CN203909597U - 铝型材挤压机实时能耗监测及能耗异常检测系统 - Google Patents

Abstract

本实用新型一种铝型材挤压机实时能耗监测及能耗异常检测系统，包括智能电表、智能天然气表、串口服务器、交换机以及监控服务器，智能电表和智能天然气表等负载通过RS-485总线与串口服务器相连接，串口服务器将RS485串口转换为TCP/IP网络接口，实现RS-485串口到TCP/IP网络接口的数据双向透明传输，监控服务器实时监测负载能耗数据并记录不同负载的能耗数据，并用历史能耗数据以回归型支持向量机方法计算单位铝型材能耗的正常检测区间，还可以根据预测能耗数据与实际记录能耗数据进行比较，对挤压生产进行节能评估。该技术方案不仅可以实时地采集车间内挤压机组的能耗数据，还可以通过对历史能耗数据的分析，检测生产中的能源泄露、待机时间过长、挤压参数不恰当等能耗异常现象。

Description

铝型材挤压机实时能耗监测及能耗异常检测系统

技术领域

本实用新型涉及一种铝型材挤压机实时能耗监测及能耗异常检测技术领域。

背景技术

铝型材生产企业属于高能耗、高排放制造企业，挤压生产的成本控制是企业关注的重点问题之一。为了保证挤压生产稳定、经济地运行，对挤压机能耗进行实时监测以及能耗异常检测，是实现制造自动化和清洁生产的发展趋势。此外，以挤压机组、车间为单位对生产节能情况进行评估，可以有效地减少能源泄露、待机时间过长、挤压参数不恰当等能耗异常现象。

目前铝型材生产能源计量大部分采用人工计量的方式，需要工作人员走遍各个挤压机组记录仪表数据，不仅由于厂房面积过大不能及时采集生产数据(一天采集一次)，还不能对生产现场中的能耗异常问题进行及时的处理。

目前采用的节能评估手段是采用未采用节能措施的单位产品的能耗与采用节能措施后的单位产品的能耗进行对比。然而这一方法存在严重的滞后性，随着生产时间的不同、机组工作人员的不同、生产产品的不同，这种评估方法会产生较大的误差。

实用新型内容

本实用新型目的在于，提出一种应用于铝型材挤压机的实时能耗监测系统及能耗异常检测系统，从而实时地监测挤压生产中的能耗数据，并可以根据能耗预测发现挤压生产中的能耗异常现象。

为达此目的，本实用新型首先提供一种铝型材挤压机实时能耗监测系统，包括：安装于挤压机用电线路上的智能电表；安装于辅助加热炉供热管道上的智能天然气表；所述数字仪表均连接至串口服务器；所述串口服务器连接至交换机；所述交换机连接至监控服务器。

如此设置，可以实现在铝型材挤压过程中的实时能耗采集和处理，节省人力操作，提高效率，能够实施检测挤压生产过程中的能耗数据，及时处理能耗异常的现象。

其次，本实用新型提供了一种铝型材挤压机实时能耗监测及能耗异常检测系统，其包括：安装于挤压机用电线路上的智能电表；安装于辅助加热炉供热管道上的智能天然气表；所述数字仪表均连接至串口服务器；所述串口服务器连接至交换机；所述交换机连接至监控服务器；

还包含数据采集模块和服务器控制模块；

其中所述数据采集模块运行于所述串口服务器，采集来自智能电表及智能天然气表的负载能耗数据，并将负载能耗数据传递至服务器控制模块；

所述服务器控制模块运行于监控服务器，包含数据存储模块，训练模型模块，预测能耗区间模块，能耗比较模块；

所述数据存储模块接收数据采集模块传递的负载能耗数据，将负载能耗数据根据采集时间存储至数据库中，同时数据存储模块还存储对能耗产生影响的生产数据；

所述训练模型模块是基于回归型支持向量机，使用监控服务器数据库中的历史负载能耗数据和生产数据训练回归型支持向量机；

所述预测能耗区间模块，以统计分析方法计算单位产品能耗的置信区间；

所述能耗比较模块，读取实时能耗数据，与能耗置信区间进行比较，得出挤压能耗正常或能耗异常。

其中，所述能耗比较模块是从监控服务器数据库中读取出挤压机组单位产品能耗的实际值X_t，以及回归型支持向量机计算的单位产品能耗的预测值X_p，根据公式计算所述单位产品的节能效果η。

