CN109882834A - 锅炉设备的运行数据监测方法及装置 - Google Patents
锅炉设备的运行数据监测方法及装置 Download PDFInfo
- Publication number
- CN109882834A CN109882834A CN201910236630.1A CN201910236630A CN109882834A CN 109882834 A CN109882834 A CN 109882834A CN 201910236630 A CN201910236630 A CN 201910236630A CN 109882834 A CN109882834 A CN 109882834A
- Authority
- CN
- China
- Prior art keywords
- curve
- data
- real
- unusual fluctuations
- similarity
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种锅炉设备的运行数据监测方法、装置、可读存储介质及电子设备,方法包括:获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组所述异常运行数据分别对应的异常波动曲线;周期性采集锅炉设备的实时运行数据;根据预设时长内采集的各个所述实时运行数据拟合实时运行曲线;计算所述实时运行曲线与各个所述异常波动曲线的相似度;当各个所述相似度中存在至少一个目标相似度大于预设阈值时,确定所述预设时长内的各个所述实时运行数据发生异常波动。通过本发明的技术方案,无需过多的人工干预,能够更为准确的确定锅炉设备的运行数据是否发生异常波动。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及锅炉设备的运行数据监测方法及装置。
背景技术
锅炉设备是极其重要的供能设备之一。锅炉设备正常运行时,其运行数据会在合理范围内正常波动,反之,若锅炉受到内部因素或外部因素的影响而发生故障,其运行数据则会发生异常波动。
目前,主要通过对锅炉设备的运行数据进行周期性采集,并根据设定时长内采集的各个运行数据拟合对应的运行曲线,然后由经验丰富的工作人员对该运行曲线进行主观分析,并根据分析结果确定该运行曲线所对应的各个运行数据是否发生异常波动。
上述实现方式中,人工干预程度过高,可能无法准确确定锅炉设备的运行数据是否发生异常波动。
发明内容
本发明提供了一种锅炉设备的运行数据监测方法、装置、可读存储介质及电子设备,可更为准确的确定锅炉设备的运行数据是否发生异常波动。
第一方面,本发明提供了一种锅炉设备的运行数据监测方法,包括:
获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组所述异常运行数据分别对应的异常波动曲线;
周期性采集锅炉设备的实时运行数据;
根据预设时长内采集的各个所述实时运行数据拟合实时运行曲线;
计算所述实时运行曲线与各个所述异常波动曲线的相似度;
当各个所述相似度中存在至少一个目标相似度大于预设阈值时,确定所述预设时长内的各个所述实时运行数据发生异常波动。
优选地,
所述计算所述实时运行曲线与各个所述异常波动曲线的相似度,包括:
针对每一条所述异常波动曲线,根据设定时间间隔从所述异常波动曲线中依次提取至少一个对照运行数据;
根据所述设定时间间隔从所述实时运行曲线中依次提取至少一个观测运行数据;
针对每一条所述异常波动曲线,根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度。
优选地,
所述根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度,包括:
通过如下公式计算所述实时运行曲线与所述异常波动曲线的相似度:
其中,P表征所述相似度、Xi表征从所述异常波动曲线中提取的第i个所述对照运行数据、N分别表征从所述异常波动曲线中提取的各个所述对照运行数据的总量以及从所述实时运行曲线中提取的各个所述观测运行数据的总量、Yi表征第i个所述观测运行数据。
优选地,
在所述确定所述预设时长内的各个所述实时运行数据发生异常波动之后,还包括:
将所述预设时长内的各个所述实时运行数据确定为一组异常运行数据。
第二方面,本发明提供了一种锅炉设备的运行数据监测装置,包括:
样本处理模块,用于获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组所述异常运行数据分别对应的异常波动曲线;
数据采集模块,用于周期性采集锅炉设备的实时运行数据;
曲线拟合模块,用于根据预设时长内采集的各个所述实时运行数据拟合实时运行曲线;
计算处理模块,用于计算所述实时运行曲线与各个所述异常波动曲线的相似度;
确定模块,用于当各个所述相似度中存在至少一个目标相似度大于预设阈值时,确定所述预设时长内的各个所述实时运行数据发生异常波动。
优选地,
所述计算处理模块,包括:第一数据提取单元、第二数据提取单元及计算处理单元;其中,
所述第一数据提取单元,用于针对每一条所述异常波动曲线,根据设定时间间隔从所述异常波动曲线中依次提取至少一个对照运行数据;
所述第二数据提取单元,用于根据所述设定时间间隔从所述实时运行曲线中依次提取至少一个观测运行数据;
