一种基于能耗模型和数据交互的设备异常诊断方法及装置制造方法及图纸

本申请涉及计算机数据处理技术领域，尤其涉及一种基于能耗模型和数据交互的设备异常诊断方法及装置。本申请提供一种基于能耗模型和数据交互的设备异常诊断方法，包括：根据指定的运行参数变量为待诊断设备的一个或多个部件获取所选变量的时间历程数据，然后通过在滑动窗口中使用概率统计的方法获取处于稳态工况的时间段集合，进一步计算得到稳态工况统计集合，基于所述稳态工况统计集合筛选性能系数的可达值通过神经网络模型构建待诊断设备的性能系数动态报警曲线；将实时采集的运行参数变量输入神经网络模型，若其输出值超过所述性能系数动态报警曲线，则判定所述待诊断设备疑似故障并发出报警信号。

An equipment anomaly diagnosis method and device based on energy consumption model and data interaction

【技术实现步骤摘要】
一种基于能耗模型和数据交互的设备异常诊断方法及装置
本申请涉及计算机数据处理
，尤其涉及一种基于能耗模型和数据交互的设备异常诊断方法及装置。
技术介绍
设备异常是指设备在自动化运行、或制造过程中意外停机、效率下降、或机械手和其他机电设备的故障而引起的材料损伤、和不定期的停止运行是常见的问题，这些问题通常是设备运行或设备制造的终端，给用户增加了相当大的成本。在一些设备异常诊断方法的实现中，例如涉及楼宇能耗诊断领域，包括冷冻机组设备、水泵设备、冷却塔设备、水系统设备、风系统设备、空调末端设备、锅炉设备和设备供给末端室内环境，上述设备的相应位置设置温度传感器，多个温度传感器上均设有定位芯片，多个温度传感器通过无线信号传输的方式与远程计算机系统信号连接，所接收的数据进一步与提前设置的变量阈值比较，进而判断设备的异常状态。但是，上述方法在实际运行的过程中，当设备老化或者设备处于故障临界时，虽然各个位置的传感器数值保持正常，但是经常会发生设备整体的性能系数发生较大的波动，即在设备故障发生之前上述方法无法提前做出预判，且对于设备整体的性能无法做出实时的检测和预判。
技术实现思路
本申请提供了一种基于能耗模型和数据交互的设备异常诊断方法及装置，通过监测获取设备运行参数，对设备在稳态工况下性能系数的分析处理，实现通过设备的实时运行参数生成的性能曲线值与动态报警曲线比对得到较为准确，具有预判能力的设备异常诊断结果。本申请的实施例是这样实现的：本申请实施例的第一方面提供一种基于能耗模型和数据交互的设备异常诊断方法，包括：根据指定的运行参数变量为待诊断设备的一个或多个部件获取所选变量的时间历程数据；基于所述时间历程数据，通过在滑动窗口中使用概率统计的方法获取处于稳态工况的时间段集合；基于所述处于稳态工况的时间段集合计算得到稳态工况统计集合，所述稳态工况统计集合由不同的包含性能系数的稳态工况统计变量构成；基于所述稳态工况统计集合筛选性能系数的可达值通过神经网络模型构建待诊断设备的性能系数动态报警曲线；将实时采集的运行参数变量输入神经网络模型，若其输出值超过所述性能系数动态报警曲线，则判定所述待诊断设备疑似故障并发出报警信号。本申请实施例的第二方面提供一种基于能耗模型和数据交互的设备异常诊断装置，包括：能耗监测部件，用于采集待诊断设备的指定运行参数变量的一个或多个部件的时间历程数据；服务器，通过网络与所述能耗监测部件和报警平台建立连接进行信息传递，基于所述时间历程数据，通过在滑动窗口中使用概率统计的方法获取处于稳态工况的时间段集合；基于所述处于稳态工况的时间段集合计算得到稳态工况统计集合，所述稳态工况统计集合由不同的包含性能系数的稳态工况统计变量构成；基于所述稳态工况统计集合筛选性能系数的可达值构建待诊断设备的性能系数动态报警曲线；将实时采集的运行参数变量输入神经网络模型，若其输出值超过所述性能系数动态报警曲线，则判定所述待诊断设备疑似故障并发出报警信号；报警平台，通过网络与所述能耗监测部件和服务器建立连接进行信息传递，用于显示所述待诊断设备的实时运行参数变量，并显示所述服务器发出的报警信息。本申请提供的技术方案包括以下有益技术效果：通过监测获取待诊断设备的一个或多个部件运行参数的时间历程数据，可以得到设别的稳态工况集合；进一步的通过在滑动窗口中使用统计方法进行数据处理，可以得到设备所有的稳态工况时间段集合；进一步的通过改进的神经网络模型进行性能系数的筛选计算，可以得到所有稳态工况下性能系数的可达值，并进一步的生成了设备性能系数的动态报警曲线，可以实时的通过设备运行参数生成的性能曲线值与动态报警曲线比对，得到较为准确，可以作为预判的设备异常诊断结果。附图说明为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1示出了本申请实施例一种基于能耗模型和数据交互的设备异常诊断系统100的示意图；图2示出了本申请实施例一种计算设备200的示意图；图3示出了本申请实施例一种基于能耗模型和数据交互的设备异常诊断方法的流程图；图4示出了本申请实施例一种基于能耗模型和数据交互的设备异常诊断方法示滑动窗口示意图；图5示出了本申请实施例一种基于能耗模型和数据交互的设备异常诊断方法χ2-分布的密度曲线示意图；图6示出了本申请实施例一种基于能耗模型和数据交互的设备异常诊断装置600的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本说明书通篇提及的″多个实施例″、″一些实施例″、″一个实施例″或″实施例″等，意味着结合该实施例描述的具体特征、结构或特性包括在至少一个实施例中。因此，本说明书通篇出现的短语″在多个实施例中″、″在一些实施例中″、″在至少另一个实施例中″或″在实施例中″等并不一定都指相同的实施例。此外，在一个或多个实施例中，具体特征、结构或特性可以任何合适的方式进行组合。因此，在无限制的情形下，结合一个实施例示出或描述的具体特征、结构或特性可全部或部分地与一个或多个其他实施例的特征、结构或特性进行组合。这种修改和变型旨在包括在本申请的范围之内。图1示出了本申请实施例一种基于能耗模型和数据交互的设备异常诊断系统100的示意图。基于能耗模型和数据交互的设备异常诊断系统100是一个为可以自动进行设备异常诊断的系统。基于能耗模型和数据交互的设备异常诊断系统100可以包括一个服务器110、至少一个存储设备120、至少一个网络130、一个或多个检测装置150-1、150-2......150-N。服务器110可以包括一个处理引擎112。在一些实施例中，服务器110可以是一个单独的服务器或者一个服务器群组。所述服务器群可以是集中式的或分布式的(例如，服务器110可以是一个分布式的系统)。在一些实施例中，服务器110可以是本地的或远程的。例如，服务器110可以通过网络130访问存储在存储设备120中的数据。服务器110可以直接连接到存储设备120访问存储数据。在一些实施例中，服务器110可以在一个云平台上实现。所述云平台可以包括私有云、公共云、混合云、社区云、分布云、多重云等或上述举例的任意组合。在一些实施例中，服务器110和报警平台可以在与本申请图2所示的计算设备上实现，包括计算设备200中的一个或多个部件。在一些实施例中，服务器110可以包括一个处理引擎112。处理引擎112可以处理与服务请求相关的信息和/或数据以执行本申请描述的一个或多个功能。例如，处理引擎112本文档来自技高网...

