CN117909184A - 一种机箱智能监测温控系统及其方法 - Google Patents
一种机箱智能监测温控系统及其方法 Download PDFInfo
- Publication number
- CN117909184A CN117909184A CN202410137953.6A CN202410137953A CN117909184A CN 117909184 A CN117909184 A CN 117909184A CN 202410137953 A CN202410137953 A CN 202410137953A CN 117909184 A CN117909184 A CN 117909184A
- Authority
- CN
- China
- Prior art keywords
- temperature
- case
- value
- chassis
- overtemperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 5
- 241000237509 Patinopecten sp. Species 0.000 claims description 4
- 235000020637 scallop Nutrition 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration 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
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Control Of Temperature (AREA)
Abstract
本发明涉及智能监测技术领域,具体公开了一种机箱智能监测温控系统及其方法,将机箱内部实时温度大于机箱内部温度阈值且超过预设时长的时间段记为超温时间段,获取机箱在超温时间段的超温数据,根据机箱在超温时间段的超温数据,得到机箱监测有效值,将机箱监测有效值与机箱监测有效值阈值进行处理,得到机箱运行状态信号,基于机箱运行故障信号,对机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值进行识别,完成对机箱内部故障监测区域的测定,通过对机箱内部故障监测区域的故障行为值进行获取,完成对故障监测区域故障等级的评估,实现从多个维度对机箱运行状态进行识别,精准度高。
Description
技术领域
本发明涉及智能监测技术领域,具体涉及一种机箱智能监测温控系统及其方法。
背景技术
机箱智能监测温控系统是一种智能化、高集成的系统,主要用于监测和控制机箱内的温度。这种系统通常运用嵌入式技术,实现软硬件一体化集成,与传统工控机、串口服务器、内嵌式计算机等类型的动环监控系统有所不同。
机箱智能监测温控系统由传感器模块、环控主机、报警终端等配套设备组合而成。它能实时感知不同位置的温度、湿度数据,可采集多个机柜温度、湿度信息。
现有技术中,机箱智能监测温控系统通常仅对机箱在运行过程中的运行温度进行监控,缺少结合机箱运行电能损耗及运行噪音的对机箱性能的综合识别,具有一定的局限性。
发明内容
本发明的目的在于提供一种机箱智能监测温控系统及其方法,通过对机箱内部实时温度进行获取,根据机箱内部实时温度将机箱运行周期分为超温时间段和平温时间段,通过对超温时间段内的超温数据进行获取,即通过对机箱的超温非控值、机箱电能损耗异比和机箱分贝幅动比处理得到机箱监测有效值,即通过从多个维度对机箱运行状态进行识别,精准度高,可靠性强。
本发明的目的可以通过以下技术方案实现:
一种机箱智能监测温控方法,包括以下步骤:
步骤一:获取机箱内部实时温度,将机箱内部实时温度大于机箱内部温度阈值且超过预设时长的时间段记为超温时间段,获取机箱在超温时间段的超温数据;
步骤二:根据机箱在超温时间段的超温数据,得到机箱监测有效值;
其中,超温数据包括机箱的超温非控值、将机箱电能损耗异比和机箱分贝幅动比;
将机箱的超温非控值记为FK;
将机箱电能损耗异比记为DS;
将机箱分贝幅动比记为FD;
通过公式计算得到机箱监测有效值XY,其中,a1、a2、a3为预设比例系数;
步骤三:将机箱监测有效值与机箱监测有效值阈值进行处理,得到机箱运行状态信号;