计算处理单元,用于针对每一条所述异常波动曲线,根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度。
优选地,
所述计算处理单元,用于通过如下公式计算所述实时运行曲线与所述异常波动曲线的相似度:
其中,P表征所述相似度、Xi表征从所述异常波动曲线中提取的第i个所述对照运行数据、N分别表征从所述异常波动曲线中提取的各个所述对照运行数据的总量以及从所述实时运行曲线中提取的各个所述观测运行数据的总量、Yi表征第i个所述观测运行数据。
优选地,
所述样本处理模块,进一步用于将所述预设时长内的各个所述实时运行数据确定为一组异常运行数据。
第三方面,本发明提供了一种可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行如第一方面中任一所述的方法。
第四方面,本发明提供了一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种锅炉设备的运行数据监测方法、装置、可读存储介质及电子设备,该方法通过获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组异常运行数据分别对应的异常波动曲线,然后周期性采集锅炉设备的实时运行数据,并根据预设时长内采集的各个实时运行数据拟合实时运行曲线,进一步计算出实时运行曲线与各个异常波动曲线的相似度之后,一条异常波动曲线与实时运行曲线的相似度越大,则说明预设时长内的各个实时运行数据的波动情况与该条异常波动曲线所对应的一组异常运行数据的波动情况越相似,即说明预设时长内的各个实时运行数据发生异常波动的可能性越大,因此,当各个相似度中存在至少一个目标相似度大于预设阈值时,即可确定预设时长内的各个实时运行数据发生异常波动。综上可见,本发明提供的技术方案,无需过多的人工干预,能够更为准确的确定锅炉设备的运行数据是否发生异常波动。
上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种锅炉设备的运行数据监测方法的流程示意图;
图2为本发明一实施例提供的另一种锅炉设备的运行数据监测方法的流程示意图;
图3为本发明一实施例提供的一种锅炉设备的运行数据监测装置的结构示意图;
图4为本发明一实施例提供的一种电子设备的结构示意图;
图5为本发明一实施例提供的另一种锅炉设备的运行数据监测装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例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。
如图1所示,本发明实施例提供了一种锅炉设备的运行数据监测方法,包括如下步骤101~步骤105:
步骤101,获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组所述异常运行数据分别对应的异常波动曲线。
不难理解的,对应于锅炉设备的一组或多组异常运行数据,具体可以从该锅炉设备的历史运行数据中提取,也可以从与该锅炉设备相同的一个或多个其他锅炉设备的运行数据中提取。举例来说,以设定时间间隔周期性采集该锅炉设备的实时运行数据,具体以在设定时间间隔T内一共采集到t1~tn共n个实时运行数据为例,工作人员通过对锅炉设备进行实地检测后发现该锅炉设备在该设定时间间隔T内发生异常,那么,t1~tn共n个实时运行数据即可作为对应于该锅炉设备的一组异常运行数据。
步骤102,周期性采集锅炉设备的实时运行数据。
即以一定的时间间隔连续采集锅炉设备的实时运行数据,以便实时监测锅炉设备的运行数据是否发生异常波动,以便后续过程中确定出锅炉设备的运行数据发生异常波动时,进一步进行相应得告警以提示工作人员该锅炉设备已经发生故障,从而实现及时提醒工作人员针对发生故障的锅炉设备进行维护。
需要说明的是,周期性采集锅炉设备的实时运行数据时,采集实时运行数据的采集周期可以与步骤101中异常运行数据所对应的采集周期相同。
步骤103,根据预设时长内采集的各个所述实时运行数据拟合实时运行曲线。
这里,预设时长应当与每一组异常运行数据所对应的时间长度相同。举例来说,一组异常运行数据中包括n个异常运行数据,该组异常运行数据所对应的采集周期为t,那么,预设时长即为(n-1)*t。
显而易见的,采集实时运行数据的采集周期与步骤101中异常运行数据所对应的采集周期相同时,预设时长内采集的各个实时运行数据的数量与一组异常运行数量中各个异常运行数据的数量相同。
步骤104,计算所述实时运行曲线与各个所述异常波动曲线的相似度。
这里,通过计算出实时运行曲线与各个异常波动曲线的相似度,一条异常波动曲线与实时运行曲线的相似度越大,则说明预设时长内的各个实时运行数据的波动情况与该条异常波动曲线所对应的一组异常运行数据的波动情况越相似,即说明预设时长内的各个实时运行数据发生异常波动的可能性越大。
作为一种实施方式,步骤104具体可以包括如下步骤1041~步骤1043:
步骤1041,针对每一条所述异常波动曲线,根据设定时间间隔从所述异常波动曲线中依次提取至少一个对照运行数据;
步骤1042,根据所述设定时间间隔从所述实时运行曲线中依次提取至少一个观测运行数据;
