CN118070195A - 一种矿用交流变频器异常数据状态监测系统 - Google Patents
一种矿用交流变频器异常数据状态监测系统 Download PDFInfo
- Publication number
- CN118070195A CN118070195A CN202410452254.0A CN202410452254A CN118070195A CN 118070195 A CN118070195 A CN 118070195A CN 202410452254 A CN202410452254 A CN 202410452254A CN 118070195 A CN118070195 A CN 118070195A
- Authority
- CN
- China
- Prior art keywords
- sequence
- sub
- output parameter
- target sub
- time sequence
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 title claims description 80
- 238000011156 evaluation Methods 0.000 claims abstract description 46
- 230000005856 abnormality Effects 0.000 claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 11
- 238000000034 method Methods 0.000 description 17
- 230000035772 mutation Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- UXFQFBNBSPQBJW-UHFFFAOYSA-N 2-amino-2-methylpropane-1,3-diol Chemical compound OCC(N)(C)CO UXFQFBNBSPQBJW-UHFFFAOYSA-N 0.000 description 1
- 101150035093 AMPD gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及数据异常识别技术领域,具体涉及一种矿用交流变频器异常数据状态监测系统,包括数据获取模块、子时序序列筛选模块、波动评价获取模块和异常检测模块,各个模块相互配合,用于实现:对交流变频器的输出参数时序序列进行分段,得到各个子时序序列,筛选出所有子时序序列中的目标子时序序列,并确定每个目标子时序序列的异常可能性,并根据该异常可能性,对所有目标子时序序列进行异常检测。本发明可以根据交流变频器输出参数本身的变化特征,自适应进行输出参数异常检测,有效提高了数据异常检测的准确性。
Description
技术领域
本发明涉及数据异常识别技术领域,具体涉及一种矿用交流变频器异常数据状态监测系统。
背景技术
矿用交流变频器是一种用于控制交流电动机的电力设备,通过调整输出电压和频率来控制电动机的转速,进而控制矿用设备的正常运行。由于矿用交流变频器的输出频率可能由于电网波动以及突然的负载变化而出现频率异常,从而影响矿用设备的稳定性和可靠性,因此需要对矿用交流变频器的输出频率、电压等参数进行异常监测。
现有技术中在对矿用交流变频器的输出参数进行异常监测的过程中,通常采用阈值比较法来判断交流变频器是否存在输出参数异常。由于阈值比较法中的参数阈值为固定值,且需要根据经验进行设置,具有一定的主观性,同时由于受到环境中其他设备的通讯干扰的影响导致交流变频器的输出参数会发生非异常的离群突变,在这些非异常的离群突变数据的干扰下,当参数阈值设置不合理时,会直接导致交流变频器输出参数异常监测不准确。
发明内容
本发明的目的在于提供一种矿用交流变频器异常数据状态监测系统,用于解决现有流变频器输出参数异常监测不准确的问题。
为解决上述技术问题,本发明提供了一种矿用交流变频器异常数据状态监测系统,包括:
数据获取模块,用于:获取交流变频器在设定时间段内的输出参数时序序列,对所述输出参数时序序列进行分段,从而得到至少两个子时序序列;
子时序序列筛选模块,用于:根据每个所述子时序序列的长度、每个所述子时序序列中的输出参数极值与交流变频器的额定输出参数之间的差异,以及每个所述子时序序列与其他所述子时序序列中的输出参数极值之间的差异,确定每个所述子时序序列的离群数据可能性,并根据所述离群数据可能性,筛选出所有所述子时序序列中的目标子时序序列;
波动评价获取模块,用于:获取每个所述目标子时序序列中每个输出参数的残差值,根据每个所述目标子时序序列中各个输出参数的残差值、各个输出参数与交流变频器的额定输出参数之间的差异,以及各个输出参数之间的差异,确定每个所述目标子时序序列的波动评价;
异常检测模块,用于:根据每个所述目标子时序序列中的输出参数的分布情况,以及每个所述目标子时序序列与其相邻所述目标子时序序列之间的波动评价的差异情况,确定每个所述目标子时序序列的异常可能性,并根据所述异常可能性,对所有所述目标子时序序列进行异常检测。