其中,机箱运行状态信号包括机箱运行故障信号和机箱运行正常信号;
步骤四:基于机箱运行故障信号,对机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值进行识别,完成对机箱内部故障监测区域的测定;
步骤五:通过对机箱内部故障监测区域的故障行为值进行获取,完成对故障监测区域故障等级的评估。
作为本发明进一步的方案:步骤二中,机箱的超温非控值的获取过程为:
获取机箱的超温非控数据,超温非控数据包括超温时间段的超温段比、超温时间段的超时段比和超温时间段的温变异动值;
通过对超温时间段的超温段比、超温时间段的超时段比和超温时间段的温变异动值加权处理得到机箱的超温非控值。
作为本发明进一步的方案:超温时间段的超温段比的获取过程为:
获取机箱超温时间段在机箱运行周期内的出现的次数,将超温时间段出现的次数与机箱运行周期总时长进行比值计算,得到超温时间段的超温段比;
超温时间段的超时段比的获取过程为:
对机箱内所有超温时间段的时长进行求和,得到超温时间段在机箱运行周期内的总时长,将超温时间段总时长与机箱运行周期时长进行比值计算,得到超温时间段的超时段比。
作为本发明进一步的方案:超温时间段的温变异动值的获取过程为:
获取每次超温时间段内机箱内部实时温度超过机箱内部温度阈值且达到机箱内部实时温度最大值时的时间段,将该时间段记为温升时间段;
获取每次超温时间段内机箱内部实时温度最大值降低至机箱内部温度阈值时的时间段,将该时间段记为温降时间段;
获取温升时间段的时间长度和温降时间段的时间长度;
将同一个超温时间段内温降时间段的时间长度与温升时间段的时间长度进行比值计算,得到超温时间段的温变比;
将机箱运行周期内所有相邻超温时间段的温变比进行差值计算,得到相邻超温时间段的温变差值,并对温变差值进行求和,得到超温时间段的温变异值;
将机箱运行周期内所有超温时间段的温变比进行求和并取均值,得到超温时间段的温变总比;
将超温时间段的温变总比与超温时间段的温变异值进行乘积计算,得到超温时间段的温变异动值。
作为本发明进一步的方案:机箱电能损耗异比的获取过程为:
获取机箱超温损耗电能;
在机箱运行周期内将超温时间段之外的时间记为平温时间段;
获取机箱平温损耗电能;
将机箱超温损耗时比与机箱平温损耗时比进行比值计算,得到机箱电能损耗异比。
作为本发明进一步的方案:在超温时间段内机箱内部实时温度最大值时,对机箱内部的声音数据进行采集,将多个声音传感器采集的运行声音分贝值进行求和取均值,得到超温时间段的超分贝值;
获取电能损耗值最大值所对应超温时间段的超分贝值,将该超温时间段的超分贝值记为机箱超分贝值;
在平温时间段内机箱内部实时温度最小值时,对机箱内部的声音数据进行采集将多个声音传感器采集的运行声音分贝值进行求和取均值,得到平温时间段的平分贝值,将该平温时间段的平分贝值记为机箱平分贝值;
将机箱超分贝值与机箱平分贝值进行比值计算,得到机箱分贝幅动比。
作为本发明进一步的方案:获取机箱上层区域的最大分贝均值和机箱上层区域的最小分贝均值;
将机箱上层区域的最大分贝均值与机箱上层区域的最小分贝均值进行差值计算,得到机箱上层区域的分贝偏差;
将机箱上层区域的分贝偏差与机箱上层区域的最小分贝均值进行比值计算,得到机箱上层区域的分贝偏差率;
获取机箱上层区域的最大温度均值和机箱上层区域的最小温度均值;
将机箱上层区域的最大温度均值与机箱上层区域的最小温度均值进行差值计算,得到机箱上层区域的温度偏差;
将机箱上层区域的温度偏差与机箱上层区域的最小温度均值进行比值计算,得到机箱上层区域的温度偏差率。
作为本发明进一步的方案:将机箱上层区域的分贝偏差率记为Sp;
将机箱上层区域的温度偏差率记为Sw;
将机箱上层区域的分贝偏差率Sp与机箱上层区域的温度偏差率Sw进行处理,即通过公式计算得到机箱上层区域的偏离程度总值/>,其中,为/>预设比例系数;
将机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值中最大值所对应的区域记为故障监测区域。
作为本发明进一步的方案:获取故障监测区域内所需监测部件,分别获取每个监测部件的温度值;
将监测部件的温度值满足监测部件的温度值时,将监测部件记为标准部件;
将监测部件的温度值不满足监测部件的温度值时,将监测部件记为非标部件;
将非标部件的个数与监测部件个数进行比值计算,得到非标区域比;
