CN112734977A - 一种基于物联网的设备风险预警***及算法 - Google Patents
一种基于物联网的设备风险预警***及算法 Download PDFInfo
- Publication number
- CN112734977A CN112734977A CN202011560716.9A CN202011560716A CN112734977A CN 112734977 A CN112734977 A CN 112734977A CN 202011560716 A CN202011560716 A CN 202011560716A CN 112734977 A CN112734977 A CN 112734977A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- abnormal
- risk
- internet
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于物联网的设备风险预警***及算法,属于设备风险预警技术领域,包括采集端、网络信息传输端、历史数据包、计算中心和预警输出端,所述采集端和历史数据包均通过网络信息传输端连接计算中心,所述采集端采集监测数据样本的GNSS时间序列,并将该GNSS时间序列上传至互联网上,互联网将其转输至计算中心。不仅能够及时对风险作出预警,还能够自主运行实现异常数据的筛选,快速提供异常数据,加快风险处理人员对风险来源的掌握,能够准确的分析监测数据的变化趋势,具有较好的异常信息检验能力和误报率较低的优点。
Description
技术领域
本发明涉及设备风险预警技术领域,特别涉及一种基于物联网的设备风险预警***及算法。
背景技术
设备风险是由故障概率和故障后果共同决定的。通过对设备数据、运行数据以及巡检信息等,基于设备状态评估规则进行评估,计算设备的故障风险概率。通过利用多种在线监测手段,综合设备的应用环境、气候等因素,对设备状态进行纵向(历史和现状)、横向(同类设备的运行状况)的比较分析,识别故障的早期征兆,并对故障部位、故障严重程度及发展趋势作出判断并预警,确定最佳检修时机,从而实现配电设备全寿命周期管理。随着各类状态监测数据、运行数据、环境数据的增加,如何利用这些数据,对设备未来发生问题的风险进行分析,为计划检修、资源分配等提供指导,成为一个重要的问题。
专利号为CN201610507928.8公开了一种设备风险预警的方法,包括有如下步骤:1)利用故障历史数据分析影响因素相关性;2)建立分布式事件过滤***;3)定义触发事件类型;4)定义事件过滤***;5)过滤***自学习。本发明是对设备风险进行预警,采用了事件生成和过滤、并行计算与参数优化的方式进行。能快速和灵活地进行,并且量化的预警较为准确。通过事件生成的方法,可以灵活定义关注的时间点和关注的设备;利用分布式事件过滤***,并行执行时间过滤,提高分析效率;通过事件过滤的方式,将风险最高的事件集合向用户做出预警。技术实现简单实用,可实现快速部署和多场景应用。但是上述风险预警无法快速精准的给出异常数据,令风险监测人员无法快速准确的定位风险来源。
发明内容
本发明的目的在于提供一种基于物联网的设备风险预警***及算法,不仅能够及时对风险作出预警,还能够自主运行实现异常数据的筛选,快速提供异常数据,加快风险处理人员对风险来源的掌握,并将LWR、Pettitt算法用于GNSS异常信息的识别与预警,能够准确的分析监测数据的变化趋势,具有较好的异常信息检验能力和误报率较低的优点,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于物联网的设备风险预警***,包括采集端、网络信息传输端、历史数据包、计算中心和预警输出端,所述采集端和历史数据包均通过网络信息传输端连接计算中心,所述采集端采集监测数据样本的GNSS时间序列,并将该GNSS时间序列上传至互联网上,互联网将其转输至计算中心,设备运行正常时检测的各项数据均录入数据包,形成历史数据包,历史数据包为数据样本提供可比对数据;
所述计算中心包括复制单元、初步计算单元、次级计算单元和分析单元,所述复制单元对数据样本的GNSS时间序列进行复制、提取和补足,生成异常数据和遗留数据,所述历史数据包连接有复制单元,所述历史数据包为抽取异常数据之后的遗留数据进行补足,补足后的遗留数据为无异常数据,所述初步计算单元与复制单元、采集端相互连接,
所述初步计算单元接收复制单元传输的无异常数据,以及采集端传输的样本数据,并对两组数据分别进行拟合,得到拟合后的函数值,所述次级计算单元连接初步计算单元和采集端,所述次级计算单元接收初步计算单元发送的两组函数值,以及采集端发送的监测数据样本,并以监测数据样本为基础对两组函数值作差,获得两组残差序列,所述分析单元连接次级计算单元,所述分析单元接收次级计算单元残差序列,并分析两组残差序列的运行趋势,依据运行趋势传输异常数据和预警指令,所述预警输出端接收预警指令后做出预警提示并输出相对应的异常数据。
进一步地,所述历史数据包中存储的各项数据与采集端监测所获得的各项样本数据类型一致。
进一步地,所述数据样本的运行趋势逐渐向低风险转变,则预警输出端不作出风险预警。