进一步的,确定每个所述子时序序列的离群数据可能性,对应的计算公式为:
;
其中,表示第/>个子时序序列的离群数据可能性;/>表示所有子时序序列的最大序列长度;/>表示第/>个子时序序列的序列长度;/>表示第/>个子时序序列中的最大输出参数峰值;/>表示第/>个子时序序列中的最小输出参数谷值;/>表示交流变频器的额定输出参数;/>表示所有子时序序列中的最大输出参数峰值中的最大值;/>表示所有子时序序列中的最小输出参数谷值中的最小值;||表示取绝对值符号;/>表示分母调节参数;/>表示标准归一化函数。
进一步的,确定每个所述目标子时序序列的波动评价,对应的计算公式为:
;
其中,表示第/>个目标子时序序列的波动评价;/>表示第/>个目标子时序序列中的第/>个输出参数;/>表示交流变频器的额定输出参数;/>表示第/>个目标子时序序列中的第/>个输出参数的残差值;/>表示第/>个目标子时序序列中的输出参数的总数量;||表示取绝对值符号;/>表示第/>个目标子时序序列中的最大输出参数;/>表示第/>个目标子时序序列中的最小输出参数。
进一步的,确定每个所述目标子时序序列的异常可能性,包括:
确定每个所述目标子时序序列中的各个输出参数的平均值,得到每个所述目标子时序序列的输出参数均值;
根据每个所述目标子时序序列的输出参数均值与交流变频器的额定输出参数之间的差异,以及每个所述目标子时序序列与其相邻所述目标子时序序列之间的波动评价的差异情况,确定每个所述目标子时序序列的异常可能性。
进一步的,确定每个所述目标子时序序列的异常可能性,对应的计算公式为:
;
其中,表示第/>个目标子时序序列的异常可能性;/>表示第/>个目标子时序序列的波动评价;/>表示第/>个目标子时序序列的左侧最相邻的其他目标子时序序列的波动评价;表示第/>个目标子时序序列的右侧最相邻的其他目标子时序序列的波动评价;/>表示第/>个目标子时序序列的输出参数均值;/>表示交流变频器的额定输出参数;| |表示取绝对值符号;/>表示归一化函数。
进一步的,对所述输出参数时序序列进行分段,从而得到至少两个子时序序列,包括:
确定所述输出参数时序序列中所有输出参数的平均值,得到平均输出参数;
根据所述输出参数时序序列中每个输出参数与所述平均输出参数之间的差异,确定所述输出参数时序序列中每个输出参数对应的差异指标,从而得到所述输出参数时序序列对应的差异指标序列;
对所述差异指标序列进行区域生长,获取每个生长区域对应的差异指标子序列,并根据各个差异指标子序列,对所述输出参数时序序列进行分段,得到各个子时序序列。
进一步的,确定所述输出参数时序序列中每个输出参数对应的差异指标,包括:
确定所述输出参数时序序列中每个输出参数与所述平均输出参数的差值绝对值,并将所述差值绝对值确定为所述输出参数时序序列中每个输出参数对应的差异指标。
进一步的,获取每个所述目标子时序序列中每个输出参数的残差值,包括:
利用时序分解算法对所述输出参数时序序列进行分解,得到趋残差项,并根据所述趋残差项,确定每个所述目标子时序序列中每个输出参数的残差值。
进一步的,筛选出所有所述子时序序列中的目标子时序序列,包括:
将每个所述子时序序列的离群数据可能性与离群数据可能性阈值进行比较,将离群数据可能性小于离群数据可能性阈值的所述子时序序列确定为目标子时序序列。
进一步的,对所有所述目标子时序序列进行异常检测,包括:
将每个所述目标子时序序列的异常可能性与异常可能性阈值进行比较,将异常可能性大于或者等于异常可能性阈值的所述目标子时序序列中的所有输出参数确定为异常输出参数。
本发明具有如下有益效果:获取交流变频器的输出参数时序序列,以提供数据分析的基础。考虑到交流变频器的输出参数发生异常时,会出现阶段性波动,因此对输出参数时序序列进行分段,以得到多个子时序序列。对于交流变频器来说,由于环境中其他设备的通讯干扰会导致其输出参数出现极其个别非异常的突变离群值,这些突变离群值与由电网波动或者负载变化导致的异常输出参数之间存在较大差异,前者相对后者而言出现的持续时间更短,虽然前者与额定值之间有较大差异,但前者的数据变化幅度要明显小于后者,基于此可以确定每个子时序序列的离群数据可能性,以筛除其中的突变离群值所对应的子时序序列,筛除后剩余的目标子时序序列中包含了交流变频器的正常输出参数对应的正常子时序序列以及异常输出参数对应的异常子时序序列。考虑到正常子时序序列和异常子时序序列之间存在较大的波动差异,因此结合目标子时序序列中各个输出参数的残差值、各个输出参数与交流变频器的额定输出参数之间的差异,以及各个输出参数之间的差异,对目标子时序序列的波动程度进行量化得到波动评价值。考虑到正常子时序序列之间的波动情况比较接近,而当某个目标子时序序列与其时序上相邻目标子时序序列之间的波动评价出现较大差异时,则说明此时出现了异常子时序序列,同时为了防止存在连续多个异常子时序序列且其波动程度相近导致误判的现象,根据目标子时序序列与其相邻目标子时序序列之间的波动评价的差异情况,同时结合目标子时序序列中的整体频率值水平与额定输出频率之间的差异,可以确定目标子时序序列为异常子时序序列的可能性,从而实现异常输出参数的检测。由于本发明可以根据输出参数时序序列本身的特征来自适应确定发生异常的输出参数,有效提高了交流变频器的输出参数异常检测准确性,便于交流变频器的异常诊断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明实施例的矿用交流变频器异常数据状态监测系统的结构示意图;