其中，所述训练模型模块包括：将监控服务器数据库中读取出的负载能耗数据和生产数据转换为回归型支持向量机模型的训练数据的预处理，训练回归型支持向量机模型中的回归函数f(x)。

其中，所述输入预处理是将负载能耗数据和生产数据转换为回归型支持向量机模型的训练数据，即按照采集的时间，将负载能耗数据{f(x₁),f(x₂),...,f(x_n)}和对应的生产数据{x₁,x₂,...,x_n}作为一组数据<f(x_i),x_i>,i＝1,2,...,n，用于训练回归函数f(x)＝w·x+b，w和b分别是拟合训练数据的超平面参数，训练过程即是通过求解方程的形式，用多组数据<f(x_i),x_i>,i＝1,2,...,n计算超平面参数w和b的过程。

其中，所述预测能耗区间模块还包括：用于根据置信区间估计方法对监控服务器数据库中的历史能耗数据进行分析，给定置信度1-α，获得能耗预测的正常区间。

其中，单位挤压铝型材的预测耗电量为X1,X2,…Xn服从样本分布(μ,σ²)，和S²分别表示预测耗电量的样本均值和样本方差，则随机变量 $T=\frac{\stackrel{\&OverBar;}{X}-\mathrm{\&mu;}}{\sqrt{S^2/n}}~t(n-1),$ 对于给定的置信度1-α， $P\left\{\frac{\stackrel{\&OverBar;}{X}-\mathrm{\&mu;}}{\sqrt{S^2/n}}\right|\&le;t_{\frac{\mathrm{\&alpha;}}{2}}(n-1)\}=1-\mathrm{\&alpha;},$ 其中P表示概率，则预测耗电量的均值μ的置信区间为

本实用新型的有益效果是：本实用新型实时能耗监测系统通过串口服务器读取各个数字仪表的实时数据，集中显示挤压生产的用电量、电压、电流、用量、温度、压力、流量等数据(间隔<3秒)，通过对挤压生产历史数据进行统计，得到正常生产能耗置信区间，对挤压生产中的能耗异常现象能够及时发现并做出相应的处理。基于回归型支持向量机确定节能效果的方法，其根据当前生产参数进行能耗预测，与实际能耗值进行比较，可以有效地避免数据的滞后性。

附图说明

图1是本实用新型铝型材挤压机实时能耗监测系统结构图。

图2是本实用新型的基于回归型支持向量机的挤压异常能耗检测系统的实现流程图。

图3是本实用新型的一个实施例提供的某挤压机组节能能效图。

具体实施方式

下面结合附图及具体实施例对本实用新型进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本实用新型，而非对本实用新型的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本实用新型相关的部分而非全部内容。

如图1所示，其为本实用新型铝型材挤压机实时能耗监测系统的结构图，显示了硬件部分的组成，其自底层至上层依次包含数字仪表、串口服务器、交换机和监控服务器四层。其中，底层数字仪表包括智能电表和智能天然气表，智能电表安装于挤压机用电线路上，用于采集用电量、电压、电流、视在功率、有功功率、无功功率、功率因数、频率等参数，该参数又分为A、B、C三相和汇总；智能天然气表安装于辅助加热炉供热管道上，主要采集用量、温度、压力、流量等4个参数。

各层之间可以通过有线或无线的方式连接，本实用新型给出了一种有线的连接方式，所述底层数字仪表与串口服务器通过RS-485接口相连，使用MODBUS-RTU通讯协议进行数据通信，该串口服务器采用MOXA NPort5430，串口端与仪表设备相连，网络端与交换机相连，并使用TCP/IP协议进行数据通信，串口服务器安装于车间，用于串口和网络设备中传输数据，实现RS-485串口到TCP/IP网络接口的数据双向透明传输；各个交换机通过局域网与监控服务器相连，传输网络数据到监控服务器。而监控服务器用于接收和记录交换机传输的负载能耗数据以及运行回归型支持向量机方法。