【技术保护点】
1.一种基于能耗模型和数据交互的设备异常诊断方法，其特征在于包括：/n根据指定的运行参数变量为待诊断设备的一个或多个部件获取所选变量的时间历程数据；/n基于所述时间历程数据，通过在滑动窗口中使用概率统计的方法获取处于稳态工况的时间段集合；/n基于所述处于稳态工况的时间段集合计算得到稳态工况统计集合，所述稳态工况统计集合由不同的包含性能系数的稳态工况统计变量构成；/n基于所述稳态工况统计集合筛选性能系数的可达值通过神经网络模型构建待诊断设备的性能系数动态报警曲线；/n将实时采集的运行参数变量输入神经网络模型，若其输出值超过所述性能系数动态报警曲线，则判定所述待诊断设备疑似故障并发出报警信号。/n

【技术特征摘要】
1.一种基于能耗模型和数据交互的设备异常诊断方法，其特征在于包括：
根据指定的运行参数变量为待诊断设备的一个或多个部件获取所选变量的时间历程数据；
基于所述时间历程数据，通过在滑动窗口中使用概率统计的方法获取处于稳态工况的时间段集合；
基于所述处于稳态工况的时间段集合计算得到稳态工况统计集合，所述稳态工况统计集合由不同的包含性能系数的稳态工况统计变量构成；
基于所述稳态工况统计集合筛选性能系数的可达值通过神经网络模型构建待诊断设备的性能系数动态报警曲线；
将实时采集的运行参数变量输入神经网络模型，若其输出值超过所述性能系数动态报警曲线，则判定所述待诊断设备疑似故障并发出报警信号。


2.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述运行参数变量包括：冷冻水入口温度、冷冻水出口温度、冷冻水流量、冷却水入口温度、冷却水出口温度、冷却水流量、所有设备功率，环境温度。


3.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述滑动窗口其内部负荷数据的标准差表征待诊断设备运行参数变量的稳定程度，其表示为：



其中，N为滑动窗口内负荷数据的个数；xij为所述滑动窗口内第i个参数变量第j个采样时刻的值；为第i个变量在所述滑动窗口内N个负荷数据数据的算术平均值。


4.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述基于能耗模型和数据交互的设备异常诊断方法应用于中央空调冷水机组，所述性能系数表示时间段内制冷量和耗电量的比值，其表示如下：
cop＝Q/P
其中，Q表示时间段内中央空调冷水机组的制冷量，P表示时间段内中央空调冷水机组的耗电量。


5.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述稳态工况统计变量表示内容包括：制冷量、环境温...

【专利技术属性】
技术研发人员：王相怡，张雪庆，张敏，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：山东;37