图2为本发明实施例的矿用交流变频器异常数据状态监测系统所实现方法的流程图。
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技术方案的具体实施方式、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。另外,本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。
为了解决现有交流变频器异常数据监测不准确的问题,本实施例提供了一种矿用交流变频器异常数据状态监测系统,该系统实质上是一种软件系统,该软件系统由各个实现对应功能的模块构成,其对应的结构示意图如图1所示。该系统的核心在于实现一种矿用交流变频器异常数据状态监测方法,该系统中的各个模块对应方法中的各个步骤,该方法对应的流程图如图2所示。下面结合该方法中的具体步骤,对该系统的各个模块进行详细介绍。
数据获取模块,用于:获取交流变频器在设定时间段内的输出参数时序序列,对所述输出参数时序序列进行分段,从而得到至少两个子时序序列。
在矿用交流变频器的工作过程中,利用频率传感器按照固定采集间隔对矿用交流变频器的输出频率进行采集,将每个采集时刻作为一个设定时刻,从而可以得到该交流变频器在设定时间段内的每个设定时刻的频率值。其中,设定时间段和固定采集间隔可以根据需要进行合理设置,本发明实施例设置设定时段为该交流变频器的一个工作周期,固定采集间隔为1秒。按照设定时刻从前向后的时序顺序,对在设定时间段内采集到的所有频率值进行排序,从而得到一个频率值序列,并将该频率值序列作为该交流变频器在设定时间段内的输出参数时序序列,此时该输出参数时序序列中的每个输出参数即对应一个输出频率值。
应当理解的是,作为其他的实施方式,也可以利用电压传感器按照固定采集间隔对矿用交流变频器的输出电压进行采集,相应的可以得到一个电压值序列,并将该电压值序列作为该交流变频器在设定时间段内的输出参数时序序列。
通过对该输出参数时序序列即频率值序列进行分析可知,在交流变频器的一个工作周期内,随着交流变频器的启动其输出频率会逐渐上升,理想情况下输出频率会趋于稳定状态以保持电机运行在特定的速度。但当发生电网波动以及突然的负载变化时,会导致交流变频器的输出频率出现短时间突变,使得输出频率出现异常,因此需要对异常输出频率进行检测。
考虑到当交流变频器的输出频率发生异常时,相应的由输出频率所构成的输出参数时序序列就会发生阶段性波动,因此为了对异常输出频率进行检测,可以根据输出参数时序序列中各个频率值的波动情况,对输出参数时序序列进行分段,得到多个子时序序列,并对这些子时序序列进行异常筛查。
在对输出参数时序序列进行分段时,计算该输出参数时序序列中所有输出参数即输出频率值的平均值,得到平均输出参数,并计算该输出参数时序序列中每个输出参数与该平均输出参数的差值绝对值,得到每个输出参数对应的差异指标,该差异指标代表了对应输出参数即频率值与整个输出参数时序序列中所有输出参数的平均水平的差异,因此通过该输出参数时序序列中各个输出参数的差异指标来衡量各个输出参数的波动程度,然后通过区域生长法将波动程度相似的输出参数数据划分为一段,最终得到多个子时序序列。
在本发明实施例中,为了得到输出参数时序序列所划分成的多个子时序序列,将该输出参数时序序列各个输出参数对应的差异指标,按照该序列中各个输出参数的排列顺序进行排列,从而得到一个差异指标序列,并利用区域生长法对该差异指标序列沿着序列的延伸方向进行区域生长,将比较接近的差异指标划分到一个生长区域中,这里的一个生长区域对应一个差异指标子序列,从而得到各个差异指标子序列。其中,在保证能够实现将该差异指标序列中比较接近的差异指标划分到同一个差异指标子序列的目的情况下,此处对区域生长法的种子点数量、种子点投放位置、区域生长的生长条件和终止条件等并不做限制。在本发明实施例中,在确定区域生长法的种子点投放位置时,是利用峰值检测算法如AMPD算法检测该差异指标序列中的峰值点,并将种子点投放位置设置在各个峰值点位置处以及任意相邻两峰值点的中间位置,从而使得种子点投放位置可以兼顾数据的波动特征,从而可以更好的将该差异指标序列中比较接近的差异指标划分到同一个差异指标子序列中。
在通过上述方式确定差异指标序列的各个差异指标子序列之后,根据各个差异指标子序列对应的设定时刻所构成的时序范围对原始的输出参数时序序列进行对应分段,从而得到该输出参数时序序列的多个子时序序列。
应当理解的是,作为其他的实施方式,也可以直接利用区域生长法对输出参数时序序列进行区域增长,或者对输出参数时序序列进行聚类,从而将序列中波动情况相近的频率值划分到同一个区域中,从而得到该输出参数时序序列的多个子时序序列,此处并不做限制。
子时序序列筛选模块,用于:根据每个所述子时序序列的长度、每个所述子时序序列中的输出参数极值与额定输出参数之间的差异,以及每个所述子时序序列与其所述子时序序列中的输出参数极值之间的差异,确定每个所述子时序序列的离群数据可能性,并根据所述离群数据可能性,筛选出所有所述子时序序列中的目标子时序序列。