获取非标部件的温度值与非标部件的温度值预设要求值的非标偏值;
将非标偏值与非标偏置系数进行乘积计算,得到非标部件的非标异偏值;
再将所有非标部件的非标异偏值进行求和得到故障监测区域的非标异偏总值;
将非标区域比与故障监测区域的非标异偏总值进行乘积计算,得到故障监测区域的故障行为值。
一种机箱智能监测温控系统,包括:
温控采集模块,所述温控采集模块用于获取机箱内部实时温度,将机箱内部实时温度大于机箱内部温度阈值且超过预设时长的时间段记为超温时间段,获取机箱在超温时间段的超温数据,将超温数据上传至云管控平台;
超温处理模块,所述超温处理模块接收云管控平台传送的超温数据,根据机箱在超温时间段的超温数据,得到机箱监测有效值,将机箱监测有效值传送至云管控平台;
其中,超温数据包括机箱的超温非控值、将机箱电能损耗异比和机箱分贝幅动比;
将机箱的超温非控值记为FK;
将机箱电能损耗异比记为DS;
将机箱分贝幅动比记为FD;
通过公式计算得到机箱监测有效值XY,其中,a1、a2、a3为预设比例系数;
监测决策模块,所述监测决策模块接收云管控平台的机箱监测有效值,监测决策模块将机箱监测有效值与机箱监测有效值阈值进行处理,得到机箱运行状态信号;
其中,机箱运行状态信号包括机箱运行故障信号和机箱运行正常信号;
区域识别模块,所述区域识别模块接收云管控平台的机箱运行状态信号,区域识别模块基于机箱运行故障信号,对机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值进行识别,完成对机箱内部故障监测区域的测定;
等级评定模块,所述等级评定模块用于对机箱内部故障监测区域的故障行为值进行获取,完成对故障监测区域故障等级的评估。
本发明的有益效果:
(1)本发明通过对机箱内部实时温度进行获取,根据机箱内部实时温度将机箱运行周期分为超温时间段和平温时间段,通过对超温时间段内的超温数据进行获取,即通过对机箱的超温非控值、机箱电能损耗异比和机箱分贝幅动比处理得到机箱监测有效值,其中,超温时间段在机箱运行周期时长的次数占比和时长占比越大、在机箱运行周期内每个超温时间段的波动越大,则说明机箱运行周期内的运行状态越不稳定,则得到机箱的超温非控值越大,则机箱监测有效值越大,说明机箱运行状态越差,超温时间段内的电能损耗值相较于平温时间段内的电能损耗值偏差越大,说明机箱在超温时间段内电能损耗异常,得到的机箱监测有效值越大,说明机箱运行状态越差,超温时间段内的声音分贝值相较于平温时间段内的声音分贝值偏差越大,说明机箱在超温时间段内运行噪声大,得到的机箱监测有效值越大,也说明机箱运行状态越差,即通过从多个维度对机箱运行状态进行识别,精准度高,可靠性强;
(2)本发明将机箱按空间分为上层区域、中层区域和下层区域,分别对机箱内部的上层区域、中层区域和下层区域内的分贝偏差率和温度偏差率进行获取,通过对分贝偏差率和温度偏差率处理得到机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值,将偏离程度总值中最大值所对应的区域记为故障监测区域,从而完成对机箱内部故障区域位置的识别;
(3)本发明在机箱内部故障区域内对所需监测部件的温度值进行识别,将监测部件的温度值满足监测部件的温度值时,将监测部件记为标准部件,将监测部件的温度值不满足监测部件的温度值时,将监测部件记为非标部件,通过对标准部件和非标部件所对应的温度值综合处理,得到故障监测区域的故障行为值,通过对故障监测区域的故障行为值的评估完成对机箱内部故障区域故障程度的识别。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明实施例一种机箱智能监测温控方法的流程图;
图2是本发明实施例一种机箱智能监测温控系统的程序图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
请参阅图1所示,本发明为一种机箱智能监测温控方法,包括以下步骤:
步骤一:获取机箱内部实时温度,将机箱内部实时温度大于机箱内部温度阈值且超过预设时长的时间段记为超温时间段,获取机箱在超温时间段的超温数据;
步骤二:根据机箱在超温时间段的超温数据,得到机箱监测有效值;
其中,超温数据包括机箱的超温非控值、将机箱电能损耗异比和机箱分贝幅动比;
步骤三:将机箱监测有效值与机箱监测有效值阈值进行处理,得到机箱运行状态信号;