步骤1043,针对每一条所述异常波动曲线,根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度。
不难理解的,从一条异常波动中依次提取的各个对照运行数据的数量与从实时运行曲线中依次提取的各个对照运行数据的数量相同。
需要说明的是,采集实时运行数据的采集周期与步骤101中异常运行数据所对应的采集周期相同时,对于每一组异常运行数据,也可按照采集该组异常运行数据中各个异常运行数据的时序,依次将该组异常运行数据中的各个异常运行数据直接确定为从该组异常运行数据所对应的异常波动曲线中提取的对照运行数据,并按照在该预设时长内采集各个实时运行数据的时序,依次将该预设时间段内采集的各个实时运行数据确定为实时运行曲线中提取的各个观测运行数据。
作为一种实施方式,所述根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度,包括:
通过如下公式计算所述实时运行曲线与所述异常波动曲线的相似度:
其中,P表征所述相似度、Xi表征从所述异常波动曲线中提取的第i个所述对照运行数据、N分别表征从所述异常波动曲线中提取的各个所述对照运行数据的总量以及从所述实时运行曲线中提取的各个所述观测运行数据的总量、Yi表征第i个所述观测运行数据。
这里,计算得到的一条异常波动曲线与实时运行曲线的相似度越大,则说明预设时长内的各个实时运行数据的波动情况与该条异常波动曲线所对应的一组异常运行数据的波动情况越相似,即说明预设时长内的各个实时运行数据发生异常波动的可能性越大。
步骤105,当各个所述相似度中存在至少一个目标相似度大于预设阈值时,确定所述预设时长内的各个所述实时运行数据发生异常波动。
基于如图1所示的实施例,请参考图2,本发明一个实施例中,在所述步骤105之后,还包括:
步骤106,将所述预设时长内的各个所述实时运行数据确定为一组异常运行数据。
这里,当确定预设时长内的各个实时运行数据发生异常波动之后,将预设时长内的各个实时运行数据确定为一组异常运行数据,后续过程中即可进一步拟合该组异常运行数据所对应的异常波动曲线,进而根据该异常波动曲线确定锅炉设备的运行数据是否发生异常波动。
基于与本发明方法实施例相同的构思,请参考图3,本发明实施例还提供了一种锅炉设备的运行数据监测装置,在一较佳实施例中,锅炉设备的运行数据监测装置是由计算机程序指令组成的若干个程序模块构成,本发明所称的模块是指一种电子设备(如图4)的处理器执行并且能够完成固定功能的一系列计算机程序指令段,其存储在存储器中。所述锅炉设备的运行数据监测装置包括:
样本处理模块301,用于获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组所述异常运行数据分别对应的异常波动曲线;
数据采集模块302,用于周期性采集锅炉设备的实时运行数据;
曲线拟合模块303,用于根据预设时长内采集的各个所述实时运行数据拟合实时运行曲线;
计算处理模块304,用于计算所述实时运行曲线与各个所述异常波动曲线的相似度;
确定模块305,用于当各个所述相似度中存在至少一个目标相似度大于预设阈值时,确定所述预设时长内的各个所述实时运行数据发生异常波动。
请参考图5,本发明一个实施例中,所述计算处理模块304,包括:第一数据提取单元3041、第二数据提取单元3042及计算处理单元3043;其中,
所述第一数据提取单元3041,用于针对每一条所述异常波动曲线,根据设定时间间隔从所述异常波动曲线中依次提取至少一个对照运行数据;
所述第二数据提取单元3042,用于根据所述设定时间间隔从所述实时运行曲线中依次提取至少一个观测运行数据;
计算处理单元3043,用于针对每一条所述异常波动曲线,根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度。
本发明一个实施例中,所述计算处理单元3043,用于通过如下公式计算所述实时运行曲线与所述异常波动曲线的相似度:
其中,P表征所述相似度、Xi表征从所述异常波动曲线中提取的第i个所述对照运行数据、N表征从所述异常波动曲线中提取的各个所述对照运行数据的总量、Yi表征第i个所述观测运行数据。
本发明一个实施例中,所述样本处理模块301,进一步用于将所述预设时长内的各个所述实时运行数据确定为一组异常运行数据。
为了描述的方便,描述以上装置实施例时以功能分为各种单元或模块分别描述,在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
图4是本发明实施例提供的一种电子设备的结构示意图。在硬件层面,该电子设备包括处理器401以及存储有执行指令的存储器402,可选地还包括内部总线403及网络接口404。其中,存储器402可能包含内存4021,例如高速随机存取存储器(Random-AccessMemory,RAM),也可能还包括非易失性存储器4022(non-volatile memory),例如至少1个磁盘存储器等;处理器401、网络接口302和存储器可以通过内部总线403相互连接,该内部总线403可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等;所述内部总线403可以分为地址总线、数据总线、控制总线等,为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。当然,该电子设备还可能包括其他业务所需要的硬件。当处理器执行存储器存储的执行指令时,处理器执行本发明任意一个实施例中所述的方法,并至少用于执行:
获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组所述异常运行数据分别对应的异常波动曲线;
周期性采集锅炉设备的实时运行数据;
根据预设时长内采集的各个所述实时运行数据拟合实时运行曲线;
计算所述实时运行曲线与各个所述异常波动曲线的相似度;
当各个所述相似度中存在至少一个目标相似度大于预设阈值时,确定所述预设时长内的各个所述实时运行数据发生异常波动。
在一种可能实现的方式中,处理器从非易失性存储器中读取对应的执行指令到内存中然后运行,也可从其它设备上获取相应的执行指令,以在逻辑层面上形成锅炉设备的运行数据监测装置。处理器执行存储器所存放的执行指令,以通过执行的执行指令实现本发明任一实施例中提供的锅炉设备的运行数据监测装置。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例还提供了一种计算机可读介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图4所示电子设备;执行指令是锅炉设备的运行数据监测装置所对应计算机程序。
前述各个实施例中所述的电子设备可以为计算机。
综上所述,本发明各个实施例提供的技术方案至少具有如下优点:
1、该方法通过获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组异常运行数据分别对应的异常波动曲线,然后周期性采集锅炉设备的实时运行数据,并根据预设时长内采集的各个实时运行数据拟合实时运行曲线,进一步计算出实时运行曲线与各个异常波动曲线的相似度之后,一条异常波动曲线与实时运行曲线的相似度越大,则说明预设时长内的各个实时运行数据的波动情况与该条异常波动曲线所对应的一组异常运行数据的波动情况越相似,即说明预设时长内的各个实时运行数据发生异常波动的可能性越大,因此,当各个相似度中存在至少一个目标相似度大于预设阈值时,即可确定预设时长内的各个实时运行数据发生异常波动。综上可见,本发明提供的技术方案,无需过多的人工干预,能够更为准确的确定锅炉设备的运行数据是否发生异常波动。
本领域内的技术人员应明白,本发明的实施例可提供为方法或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种锅炉设备的运行数据监测方法,其特征在于,包括:
获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组所述异常运行数据分别对应的异常波动曲线;
周期性采集锅炉设备的实时运行数据;
根据预设时长内采集的各个所述实时运行数据拟合实时运行曲线;
计算所述实时运行曲线与各个所述异常波动曲线的相似度;
当各个所述相似度中存在至少一个目标相似度大于预设阈值时,确定所述预设时长内的各个所述实时运行数据发生异常波动。
2.根据权利要求1所述的方法,其特征在于,
所述计算所述实时运行曲线与各个所述异常波动曲线的相似度,包括:
针对每一条所述异常波动曲线,根据设定时间间隔从所述异常波动曲线中依次提取至少一个对照运行数据;
根据所述设定时间间隔从所述实时运行曲线中依次提取至少一个观测运行数据;
针对每一条所述异常波动曲线,根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度。
3.根据权利要求2所述的方法,其特征在于,
所述根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度,包括:
通过如下公式计算所述实时运行曲线与所述异常波动曲线的相似度:
其中,P表征所述相似度、Xi表征从所述异常波动曲线中提取的第i个所述对照运行数据、N分别表征从所述异常波动曲线中提取的各个所述对照运行数据的总量以及从所述实时运行曲线中提取的各个所述观测运行数据的总量、Yi表征第i个所述观测运行数据。
4.根据权利要求1至3中任一所述的方法,其特征在于,
在所述确定所述预设时长内的各个所述实时运行数据发生异常波动之后,还包括:
将所述预设时长内的各个所述实时运行数据确定为一组异常运行数据。
5.一种锅炉设备的运行数据监测装置,其特征在于,包括:
样本处理模块,用于获取对应于锅炉设备的至少一组异常运行数据,并拟合每一组所述异常运行数据分别对应的异常波动曲线;
数据采集模块,用于周期性采集锅炉设备的实时运行数据;
曲线拟合模块,用于根据预设时长内采集的各个所述实时运行数据拟合实时运行曲线;
计算处理模块,用于计算所述实时运行曲线与各个所述异常波动曲线的相似度;
确定模块,用于当各个所述相似度中存在至少一个目标相似度大于预设阈值时,确定所述预设时长内的各个所述实时运行数据发生异常波动。
6.根据权利要求5中所述的装置,其特征在于,
所述计算处理模块,包括:第一数据提取单元、第二数据提取单元及计算处理单元;其中,
所述第一数据提取单元,用于针对每一条所述异常波动曲线,根据设定时间间隔从所述异常波动曲线中依次提取至少一个对照运行数据;
所述第二数据提取单元,用于根据所述设定时间间隔从所述实时运行曲线中依次提取至少一个观测运行数据;
