障应急处理能力。
附图说明
图1为本发明提供的一种基于物联网的智能供暖设备故障数据处理系统的模块示意图；
图2为本发明提供的一种基于物联网的智能供暖设备故障数据处理方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
该一种基于物联网的智能供暖设备故障数据处理方法及系统的实施例如下：
请参阅图1-图2，一种基于物联网的智能供暖设备故障数据处理方法，方法包括如下步骤：
S1、采集供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据；
S2、对供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据采用数据均值化处理后分别生成供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据；
S3、采用数据识别算法将供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据与供暖热媒温度、湿度、压力安全数值区间数据分别进行温度、湿度、压力的数值匹配，分析构建出供暖执行端热媒异常特征参数识别结果；
S4、当供暖执行端热媒异常特征参数识别结果为存在时；采集供暖设备特征参数数据，依据供暖设备特征参数在线有序分类采集供暖设备运行状态数据；
S5、对供暖设备运行状态数据进行数据降噪预处理后生成标准供暖设备运行状态数据；
S6、采用数据识别算法将标准供暖设备运行状态数据与供暖设备正常运行状态区间数据进行设备运行状态数值匹配并筛选出不符合正常运行状态区间的标准供暖设备运行状态数据，构建出供暖设备故障诊断数据；
S7、当供暖设备故障诊断数据存在故障诊断数据时，获取供暖设备故障诊断数据进行输出反馈到供暖设备控制端。
进一步的，请参阅图1-图2，采集供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据的操作步骤如下：
S11、采用温度传感器在线测量供暖执行端的温度数据并生成供暖执行端热媒温度数据集合，/>；其中/>表示第/>个供暖执行端热媒温度数据，/>表示供暖执行端热媒温度数据数量的最大值，所述供暖执行端表示供暖系统末端装置，包括散热器、暖风机、辐射板和风机盘管；
采用湿度传感器在线测量供暖执行端的湿度数据并生成供暖执行端热媒湿度数据集合，/>；其中/>表示第/>个供暖执行端热媒湿度数据，/>表示供暖执行端热媒湿度数据数量的最大值；
采用压力传感器在线测量供暖执行端的压力数据并生成供暖执行端热媒压力数据集合，/>；其中/>表示第/>个供暖执行端热媒压力数据，/>表示供暖执行端热媒压力数据数量的最大值。
通过供暖执行端热媒温度采集单元和供暖执行端热媒湿度采集单元相互配合及时采集、准确反馈供暖设备执行端的热媒的温度、湿度参数，为后续科学分析供暖设备执行端热媒的异常温度和湿度提供数据支撑，实现供暖设备执行状态安全监测；供暖执行端热媒压力采集单元通过采集供暖设备执行端的压力参数实现对供暖系统压力实时监测，实现对供暖设备供暖状态的灵敏感知和保护用户端供暖安全。
进一步的，请参阅图1-图2，对供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据采用数据均值化处理后分别生成供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据的操作步骤如下：
S21、采用数学统计均值算法分别计算供暖执行端热媒温度数据集合、供暖执行端热媒湿度数据集合/>、供暖执行端热媒压力数据集合/>对应的热媒温度均值、热媒湿度均值、热媒压力均值并生成供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>。
采用数据识别算法将供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据与供暖热媒温度、湿度、压力安全数值区间数据分别进行温度、湿度、压力的数值匹配，分析构建出供暖执行端热媒异常特征参数识别结果的操作步骤如下：
S31、建立供暖热媒温度、湿度、压力安全数值区间数据集合，其中/>表示供暖热媒温度安全数值区间数据，/>表示供暖热媒温度安全数值区间数据的最小安全温度数值，/>表示供暖热媒温度安全数值区间数据的最大安全温度数值；
表示供暖热媒湿度安全数值区间数据，/>表示供暖热媒湿度安全数值区间数据的最小安全湿度数值，/>表示供暖热媒湿度安全数值区间数据的最大安全湿度数值；
表示供暖热媒压力安全数值区间数据，/>表示供暖热媒压力安全数值区间数据的最小安全压力数值，/>表示供暖热媒压力安全数值区间数据的最大安全压力数值；
S32、采用数据识别算法将供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>分别与供暖热媒温度、湿度、压力安全数值区间数据集合/>中的供暖热媒温度安全数值区间数据/>、供暖热媒湿度安全数值区间数据/>、供暖热媒压力安全数值区间数据/>进行温度、湿度、压力数值匹配，所述大猩猩部队优化算法执行温度、湿度、压力数值匹配的具体操作步骤如下：