其中,机箱运行状态信号包括机箱运行故障信号和机箱运行正常信号;
步骤四:基于机箱运行故障信号,对机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值进行识别,完成对机箱内部故障监测区域的测定;
步骤五:通过对机箱内部故障监测区域的故障行为值进行获取,完成对故障监测区域故障等级的评估。
在机箱内部设置温度传感器,通过设置在机箱内部的温度传感器获取机箱内部实时温度;
将机箱内部实时温度大于机箱内部温度阈值且超过预设时长的时间段记为超温时间段;
获取机箱超温时间段在机箱运行周期内的出现的次数,将超温时间段出现的次数与机箱运行周期总时长进行比值计算,得到超温时间段的超温段比;
其中,机箱运行周期为机箱开机运行时间至机箱关机时间为一个完整周期;
将机箱内所有超温时间段的时长进行求和,得到超温时间段在机箱运行周期内的总时长,将超温时间段总时长与机箱运行周期时长进行比值计算,得到超温时间段的超时段比;
在机箱运行周期内,获取每次超温时间段内机箱内部实时温度超过机箱内部温度阈值且达到机箱内部实时温度最大值时的时间段,将该时间段记为温升时间段;
在机箱运行周期内,获取每次超温时间段内机箱内部实时温度最大值降低至机箱内部温度阈值时的时间段,将该时间段记为温降时间段;
获取温升时间段的时间长度和温降时间段的时间长度;
将同一个超温时间段内温降时间段的时间长度与温升时间段的时间长度进行比值计算,得到超温时间段的温变比;
将机箱运行周期内所有相邻超温时间段的温变比进行差值计算,即将相邻超温时间段内的后超温时间段的温差比减去前超温时间段的温差比,得到相邻超温时间段的温变差值;
再将所有相邻超温时间段的温变差值进行求和,得到超温时间段的温变异值;
将机箱运行周期内所有超温时间段的温变比进行求和并取均值,得到超温时间段的温变总比;
将超温时间段的温变总比与超温时间段的温变异值进行乘积计算,得到超温时间段的温变异动值;
将超温时间段的超温段、超温时间段的超时段比和超温时间段的温变异动值进行加权处理,得到机箱的超温非控值;
在一个具体的实施例中,将超温时间段的超温段比记为Cw,将超温时间段的超时段比记为Ct,将超温时间段的温变异动值记为Wb,进行加权处理,即将超温时间段的超温段比Cw的权重占比分为d1,将超温时间段的超时段比Ct的权重占比分为d2,将超温时间段的温变异动值Wb的权重占比分为d3,通过公式计算得到机箱的超温非控值FK,其中,d1+d2+d3=1,d2>d1>d3;
获取机箱运行周期内每个超温时间段内的电能损耗值,将所有超温时间段的电能损耗值进行求和,得到机箱超温损耗电能;
其中,超温时间段的电能损耗值的获取过程为:
在机箱的接入端线路上设置电流传感器和电压传感器,通过电流传感器对机箱的输入电流进行测量,得到机箱的实时输入电流;
通过电压传感器对机箱的输入电压进行测量,得到机箱的实时输入电压;
获得机箱在超温时间段内机箱的实时输入电流和实时输入电压,对超温时间段内的实时输入电流和实时输入电压进行乘积,再将所得的积对超温时间段所对应的时间进行积分,得到超温时间段的电能损耗值;
在机箱运行周期将超温时间段之外的时间记为平温时间段;
获取平温时间段内的电能损耗值,将所有平温时间段的电能损耗值进行求和,得到机箱平温损耗电能;
其中,平温时间段的电能损耗值的获取过程为:
获得机箱在平温时间段内机箱的实时输入电流和实时输入电压,对平温时间段内的实时输入电流和实时输入电压进行乘积,再将所得的积对平温时间段所对应的时间进行积分,得到超温时间段的电能损耗值;
将机箱超温损耗电能与超温时间段在机箱运行周期内的总时长进行比值计算,得到机箱超温损耗时比;
将机箱平温损耗电能与平温时间段在机箱运行周期内的总时长进行比值计算,得到机箱平温损耗时比;
将机箱超温损耗时比与机箱平温损耗时比进行比值计算,得到机箱电能损耗异比;
在机箱内设置多个声音传感器,通过声音传感器对机箱运行过程中的声音数据进行获取;
在一个具体的实施例中,将机箱按空间等分为上层区域、中层区域和下层区域,将多个声音传感器分别设置在上层区域、中层区域和下层区域所对应的内部侧面上;
具体的:
在机箱运行周期的超温时间段内,对机箱内部实时温度最大值时,机箱内部的声音数据进行采集,即通过对个声音传感器对机箱内部实时温度最大值所对应的运行声音分贝值进行获取,再将多个声音传感器采集的运行声音分贝值进行求和取均值,得到超温时间段的超分贝值;