计算处理单元,用于针对每一条所述异常波动曲线,根据从所述异常波动曲线中提取的各个所述对照运行数据及各个所述观测运行数据,计算所述实时运行曲线与所述异常波动曲线的相似度。
7.根据权利要求6所述的装置,其特征在于,
所述计算处理单元,用于通过如下公式计算所述实时运行曲线与所述异常波动曲线的相似度:
其中,P表征所述相似度、Xi表征从所述异常波动曲线中提取的第i个所述对照运行数据、N分别表征从所述异常波动曲线中提取的各个所述对照运行数据的总量以及从所述实时运行曲线中提取的各个所述观测运行数据的总量、Yi表征第i个所述观测运行数据。
8.根据权利要求5至7中任一所述的装置,其特征在于,
所述样本处理模块,进一步用于将所述预设时长内的各个所述实时运行数据确定为一组异常运行数据。
9.一种可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行如权利要求1至4中任一所述的方法。
10.一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如权利要求1至4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910236630.1A CN109882834B (zh) | 2019-03-27 | 2019-03-27 | 锅炉设备的运行数据监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910236630.1A CN109882834B (zh) | 2019-03-27 | 2019-03-27 | 锅炉设备的运行数据监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109882834A true CN109882834A (zh) | 2019-06-14 |
CN109882834B CN109882834B (zh) | 2020-03-03 |
Family
ID=66934624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910236630.1A Active CN109882834B (zh) | 2019-03-27 | 2019-03-27 | 锅炉设备的运行数据监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109882834B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110840424A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种预警式诊中监测装置及方法 |
CN111199018A (zh) * | 2019-12-27 | 2020-05-26 | 东软集团股份有限公司 | 异常数据检测方法、装置、存储介质及电子设备 |
CN111553072A (zh) * | 2020-04-27 | 2020-08-18 | 新奥数能科技有限公司 | 设备特性曲线的确定方法及装置 |
CN111609879A (zh) * | 2020-04-15 | 2020-09-01 | 北京市燃气集团有限责任公司 | 一种燃气供暖数据监测方法、***、设备、终端及存储介质 |
CN113513744A (zh) * | 2021-04-30 | 2021-10-19 | 常州市工业互联网研究院有限公司 | 一种工业锅炉运行数据监测装置 |
WO2021238455A1 (zh) * | 2020-05-29 | 2021-12-02 | 中兴通讯股份有限公司 | 数据处理方法、设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095207A (zh) * | 2009-12-14 | 2011-06-15 | 财团法人工业技术研究院 | 基于图像的燃烧过程监控与诊断方法 |
CN105447323A (zh) * | 2015-12-11 | 2016-03-30 | 百度在线网络技术(北京)有限公司 | 一种数据异常波动检测方法和装置 |
CN109324946A (zh) * | 2018-09-10 | 2019-02-12 | 天津字节跳动科技有限公司 | 运行监测方法、装置、电子设备及计算机可读存储介质 |
CN109472369A (zh) * | 2017-09-06 | 2019-03-15 | 云南电网有限责任公司保山供电局 | 电力设备的监测方法及装置 |
-
2019
- 2019-03-27 CN CN201910236630.1A patent/CN109882834B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095207A (zh) * | 2009-12-14 | 2011-06-15 | 财团法人工业技术研究院 | 基于图像的燃烧过程监控与诊断方法 |
CN105447323A (zh) * | 2015-12-11 | 2016-03-30 | 百度在线网络技术(北京)有限公司 | 一种数据异常波动检测方法和装置 |