对于交流变频器来说,由于环境中其他设备的通讯干扰会导致其输出频率出现极其个别的突变离群值。这类干扰通常分为电磁干扰和电气干扰,可以通过途径来影响交流变频器的输出频率。其中,电磁干扰包括辐射干扰、传导干扰等,辐射干扰通过对交流变频器的控制电路产生影响,进而影响交流变频器的输出频率,而传导干扰则通过电源线或者控制线传入的高频噪声来影响交流变频器的输出频率。电气干扰包括电压波动、谐波干扰等,电压波动通过影响交流变频器的输入电压,进而影响其输出频率,而谐波干扰则通过电源线进入变频器,从而影响其输出频率。为了便于后续准确筛选出由电网波动或者负载变化导致的异常频率值所在的子时序序列,以防止这类突变离群值对异常频率数据的检测产生干扰,需要对这类突变离群值所对应的子时序序列进行筛除,从而得到剩余的正常输出频率值以及异常输出频率值所在的子时序序列。
由于交流变频器因环境中其他设备的干扰所导致的突变离群值与由电网波动或者负载变化导致的异常频率值之间存在较大差异,前者相对后者而言出现的持续时间更短,且影响程度相对较小,因此表现在数据中就是这类突变离群值所对应的子时序序列,相对于正常输出频率值所对应的子时序序列以及由电网波动或者负载变化导致的异常频率值所对应的子时序序列更短,且子时序序列中峰谷值与额定输出频率有较大差异,但是峰值相对于异常频率数据段的峰值较低、谷值相对于异常频率数据段的谷值较高。
基于上述特点,通过分析每个子时序序列的长度、每个子时序序列中的输出参数极值与额定输出参数之间的差异,以及每个子时序序列与其他子时序序列中的输出参数极值之间的差异,可以确定每个子时序序列的离群数据可能性,也就是每个子时序序列为交流变频器因环境中其他设备的干扰所导致的突变离群值所构成的数据段的可能性。
在本发明实施例中,确定每个子时序序列的离群数据可能性,对应的计算公式为:
;
其中,表示第/>个子时序序列的离群数据可能性;/>表示所有子时序序列的最大序列长度;/>表示第/>个子时序序列的序列长度;/>表示第/>个子时序序列中的最大输出参数峰值;/>表示第/>个子时序序列中的最小输出参数谷值;/>表示交流变频器的额定输出参数即额定输出频率;/>表示所有子时序序列中的最大输出参数峰值中的最大值;/>表示所有子时序序列中的最小输出参数谷值中的最小值;||表示取绝对值符号;/>表示分母调节参数,用于防止分母为零,本发明实施例设置/>;/>表示标准归一化函数。
在上述的离群数据可能性的计算公式中,一方面,通过确定每个子时序序列的序列长度,该序列长度可以利用子时序序列中的输出参数的数目来表示,并将该序列长度与所有子时序序列的最大序列长度也就是所有子时序序列中序列长度最长的子时序序列的序列长度做比较,由于交流变频器因环境中其他设备的干扰所导致的突变离群值的持续时间相对较短,其对应子时序序列的序列长度相对于所有子时序序列的最大序列长度较小,即与/>的比值越大,说明第/>个子时序序列越可能属于突变离群值所构成的离群数据段,对应的离群数据可能性的取值就越大。另一方面,通过将每个子时序序列的最大输出参数峰值和最小输出参数谷值,也就是最大波峰值和最小波谷值,与交流变频器的额定输出参数相比较,并将每个子时序序列的最大输出参数峰值和最小输出参数谷值,对应与所有子时序序列中的最大输出参数峰值中的最大值和所有子时序序列中的最小输出参数谷值中的最小值进行比较,从而得到每个子时序序列的峰谷值特征参数。由于突变离群值所构成的离群数据段的峰谷值虽然相对于正常频率数据存在较大差异,但又达不到由电网波动或者负载变化导致的异常频率值所构成的异常频率数据段那样大的差异,因此该峰谷值特征参数中的分母表征了第/>个子时序序列的峰谷值与所有子时序序列的峰谷值的最值之间的差异,而分子则表征了第/>个子时序序列的峰谷值与交流变频器的额定输出参数之间的差异。那么,当第/>个子时序序列的峰谷值与所有子时序序列的峰谷值的最值之间的差异越小,且峰谷值与交流变频器的额定输出参数之间的差异越大时,则认为第/>个子时序序列越可能属于突变离群值所构成的离群数据段,对应的离群数据可能性的取值就越大。
应当理解的是,在通过上述公式确定每个子时序序列的离群数据可能性的过程中,若存在某些子时序序列中不存在输出参数极值中的输出参数峰值或者输出参数谷值,即不存在波峰值或者波谷值时,则对应的将该子时序序列中最大输出参数作为最大输出参数峰值,将最小输出参数作为最小输出参数谷值。
预先设置离群数据可能性阈值,该离群数据可能性阈值的取值可以根据需要进行合理设置,本发明实施例设置该离群数据可能性阈值的取值为0.9。将每个子时序序列的离群数据可能性与该离群数据可能性阈值进行比较,并选取出离群数据可能性大于或者等于该离群数据可能性阈值的子时序序列,将这些子时序序列确定为待筛除的子时序序列,这些待筛除的子时序序列即为突变离群值所构成的离群数据段。将待筛除的子时序序列从输出参数时序序列所划分得到的所有子时序序列中删除,并将剩余的子时序序列作为目标子时序序列,此时目标子时序序列的离群数据可能性小于离群数据可能性阈值。这些目标子时序序列中包含了正常子时序序列和异常子时序序列,正常子时序序列是指交流变频器的正常输出频率值所构成的正常频率数据段,异常子时序序列是指由电网波动或者负载变化导致的异常输出频率值所构成的异常频率数据段。