S321、初始化，更新算法最大迭代次数N；
S322、勘探阶段，该阶段主要是对供暖热媒温度、湿度、压力安全数值区间数据集合搜索空间中的暖热媒温度、湿度、压力安全数值区间数据进行全局搜索，搜索数学公式为/>，其中/>是一个给定的介于0到1之间的参数，该参数确定选择迁移机制到未知位置的概率；/>是第/>次迭代异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>和/>表示分别表示异常特征识别大猩猩在的供暖热媒温度、湿度、压力安全数值区间数据集合搜索空间中上边界和下边界；/>表示第/>次迭代异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>表示第/>次迭代异常特征识别大猩猩种群中随机选择的异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>、/>、/>、rand分别表示算法迭代更新取值为0到1的随机值；/>、/>、/>表示算法迭代更新调整因子；在勘探阶段结束时，计算所有/>异常特征识别大猩猩个体的适应度值，如果适应度值满足/>≤/>，则保留/>异常特征识别大猩猩个体；如果适应度值满足/>﹥/>,则使用/>异常特征识别大猩猩个体替代/>异常特征识别大猩猩个体，该阶段产生的最优个体异常特征识别大猩猩被视为银背异常特征识别大猩猩，即识别出在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与所述供暖热媒温度、湿度、压力安全数值区间数据不匹配的供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的位置；
S323、开发阶段，开发阶段采用跟随银背异常特征识别大猩猩和竞争成年雌性异常特征识别大猩猩的两种行为；
S3231、跟随银背异常特征识别大猩猩，如果≥/>,则选择跟随银背异常特征识别大猩猩机制，其中/>表示异常特征识别大猩猩种群选择跟随银背异常特征识别大猩猩和竞争成年雌性异常特征识别大猩猩的权重因子；选择跟随银背异常特征识别大猩猩行为模拟计算公式为/>，其中/>表示银背大猩猩异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的最佳候选位置；/>模拟跟随银背大猩猩异常特征识别大猩猩行为的控制因子；
S3232、竞争成年雌性，如果﹤/>,则选择跟随竞争成年雌性异常特征识别大猩猩机制，当年轻的异常特征识别大猩猩进入青春期时，它们会与其他雄性异常特征识别大猩猩在选择成年雌性的问题上展开竞争，竞争行为模拟计算公式为，其中/>用于模拟雄性异常特征识别大猩猩的冲击力，/>为冲突中暴力程度的系数向量；在开发阶段结束时，计算所有/>异常特征识别大猩猩个体的适应度值，如果适应度值满足/>≤/>，则保留/>异常特征识别大猩猩个体；如果适应度值满足/>﹥/>,则使用/>异常特征识别大猩猩个体替代/>异常特征识别大猩猩个体，该阶段产生的最优雄性异常特征识别大猩猩被视为银背异常特征识别大猩猩，即识别出在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与所述供暖热媒温度、湿度、压力安全数值区间数据不匹配的供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>；
S324、满足最大迭代次数，输出与供暖热媒温度、湿度、压力安全数值区间数据集合中暖热媒温度、湿度、压力安全数值区间数据未匹配成功的供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>；
S33、当S324步骤输出结果中存在或/>或/>，表示存在/>∉/>或/>∉或/>∉/>；则输出供暖执行端热媒异常特征参数识别结果为存在；
当S324步骤输出结果中不存在、/>、/>；则表示/>∈/>且/>∈/>且/>∈/>，则输出供暖执行端热媒异常特征参数识别结果为不存在。
通过供暖热媒温度、湿度、压力参数数值处理单元利用统计方法均质化处理供暖执行端热媒的温度、湿度、压力参数，提高供暖设备执行端热媒特征参数采集的准确性，提高了供暖设备故障结果的可靠性供暖执行端热媒异常特征识别单元利用智能识别算法将均值处理的供暖设备执行端的温度、湿度、压力参数对标准安全状态下的供暖热媒温度、湿度、压力数值区间进行数值匹配识别出供暖设备执行端热媒运行状态是否存在异常，从供暖设备执行端监控供暖异常提高供暖设备故障诊断的效率和诊断结果的可靠性，提升供暖设备的稳定性。
进一步的，请参阅图1－图2，当供暖执行端热媒异常特征参数识别结果为存在时；采集供暖设备特征参数数据，依据供暖设备特征参数在线有序分类采集供暖设备运行状态数据的操作步骤如下：
S41、当供暖执行端热媒异常特征参数识别结果为存在时，通过工业设备管理平台采集供暖设备特征参数数据并建立供暖设备特征参数数据集合，；其中/>表示第/>台供暖设备对应的供暖设备特征参数数据，/>表示供暖设备数量的最大值，供暖设备特征参数包括供暖设备的名称、型号、生产厂商、技术参数中一种或多种，工业设备管理平台包括简道云、广联达、建文中任意一种；