CN109472369A (zh) * | 2017-09-06 | 2019-03-15 | 云南电网有限责任公司保山供电局 | 电力设备的监测方法及装置 |
CN109324946A (zh) * | 2018-09-10 | 2019-02-12 | 天津字节跳动科技有限公司 | 运行监测方法、装置、电子设备及计算机可读存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110840424A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种预警式诊中监测装置及方法 |
CN110840424B (zh) * | 2019-11-20 | 2022-05-10 | 首都医科大学宣武医院 | 一种预警式诊中监测装置及方法 |
CN111199018A (zh) * | 2019-12-27 | 2020-05-26 | 东软集团股份有限公司 | 异常数据检测方法、装置、存储介质及电子设备 |
CN111199018B (zh) * | 2019-12-27 | 2024-03-05 | 东软集团股份有限公司 | 异常数据检测方法、装置、存储介质及电子设备 |
CN111609879A (zh) * | 2020-04-15 | 2020-09-01 | 北京市燃气集团有限责任公司 | 一种燃气供暖数据监测方法、***、设备、终端及存储介质 |
CN111553072A (zh) * | 2020-04-27 | 2020-08-18 | 新奥数能科技有限公司 | 设备特性曲线的确定方法及装置 |
CN111553072B (zh) * | 2020-04-27 | 2023-11-03 | 新奥数能科技有限公司 | 设备特性曲线的确定方法及装置 |
WO2021238455A1 (zh) * | 2020-05-29 | 2021-12-02 | 中兴通讯股份有限公司 | 数据处理方法、设备及计算机可读存储介质 |
CN113513744A (zh) * | 2021-04-30 | 2021-10-19 | 常州市工业互联网研究院有限公司 | 一种工业锅炉运行数据监测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109882834B (zh) | 2020-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109882834A (zh) | 锅炉设备的运行数据监测方法及装置 | |
CN101713997B (zh) | 风力涡轮机的状态监测方法和*** | |
CN104778111B (zh) | 一种进行报警的方法和装置 | |
CN109726909A (zh) | 一种能效评价方法、装置、可读介质及电子设备 | |
CN108802535B (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
CN107423433A (zh) | 一种数据采样率控制方法及装置 | |
CN109933504B (zh) | 一种硬盘延迟测试方法、装置、终端及存储介质 | |
CN110222871A (zh) | 用于电力负荷预测的相似日的选择方法及装置 | |
CN107590016A (zh) | 掉电重启识别方法及装置 | |
CN110008049A (zh) | 一种基于互联网平台的数据修正方法、终端设备及介质 | |
CN114444827B (zh) | 一种集群性能的评估方法和装置 | |
CN109858638B (zh) | 构建设备能效曲线的方法、装置、可读介质及电子设备 | |
CN110345100A (zh) | 服务器风扇转速的监测方法、装置、设备及可读存储介质 | |
CN109710482A (zh) | 一种电子元件性能检测方法、装置、可读介质及电子设备 | |
CN105469325B (zh) | 一种确定火电机组负荷稳定状态的方法及*** | |
CN110198490A (zh) | 直播视频主题分类方法、装置及电子设备 | |
CN116028930B (zh) | 一种物联网中能源数据的防御检测方法及其*** | |
CN117077893A (zh) | 耕地智保数据分析方法及装置 | |
CN109669486A (zh) | 一种控制器性能评价方法、装置、可读介质及电子设备 | |
WO2006135494A1 (en) | Process analysis tool | |
CN109711019A (zh) | 燃气锅炉的能效曲线拟合方法、装置、介质及电子设备 | |
EP3629304A2 (en) | Method and system for smart and continuous engine operation monitoring | |
CN109886542A (zh) | 一种设备轮休推荐方法、装置、可读介质及电子设备 | |
CN113030558B (zh) | 一种识别数据异常的方法、装置、设备及可读存储介质 | |
CN116447089B (zh) | 一种风电机组的运行状态检测方法、装置及介质 |
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 |