波动评价获取模块,用于:获取每个所述目标子时序序列中每个输出参数的残差值,根据每个所述目标子时序序列中各个输出参数的残差值、各个输出参数与交流变频器的额定输出参数之间的差异,以及各个输出参数之间的差异,确定每个所述目标子时序序列的波动评价。
由于目标子时序序列中包含了正常子时序序列和异常子时序序列,而正常子时序序列和异常子时序序列内的数据在波动水平方面存在较大差异,因此为了便于后续筛选出目标子时序序列中的异常子时序序列,需要根据剩余的这些目标子时序序列中的数据波动情况确定其对应的波动评价。
为此,利用时序分解算法(Seasonal-Trend decomposition procedure based onLoess, STL)对原始的输出参数时序序列进行分解,从而得到输出参数时序序列的趋势项、季节项和残差项。其中,残差项中每个残差值均对应输出参数时序序列中相同序号位置的一个输出参数,残差项反映了输出参数时序序列中未被趋势项和季节项所解释的波动,因此对于输出参数时序序列来说,残差项中每个残差值的大小则反映了输出参数时序序列中对应输出参数的波动的程度。因此,对于任意一个目标子时序序列来说,为了分析其波动程度,可以结合该目标子时序序列中所有输出参数对应的残差值,以及该目标子时序序列中的输出参数的分布情况来定义其波动评价。
在本发明实施例中,确定每个目标子时序序列的波动评价,对应的计算公式为:
;
其中,表示第/>个目标子时序序列的波动评价;/>表示第/>个目标子时序序列中的第/>个输出参数;/>表示交流变频器的额定输出参数;/>表示第/>个目标子时序序列中的第/>个输出参数的残差值;/>表示第/>个目标子时序序列中的输出参数的总数量;||表示取绝对值符号;/>表示第/>个目标子时序序列中的最大输出参数;/>表示第/>个目标子时序序列中的最小输出参数。
在上述的波动评价中的计算公式中,通过计算每个目标子时序序列中的各个输出参数与额定输出参数之间的差异,差异越大,则表示对应目标子时序序列中的输出参数偏离额定输出参数的程度越大,此时反映了目标子时序序列的波动程度越大,对应的波动评价就越大。接着,通过对每个目标子时序序列中的各个输出参数的残差值的绝对值进行衡量,残差值的绝对值在一定程度上也反映了数据的波动程度,各个输出参数的残差值的绝对值的取值越大,则说明对应目标子时序序列中的输出参数波动水平越大,对应的波动评价就越大。最后通过考察每个目标子时序序列中的输出参数极差,极差越大则说明对应目标子时序序列存在越大的波动输出参数,因此对应的波动评价也越大。
异常检测模块,用于:根据每个所述目标子时序序列中的输出参数的分布情况,以及每个所述目标子时序序列与其相邻所述目标子时序序列之间的波动评价的差异情况,确定每个所述目标子时序序列的异常可能性,并根据所述异常可能性,对所有所述目标子时序序列进行异常检测。
考虑到对于交流变频器的正常输出频率值所构成的正常频率数据段而言,由于其波动情况比较接近,因而其对应相邻目标子时序序列之间的波动评价比较接近,而当某个目标子时序序列与其时序上相邻目标子时序序列之间的波动评价出现较大差异时,则说明此时出现了交流变频器的异常输出频率值所构成的异常频率数据段。同时为了防止存在连续多个异常频率数据段但其波动程度接近导致误判的现象,还需要结合目标子时序序列中的整体频率值水平与额定输出频率之间的差异进行联合判断,差异越大,则说明越可能出现了异常频率数据段。
基于上述分析,确定每个目标子时序序列中的所有输出参数的平均值,得到输出参数均值,将每个目标子时序序列的输出参数均值与交流变频器的额定输出参数进行比较,同时结合每个目标子时序序列与其相邻目标子时序序列之间的波动评价的差异情况,确定每个目标子时序序列的异常可能性。
在本发明实施例中,确定每个目标子时序序列的异常可能性,对应的计算公式为:;
其中,表示第/>个目标子时序序列的异常可能性;/>表示第/>个目标子时序序列的波动评价;/>表示第/>个目标子时序序列的左侧最相邻的其他目标子时序序列的波动评价;表示第/>个目标子时序序列的右侧最相邻的其他目标子时序序列的波动评价;/>表示第/>个目标子时序序列的输出参数均值;/>表示交流变频器的额定输出参数;| |表示取绝对值符号;/>表示归一化函数。
在上述的异常可能性的计算公式中,通过从局部区域确定每个目标子时序序列与其时序上左右两侧最相邻的其他目标子时序序列的波动评价之间的差异,该差异越大,则说明对应目标子时序序列与其时序上左右两侧最相邻的其他目标子时序序列的波动情况越不相近,那么该目标子时序序列越有可能为异常频率数据段,异常可能性的取值越大。同时,为了避免相邻异常频率数据段之间的波动评价比较接近,从而导致的误判断情况,将每个目标子时序序列的输出参数均值与交流变频器的额定输出参数进行比较,二者之间的差异越大,则说明对应目标子时序序列作为异常频率数据段的可能性就越大,异常可能性的取值越大。
应当立理解的是,对于处于端点处的目标子时序序列,由于其只存在一侧最相邻的其他目标子时序序列,此时则可以通过插值的方式确定其另外一侧最相邻的其他目标子时序序列的波动评价,或者直接将该一侧最相邻的其他目标子时序序列的波动评价,作为另外一侧最相邻的其他目标子时序序列的波动评价。