通过工业传感器并按照供暖设备特征参数的编号有序分类采集供暖设备运行状态数据并建立供暖设备运行状态数据集合/>，供暖设备运行状态数据包括运行温度、振动频率、功率、转速、电流、电压中任意一种或多种。
对供暖设备运行状态数据进行数据降噪预处理后生成标准供暖设备运行状态数据的操作步骤如下：
S51、采用中值滤波法对供暖设备运行状态数据集合进行数据降噪预处理后生成标准供暖设备运行状态数据集合/>，其中/>、/>、/>分别表示第/>台、第/>台、第/>台供暖设备对应的供暖设备特征参数数据，/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>、/>、/>的均表示采集的标准供暖设备运行状态数据的类型数量。
采用数据识别算法将标准供暖设备运行状态数据与供暖设备正常运行状态区间数据进行设备运行状态数值匹配并筛选出不符合正常运行状态区间的标准供暖设备运行状态数据，构建出供暖设备故障诊断数据的操作步骤如下：
S61、建立供暖设备正常运行状态区间数据集合，/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
S62、采用如S32步骤中数据识别算法将标准供暖设备运行状态数据集合中标准供暖设备运行状态数据/>至/>按照供暖设备编号和供暖设备运行状态数据类型编号有序与对应的供暖设备正常运行状态区间数据集合/>中供暖设备正常运行状态区间数据/>至/>进设备运行状态数值匹配并输出与供暖设备正常运行状态区间数据/>至未匹配成功的标准供暖设备运行状态数据；
S63、筛选出S62步骤与供暖设备正常运行状态区间数据至/>未匹配成功的标准供暖设备运行状态数据进行组合标识为供暖设备故障诊断数据并建立供暖设备故障诊断数据集合/>，其中/>。
当供暖设备故障诊断数据存在故障诊断数据时，获取供暖设备故障诊断数据进行输出反馈到供暖设备控制端的操作步骤如下：
S71、当供暖设备故障诊断数据集合内存在故障诊断数据时，则将所述供暖设备故障诊断数据集合/>进行输出并通过物联网通信网络推送反馈到供暖设备控制端。
通过供暖设备特征参数采集单元和供暖设备运行状态参数采集单元相互配合按照设备编号准确采集供暖设备多个运行状态参数，保证了供暖设备运行状态诊断结果的精度，供暖设备故障状态分析单元利用智能识别算法将采集的供暖设备运行状态数据与供暖设备正常运行状态区间数据数值匹配，自主识别出异常的供暖设备运行状态数据并生成供暖设备故障诊断数据，实现对供暖设备故障的智能、全面、高效诊断分析，提高了供暖设备故障诊断的准确性，提升供暖系统对故障应急处理能力。
一种实现基于物联网的智能供暖设备故障数据处理方法的系统，系统包括供暖执行端热媒特征收集模块、供暖执行端热媒异常特征分析模块、供暖设备故障参数收集及排查模块；
供暖执行端热媒特征收集模块包括供暖执行端热媒温度采集单元、供暖执行端热媒湿度采集单元、供暖执行端热媒压力采集单元；
供暖执行端热媒温度采集单元，通过温度传感器采集供暖执行端热媒温度数据；供暖执行端热媒湿度采集单元，通过湿度传感器采集供暖执行端热媒湿度数据；供暖执行端热媒压力采集单元，通过压力传感器采集供暖执行端热媒压力数据；
供暖执行端热媒异常特征分析模块包括供暖热媒温度、湿度、压力参数数值处理单元、供暖热媒温度、湿度、压力安全数值区间存储单元、供暖执行端热媒异常特征识别单元；
供暖热媒温度、湿度、压力参数数值处理单元，对供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据采用数据均值化处理后分别生成供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据；供暖热媒温度、湿度、压力安全数值区间存储单元，用于存储供暖热媒温度、湿度、压力安全数值区间数据；供暖执行端热媒异常特征识别单元，采用数据识别算法将供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据与供暖热媒温度、湿度、压力安全数值区间数据分别进行温度、湿度、压力的数值匹配，分析构建出供暖执行端热媒异常特征参数识别结果；
供暖设备故障参数收集及排查模块包括供暖设备特征参数采集单元、供暖设备运行状态参数采集单元、供暖设备运行状态参数预处理单元、供暖设备正常运行状态参数区间存储单元、供暖设备故障状态分析单元、供暖设备故障状态反馈输出单元；