获取电能损耗值最大值所对应超温时间段的超分贝值,将该超温时间段的超分贝值记为机箱超分贝值;
在机箱运行周期的平温时间段内,对机箱内部实时温度最小值时,机箱内部的声音数据进行采集,即通过对个声音传感器对机箱内部实时温度最小值所对应的运行声音分贝值进行获取,再将多个声音传感器采集的运行声音分贝值进行求和取均值,得到平温时间段的平分贝值,将该平温时间段的平分贝值记为机箱平分贝值;
将机箱超分贝值与机箱平分贝值进行比值计算,得到机箱分贝幅动比;
将机箱电能损耗异比记为DS;
将机箱分贝幅动比记为FD;
通过公式计算得到机箱监测有效值XY,其中,a1、a2、a3为预设比例系数,其中,a1、a2、a3均大于零;
预设机箱监测有效值阈值为xy,将机箱监测有效值XY与机箱监测有效值阈值xy进行比较;
若机箱监测有效值XY≥机箱监测有效值阈值xy时,则表示机箱运行时温控异常,机箱运行不稳定,生成机箱运行故障信号;
若机箱监测有效值XY<机箱监测有效值阈值xy时,则表示机箱运行时温控正常,机箱运行稳定,生成机箱运行正常信号。
基于机箱运行故障信号;
获取机箱处于超温时间段时,位于机箱上层区域的声音传感器对机箱上层区域最大声音分贝值进行获取,再将机箱上层区域多个声音传感器采集的运行声音分贝值进行求和并取均值,得到机箱上层区域的最大分贝均值;
获取机箱处于平温时间段时,位于机箱上层区域的声音传感器对机箱上层区域最小声音分贝值进行获取,再将机箱上层区域多个声音传感器采集的运行声音分贝值进行求和并取均值,得到机箱上层区域的最小分贝均值;
将机箱上层区域的最大分贝均值与机箱上层区域的最小分贝均值进行差值计算,得到机箱上层区域的分贝偏差;
将机箱上层区域的分贝偏差与机箱上层区域的最小分贝均值进行比值计算,得到机箱上层区域的分贝偏差率;
在机箱上层区域所对应的内部侧面上对应设置多个温度传感器,通过温度传感器对机箱上层区域在超温时间段时最大温度值进行获取,将多个温度传感器测得的最大温度值求和取均值,得到机箱上层区域的最大温度均值;
再通过温度传感器对机箱上层区域在平温时间段时最小温度值进行获取,将多个温度传感器测得的最小温度值求和取均值,得到机箱上层区域的最小温度均值;
将机箱上层区域的最大温度均值与机箱上层区域的最小温度均值进行差值计算,得到机箱上层区域的温度偏差;
将机箱上层区域的温度偏差与机箱上层区域的最小温度均值进行比值计算,得到机箱上层区域的温度偏差率;
将机箱上层区域的分贝偏差率记为Sp;
将机箱上层区域的温度偏差率记为Sw;
将机箱上层区域的分贝偏差率Sp与机箱上层区域的温度偏差率Sw进行处理,即通过公式计算得到机箱上层区域的偏离程度总值/>,其中,为/>预设比例系数;
预设比例系数的获取过程为:
其中,存在m组历史数据,每组历史数据机箱上层区域的分贝偏差率Sp、机箱上层区域的温度偏差率Sw和机箱上层区域的偏离程度总值;
对m组历史数据采用线性模型进行拟合,将准备好的历史数据待入到选择的拟合模型中进行拟合,得到拟合系数的均值作为预设比例系数;
按机箱上层区域的偏离程度总值获取方式分别获取机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值;
将机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值中最大值所对应的区域记为故障监测区域;
获取故障监测区域内所需监测部件,分别获取每个监测部件的温度值;
将监测部件的温度值满足监测部件的温度值时,将监测部件记为标准部件;
将监测部件的温度值不满足监测部件的温度值时,将监测部件记为非标部件;
将非标部件的个数与监测部件个数进行比值计算,得到非标区域比;
获取非标部件的温度值与非标部件的温度值预设要求值的非标偏值;
将非标偏值与非标偏置系数进行乘积计算,得到非标部件的非标异偏值;
再将所有非标部件的非标异偏值进行求和得到故障监测区域的非标异偏总值;
将非标区域比与故障监测区域的非标异偏总值进行乘积计算,得到故障监测区域的故障行为值,将故障监测区域的故障行为值记为Gx;
预设故障监测区域的故障行为值阈值的极限值为Gx1和Gx2,其中,Gx1<Gx2;
当Gx<Gx1时,则表示故障监测区域内监测部件的异常程度低,生成故障监测区域故障一级等级信号;