进一步地,所述数据样本的运行趋势和无异常数据的运行趋势均向高风险转变,则预警输出端作出风险预警,同步输出异常数据。
进一步地,所述数据样本的运行趋势向高风险转变和无异常数据的运行趋势向低风险转变或无转变,则预警输出端先作出风险预警,分析单元反馈信息至复制单元,重新选取异常数据和遗留数据。
进一步地,所述分析得出数据样本的运行趋势逐渐向低风险转变后,采集到的样本数据录入历史数据包。
根据本发明的另一方面,提供一种基于物联网的设备风险预警***的算法,包括以下步骤:
S101:采集,对运行设备进行监测,并采集监测数据样本的GNSS时间序列;
S102:筛选,对采集到的样本数据与设备历史数据比对,依据比对信息进行数据筛选,挑选异常数据;
S103:拟合,未筛选的样本数据和筛选后的样本数据分别进行拟合,使用的方法为局部加权回归算法LWR,得到拟合后的函数值;
S104:作差,将两组函数值分别与数据样本进行作差,得到基于LWR的两组残差序列;
S105:计算,将两组LWR残差序列作为检验数据,使用Pettitt算法,通过拟合趋势项的斜率得出运行趋势;
S106:预警,分析两组运行趋势,并判断趋势的转变是否使设备向不利的方向运行,及时发现异常数据并进行预警。
与现有技术相比,本发明的有益效果是:本发明提出的一种基于物联网的设备风险预警***及算法,不仅能够及时对风险作出预警,还能够自主运行实现异常数据的筛选,快速提供异常数据,加快风险处理人员对风险来源的掌握,并将LWR、Pettitt算法用于GNSS异常信息的识别与预警,能够准确的分析监测数据的变化趋势,具有较好的异常信息检验能力和误报率较低的优点。
附图说明
图1为本发明的基于物联网的设备风险预警***的整体结构图;
图2为本发明的基于物联网的设备风险预警***的计算中心结构图;
图3为本发明的基于物联网的设备风险预警***的计算中心连接图;
图4为本发明的基于物联网的设备风险预警***的原理图;
图5为本发明的基于物联网的设备风险预警算法流程图。
图中:1、采集端;2、网络信息传输端;3、历史数据包;4、计算中心;41、复制单元;42、初步计算单元;43、次级计算单元;44、分析单元;5、预警输出端。
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。
参阅图1至图4,一种基于物联网的设备风险预警***,包括采集端1、网络信息传输端2、历史数据包3、计算中心4和预警输出端5,采集端1和历史数据包3均通过网络信息传输端2连接计算中心4,采集端1采集监测数据样本的GNSS时间序列,并将该GNSS时间序列上传至互联网上,互联网将其转输至计算中心4,设备运行正常时检测的各项数据均录入数据包,形成历史数据包3,历史数据包3为数据样本提供可比对数据;历史数据包3中存储的各项数据与采集端1监测所获得的各项样本数据类型一致。
计算中心4包括复制单元41、初步计算单元42、次级计算单元43和分析单元44,复制单元41对数据样本的GNSS时间序列进行复制、提取和补足,生成异常数据和遗留数据,历史数据包3连接有复制单元41,历史数据包3为抽取异常数据之后的遗留数据进行补足,补足后的遗留数据为无异常数据,初步计算单元42与复制单元41、采集端1相互连接,采集端1为连接设备的温度传感器,电机功率传感器,气缸压力传感器以及设备自身的参数,网络信息传输端2为对接互联网的无线信号发射器,复制单元41为复制器,初步计算单元42、次级计算单元43、分析单元44均为中央处理器,预警输出端5为显示器、语音播报器、指示灯、音频播放器中的一种或多种。
初步计算单元42接收复制单元41传输的无异常数据,以及采集端1传输的样本数据,并对两组数据分别进行拟合,得到拟合后的函数值,次级计算单元43连接初步计算单元42和采集端1,次级计算单元43接收初步计算单元42发送的两组函数值,以及采集端1发送的监测数据样本,并以监测数据样本为基础对两组函数值作差,获得两组残差序列,分析单元44连接次级计算单元43,分析单元44接收次级计算单元43残差序列,并分析两组残差序列的运行趋势,依据运行趋势传输异常数据和预警指令,预警输出端5接收预警指令后做出预警提示并输出相对应的异常数据;数据样本的运行趋势逐渐向低风险转变,则预警输出端5不作出风险预警;数据样本的运行趋势和无异常数据的运行趋势均向高风险转变,则预警输出端5作出风险预警,同步输出异常数据;数据样本的运行趋势向高风险转变和无异常数据的运行趋势向低风险转变或无转变,则预警输出端5先作出风险预警,分析单元44反馈信息至复制单元41,重新选取异常数据和遗留数据;分析得出数据样本的运行趋势逐渐向低风险转变后,采集到的样本数据录入历史数据包3。
参阅图5,为了更好的展现基于物联网的设备风险预警***的原理,本实施例现提出一种基于物联网的设备风险预警算法,包括以下步骤:
S101:采集,对运行设备进行监测,并采集监测数据样本的GNSS时间序列;采集事后对时间序列进行初步分析,计算均值μ和标准差σ;
S102:筛选,对采集到的样本数据与设备历史数据比对,依据比对信息进行数据筛选,挑选异常数据;