本实用新型的软件部分包含数据采集模块和服务器控制模块，所述数据采集模块运行于串口服务器，其工作内容是从监控服务器收到配置参数后，生成标准的MODBUS数据命令帧，并发送给智能数字仪表，收到智能数字仪表返还的应答数据帧后，将数据帧中的内容打包为TCP/IP所用的数据包，通过网络接口转发到交换机网关中。所述服务器控制模块运行于监控服务器，采用微软公司开发的软件开发平台VC++6.0进行开发，使用封装的Mscomm控件进行串口传输，并将硬件采集到的数据传输到上位机界面中实时显示以及存储到SQL数据库中。其至少包含数据库模块，训练模型模块、预测能耗区间模块、能耗比较模块。

如图2所示，其为本实用新型服务器控制模块的结构及工作示意图。所述数据库模块中包含数据库，用于存储数据采集模块采集的负载能耗数据及在生产过程中能够对能耗产生影响的生产数据，其中负载能耗数据包含(数字电表采集的用电量和数字天然气表采集的燃气用量)，所述生产数据包含(挤压温度、挤压速度、冷却速度、铝棒类型、合金成分等)，其中挤压温度直接影响到模具加热能耗和铝棒加热能耗，挤压速度则对挤压能耗有直接影响，冷却速度直接影响冷却能耗，铝棒类型和合金成分对挤压能耗有间接影响。

所述训练模型模块，其特征在于训练基于回归型支持向量机的节能评估模型。将监控服务器数据库中读取出的负载能耗数据和生产数据转换为回归型支持向量机模型的训练数据的预处理，训练回归型支持向量机模型中的回归函数f(x)。所述输入预处理是将负载能耗数据和生产数据转换为回归型支持向量机模型的训练数据，即按照采集的时间，将负载能耗数据{f(x₁),f(x₂),...,f(x_n)}和对应的生产数据{x₁,x₂,...,x_n}作为一组数据<f(x_i),x_i>,i＝1,2,...,n，用于训练回归函数f(x)＝w·x+b，w和b分别是拟合训练数据的超平面参数，训练过程即是通过求解方程的形式，用多组数据<f(x_i),x_i>,i＝1,2,...,n计算超平面参数w和b的过程。

以某铝型材制造企业挤压车间为例，原始的能耗时间序列数据，包括日、月和年等不同时间维度的能耗数据已经由能耗监测系统预先存储于监控服务器的SQL数据库中。从监控服务器的SQL数据库中读取某一挤压机组于2013.4－2013.8每挤压1吨铝型材的耗电量和燃气量作为训练数据，再从数据库中读取出该挤压机组生产过程的生产数据作为输入数据(包括：挤压温度、挤压速度、冷却速度、铝棒类型、合金成分等)，使用MATLAB训练基于回归型支持向量机的回归函数f(x)；根据回归函数计算该挤压机组于2013.9所每挤压1吨铝型材的耗电量和燃气量为373.74度/吨、36.68立方米/吨。

所述预测能耗区间模块，其特征在于使用统计分析方法计算单位产品能耗的置信区间。设单位挤压铝型材的预测耗电量为X₁,X₂,…X_n服从样本分布(μ,σ²)，和S²分别表示预测耗电量的样本均值和样本方差，则随机变量 $T=\frac{\stackrel{\&OverBar;}{X}-\mathrm{\&mu;}}{\sqrt{S^2/n}}~t(n-1),$ 对于给定的置信度1-α， $P\left\{\frac{\stackrel{\&OverBar;}{X}-\mathrm{\&mu;}}{\sqrt{S^2/n}}\right|\&le;t_{\frac{\mathrm{\&alpha;}}{2}}(n-1)\}=1-\mathrm{\&alpha;},$ P为概率，则预测耗电量的均值μ的置信区间为