供暖设备特征参数采集单元，当供暖执行端热媒异常特征参数识别结果为存在时；通过工业设备管理平台采集供暖设备特征参数数据；供暖设备运行状态参数采集单元，依据供暖设备特征参数在线有序分类通过工业传感器采集供暖设备运行状态数据；供暖设备运行状态参数预处理单元，对供暖设备运行状态数据进行数据降噪预处理后生成标准供暖设备运行状态数据；供暖设备正常运行状态参数区间存储单元，用于存储供暖设备正常运行状态区间数据；供暖设备故障状态分析单元，采用数据识别算法将标准供暖设备运行状态数据与供暖设备正常运行状态区间数据进行设备运行状态数值匹配并筛选出不符合正常运行状态区间的标准供暖设备运行状态数据，构建出供暖设备故障诊断数据；供暖设备故障状态反馈输出单元，当供暖设备故障诊断数据存在故障诊断数据时，获取供暖设备故障诊断数据进行输出反馈到供暖设备控制端。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于物联网的智能供暖设备故障数据处理方法，其特征在于，所述方法包括如下步骤：
S1、采集供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据；
S2、对所述供暖执行端热媒温度数据、供暖执行端热媒湿度数据、供暖执行端热媒压力数据采用数据均值化处理后分别生成供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据；
S3、采用数据识别算法将所述供暖执行端热媒温度均值数据、所述供暖执行端热媒湿度均值数据、所述供暖执行端热媒压力均值数据与供暖热媒温度、湿度、压力安全数值区间数据分别进行温度、湿度、压力的数值匹配，分析构建出供暖执行端热媒异常特征参数识别结果；
S4、当供暖执行端热媒异常特征参数识别结果为存在时；采集供暖设备特征参数数据，依据所述供暖设备特征参数在线有序分类采集供暖设备运行状态数据；
S5、对所述供暖设备运行状态数据进行数据降噪预处理后生成标准供暖设备运行状态数据；
S6、采用数据识别算法将所述标准供暖设备运行状态数据与供暖设备正常运行状态区间数据进行设备运行状态数值匹配并筛选出不符合所述正常运行状态区间的所述标准供暖设备运行状态数据，构建出供暖设备故障诊断数据；
S7、当所述供暖设备故障诊断数据存在故障诊断数据时，获取所述供暖设备故障诊断数据进行输出反馈到供暖设备控制端。
2.根据权利要求1所述的一种基于物联网的智能供暖设备故障数据处理方法，其特征在于：所述S1包括以下步骤：
S11、采用温度传感器在线测量供暖执行端的温度数据并生成供暖执行端热媒温度数据集合，/>；其中/>表示第/>个供暖执行端热媒温度数据，/>表示供暖执行端热媒温度数据数量的最大值，所述供暖执行端表示供暖系统末端装置包括散热器、暖风机、辐射板和风机盘管；
采用湿度传感器在线测量供暖执行端的湿度数据并生成供暖执行端热媒湿度数据集合，/>；其中/>表示第/>个供暖执行端热媒湿度数据，/>表示供暖执行端热媒湿度数据数量的最大值；
采用压力传感器在线测量供暖执行端的压力数据并生成供暖执行端热媒压力数据集合，/>；其中/>表示第/>个供暖执行端热媒压力数据，/>表示供暖执行端热媒压力数据数量的最大值。
3.根据权利要求2所述的一种基于物联网的智能供暖设备故障数据处理方法，其特征在于：所述S2包括以下步骤：
S21、采用数学统计均值算法分别计算所述供暖执行端热媒温度数据集合、所述供暖执行端热媒湿度数据集合/>、所述供暖执行端热媒压力数据集合/>对应的热媒温度均值、热媒湿度均值、热媒压力均值并生成供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>。
4.根据权利要求3所述的一种基于物联网的智能供暖设备故障数据处理方法，其特征在于：所述S3包括以下步骤：
S31、建立供暖热媒温度、湿度、压力安全数值区间数据集合，其中表示供暖热媒温度安全数值区间数据，/>表示供暖热媒温度安全数值区间数据的最小安全温度数值，
表示供暖热媒温度安全数值区间数据的最大安全温度数值；
表示供暖热媒湿度安全数值区间数据，/>表示供暖热媒湿度安全数值区间数据的最小安全湿度数值，/>表示供暖热媒湿度安全数值区间数据的最大安全湿度数值；
表示供暖热媒压力安全数值区间数据，/>表示供暖热媒压力安全数值区间数据的最小安全压力数值，/>表示供暖热媒压力安全数值区间数据的最大安全压力数值；
S32、采用大猩猩部队优化算法将所述供暖执行端热媒温度均值数据、所述供暖执行端热媒湿度均值数据/>、所述供暖执行端热媒压力均值数据/>分别与供暖热媒温度、湿度、压力安全数值区间数据集合/>中的供暖热媒温度安全数值区间数据/>、供暖热媒湿度安全数值区间数据/>、供暖热媒压力安全数值区间数据/>进行温度、湿度、压力数值匹配，所述大猩猩部队优化算法执行温度、湿度、压力数值匹配的具体操作步骤如下：
S321、初始化，更新算法最大迭代次数N；