S103:拟合,未筛选的样本数据和筛选后的样本数据分别进行拟合,使用的方法为局部加权回归算法LWR,得到拟合后的函数值;对于拟合方法LWR进行叙述,LWR需要一个权值函数和邻域参数才能进行计算,邻域参数来自历史数据包3,关键参数的计算如公式所示:
其中,邻域参数之间的数值差通过采用欧氏距离的d值来设置,如下公式所示:
权值函数的设置采用立方加权函数法,则加权最小二乘回归中的加权函数W(di)如下:
W(di)=(1-di3)3,0≤d≤1
利用在数据间距的每一点处通过加权最小二乘方法进行局部拟合,将其拟合成一个多项式函数,作为回归函数在数值的估计;
S104:作差,将两组函数值分别与数据样本进行作差,得到基于LWR的两组残差序列,可依据残差序列建立残差图;
S105:计算,将两组LWR残差序列作为检验数据,使用Pettitt算法,通过拟合趋势项的斜率得出运行趋势;给出一个时间序列X(t)的一个异常点,设为中值,为了检验平均值没有变化的零假设H0与平均值发生变化的替代假设H1,在产生数据点,τ前后的数据进行基于秩的比较,Pettitt统计量表示为k(τ),计算公式如公式(3)所示:
确定k(s)的绝对值最大的时间,定义了两个统计量:
其中:K指的是最终的Pettitt统计量,T指的是对应的异常点的位置,与之相关的显著性概率对H0的拒绝近似为P≈2exp[-6K2(i3+i2)],如果P<0.5,则认为变化显著,通过拟合趋势项的斜率得出趋势项中的异常点,及时发现变形信息发生变化的位置并进行预警;
S106:预警,分析两组运行趋势,并判断趋势的转变是否使设备向不利的方向运行,及时发现异常数据并进行预警。
综上所述:本发明提出的一种基于物联网的设备风险预警***及算法,不仅能够及时对风险作出预警,还能够自主运行实现异常数据的筛选,快速提供异常数据,加快风险处理人员对风险来源的掌握,并将LWR、Pettitt算法用于GNSS异常信息的识别与预警,能够准确的分析监测数据的变化趋势,具有较好的异常信息检验能力和误报率较低的优点。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于物联网的设备风险预警***,其特征在于,包括采集端(1)、网络信息传输端(2)、历史数据包(3)、计算中心(4)和预警输出端(5),所述采集端(1)和历史数据包(3)均通过网络信息传输端(2)连接计算中心(4),所述采集端(1)采集监测数据样本的GNSS时间序列,并将该GNSS时间序列上传至互联网上,互联网将其转输至计算中心(4),设备运行正常时检测的各项数据均录入数据包,形成历史数据包(3),历史数据包(3)为数据样本提供可比对数据;
所述计算中心(4)包括复制单元(41)、初步计算单元(42)、次级计算单元(43)和分析单元(44),所述复制单元(41)对数据样本的GNSS时间序列进行复制、提取和补足,生成异常数据和遗留数据,所述历史数据包(3)连接有复制单元(41),所述历史数据包(3)为抽取异常数据之后的遗留数据进行补足,补足后的遗留数据为无异常数据,所述初步计算单元(42)与复制单元(41)、采集端(1)相互连接;
所述初步计算单元(42)接收复制单元(41)传输的无异常数据,以及采集端(1)传输的样本数据,并对两组数据分别进行拟合,得到拟合后的函数值,所述次级计算单元(43)连接初步计算单元(42)和采集端(1),所述次级计算单元(43)接收初步计算单元(42)发送的两组函数值,以及采集端(1)发送的监测数据样本,并以监测数据样本为基础对两组函数值作差,获得两组残差序列,所述分析单元(44)连接次级计算单元(43),所述分析单元(44)接收次级计算单元(43)残差序列,并分析两组残差序列的运行趋势,依据运行趋势传输异常数据和预警指令,所述预警输出端(5)接收预警指令后做出预警提示并输出相对应的异常数据。
2.如权利要求1所述的一种基于物联网的设备风险预警***,其特征在于,所述历史数据包(3)中存储的各项数据与采集端(1)监测所获得的各项样本数据类型一致。
3.如权利要求1所述的一种基于物联网的设备风险预警***,其特征在于,所述数据样本的运行趋势逐渐向低风险转变,则预警输出端(5)不作出风险预警。
4.如权利要求1所述的一种基于物联网的设备风险预警***,其特征在于,所述数据样本的运行趋势和无异常数据的运行趋势均向高风险转变,则预警输出端(5)作出风险预警,同步输出异常数据。
5.如权利要求1所述的一种基于物联网的设备风险预警***,其特征在于,所述数据样本的运行趋势向高风险转变和无异常数据的运行趋势向低风险转变或无转变,则预警输出端(5)先作出风险预警,分析单元(44)反馈信息至复制单元(41),重新选取异常数据和遗留数据。
6.如权利要求1所述的一种基于物联网的设备风险预警***,其特征在于,分析得出数据样本的运行趋势逐渐向低风险转变后,采集到的样本数据录入历史数据包(3)。
7.一种如权利要求1-6任一项所述的基于物联网的设备风险预警***的算法,其特征在于,包括以下步骤:
S101:采集,对运行设备进行监测,并采集监测数据样本的GNSS时间序列;
S102:筛选,对采集到的样本数据与设备历史数据比对,依据比对信息进行数据筛选,挑选异常数据;
S103:拟合,未筛选的样本数据和筛选后的样本数据分别进行拟合,使用的方法为局部加权回归算法LWR,得到拟合后的函数值;