预先设置异常可能性阈值,该异常可能性阈值的取值可以根据实际情况进行合理设置,本发明实施例设置该异常可能性阈值的取值为0.85。在通过上述方式确定每个目标子时序序列的异常可能性之后,将该异常可能性与异常可能性阈值进行比较,当异常可能性大于或者等于异常可能性阈值时,则认为对应的目标子时序序列极有可能为异常频率数据段,因此将对应的目标子时序序列确定为异常子时序序列,并将所有异常子时序序列中的输出参数确定为异常输出参数。
当确定交流变频器在设定时间段内的输出参数时序序列中存在异常输出参数时,对这些异常输出参数进行存储,并生成报警,通知监测人员,同时还可以基于这些异常输出参数及其对应的设定时刻所构成的时间段,对交流变频器进行故障诊断,确定交流变频器出现异常输出频率的原因,并采取相应的补救措施。由于本发明技术方案的重点在于准确筛选出所有的异常输出参数,故障诊断的具体实现步骤可以根据需要进行合理选择,此处不做限定。例如,可以结合这些异常输出参数所对应时间段内的电网波动以及矿用交流变频器的负载变化情况,来对交流变频器进行故障诊断,以确定交流变频器出现异常输出频率的原因。
本发明通过获取矿用交流变频器的输出参数时序序列,并对该输出参数时序序列通过差异指标相似性进行分段后得到多个子时序序列,然后对由于环境干扰所导致的突变离群值所对应的子时序序列进行筛除,再对筛除后剩余的目标子时序序列计算其对应的波动评价,然后通过对比相邻目标子时序序列之间的波动评价差异,并结合目标子时序序列中的输出参数的分布情况,最终筛选出发生异常的异常子时序序列。由于本发明可以根据输出参数时序序列本身的特征来自适应确定发生异常的输出参数,有效提高了矿用交流变频器的输出参数异常检测准确性,便于矿用交流变频器的异常诊断。
需要说明的是: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精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种矿用交流变频器异常数据状态监测系统,其特征在于,包括:
数据获取模块,用于:获取交流变频器在设定时间段内的输出参数时序序列,对所述输出参数时序序列进行分段,从而得到至少两个子时序序列;
子时序序列筛选模块,用于:根据每个所述子时序序列的长度、每个所述子时序序列中的输出参数极值与交流变频器的额定输出参数之间的差异,以及每个所述子时序序列与其他所述子时序序列中的输出参数极值之间的差异,确定每个所述子时序序列的离群数据可能性,并根据所述离群数据可能性,筛选出所有所述子时序序列中的目标子时序序列;
波动评价获取模块,用于:获取每个所述目标子时序序列中每个输出参数的残差值,根据每个所述目标子时序序列中各个输出参数的残差值、各个输出参数与交流变频器的额定输出参数之间的差异,以及各个输出参数之间的差异,确定每个所述目标子时序序列的波动评价;
异常检测模块,用于:根据每个所述目标子时序序列中的输出参数的分布情况,以及每个所述目标子时序序列与其相邻所述目标子时序序列之间的波动评价的差异情况,确定每个所述目标子时序序列的异常可能性,并根据所述异常可能性,对所有所述目标子时序序列进行异常检测。
2.根据权利要求1所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,确定每个所述子时序序列的离群数据可能性,对应的计算公式为:
;
其中,表示第/>个子时序序列的离群数据可能性;/>表示所有子时序序列的最大序列长度;/>表示第/>个子时序序列的序列长度;/>表示第/>个子时序序列中的最大输出参数峰值;/>表示第/>个子时序序列中的最小输出参数谷值;/>表示交流变频器的额定输出参数;表示所有子时序序列中的最大输出参数峰值中的最大值;/>表示所有子时序序列中的最小输出参数谷值中的最小值;||表示取绝对值符号;/>表示分母调节参数;/>表示标准归一化函数。
3.根据权利要求1所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,确定每个所述目标子时序序列的波动评价,对应的计算公式为:
;
其中,表示第/>个目标子时序序列的波动评价;/>表示第/>个目标子时序序列中的第/>个输出参数;/>表示交流变频器的额定输出参数;/>表示第/>个目标子时序序列中的第/>个输出参数的残差值;/>表示第/>个目标子时序序列中的输出参数的总数量;||表示取绝对值符号;表示第/>个目标子时序序列中的最大输出参数;/>表示第/>个目标子时序序列中的最小输出参数。
4.根据权利要求1所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,确定每个所述目标子时序序列的异常可能性,包括:
确定每个所述目标子时序序列中的各个输出参数的平均值,得到每个所述目标子时序序列的输出参数均值;
根据每个所述目标子时序序列的输出参数均值与交流变频器的额定输出参数之间的差异,以及每个所述目标子时序序列与其相邻所述目标子时序序列之间的波动评价的差异情况,确定每个所述目标子时序序列的异常可能性。
5.根据权利要求4所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,确定每个所述目标子时序序列的异常可能性,对应的计算公式为:
;
其中,表示第/>个目标子时序序列的异常可能性;/>表示第/>个目标子时序序列的波动评价;/>表示第/>个目标子时序序列的左侧最相邻的其他目标子时序序列的波动评价;/>表示第/>个目标子时序序列的右侧最相邻的其他目标子时序序列的波动评价;/>表示第/>个目标子时序序列的输出参数均值;/>表示交流变频器的额定输出参数;| |表示取绝对值符号;/>表示归一化函数。
6.根据权利要求1所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,对所述输出参数时序序列进行分段,从而得到至少两个子时序序列,包括:
确定所述输出参数时序序列中所有输出参数的平均值,得到平均输出参数;
根据所述输出参数时序序列中每个输出参数与所述平均输出参数之间的差异,确定所述输出参数时序序列中每个输出参数对应的差异指标,从而得到所述输出参数时序序列对应的差异指标序列;
对所述差异指标序列进行区域生长,获取每个生长区域对应的差异指标子序列,并根据各个差异指标子序列,对所述输出参数时序序列进行分段,得到各个子时序序列。
7.根据权利要求6所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,确定所述输出参数时序序列中每个输出参数对应的差异指标,包括:
确定所述输出参数时序序列中每个输出参数与所述平均输出参数的差值绝对值,并将所述差值绝对值确定为所述输出参数时序序列中每个输出参数对应的差异指标。
8.根据权利要求1所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,获取每个所述目标子时序序列中每个输出参数的残差值,包括:
利用时序分解算法对所述输出参数时序序列进行分解,得到趋残差项,并根据所述趋残差项,确定每个所述目标子时序序列中每个输出参数的残差值。
9.根据权利要求1所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,筛选出所有所述子时序序列中的目标子时序序列,包括:
将每个所述子时序序列的离群数据可能性与离群数据可能性阈值进行比较,将离群数据可能性小于离群数据可能性阈值的所述子时序序列确定为目标子时序序列。
10.根据权利要求1所述的一种矿用交流变频器异常数据状态监测系统,其特征在于,对所有所述目标子时序序列进行异常检测,包括:
将每个所述目标子时序序列的异常可能性与异常可能性阈值进行比较,将异常可能性大于或者等于异常可能性阈值的所述目标子时序序列中的所有输出参数确定为异常输出参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410452254.0A CN118070195A (zh) | 2024-04-16 | 2024-04-16 | 一种矿用交流变频器异常数据状态监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410452254.0A CN118070195A (zh) | 2024-04-16 | 2024-04-16 | 一种矿用交流变频器异常数据状态监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118070195A true CN118070195A (zh) | 2024-05-24 |
Family
ID=91111248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410452254.0A Pending CN118070195A (zh) | 2024-04-16 | 2024-04-16 | 一种矿用交流变频器异常数据状态监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118070195A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013205894A (ja) * | 2012-03-27 | 2013-10-07 | Oki Electric Ind Co Ltd | 異常検出装置、プログラムおよび異常検出方法 |
CN113168171A (zh) * | 2018-12-05 | 2021-07-23 | 三菱电机株式会社 | 异常探测装置以及异常探测方法 |
CN113918552A (zh) * | 2021-10-12 | 2022-01-11 | 西安热工研究院有限公司 | 一种风电机组变频器温度数据清洗方法及系统 |
US20220309281A1 (en) * | 2021-03-26 | 2022-09-29 | Here Global B.V. | Method, apparatus, and system for removing outliers from road lane marking data |
CN116383190A (zh) * | 2023-05-15 | 2023-07-04 | 青岛场外市场清算中心有限公司 | 一种海量大数据智能清洗方法及系统 |