S322、勘探阶段，该阶段主要是对供暖热媒温度、湿度、压力安全数值区间数据集合搜索空间中的暖热媒温度、湿度、压力安全数值区间数据进行全局搜索，搜索数学公式为，其中/>是一个给定的介于0到1之间的参数，该参数确定选择迁移机制到未知位置的概率；/>是第/>次迭代异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>和/>表示分别表示异常特征识别大猩猩在的供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间中上边界和下边界；/>表示第/>次迭代异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>表示第/>次迭代异常特征识别大猩猩种群中随机选择的异常特征识别大猩猩个体在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据、供暖执行端热媒压力均值数据/>的所述供暖热媒温度、湿度、压力安全数值区间数据的候选位置；/>、/>、/>、rand分别表示算法迭代更新取值为0到1的随机值；/>、/>、/>表示算法迭代更新调整因子；在勘探阶段结束时，计算所有/>异常特征识别大猩猩个体的适应度值，如果适应度值满足/>≤/>，则保留/>异常特征识别大猩猩个体；如果适应度值满足/>﹥/>，则使用/>异常特征识别大猩猩个体替代/>异常特征识别大猩猩个体，该阶段产生的最优个体异常特征识别大猩猩被视为银背大猩猩异常特征识别大猩猩，即识别出在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与所述供暖热媒温度、湿度、压力安全数值区间数据不匹配的供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>的位置；
S323、开发阶段，开发阶段采用跟随银背大猩猩异常特征识别大猩猩和竞争成年雌性异常特征识别大猩猩的两种行为；
S3231、跟随银背异常特征识别大猩猩，如果≥/>，则选择跟随银背异常特征识别大猩猩机制，其中/>表示异常特征识别大猩猩种群选择跟随银背异常特征识别大猩猩和竞争成年雌性异常特征识别大猩猩的权重因子；
S3232、竞争成年雌性，如果﹤/>，则选择跟随竞争成年雌性异常特征识别大猩猩机制，当年轻的异常特征识别大猩猩进入青春期时，它们会与其他雄性异常特征识别大猩猩在选择成年雌性的问题上展开竞争，如果适应度值满足/>≤/>，则保留/>异常特征识别大猩猩个体；如果适应度值满足/>﹥/>，则使用/>异常特征识别大猩猩个体替代异常特征识别大猩猩个体，该阶段产生的最优雄性异常特征识别大猩猩被视为银背异常特征识别大猩猩，即识别出在供暖热媒温度、湿度、压力安全数值区间数据集合/>搜索空间的搜索与所述供暖热媒温度、湿度、压力安全数值区间数据不匹配的供暖执行端热媒温度均值数据/>、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>；
S324、满足最大迭代次数，输出与供暖热媒温度、湿度、压力安全数值区间数据集合中暖热媒温度、湿度、压力安全数值区间数据未匹配成功的供暖执行端热媒温度均值数据、供暖执行端热媒湿度均值数据/>、供暖执行端热媒压力均值数据/>；
S33、当S324步骤输出结果中存在或/>或/>，表示存在/>∉/>或/>∉/>或∉/>；则输出供暖执行端热媒异常特征参数识别结果为存在；
当S324步骤输出结果中不存在、/>、/>；则表示/>∈/>且/>∈/>且/>∈，则输出供暖执行端热媒异常特征参数识别结果为不存在。
5.根据权利要求4所述的一种基于物联网的智能供暖设备故障数据处理方法，其特征在于：所述S4包括以下步骤：
S41、当供暖执行端热媒异常特征参数识别结果为存在时，通过工业设备管理平台采集供暖设备特征参数数据并建立供暖设备特征参数数据集合，/>；其中/>表示第/>台供暖设备对应的供暖设备特征参数数据，/>表示供暖设备数量的最大值，所述供暖设备特征参数包括供暖设备的名称、型号、生产厂商、技术参数中一种或多种，所述工业设备管理平台包括简道云、广联达、建文中任意一种；
通过工业传感器并按照所述供暖设备特征参数的编号有序分类采集供暖设备运行状态数据并建立供暖设备运行状态数据集合/>，所述供暖设备运行状态数据包括运行温度、振动频率、功率、转速、电流、电压中任意一种或多种。
6.根据权利要求5所述的一种基于物联网的智能供暖设备故障数据处理方法，其特征在于：所述S5包括以下步骤：
S51、采用中值滤波法对供暖设备运行状态数据集合进行数据降噪预处理后生成标准供暖设备运行状态数据集合/>，其中/>、/>、/>分别表示第/>台、第台、第/>台供暖设备对应的供暖设备特征参数数据，/>表示采集的第/>台供暖设备供对应种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>表示采集的第/>台供暖设备供对应/>种标准供暖设备运行状态数据；/>、/>、/>的均表示采集的标准供暖设备运行状态数据的类型数量。
7.根据权利要求6所述的一种基于物联网的智能供暖设备故障数据处理方法，其特征在于：所述S6包括以下步骤：
S61、建立供暖设备正常运行状态区间数据集合，/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；/>表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；表示标准供暖设备运行状态数据/>对应的供暖设备正常运行状态区间数据；
S62、采用如S32步骤中数据识别算法将标准供暖设备运行状态数据集合中标准供暖设备运行状态数据/>至/>按照供暖设备编号和供暖设备运行状态数据类型编号有序与对应的供暖设备正常运行状态区间数据集合/>中供暖设备正常运行状态区间数据/>至进设备运行状态数值匹配并输出与供暖设备正常运行状态区间数据/>至/>未匹配成功的标准供暖设备运行状态数据；