S104:作差,将两组函数值分别与数据样本进行作差,得到基于LWR的两组残差序列;
S105:计算,将两组LWR残差序列作为检验数据,使用Pettitt算法,通过拟合趋势项的斜率得出运行趋势;
S106:预警,分析两组运行趋势,并判断趋势的转变是否使设备向不利的方向运行,及时发现异常数据并进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011560716.9A CN112734977B (zh) | 2020-12-25 | 2020-12-25 | 一种基于物联网的设备风险预警***及算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011560716.9A CN112734977B (zh) | 2020-12-25 | 2020-12-25 | 一种基于物联网的设备风险预警***及算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734977A true CN112734977A (zh) | 2021-04-30 |
CN112734977B CN112734977B (zh) | 2022-07-05 |
Family
ID=75616122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011560716.9A Active CN112734977B (zh) | 2020-12-25 | 2020-12-25 | 一种基于物联网的设备风险预警***及算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734977B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116090916A (zh) * | 2023-04-10 | 2023-05-09 | 淄博海草软件服务有限公司 | 一种企业内部采购资金核算预警*** |
CN116866216A (zh) * | 2023-07-10 | 2023-10-10 | 上海朗晖慧科技术有限公司 | 一种基于物联网的设备数据筛选监测方法及*** |
CN117474345A (zh) * | 2023-12-28 | 2024-01-30 | 广州恩伟博科技有限公司 | 一种智慧环境环保远程实时监测预警方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
US20030009239A1 (en) * | 2000-03-23 | 2003-01-09 | Lombardo Joseph S | Method and system for bio-surveillance detection and alerting |
US20110190917A1 (en) * | 2010-01-29 | 2011-08-04 | James Moyne | Method and apparatus for developing, improving and verifying virtual metrology models in a manufacturing system |
CN105302848A (zh) * | 2014-10-11 | 2016-02-03 | 山东鲁能软件技术有限公司 | 一种设备智能预警***的评估值校准方法 |
CN107577721A (zh) * | 2017-08-17 | 2018-01-12 | 晶赞广告(上海)有限公司 | 用于大数据的数据稳定性检测方法及装置、存储介质、服务器 |
CN110634081A (zh) * | 2019-08-02 | 2019-12-31 | 国网四川省电力公司映秀湾水力发电总厂 | 一种水电站异常数据的处理方法及装置 |
CN111400911A (zh) * | 2020-03-16 | 2020-07-10 | 安徽理工大学 | 一种基于ewma控制图的gnss变形信息识别与预警方法 |
-
2020
- 2020-12-25 CN CN202011560716.9A patent/CN112734977B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
US20030009239A1 (en) * | 2000-03-23 | 2003-01-09 | Lombardo Joseph S | Method and system for bio-surveillance detection and alerting |
US20110190917A1 (en) * | 2010-01-29 | 2011-08-04 | James Moyne | Method and apparatus for developing, improving and verifying virtual metrology models in a manufacturing system |