当Gx1≤Gx<Gx2时,则表示故障监测区域内监测部件的异常程度中等,生成故障监测区域故障二级等级信号;
当Gx≥Gx2时,则表示故障监测区域内监测部件的异常程度高,生成故障监测区域故障三级等级信号;
其中,故障监测区域故障等级越高,则表明机箱内故障监测区域内的故障越严重,便于合理安排维修人员及时有效的对机箱进行维修处理,可视化程度高。
实施例2
请参阅图2所示,本发明为一种机箱智能监测温控系统,包括温控采集模块、超温处理模块、监测决策模块、区域识别模块、等级评定模块和云管控平台;
温控采集模块用于获取机箱内部实时温度,将机箱内部实时温度大于机箱内部温度阈值且超过预设时长的时间段记为超温时间段,获取机箱在超温时间段的超温数据,将超温数据上传至云管控平台;
超温处理模块接收云管控平台传送的超温数据,根据机箱在超温时间段的超温数据,得到机箱监测有效值,将机箱监测有效值传送至云管控平台;
其中,超温数据包括机箱的超温非控值、将机箱电能损耗异比和机箱分贝幅动比;
监测决策模块接收云管控平台的机箱监测有效值,监测决策模块将机箱监测有效值与机箱监测有效值阈值进行处理,得到机箱运行状态信号;
其中,机箱运行状态信号包括机箱运行故障信号和机箱运行正常信号;
区域识别模块接收云管控平台的机箱运行状态信号,区域识别模块基于机箱运行故障信号,对机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值进行识别,完成对机箱内部故障监测区域的测定;
等级评定模块用于对机箱内部故障监测区域的故障行为值进行获取,完成对故障监测区域故障等级的评估。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (10)
1.一种机箱智能监测温控方法,其特征在于,包括以下步骤:
步骤一:获取机箱内部实时温度,将机箱内部实时温度大于机箱内部温度阈值且超过预设时长的时间段记为超温时间段,获取机箱在超温时间段的超温数据;
步骤二:根据机箱在超温时间段的超温数据,得到机箱监测有效值;
其中,超温数据包括机箱的超温非控值、将机箱电能损耗异比和机箱分贝幅动比;
将机箱的超温非控值记为FK;
将机箱电能损耗异比记为DS;
将机箱分贝幅动比记为FD;
通过公式计算得到机箱监测有效值XY,其中,a1、a2、a3为预设比例系数;
步骤三:将机箱监测有效值与机箱监测有效值阈值进行处理,得到机箱运行状态信号;
其中,机箱运行状态信号包括机箱运行故障信号和机箱运行正常信号;
步骤四:基于机箱运行故障信号,对机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值进行识别,完成对机箱内部故障监测区域的测定;
步骤五:通过对机箱内部故障监测区域的故障行为值进行获取,完成对故障监测区域故障等级的评估。
2.根据权利要求1所述的一种机箱智能监测温控方法,其特征在于,步骤二中,机箱的超温非控值的获取过程为:
获取机箱的超温非控数据,超温非控数据包括超温时间段的超温段比、超温时间段的超时段比和超温时间段的温变异动值;
通过对超温时间段的超温段比、超温时间段的超时段比和超温时间段的温变异动值加权处理得到机箱的超温非控值。
3.根据权利要求2所述的一种机箱智能监测温控方法,其特征在于,超温时间段的超温段比的获取过程为:
获取机箱超温时间段在机箱运行周期内的出现的次数,将超温时间段出现的次数与机箱运行周期总时长进行比值计算,得到超温时间段的超温段比;
超温时间段的超时段比的获取过程为:
对机箱内所有超温时间段的时长进行求和,得到超温时间段在机箱运行周期内的总时长,将超温时间段总时长与机箱运行周期时长进行比值计算,得到超温时间段的超时段比。
4.根据权利要求2所述的一种机箱智能监测温控方法,其特征在于,超温时间段的温变异动值的获取过程为:
获取每次超温时间段内机箱内部实时温度超过机箱内部温度阈值且达到机箱内部实时温度最大值时的时间段,将该时间段记为温升时间段;
获取每次超温时间段内机箱内部实时温度最大值降低至机箱内部温度阈值时的时间段,将该时间段记为温降时间段;
获取温升时间段的时间长度和温降时间段的时间长度;
将同一个超温时间段内温降时间段的时间长度与温升时间段的时间长度进行比值计算,得到超温时间段的温变比;
将机箱运行周期内所有相邻超温时间段的温变比进行差值计算,得到相邻超温时间段的温变差值,并对温变差值进行求和,得到超温时间段的温变异值;