以某铝型材制造企业挤压车间为例，2013.7月中5天的耗电量分别为345.24度/吨、343.82度/吨、354.05度/吨、346.44度/吨、353.26度/吨，则置信度为0.99的耗电量置信区间为： $\stackrel{\&OverBar;}{X}=348.56,$ S²＝22.55， $t_{\frac{0.01}{2}}\left(4\right)=t_{0.005}\left(4\right)=4.60,$ 则预测耗电量的置信区间为[348.56-9.77,348.56+9.77]。

所述能耗比较模块，其特征在于比较每挤压1吨铝型材的能耗预测值X_p和每挤压1吨铝型材能耗的实际值X_t，根据公式计算所述单位产品的节能效果η。图3所示是置信度为99％的某挤压机组日节能能效图，图中可以看出多个能耗异常情况。

上所述仅为本实用新型的优选实施例，并不用于限制本实用新型，对于本领域技术人员而言，本实用新型可以有各种改动和变化。凡在本实用新型的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。

Claims (7)

1.一种铝型材挤压机实时能耗监测系统，其特征在于，包括： 

安装于挤压机用电线路上的智能电表； 

安装于辅助加热炉供热管道上的智能天然气表； 

所述智能电表及智能天然气表均连接至串口服务器； 

所述串口服务器连接至交换机； 

所述交换机连接至监控服务器。 

2.一种铝型材挤压机实时能耗监测及能耗异常检测系统，其特征在于，包括： 

安装于挤压机用电线路上的智能电表； 

安装于辅助加热炉供热管道上的智能天然气表； 

所述智能电表及智能天然气表均连接至串口服务器； 

所述串口服务器连接至交换机； 

所述交换机连接至监控服务器； 

还包含数据采集模块和服务器控制模块； 

其中所述数据采集模块运行于所述串口服务器，采集来自智能电表及智能天然气表的负载能耗数据，并将负载能耗数据传递至服务器控制模块； 

所述服务器控制模块运行于监控服务器，包含数据存储模块，训练模型模块，预测能耗区间模块，能耗比较模块； 

所述数据存储模块接收数据采集模块传递的负载能耗数据，将负载能耗数据根据采集时间存储至数据库中，同时数据存储模块还存储对能耗产生影响的生产数据； 

所述训练模型模块是基于回归型支持向量机，使用监控服务器数据库中的历史负载能耗数据和生产数据训练回归型支持向量机； 

所述预测能耗区间模块，以统计分析方法计算单位产品能耗的置信区间； 

所述能耗比较模块，读取实时能耗数据，与能耗置信区间进行比较，得出挤压能耗正常或能耗异常。 

3.如权利要求2所述的系统，其特征在于，所述能耗比较模块是从监控服务器数据库中读取出挤压机组单位产品能耗的实际值X_t，以及回归型支持向量机计算的单位产品能耗的预测值X_p，根据公式计算所述单位产品的节能效果η。 

4.根据权利要求2所述的系统，其特征在于，所述训练模型模块包括：将监控服务器数据库中读取出的负载能耗数据和生产数据转换为回归型支持向量机模型的训练数据的预处理，训练回归型支持向量机模型中的回归函数f(x)。 

5.根据权利要求4所述的系统，其特征在于，所述预处理是将负载能耗数据和生产数据转换为回归型支持向量机模型的训练数据，即按照采集的时间，将负载能耗数据{f(x₁),f(x₂),...,f(x_n)}和对应的生产数据{x₁,x₂,...,x_n}作为一组数据<f(x_i),x_i>,i＝1,2,...,n，用于训练回归函数f(x)＝w·x+b，w和b分别是拟合训练数据的超平面参数，训练过程即是通过求解方程的形式，用多组数据<f(x_i),x_i>,i＝1,2,...,n计算超平面参数w和b的过程。 

6.根据权利要求2所述的系统，其特征在于，所述预测能耗区间模块还包括：用于根据置信区间估计方法对监控服务器数据库中的历史能耗数据进行分析，给定置信度1-α，获得能耗预测的正常区间。 

7.根据权利要求6所述的系统，其特征在于，单位挤压铝型材的预测耗电量为X1,X2,…Xn服从样本分布(μ,σ²)，和S²分别表示预测耗电量的样本均值和样本方差，则随机变量对于给定的置信度1-α， 其中P表示概率，则预测耗电量的均值μ的置信区间为