S63、筛选出S62步骤与供暖设备正常运行状态区间数据至/>未匹配成功的标准供暖设备运行状态数据进行组合标识为供暖设备故障诊断数据并建立供暖设备故障诊断数据集合/>，其中/>。
8.根据权利要求7所述的一种基于物联网的智能供暖设备故障数据处理方法，其特征在于：所述S7包括以下步骤：
S71、当所述供暖设备故障诊断数据集合内存在故障诊断数据时，则将所述供暖设备故障诊断数据集合/>进行输出并通过物联网通信网络推送反馈到供暖设备控制端。
9.一种实现如根据权利要求1-8中任意一项所述的基于物联网的智能供暖设备故障数据处理方法的系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410095519.6A CN117631719B (zh) | 2024-01-24 | 2024-01-24 | 一种基于物联网的智能供暖设备故障数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410095519.6A CN117631719B (zh) | 2024-01-24 | 2024-01-24 | 一种基于物联网的智能供暖设备故障数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117631719A true CN117631719A (zh) | 2024-03-01 |
| CN117631719B CN117631719B (zh) | 2024-05-31 |
Family
ID=90023713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410095519.6A Active CN117631719B (zh) | 2024-01-24 | 2024-01-24 | 一种基于物联网的智能供暖设备故障数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117631719B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118071333A (zh) * | 2024-04-17 | 2024-05-24 | 中用科技有限公司 | 一种基于工业物联网的工业设备应急监管方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001221448A (ja) * | 2000-02-10 | 2001-08-17 | Noritz Corp | 温水暖房装置及びその故障診断方法並びに給湯装置の故障診断支援装置。 |
| CN104422015A (zh) * | 2013-09-03 | 2015-03-18 | 西安志越机电科技有限公司 | 板式换热机组监控系统 |
| CN207279979U (zh) * | 2017-08-23 | 2018-04-27 | 成都宇俊盛科技有限公司 | 一种电暖通锅炉 |
| CN111413556A (zh) * | 2020-02-24 | 2020-07-14 | 江苏方天电力技术有限公司 | 基于“ct”技术的变压器故障诊断方法 |
| US20210020360A1 (en) * | 2019-07-15 | 2021-01-21 | Wuhan University | Internal thermal fault diagnosis method of oil-immersed transformer based on deep convolutional neural network and image segmentation |
| CN214664692U (zh) * | 2021-01-26 | 2021-11-09 | 山东历控能源有限公司 | 一种节能高效区域供冷供热系统 |
| CN116150676A (zh) * | 2023-04-19 | 2023-05-23 | 山东能源数智云科技有限公司 | 基于人工智能的设备故障诊断与识别方法及装置 |
| CN116257809A (zh) * | 2023-03-09 | 2023-06-13 | 浙江浙能电力股份有限公司台州发电厂 | 一种基于机器学习算法的供热管网异常诊断方法 |
| CN116562167A (zh) * | 2023-05-29 | 2023-08-08 | 重庆大学 | 基于混合备份的发火测试系统可靠性评估及优化方法 |
| CN116625368A (zh) * | 2023-05-05 | 2023-08-22 | 佛山科学技术学院 | 一种基于人工大猩猩部队优化算法的路径规划方法 |
| CN117073129A (zh) * | 2023-10-17 | 2023-11-17 | 山东意林建筑规划设计研究院有限公司 | 一种暖通空调系统故障诊断方法及系统 |