CN117805542A (zh) * | 2024-03-01 | 2024-04-02 | 张家港市升恒机械设备制造有限公司 | 一种矿用隔爆本质安全型变频器运行监控系统 |
-
2024
- 2024-04-16 CN CN202410452254.0A patent/CN118070195A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013205894A (ja) * | 2012-03-27 | 2013-10-07 | Oki Electric Ind Co Ltd | 異常検出装置、プログラムおよび異常検出方法 |
CN113168171A (zh) * | 2018-12-05 | 2021-07-23 | 三菱电机株式会社 | 异常探测装置以及异常探测方法 |
US20220309281A1 (en) * | 2021-03-26 | 2022-09-29 | Here Global B.V. | Method, apparatus, and system for removing outliers from road lane marking data |
CN113918552A (zh) * | 2021-10-12 | 2022-01-11 | 西安热工研究院有限公司 | 一种风电机组变频器温度数据清洗方法及系统 |
CN116383190A (zh) * | 2023-05-15 | 2023-07-04 | 青岛场外市场清算中心有限公司 | 一种海量大数据智能清洗方法及系统 |
CN117805542A (zh) * | 2024-03-01 | 2024-04-02 | 张家港市升恒机械设备制造有限公司 | 一种矿用隔爆本质安全型变频器运行监控系统 |
Non-Patent Citations (1)
Title |
---|
徐永海;李晨懿;汪坤;卢文清;: "低压变频器对电网电压暂降耐受特性及兼容性研究", 电工技术学报, no. 10, 9 April 2019 (2019-04-09), pages 2216 - 2229 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116879662B (zh) | 基于数据分析的变压器故障检测方法 | |
US10852357B2 (en) | System and method for UPS battery monitoring and data analysis | |
CN117421610B (zh) | 一种用于电能表运行状态预警的数据异常分析方法 | |
CN112684401A (zh) | 轻载台区电能表运行误差数据的处理方法及系统 | |
CN116865269B (zh) | 一种风电机组高谐波补偿方法及系统 | |
CN112416662A (zh) | 多时间序列数据异常检测方法与装置 | |
CN117312997A (zh) | 一种电力管理系统智能诊断方法及系统 | |
CN111275295A (zh) | 一种基于反距离权重插值的分布式光伏故障诊断方法 | |
CN115293372A (zh) | 基于多维度、多参量数值分析的光伏组串故障诊断方法 | |
CN117368799B (zh) | 一种电力系统输电线路短路故障的诊断方法 | |
CN117783745B (zh) | 用于换电柜的数据在线监测方法及系统 | |
CN117828485A (zh) | 一种逆变器低效诊断方法及装置 | |
CN117892246A (zh) | 一种智能化开关柜用数据处理方法 | |
CN114019422A (zh) | 基于ATT-BiLSTM的变压器故障监测系统 | |
CN116510223B (zh) | 基于物联网的自识别消防泵电参数巡检监测系统 | |
CN116400244B (zh) | 储能电池的异常检测方法及装置 | |
CN118070195A (zh) | 一种矿用交流变频器异常数据状态监测系统 | |
CN117200241A (zh) | 一种新能源并网智能调压系统 | |
CN115561575A (zh) | 基于多维矩阵轮廓的海上风电场电气异常状态辨别方法 | |
Li et al. | Research on power supply performance degradation based on neighborhood rough set and multiple linear regression | |
CN113655337B (zh) | 一种非侵入式用电设备运行序列识别方法及识别系统 | |
CN117195136B (zh) | 一种电网新能源异常数据监测方法 | |
CN117951633B (zh) | 一种光伏发电设备故障诊断方法及系统 | |
CN118033409B (zh) | 一种gcb灭弧室开关电阻测试方法 | |
CN117991030B (zh) | 一种换电柜健康状态检测方法及系统 |
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 |