将机箱运行周期内所有超温时间段的温变比进行求和并取均值,得到超温时间段的温变总比;
将超温时间段的温变总比与超温时间段的温变异值进行乘积计算,得到超温时间段的温变异动值。
5.根据权利要求1所述的一种机箱智能监测温控方法,其特征在于,机箱电能损耗异比的获取过程为:
获取机箱超温损耗电能;
在机箱运行周期内将超温时间段之外的时间记为平温时间段;
获取机箱平温损耗电能;
将机箱超温损耗时比与机箱平温损耗时比进行比值计算,得到机箱电能损耗异比。
6.根据权利要求5所述的一种机箱智能监测温控方法,其特征在于,在超温时间段内机箱内部实时温度最大值时,对机箱内部的声音数据进行采集,将多个声音传感器采集的运行声音分贝值进行求和取均值,得到超温时间段的超分贝值;
获取电能损耗值最大值所对应超温时间段的超分贝值,将该超温时间段的超分贝值记为机箱超分贝值;
在平温时间段内机箱内部实时温度最小值时,对机箱内部的声音数据进行采集将多个声音传感器采集的运行声音分贝值进行求和取均值,得到平温时间段的平分贝值,将该平温时间段的平分贝值记为机箱平分贝值;
将机箱超分贝值与机箱平分贝值进行比值计算,得到机箱分贝幅动比。
7.根据权利要求1所述的一种机箱智能监测温控方法,其特征在于,获取机箱上层区域的最大分贝均值和机箱上层区域的最小分贝均值;
将机箱上层区域的最大分贝均值与机箱上层区域的最小分贝均值进行差值计算,得到机箱上层区域的分贝偏差;
将机箱上层区域的分贝偏差与机箱上层区域的最小分贝均值进行比值计算,得到机箱上层区域的分贝偏差率;
获取机箱上层区域的最大温度均值和机箱上层区域的最小温度均值;
将机箱上层区域的最大温度均值与机箱上层区域的最小温度均值进行差值计算,得到机箱上层区域的温度偏差;
将机箱上层区域的温度偏差与机箱上层区域的最小温度均值进行比值计算,得到机箱上层区域的温度偏差率。
8.根据权利要求7所述的一种机箱智能监测温控方法,其特征在于,将机箱上层区域的分贝偏差率记为Sp;
将机箱上层区域的温度偏差率记为Sw;
将机箱上层区域的分贝偏差率Sp与机箱上层区域的温度偏差率Sw进行处理,即通过公式计算得到机箱上层区域的偏离程度总值/>,其中,为/>预设比例系数;
将机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值中最大值所对应的区域记为故障监测区域。
9.根据权利要求1所述的一种机箱智能监测温控方法,其特征在于,获取故障监测区域内所需监测部件,分别获取每个监测部件的温度值;
将监测部件的温度值满足监测部件的温度值时,将监测部件记为标准部件;
将监测部件的温度值不满足监测部件的温度值时,将监测部件记为非标部件;
将非标部件的个数与监测部件个数进行比值计算,得到非标区域比;
获取非标部件的温度值与非标部件的温度值预设要求值的非标偏值;
将非标偏值与非标偏置系数进行乘积计算,得到非标部件的非标异偏值;
再将所有非标部件的非标异偏值进行求和得到故障监测区域的非标异偏总值;
将非标区域比与故障监测区域的非标异偏总值进行乘积计算,得到故障监测区域的故障行为值。
10.一种机箱智能监测温控系统,其特征在于,包括:
温控采集模块,所述温控采集模块用于获取机箱内部实时温度,将机箱内部实时温度大于机箱内部温度阈值且超过预设时长的时间段记为超温时间段,获取机箱在超温时间段的超温数据,将超温数据上传至云管控平台;
超温处理模块,所述超温处理模块接收云管控平台传送的超温数据,根据机箱在超温时间段的超温数据,得到机箱监测有效值,将机箱监测有效值传送至云管控平台;
其中,超温数据包括机箱的超温非控值、将机箱电能损耗异比和机箱分贝幅动比;
将机箱的超温非控值记为FK;
将机箱电能损耗异比记为DS;
将机箱分贝幅动比记为FD;
通过公式计算得到机箱监测有效值XY,其中,a1、a2、a3为预设比例系数;
监测决策模块,所述监测决策模块接收云管控平台的机箱监测有效值,监测决策模块将机箱监测有效值与机箱监测有效值阈值进行处理,得到机箱运行状态信号;
其中,机箱运行状态信号包括机箱运行故障信号和机箱运行正常信号;
区域识别模块,所述区域识别模块接收云管控平台的机箱运行状态信号,区域识别模块基于机箱运行故障信号,对机箱上层区域的偏离程度总值、机箱中层区域的偏离程度总值和机箱下层区域的偏离程度总值进行识别,完成对机箱内部故障监测区域的测定;
等级评定模块,所述等级评定模块用于对机箱内部故障监测区域的故障行为值进行获取,完成对故障监测区域故障等级的评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410137953.6A CN117909184A (zh) | 2024-02-01 | 2024-02-01 | 一种机箱智能监测温控系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410137953.6A CN117909184A (zh) | 2024-02-01 | 2024-02-01 | 一种机箱智能监测温控系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117909184A true CN117909184A (zh) | 2024-04-19 |
Family
ID=90683845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410137953.6A Pending CN117909184A (zh) | 2024-02-01 | 2024-02-01 | 一种机箱智能监测温控系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117909184A (zh) |
-
2024
- 2024-02-01 CN CN202410137953.6A patent/CN117909184A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117093879B (zh) | 一种数据中心智能化运营管理方法及系统 | |
CN117060594B (zh) | 一种基于物联网的配电运行监测系统 | |
CN115015757A (zh) | 一种电机运行状态的风险评估方法及系统 | |
CN117129790B (zh) | 一种电力系统故障诊断系统 | |
CN116365716B (zh) | 一种基于物联网平台的用电检查系统 | |
CN116894166B (zh) | 一种基于智能传感网络的土壤环境参数信息监测系统 | |
CN105973583B (zh) | 一种动态报警方法 | |
CN116304956B (zh) | 一种芯片温度异常在线检测方法 | |
CN112267972A (zh) | 一种风电机组功率曲线异常智能判定方法 | |
CN112990627B (zh) | 电能质量评估方法 | |
CN115420501A (zh) | 一种基于人工智能的变速箱体运行管控系统 | |
CN115684809A (zh) | 一种基于虚拟电厂的用户端用电测试系统 | |
CN117150419A (zh) | 基于数据分析的储能电源运行环境检测系统 | |
CN117909184A (zh) | 一种机箱智能监测温控系统及其方法 | |
CN117330205B (zh) | 一种idc的环境监测预警方法及系统、存储介质 | |
CN117080624B (zh) | 一种电池加热控制方法及系统 | |
CN108196126B (zh) | 一种航天器滑环电阻状态监测装置及方法 | |
CN116345700B (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
CN117455242A (zh) | 一种基于数字孪生的水利管理系统 | |
CN110298767A (zh) | 一种火力发电厂时间序列变量异常监测方法及系统 | |
CN115540273A (zh) | 压缩机频率调整方法、装置、空调设备以及存储介质 | |
CN107621593A (zh) | 一种基于时间序列的低电压预警方法及装置 | |
CN112485720A (zh) | 一种电缆绝缘缺陷检测方法及装置 | |
CN117870779B (zh) | 一种自动化设备远程无线智能监控方法及系统 | |
CN113551762B (zh) | 一种温度自适应的振动采集方法 |
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 |