| CN117151701A (zh) * | 2023-10-31 | 2023-12-01 | 山东欣历能源有限公司 | 一种热电联产的工业余热回收利用系统 |
| CN117196186A (zh) * | 2023-08-23 | 2023-12-08 | 北京航空航天大学 | 基于二进制大猩猩部队优化器的多导弹任务分配方法 |
-
2024
- 2024-01-24 CN CN202410095519.6A patent/CN117631719B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001221448A (ja) * | 2000-02-10 | 2001-08-17 | Noritz Corp | 温水暖房装置及びその故障診断方法並びに給湯装置の故障診断支援装置。 |
| CN104422015A (zh) * | 2013-09-03 | 2015-03-18 | 西安志越机电科技有限公司 | 板式换热机组监控系统 |
| CN207279979U (zh) * | 2017-08-23 | 2018-04-27 | 成都宇俊盛科技有限公司 | 一种电暖通锅炉 |
| US20210020360A1 (en) * | 2019-07-15 | 2021-01-21 | Wuhan University | Internal thermal fault diagnosis method of oil-immersed transformer based on deep convolutional neural network and image segmentation |
| CN111413556A (zh) * | 2020-02-24 | 2020-07-14 | 江苏方天电力技术有限公司 | 基于“ct”技术的变压器故障诊断方法 |
| CN214664692U (zh) * | 2021-01-26 | 2021-11-09 | 山东历控能源有限公司 | 一种节能高效区域供冷供热系统 |
| CN116257809A (zh) * | 2023-03-09 | 2023-06-13 | 浙江浙能电力股份有限公司台州发电厂 | 一种基于机器学习算法的供热管网异常诊断方法 |
| CN116150676A (zh) * | 2023-04-19 | 2023-05-23 | 山东能源数智云科技有限公司 | 基于人工智能的设备故障诊断与识别方法及装置 |
| CN116625368A (zh) * | 2023-05-05 | 2023-08-22 | 佛山科学技术学院 | 一种基于人工大猩猩部队优化算法的路径规划方法 |
| CN116562167A (zh) * | 2023-05-29 | 2023-08-08 | 重庆大学 | 基于混合备份的发火测试系统可靠性评估及优化方法 |
| CN117196186A (zh) * | 2023-08-23 | 2023-12-08 | 北京航空航天大学 | 基于二进制大猩猩部队优化器的多导弹任务分配方法 |
| CN117073129A (zh) * | 2023-10-17 | 2023-11-17 | 山东意林建筑规划设计研究院有限公司 | 一种暖通空调系统故障诊断方法及系统 |
| CN117151701A (zh) * | 2023-10-31 | 2023-12-01 | 山东欣历能源有限公司 | 一种热电联产的工业余热回收利用系统 |
Non-Patent Citations (2)
| Title |
|---|
| 李江;: "基于改进算法的供热锅炉房动力装置故障诊断研究", 自动化与仪表, no. 03, 25 March 2020 (2020-03-25), pages 110 - 114 * |
| 罗强;梁惺;: "血栓弹力图仪恒温控制系统研究", 自动化应用, no. 08, 25 August 2018 (2018-08-25), pages 50 - 52 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118071333A (zh) * | 2024-04-17 | 2024-05-24 | 中用科技有限公司 | 一种基于工业物联网的工业设备应急监管方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117631719B (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117631719B (zh) | 一种基于物联网的智能供暖设备故障数据处理方法及系统 | |
| Guo et al. | Deep learning-based fault diagnosis of variable refrigerant flow air-conditioning system for building energy saving | |
| US10747187B2 (en) | Building management system with voting-based fault detection and diagnostics | |
| Zeng et al. | Comparative study of data driven methods in building electricity use prediction | |
| Li et al. | Application of pattern matching method for detecting faults in air handling unit system | |
| Li et al. | A novel data-temporal attention network based strategy for fault diagnosis of chiller sensors | |
| CN110454874A (zh) | 具有成本目标优化的建筑物装置 | |
| US11693374B2 (en) | Building system with string mapping based on a sequence to sequence neural network | |
| Chen et al. | Fault detection, diagnosis and data recovery for a real building heating/cooling billing system | |
| US20210373509A1 (en) | Building system with string mapping based on a statistical model | |
| CN111652375B (zh) | 基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法及装置 | |
| Li et al. | A novel temporal convolutional network via enhancing feature extraction for the chiller fault diagnosis | |
| KR102137723B1 (ko) | 열교환기의 성능 평가 시스템 및 방법 | |
| Nehasil et al. | Versatile AHU fault detection–Design, field validation and practical application | |
| Yu et al. | Assessment of operating performance of chiller systems using cluster analysis | |
| CN111507520A (zh) | 一种换热机组负荷的动态预测方法及系统 | |
| CN110160210A (zh) | 风机盘管的故障检测方法、装置、存储介质和电子设备 | |
| CN110850717B (zh) | 利用风机电流的神经网络热泵除霜控制装置及控制方法 | |
| Yang et al. | Research on energy-saving optimization of commercial central air-conditioning based on data mining algorithm | |
| Fong et al. | Optimization of power usage in a smart nursing home environment | |
| Li et al. | Diagnosis for the refrigerant undercharge fault of chiller using deep belief network enhanced extreme learning machine | |
| CN117346129A (zh) | 锅炉高温过热器外包低温受热面的温度调控系统 | |
| Yuwono et al. | Automatic feature selection using multiobjective cluster optimization for fault detection in a heating ventilation and air conditioning system | |
| Cheng et al. | Abnormal energy consumption detection using ensemble model for water chilling unit on HVAC system | |
| CN114970709B (zh) | 基于改进ga的数据驱动型ahu多故障诊断特征选择方法 |
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 |