CN105302848A (zh) * | 2014-10-11 | 2016-02-03 | 山东鲁能软件技术有限公司 | 一种设备智能预警***的评估值校准方法 |
CN107577721A (zh) * | 2017-08-17 | 2018-01-12 | 晶赞广告(上海)有限公司 | 用于大数据的数据稳定性检测方法及装置、存储介质、服务器 |
CN110634081A (zh) * | 2019-08-02 | 2019-12-31 | 国网四川省电力公司映秀湾水力发电总厂 | 一种水电站异常数据的处理方法及装置 |
CN111400911A (zh) * | 2020-03-16 | 2020-07-10 | 安徽理工大学 | 一种基于ewma控制图的gnss变形信息识别与预警方法 |
Non-Patent Citations (3)
Title |
---|
于艳华等: "一种基于异常点检测的电信网络性能监控策略", 《电子与信息学报》 * |
李德等: "电站设备远程故障预警***设计", 《电站***工程》 * |
黄一枫等: "基于数据驱动的发电设备在线预警研究", 《电工电气》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116090916A (zh) * | 2023-04-10 | 2023-05-09 | 淄博海草软件服务有限公司 | 一种企业内部采购资金核算预警*** |
CN116866216A (zh) * | 2023-07-10 | 2023-10-10 | 上海朗晖慧科技术有限公司 | 一种基于物联网的设备数据筛选监测方法及*** |
CN117474345A (zh) * | 2023-12-28 | 2024-01-30 | 广州恩伟博科技有限公司 | 一种智慧环境环保远程实时监测预警方法及*** |
CN117474345B (zh) * | 2023-12-28 | 2024-04-02 | 广州恩伟博科技有限公司 | 一种智慧环境环保远程实时监测预警方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112734977B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112734977B (zh) | 一种基于物联网的设备风险预警***及算法 | |
CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、***及存储介质 | |
CN109034400B (zh) | 一种变电站异常量测数据预测平台*** | |
KR102427205B1 (ko) | 인공지능 모델을 위한 학습 데이터 생성 장치 및 방법 | |
US12007745B2 (en) | Apparatus for predicting equipment damage | |
CN115566804B (zh) | 一种基于分布式光纤传感技术的电力监测*** | |
CN106019195A (zh) | 一种电力计量自动化检定流水线故障诊断*** | |
CN113676343B (zh) | 电力通信网故障源定位方法及装置 | |
CN115640915A (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网*** | |
CN117354171B (zh) | 基于物联网平台的平台健康状况预警方法及*** | |
CN116861369A (zh) | 工业互联网异构数据融合的空压机健康评估方法及*** | |
CN116915582A (zh) | 一种通信终端故障根因诊断分析方法及装置 | |
CN117456707B (zh) | 一种智能母线槽温湿度异常预警方法及装置 | |
CN113483815A (zh) | 一种基于工业大数据的机械故障监控*** | |
CN117538710A (zh) | 用于局部动态放电监测的智能预警方法及*** | |
CN117595504A (zh) | 一种电网运行状态的智能监测预警方法 | |
CN117571354A (zh) | 一种有机废气容量实时监控*** | |
CN116910677A (zh) | 一种工业仪表故障诊断方法及*** | |
CN115034094B (zh) | 一种金属加工机床运行状态预测方法及*** | |
CN114338088A (zh) | 变电站电力监控***网络安全等级的评估算法及评估*** | |
CN114626400A (zh) | 设备故障诊断装置、设备故障诊断方法、智能工厂***和应用代理 | |
CN117808157B (zh) | 基于智能识别的未报备停电行为预测分析*** | |
CN117560300B (zh) | 一种智能物联网流量预测与优化*** | |
CN117978628B (zh) | 一种基于智慧园区通信控制方法及*** | |
CN111980900B (zh) | 一种基于多源数据融合分析的水泵故障诊断方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |