CN113176462B - 一种基于大数据的变频设备运行故障监测*** - Google Patents
一种基于大数据的变频设备运行故障监测*** Download PDFInfo
- Publication number
- CN113176462B CN113176462B CN202110468516.9A CN202110468516A CN113176462B CN 113176462 B CN113176462 B CN 113176462B CN 202110468516 A CN202110468516 A CN 202110468516A CN 113176462 B CN113176462 B CN 113176462B
- Authority
- CN
- China
- Prior art keywords
- fault
- frequency conversion
- conversion equipment
- time
- real
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inverter Devices (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于大数据的变频设备运行故障监测***,属于机电设备领域,用于解决变频设备运行时发生故障无法及时知晓和变频设备无法自主依靠运行数据来判断是否发生故障的问题,包括故障划分模块、故障判断模块和数据分析模块,数据分析模块用于对变频设备的实时运行数据进行数据分析,故障判断模块接收到数据分析模块发送的变频设备的应激值和缓和值后,用于对变频设备在单位时间内的运行信息进行故障判断,故障划分模块接收到服务器发送的故障信号后,用于对变频设备的故障情况进行故障等级划分,本发明及时知晓变频设备的故障情况,并通过实时运行数据来智能判断变频设备是否故障。
Description
技术领域
本发明属于变频设备领域,涉及故障监测技术,具体是一种基于大数据的变频设备运行故障监测***。
背景技术
变频设备是应用变频技术与微电子技术,通过改变电机工作电源频率方式来控制交流电动机的电力控制设备,变频设备主要由整流、滤波、逆变、制动单元、驱动单元、检测单元和微处理单元等组成,变频器靠内部IGBT的开断来调整输出电源的电压和频率,根据电机的实际需要来提供其所需要的电源电压,进而达到节能、调速的目的,另外,变频器还有很多的保护功能,如过流、过压、过载保护等,而随着工业自动化程度的不断提高,变频器也得到了非常广泛的应用;
在现有技术中,变频设备运行时出现故障通常无法第一时间知晓,且变频设备自身无法通过运行数据的智能监测来判断是否发生故障情况,为此,我们提出一种基于大数据的变频设备运行故障监测***。
发明内容
针对现有技术存在的不足,本发明目的是提供一种基于大数据的变频设备运行故障监测***。
本发明所要解决的技术问题为:
(1)如何在第一时间知晓变频设备运行时发生故障的问题;
(2)变频设备如何利用智能监测得到的运行数据来判断是否发生故障情况的问题。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的变频设备运行故障监测***,包括数据采集模块、传感器模块、信息录入模块、故障划分模块、警报显示终端、故障案例库、故障判断模块、数据分析模块以及服务器;
所述数据分析模块接收到服务器发送的设备信息和实时运行信息;所述数据分析模块用于对变频设备的实时运行数据进行数据分析,数据分析过程具体如下:
步骤一:将变频设备标记为u;在单位时间内获取变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率;其中单位时间的初始时间为T1,结束时间为Tv;
步骤二:获取在初始时间时变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率,依次标记为LuT1、YuT1、WuT1、PuT1、ZuT1和GuT1;
步骤三:获取在单位时间内变频设备的实时最大电流LuMax、实时最大电压YuMax、实时最大温度WuMax、实时最大频率PuMax、实时最大振幅ZuMax和实时最大功率GuMax,并对应记录在达到最大值时的时间依次为TLuMax、TYuMax、TWuMax、TPuMax、TZuMax和TGuMax;
按照上述公式,依次计算出变频设备的电压应激度QYu、温度应激度QWu、频率应激度QPu、振幅应激度QZu和功率应激度QGu;
步骤五:对电流应激度、电压应激度、温度应激度、频率应激度、振幅应激度和功率应激度进行权重分配,权重分配c1、c2、c3、c4、c5、c6与流应激度、电压应激度、温度应激度、频率应激度、振幅应激度、功率应激度一一对应;利用公式YJu=QLu×c1+QYu×c2+QWu×c3+QPu×c4+QZu×c5+QGu×c6获取变频设备的应激值;
步骤六:获取在结束时间时变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率,依次标记为LuTv、YuTv、WuTv、PuTv、ZuTv和GuTv;
按照上述公式,依次计算出变频设备的电压缓和度WYu、温度缓和度WWu、频率缓和度WPu、振幅缓和度WZu和功率缓和度WGu;
步骤八:对电流缓和度、电压缓和度、温度缓和度、频率缓和度、振幅缓和度和功率缓和度进行权重分配,权重分配b1、b2、b3、b4、b5、b6与电流缓和度、电压缓和度、温度缓和度、频率缓和度、振幅缓和度、功率缓和度一一对应;利用公式HHu=WLu×b1+WYu×b2+WWu×b3+WPu×b4+WZu×b5+WGu×b6获取变频设备的缓和值;
所述数据分析模块将计算得到变频设备的应激值和缓和值发送至故障判断模块;所述故障判断模块接收到数据分析模块发送的变频设备的应激值和缓和值后用于对变频设备在单位时间内的运行信息进行故障判断;
所述故障判断模块将故障信号发送至服务器,所述服务器将故障信号发送至故障划分模块;所述故障划分模块接收到服务器发送的故障信号后用于对变频设备的故障情况进行故障等级划分;
所述故障划分模块将划分后的故障等级发送至警报显示终端;所述警报显示终端接收到故障划分模块发送的一级故障等级、二级故障等级和三级故障等级,警报显示终端依据故障等级进行故障警报和故障显示。
进一步地,所述信息录入模块用于变频设备在投入使用时,工作人员通过用户端输入相应的原始设备信息,原始设备信息包括设备型号、设备分类编号、生产日期、额定电流、额定电压、额定温度、额定频率、额定振幅和额定功率;
将原始设备信息进行转换计算得到三组构建参数,转换计算过程具体如下:
W1:将原始设备信息对应的设备标记录入目标,并将录入目标标记为t;
W2:获取录入目标的设备分类编号BHt、生产日期SCt、额定电流ELt、额定电压EYt、额定温度EWt、额定频率EPt、额定振幅EZt和额定功率EGt;
W3:通过公式G1t=(BHt/SCt)×f1计算得到录入目标的第一构建参数G1t;
通过公式G2t=[ELt/(EYt+EWt)]×f2计算得到录入目标的第一构建参数G2t
通过公式G3t=[EPt/(EZt+EGt)]×f3计算得到录入目标的第一构建参数G3t;式中f1、f2和f3均为比例系数固定数值为预设比例系数,且f1、f2和f3的取值均大于零;
W4:将三组构建参数组合生成输入参数,输入参数组为[(G11,G21,G31),(G12,G22,G32),……,(G1x,G2x,G3x)];t作为输出参数;
W5:构建模型的基本结构得到设备虚拟模型,将输入参数和输出参数分别输入设备虚拟模型进行训练,一旦设备虚拟模型的训练精度和训练次数均满足预设训练精度和预设训练次数,则判定设备虚拟模型训练完成,将训练完成的设备虚拟模型标记为标准模型;
W6:将标准模型加标设备的型号后传输至服务器内进行存储。
进一步地,所述数据采集模块用于采集变频设备的设备信息,并将设备信息发送至服务器;所述服务器接收到数据采集模块发送的设备信息后将设备信息发送至数据分析模块;
所述传感器模块用于通过各类传感器采集变频设备运行时的实时运行信息,并将实时运行信息发送至服务器;所述服务器接收到传感器模块发送的运行信息后将实时运行信息转发至数据分析模块。
进一步地,设备信息包括变频设备的设备型号、设备分类编号、生产日期、使用时长和维修次数;实时运行信息包括变频设备运行时的实时电流数据、实时电压数据、实时温度数据、实时频率数据、实时振幅数据和实时功率数据。
进一步地,所述故障案例库中预存储有若干个变频设备的故障案例,每个故障案例均设置有应激值区间范围和缓和值区间范围。
进一步地,所述故障判断模块接收到数据分析模块发送的变频设备的应激值和缓和值后用于对变频设备在单位时间内的运行信息进行故障判断,故障判断过程具体如下:
步骤S1:获取变频设备的应激值YJu和缓和值HHu,得到变频设备对应的型号XHu;
步骤S2:依据变频设备型号XHu对故障案例库中的故障案例进行初步筛选,筛选得到符合变频设备型号的待配故障案例;将待配故障案例标记为Ao;
步骤S3:获取待配故障案例对应的应急值区间范围和缓和值区间范围,并标记为YjAo和HkAo;
步骤S4:若变频设备的应激值YJu属于待配故障案例Ao的应激值区间范围,但变频设备的缓和值HHu属于待配故障案例Ao的缓和值区间范围,则变频设备与待配故障案例不匹配;
步骤S5:若变频设备的缓和值HHu属于待配故障案例Ao的缓和值区间范围,但变频设备的应激值YJu不属于待配故障案例Ao的应激值区间范围,则变频设备与待配故障案例不匹配;
步骤S6:若变频设备的应激值YJu属于待配故障案例Ao的应激值区间范围,且变频设备的缓和值HHu也属于待配故障案例Ao的缓和值区间范围,则变频设备与待配故障案例相匹配,将该变频设备标记为待测变频设备;
步骤S7:依据待配故障案例的型号获取服务器中相应的标准模型,将待测变频设备的实时运行信息带入标准模型进行计算。
进一步地,计算过程如下:
步骤S71:现依据变频设备的振幅进行比对计算;将变频设备的实时电流以时间顺序进行排序并依次连线形成变频设备的电流波动图,以此类推,可得到变频设备的电压波动图、温度波动图、频率波动图、振幅波动图和功率波动图;
步骤S72:将电流波动图与预设电流波形图进行重合比对,统计得到电流波动图与预设电流波形图的交叉数,并将交叉标记为LJCu;其中,预设电流波形图为若干个非故障的且同型号的变频设备在无干扰运行时产生的;
步骤S73:将电流波动图与预设电流波形图的交叉图进行在线剪切得到交叉图,计算交叉图的面积并记为LMJu;
步骤S75:当电流故障值大于设定阈值,则生成电流故障信号;
步骤S76:重复步骤S71-S75可依次得到电压故障值、温度故障值、频率故障值、振幅故障值和功率故障值,并生成对应的故障信号;
故障信号包括电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号和功率故障信号。
进一步地,所述故障划分模块的工作过程具体如下:
P1:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的任意一种的故障信号,则生成一级故障等级;
P2:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的任意两种的故障信号,则生成二级故障等级;
P3:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的三种及以上的故障信号,则生成三级故障等级;
P4:一级故障等级、二级故障等级和三级故障等级均发送至警报显示终端;
一级故障等级采用普通字体和绿色在警报显示终端上进行显示;
二级故障等级采用加粗字体和黄色在警报显示终端上进行显示;
三级故障等级采用加粗字体和红色在警报显示终端上进行显示。
与现有技术相比,本发明的有益效果是:
1、本发明在变频设备投入使用时,通过信息录入模块输入相应的原始设备信息,将原始设备信息进行转换计算得到三组构建参数,将三组构建参数组合生成输入参数,录入目标作为输出参数,并构建模型的基本结构得到设备虚拟模型,将输入参数和输出参数分别输入设备虚拟模型进行训练,一旦设备虚拟模型的训练精度和训练次数均满足预设训练精度和预设训练次数,则判定设备虚拟模型训练完成,将训练完成的设备虚拟模型标记为标准模型,将标准模型加标设备的型号后传输至服务器内进行存储,标准模型方便变频设备运行数据的故障检测;
2、本发明通过数据分析模块对变频设备的实时运行数据进行数据分析,在单位时间内获取变频设备各类数据的最大值,并记录在达到最大值时的时间,从而计算变频设备的电流应激度、电压应激度、温度应激度、频率应激度、振幅应激度和功率应激度,权重分配后利用公式获取变频设备的应激值,按照上述操作,计算得到变频设备的缓和值,变频设备的应激值和缓和值发送至故障判断模块;
3、本发明通过故障判断模块对变频设备在单位时间内的运行信息进行故障判断,故障案例库中的故障案例进行初步筛选得到符合变频设备型号的待配故障案例,变频设备的应激值与待配故障案例的应激值区间范围进行比对,变频设备的缓值HHu与待配故障案例的缓和值区间范围进行比对,从而判定变频设备与待配故障案例是否匹配,若匹配则将变频设备标记为待测变频设备,依据待配故障案例的型号获取服务器中相应的标准模型,将待测变频设备的实时运行信息带入标准模型进行计算,计算得到电流故障值、电压故障值、温度故障值、频率故障值、振幅故障值和功率故障值,各类比对对应的设定阈值后生成对应的故障信号;
4、本发明通过故障划分模块接对变频设备的故障情况进行故障等级划分,生成一级故障等级、二级故障等级和三级故障,警报显示终端依据故障等级进行故障警报和故障显示,方便对变频设备的故障情况进行轻重划分。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的整体***框图。
具体实施方式
下面将结合实施例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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于大数据的变频设备运行故障监测***,包括数据采集模块、传感器模块、信息录入模块、故障划分模块、警报显示终端、故障案例库、故障判断模块、数据分析模块以及服务器;
信息录入模块用于变频设备在投入使用时,工作人员通过用户端输入相应的原始设备信息,原始设备信息包括设备型号、设备分类编号、生产日期、额定电流、额定电压、额定温度、额定频率、额定振幅和额定功率;
将原始设备信息进行转换计算得到三组构建参数,转换计算过程具体如下:
W1:将原始设备信息对应的设备标记录入目标,并将录入目标标记为t,t=1,2,……,x,x为正整数;
W2:获取录入目标的设备分类编号BHt、生产日期SCt、额定电流ELt、额定电压EYt、额定温度EWt、额定频率EPt、额定振幅EZt和额定功率EGt;
需要具体说明的是,在机械设备分类编号目录中,测量设备、实验设备的类别数字12表示,测量设备、实验设备所属的全站仪、测距仪、经纬仪、水平仪、探伤仪、……、风机实验设备依次采用数据01~14进行标记,因此此时全站仪的设备分类编号归一化处理后,得到的数值为1201;
同理,生产日期同样进行归一化处理得到相应的数值,例如:设备的生产日期2019年09年20日,则生产日期对应的数值为20190920;
W3:通过公式G1t=(BHt/SCt)×f1计算得到录入目标的第一构建参数G1t;
通过公式G2t=[ELt/(EYt+EWt)]×f2计算得到录入目标的第一构建参数G2t
通过公式G3t=[EPt/(EZt+EGt)]×f3计算得到录入目标的第一构建参数G3t;
式中f1、f2和f3均为比例系数固定数值为预设比例系数,且f1、f2和f3的取值均大于零。
W4:将三组构建参数组合生成输入参数,输入参数组为[(G11,G21,G31),(G12,G22,G32),……,(G1x,G2x,G3x)];t作为输出参数;
W5:构建模型的基本结构得到设备虚拟模型,将输入参数和输出参数分别输入设备虚拟模型进行训练,一旦设备虚拟模型的训练精度和训练次数均满足预设训练精度和预设训练次数,则判定设备虚拟模型训练完成,将训练完成的设备虚拟模型标记为标准模型;
W6:将标准模型加标设备的型号后传输至服务器内进行存储;
数据采集模块用于采集变频设备的设备信息,并将设备信息发送至服务器;服务器接收到数据采集模块发送的设备信息后将设备信息发送至数据分析模块;
传感器模块用于通过各类传感器采集变频设备运行时的实时运行信息,并将实时运行信息发送至服务器;服务器接收到传感器模块发送的运行信息后将实时运行信息转发至数据分析模块;
传感器模块具体为安装在变频设备上的电流传感器、电压传感器、温度传感器、频率开关传感器、振动传感器和功率传感器;
其中,设备信息包括变频设备的设备型号、设备分类编号、生产日期、使用时长和维修次数;实时运行信息包括变频设备运行时的实时电流数据、实时电压数据、实时温度数据、实时频率数据、实时振幅数据和实时功率数据;
数据分析模块接收到服务器发送的设备信息和实时运行信息;数据分析模块用于对变频设备的实时运行数据进行数据分析,数据分析过程具体如下:
步骤一:将变频设备标记为u,u=1,2,……,z,z为正整数;在单位时间内获取变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率;其中单位时间的初始时间为T1,结束时间为Tv;
步骤二:获取在初始时间时变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率,依次标记为LuT1、YuT1、WuT1、PuT1、ZuT1和GuT1;
步骤三:获取在单位时间内变频设备的实时最大电流LuMax、实时最大电压YuMax、实时最大温度WuMax、实时最大频率PuMax、实时最大振幅ZuMax和实时最大功率GuMax,并对应记录在达到最大值时的时间依次为TLuMax、TYuMax、TWuMax、TPuMax、TZuMax和TGuMax;
按照上述公式,依次计算出变频设备的电压应激度QYu、温度应激度QWu、频率应激度QPu、振幅应激度QZu和功率应激度QGu;
步骤五:对电流应激度、电压应激度、温度应激度、频率应激度、振幅应激度和功率应激度进行权重分配,权重分配c1、c2、c3、c4、c5、c6与流应激度、电压应激度、温度应激度、频率应激度、振幅应激度、功率应激度一一对应;利用公式YJu=QLu×c1+QYu×c2+QWu×c3+QPu×c4+QZu×c5+QGu×c6获取变频设备的应激值;
步骤六:获取在结束时间时变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率,依次标记为LuTv、YuTv、WuTv、PuTv、ZuTv和GuTv;
按照上述公式,依次计算出变频设备的电压缓和度WYu、温度缓和度WWu、频率缓和度WPu、振幅缓和度WZu和功率缓和度WGu;
步骤八:对电流缓和度、电压缓和度、温度缓和度、频率缓和度、振幅缓和度和功率缓和度进行权重分配,权重分配b1、b2、b3、b4、b5、b6与电流缓和度、电压缓和度、温度缓和度、频率缓和度、振幅缓和度、功率缓和度一一对应;利用公式HHu=WLu×b1+WYu×b2+WWu×b3+WPu×b4+WZu×b5+WGu×b6获取变频设备的缓和值;
故障案例库中预存储有若干个变频设备的故障案例,每个故障案例均设置有应激值区间范围和缓和值区间范围;数据分析模块将计算得到变频设备的应激值和缓和值发送至故障判断模块;故障判断模块接收到数据分析模块发送的变频设备的应激值和缓和值后用于对变频设备在单位时间内的运行信息进行故障判断,故障判断过程具体如下:
步骤S1:获取变频设备的应激值YJu和缓和值HHu,得到变频设备对应的型号XHu;
步骤S2:依据变频设备型号XHu对故障案例库中的故障案例进行初步筛选,筛选得到符合变频设备型号的待配故障案例;将待配故障案例标记为Ao,o=1,2,……,n,n为正整数,o代表待配故障案例;
步骤S3:获取待配故障案例对应的应急值区间范围和缓和值区间范围,并标记为YjAo和HkAo,j=1,2,……,m,k=1,2,……,s;
举例说明:Y1Ao为待配故障案例Ao的应激值区间范围的下限值,YmAo为待配故障案例Ao的应激值区间范围的上限值,H1Ao为待配故障案例Ao的缓和值区间范围的下限值,HsAo为待配故障案例Ao的缓和值区间范围的上限值;
步骤S4:若变频设备的应激值YJu属于待配故障案例Ao的应激值区间范围,但变频设备的缓和值HHu属于待配故障案例Ao的缓和值区间范围,则变频设备与待配故障案例不匹配;
步骤S5:若变频设备的缓和值HHu属于待配故障案例Ao的缓和值区间范围,但变频设备的应激值YJu不属于待配故障案例Ao的应激值区间范围,则变频设备与待配故障案例不匹配;
步骤S6:若变频设备的应激值YJu属于待配故障案例Ao的应激值区间范围,且变频设备的缓和值HHu也属于待配故障案例Ao的缓和值区间范围,则变频设备与待配故障案例相匹配,将该变频设备标记为待测变频设备;
步骤S7:依据待配故障案例的型号获取服务器中相应的标准模型,将待测变频设备的实时运行信息带入标准模型进行计算,计算过程如下:
步骤S71:现依据变频设备的振幅进行比对计算;将变频设备的实时电流以时间顺序进行排序并依次连线形成变频设备的电流波动图,以此类推,可得到变频设备的电压波动图、温度波动图、频率波动图、振幅波动图和功率波动图;
步骤S72:将电流波动图与预设电流波形图进行重合比对,统计得到电流波动图与预设电流波形图的交叉数,并将交叉标记为LJCu;其中,预设电流波形图为若干个非故障的且同型号的变频设备在无干扰运行时产生的;
步骤S73:将电流波动图与预设电流波形图的交叉图进行在线剪切得到交叉图,计算交叉图的面积并记为LMJu;
步骤S75:当电流故障值大于设定阈值,则生成电流故障信号;
步骤S76:重复步骤S71-S75可依次得到电压故障值、温度故障值、频率故障值、振幅故障值和功率故障值,并生成对应的故障信号;
其中,故障信号包括电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号和功率故障信号;
故障判断模块将故障信号发送至服务器,服务器将故障信号发送至故障划分模块;故障划分模块接收到服务器发送的故障信号后用于对变频设备的故障情况进行故障等级划分,工作过程具体如下:
P1:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的任意一种的故障信号,则生成一级故障等级;
P2:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的任意两种的故障信号,则生成二级故障等级;
P3:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的三种及以上的故障信号,则生成三级故障等级;
P4:一级故障等级、二级故障等级和三级故障等级均发送至警报显示终端;
一级故障等级采用普通字体和绿色在警报显示终端上进行显示;
二级故障等级采用加粗字体和黄色在警报显示终端上进行显示;
三级故障等级采用加粗字体和红色在警报显示终端上进行显示;
故障划分模块将划分后的故障等级发送至警报显示终端;警报显示终端接收到故障划分模块发送的一级故障等级、二级故障等级和三级故障等级,警报显示终端依据故障等级进行故障警报和故障显示。
本发明在工作时,通过信息录入模块在变频设备在投入使用时,工作人员通过用户端输入相应的原始设备信息,将原始设备信息进行转换计算得到三组构建参数,将三组构建参数组合生成输入参数,t作为输出参数,构建模型的基本结构得到设备虚拟模型,将输入参数和输出参数分别输入设备虚拟模型进行训练,一旦设备虚拟模型的训练精度和训练次数均满足预设训练精度和预设训练次数,则判定设备虚拟模型训练完成,将训练完成的设备虚拟模型标记为标准模型,将标准模型加标设备的型号后传输至服务器内进行存储;
数据采集模块和传感器模块分别采集变频设备的设备信息和实时运行信息,并将设备信息和实时运行信息发送至数据分析模块,通过数据分析模块对变频设备的实时运行数据进行数据分析,获取在单位时间内变频设备的实时最大电流、实时最大电压、实时最大温度、实时最大频率、实时最大振幅和实时最大功率,并对应记录在达到最大值时的时间,分别利用公式计算得出变频设备的电流应激度、电压应激度、温度应激度、频率应激度、振幅应激度QZu和功率应激度,对电流应激度、电压应激度、温度应激度、频率应激度、振幅应激度和功率应激度进行权重分配,利用公式获取变频设备的应激值;
按照上述操作,利用公式计算得出变频设备的电流缓和度、电压缓和度、温度缓和度、频率缓和度、振幅缓和度和功率缓和度,对电流缓和度、电压缓和度、温度缓和度、频率缓和度、振幅缓和度和功率缓和度进行权重分配,利用公式获取变频设备的缓和值,数据分析模块将计算得到变频设备的应激值和缓和值发送至故障判断模块;
通过故障判断模块对变频设备在单位时间内的运行信息进行故障判断,获取上述变频设备的应激值和缓和值,得到变频设备对应的型号,依据变频设备型号对故障案例库中的故障案例进行初步筛选,筛选得到符合变频设备型号的待配故障案例,而后获取待配故障案例对应的应急值区间范围和缓和值区间范围,变频设备的应激值与待配故障案例的应激值区间范围进行比对,变频设备的缓值与待配故障案例的缓和值区间范围进行比对,从而判定变频设备与待配故障案例是否匹配,若匹配则将变频设备标记为待测变频设备,依据待配故障案例的型号获取服务器中相应的标准模型,将待测变频设备的实时运行信息带入标准模型进行计算,计算得到电流故障值、电压故障值、温度故障值、频率故障值、振幅故障值和功率故障值,各类比对对应的设定阈值后生成对应的故障信号;
故障判断模块将故障信号发送至服务器,服务器将故障信号发送至故障划分模块,故障划分模块接对变频设备的故障情况进行故障等级划分,生成一级故障等级、二级故障等级和三级故障,警报显示终端依据故障等级进行故障警报和故障显示。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于大数据的变频设备运行故障监测***,其特征在于,包括数据采集模块、传感器模块、信息录入模块、故障划分模块、警报显示终端、故障案例库、故障判断模块、数据分析模块以及服务器;
所述数据分析模块接收到服务器发送的设备信息和实时运行信息;所述数据分析模块用于对变频设备的实时运行数据进行数据分析,数据分析过程具体如下:
步骤一:将变频设备标记为u;在单位时间内获取变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率;其中单位时间的初始时间为T1,结束时间为Tv;
步骤二:获取在初始时间时变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率,依次标记为LuT1、YuT1、WuT1、PuT1、ZuT1和GuT1;
步骤三:获取在单位时间内变频设备的实时最大电流LuMax、实时最大电压YuMax、实时最大温度WuMax、实时最大频率PuMax、实时最大振幅ZuMax和实时最大功率GuMax,并对应记录在达到最大值时的时间依次为TLuMax、TYuMax、TWuMax、TPuMax、TZuMax和TGuMax;
按照上述公式,依次计算出变频设备的电压应激度QYu、温度应激度QWu、频率应激度QPu、振幅应激度QZu和功率应激度QGu;
步骤五:对电流应激度、电压应激度、温度应激度、频率应激度、振幅应激度和功率应激度进行权重分配,权重分配c1、c2、c3、c4、c5、c6与流应激度、电压应激度、温度应激度、频率应激度、振幅应激度、功率应激度一一对应;利用公式YJu=QLu×c1+QYu×c2+QWu×c3+QPu×c4+QZu×c5+QGu×c6获取变频设备的应激值;
步骤六:获取在结束时间时变频设备的实时电流、实时电压、实时温度、实时频率、实时振幅和实时功率,依次标记为LuTv、YuTv、WuTv、PuTv、ZuTv和GuTv;
按照上述公式,依次计算出变频设备的电压缓和度WYu、温度缓和度WWu、频率缓和度WPu、振幅缓和度WZu和功率缓和度WGu;
步骤八:对电流缓和度、电压缓和度、温度缓和度、频率缓和度、振幅缓和度和功率缓和度进行权重分配,权重分配b1、b2、b3、b4、b5、b6与电流缓和度、电压缓和度、温度缓和度、频率缓和度、振幅缓和度、功率缓和度一一对应;利用公式HHu=WLu×b1+WYu×b2+WWu×b3+WPu×b4+WZu×b5+WGu×b6获取变频设备的缓和值;
所述数据分析模块将计算得到变频设备的应激值和缓和值发送至故障判断模块;所述故障判断模块接收到数据分析模块发送的变频设备的应激值和缓和值后用于对变频设备在单位时间内的运行信息进行故障判断;
所述故障判断模块将故障信号发送至服务器,所述服务器将故障信号发送至故障划分模块;所述故障划分模块接收到服务器发送的故障信号后用于对变频设备的故障情况进行故障等级划分;
所述故障划分模块将划分后的故障等级发送至警报显示终端;所述警报显示终端接收到故障划分模块发送的一级故障等级、二级故障等级和三级故障等级,警报显示终端依据故障等级进行故障警报和故障显示。
2.根据权利要求1所述的一种基于大数据的变频设备运行故障监测***,其特征在于,所述信息录入模块用于变频设备在投入使用时,工作人员通过用户端输入相应的原始设备信息,原始设备信息包括设备型号、设备分类编号、生产日期、额定电流、额定电压、额定温度、额定频率、额定振幅和额定功率;
将原始设备信息进行转换计算得到三组构建参数,转换计算过程具体如下:
W1:将原始设备信息对应的设备标记录入目标,并将录入目标标记为t;
W2:获取录入目标的设备分类编号BHt、生产日期SCt、额定电流ELt、额定电压EYt、额定温度EWt、额定频率EPt、额定振幅EZt和额定功率EGt;
W3:通过公式G1t=(BHt/SCt)×f1计算得到录入目标的第一构建参数G1t;
通过公式G2t=[ELt/(EYt+EWt)]×f2计算得到录入目标的第一构建参数G2t
通过公式G3t=[EPt/(EZt+EGt)]×f3计算得到录入目标的第一构建参数G3t;式中f1、f2和f3均为比例系数固定数值为预设比例系数,且f1、f2和f3的取值均大于零;
W4:将三组构建参数组合生成输入参数,输入参数组为[(G11,G21,G31),(G12,G22,G32),……,(G1x,G2x,G3x)];t作为输出参数;
W5:构建模型的基本结构得到设备虚拟模型,将输入参数和输出参数分别输入设备虚拟模型进行训练,一旦设备虚拟模型的训练精度和训练次数均满足预设训练精度和预设训练次数,则判定设备虚拟模型训练完成,将训练完成的设备虚拟模型标记为标准模型;
W6:将标准模型加标设备的型号后传输至服务器内进行存储。
3.根据权利要求1所述的一种基于大数据的变频设备运行故障监测***,其特征在于,所述数据采集模块用于采集变频设备的设备信息,并将设备信息发送至服务器;所述服务器接收到数据采集模块发送的设备信息后将设备信息发送至数据分析模块;
所述传感器模块用于通过各类传感器采集变频设备运行时的实时运行信息,并将实时运行信息发送至服务器;所述服务器接收到传感器模块发送的运行信息后将实时运行信息转发至数据分析模块。
4.根据权利要求3所述的一种基于大数据的变频设备运行故障监测***,其特征在于,设备信息包括变频设备的设备型号、设备分类编号、生产日期、使用时长和维修次数;实时运行信息包括变频设备运行时的实时电流数据、实时电压数据、实时温度数据、实时频率数据、实时振幅数据和实时功率数据。
5.根据权利要求1所述的一种基于大数据的变频设备运行故障监测***,其特征在于,所述故障案例库中预存储有若干个变频设备的故障案例,每个故障案例均设置有应激值区间范围和缓和值区间范围。
6.根据权利要求1所述的一种基于大数据的变频设备运行故障监测***,其特征在于,所述故障判断模块接收到数据分析模块发送的变频设备的应激值和缓和值后用于对变频设备在单位时间内的运行信息进行故障判断,故障判断过程具体如下:
步骤S1:获取变频设备的应激值YJu和缓和值HHu,得到变频设备对应的型号XHu;
步骤S2:依据变频设备型号XHu对故障案例库中的故障案例进行初步筛选,筛选得到符合变频设备型号的待配故障案例;将待配故障案例标记为Ao;
步骤S3:获取待配故障案例对应的应急值区间范围和缓和值区间范围,并标记为YjAo和HkAo;
步骤S4:若变频设备的应激值YJu属于待配故障案例Ao的应激值区间范围,但变频设备的缓和值HHu属于待配故障案例Ao的缓和值区间范围,则变频设备与待配故障案例不匹配;
步骤S5:若变频设备的缓和值HHu属于待配故障案例Ao的缓和值区间范围,但变频设备的应激值YJu不属于待配故障案例Ao的应激值区间范围,则变频设备与待配故障案例不匹配;
步骤S6:若变频设备的应激值YJu属于待配故障案例Ao的应激值区间范围,且变频设备的缓和值HHu也属于待配故障案例Ao的缓和值区间范围,则变频设备与待配故障案例相匹配,将该变频设备标记为待测变频设备;
步骤S7:依据待配故障案例的型号获取服务器中相应的标准模型,将待测变频设备的实时运行信息带入标准模型进行计算。
7.根据权利要求6所述的一种基于大数据的变频设备运行故障监测***,其特征在于,计算过程如下:
步骤S71:现依据变频设备的振幅进行比对计算;将变频设备的实时电流以时间顺序进行排序并依次连线形成变频设备的电流波动图,以此类推,可得到变频设备的电压波动图、温度波动图、频率波动图、振幅波动图和功率波动图;
步骤S72:将电流波动图与预设电流波形图进行重合比对,统计得到电流波动图与预设电流波形图的交叉数,并将交叉标记为LJCu;其中,预设电流波形图为若干个非故障的且同型号的变频设备在无干扰运行时产生的;
步骤S73:将电流波动图与预设电流波形图的交叉图进行在线剪切得到交叉图,计算交叉图的面积并记为LMJu;
步骤S75:当电流故障值大于设定阈值,则生成电流故障信号;
步骤S76:重复步骤S71-S75可依次得到电压故障值、温度故障值、频率故障值、振幅故障值和功率故障值,并生成对应的故障信号;
故障信号包括电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号和功率故障信号。
8.根据权利要求1所述的一种基于大数据的变频设备运行故障监测***,其特征在于,所述故障划分模块的工作过程具体如下:
P1:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的任意一种的故障信号,则生成一级故障等级;
P2:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的任意两种的故障信号,则生成二级故障等级;
P3:若接收到电流故障信号、电压故障信号、温度故障信号、频率故障信号、振幅故障信号、功率故障信号中的三种及以上的故障信号,则生成三级故障等级;
P4:一级故障等级、二级故障等级和三级故障等级均发送至警报显示终端;
一级故障等级采用普通字体和绿色在警报显示终端上进行显示;
二级故障等级采用加粗字体和黄色在警报显示终端上进行显示;
三级故障等级采用加粗字体和红色在警报显示终端上进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110468516.9A CN113176462B (zh) | 2021-04-28 | 2021-04-28 | 一种基于大数据的变频设备运行故障监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110468516.9A CN113176462B (zh) | 2021-04-28 | 2021-04-28 | 一种基于大数据的变频设备运行故障监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113176462A CN113176462A (zh) | 2021-07-27 |
CN113176462B true CN113176462B (zh) | 2022-05-27 |
Family
ID=76925236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110468516.9A Active CN113176462B (zh) | 2021-04-28 | 2021-04-28 | 一种基于大数据的变频设备运行故障监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113176462B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113848804B (zh) * | 2021-08-24 | 2023-09-12 | 安徽尤蒂卡智能科技有限公司 | 基于物联网的数控机床安全运行监管反馈*** |
CN113702746B (zh) * | 2021-09-03 | 2024-03-08 | 广东鑫钻节能科技股份有限公司 | 一种基于空压站的安全节能型用电*** |
CN113740767A (zh) * | 2021-09-08 | 2021-12-03 | 广东鑫钻节能科技股份有限公司 | 一种空压气站漏电检测保护*** |
CN114089253A (zh) * | 2021-10-28 | 2022-02-25 | 国网天津市电力公司电力科学研究院 | 电磁浇注式电压互感器故障预警装置及方法 |
CN114200206B (zh) * | 2021-12-07 | 2023-02-10 | 嘉兴丹那赫电子科技有限公司 | 一种便于监测的变频器及其监测方法 |
CN114047442B (zh) * | 2021-12-27 | 2022-04-26 | 西安德纳检验检测有限公司 | 一种新能源场站故障穿越检测方法、装置和*** |
CN115047371B (zh) * | 2022-06-09 | 2023-04-07 | 济南航进电子科技有限公司 | 一种基于变压器检测的无局放变频电源运行检测*** |
CN114912642B (zh) * | 2022-07-18 | 2022-12-20 | 中科云策(深圳)科技成果转化信息技术有限公司 | 一种基于互联网的人工智能机器人故障预测*** |
CN115561565B (zh) * | 2022-12-05 | 2023-03-03 | 济宁矿业集团海纳科技机电股份有限公司 | 一种基于网络通信的高压变频器监测装置及方法 |
CN116467142A (zh) * | 2023-04-07 | 2023-07-21 | 北京众谊越泰科技有限公司 | 一种基于数据中心负载变化查找僵尸设备的方法 |
CN116566057B (zh) * | 2023-05-25 | 2024-04-26 | 浙江浙能能源服务有限公司 | 一种用于虚拟电厂的用户终端故障检测*** |
CN116633002B (zh) * | 2023-07-20 | 2024-01-23 | 深圳市嘉力电气技术有限公司 | 一种基于人工智能的uv变频电源并联运行控制*** |
CN117970166B (zh) * | 2024-03-28 | 2024-07-05 | 国网山西省电力公司经济技术研究院 | 基于大数据的电源信息分析***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692066A (zh) * | 2012-06-14 | 2012-09-26 | 四川长虹空调有限公司 | 变频空调故障诊断控制***及控制方法 |
CN104698321A (zh) * | 2015-03-24 | 2015-06-10 | 北京优稳昌盛科技有限公司 | 用电设备故障的检测*** |
CN204679101U (zh) * | 2015-01-29 | 2015-09-30 | 国网浙江省电力公司嘉兴供电公司 | 变频调速电动机的参数测试*** |
CN108921303A (zh) * | 2018-05-29 | 2018-11-30 | 青岛鹏海软件有限公司 | 工业电动机的故障诊断及预测性维护方法 |
CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
CN111307214A (zh) * | 2020-03-10 | 2020-06-19 | 淮北市华明工业变频设备有限公司 | 一种基于大数据的电器设备信号采集方法 |
CN111609883A (zh) * | 2020-05-20 | 2020-09-01 | 合肥惠科达信息科技有限责任公司 | 一种基于大数据的通信机房防护监测管理*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI602372B (zh) * | 2014-06-25 | 2017-10-11 | 易家居聯網科技有限公司 | 電器設備監控方法與電器設備監控系統 |
CN108388860B (zh) * | 2018-02-12 | 2020-04-28 | 大连理工大学 | 一种基于功率熵谱-随机森林的航空发动机滚动轴承故障诊断方法 |
-
2021
- 2021-04-28 CN CN202110468516.9A patent/CN113176462B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692066A (zh) * | 2012-06-14 | 2012-09-26 | 四川长虹空调有限公司 | 变频空调故障诊断控制***及控制方法 |
CN204679101U (zh) * | 2015-01-29 | 2015-09-30 | 国网浙江省电力公司嘉兴供电公司 | 变频调速电动机的参数测试*** |
CN104698321A (zh) * | 2015-03-24 | 2015-06-10 | 北京优稳昌盛科技有限公司 | 用电设备故障的检测*** |
CN108921303A (zh) * | 2018-05-29 | 2018-11-30 | 青岛鹏海软件有限公司 | 工业电动机的故障诊断及预测性维护方法 |
CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
CN111307214A (zh) * | 2020-03-10 | 2020-06-19 | 淮北市华明工业变频设备有限公司 | 一种基于大数据的电器设备信号采集方法 |
CN111609883A (zh) * | 2020-05-20 | 2020-09-01 | 合肥惠科达信息科技有限责任公司 | 一种基于大数据的通信机房防护监测管理*** |
Non-Patent Citations (3)
Title |
---|
Research on Fault Diagnosis of Power Equipment Based on Big Data;Baoshuai Wang等;《2017 IEEE International Conference on Energy Internet (ICEI)》;20170515;全文 * |
变频器故障诊断技术研究;王雪等;《无线互联科技》;20200531;第17卷(第5期);全文 * |
变频***中交流电弧故障特性及检测技术;曾珂等;《南京航空航天大学学报》;20200229;第52卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113176462A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113176462B (zh) | 一种基于大数据的变频设备运行故障监测*** | |
CN114089074B (zh) | 基于变压器的自动检测维保*** | |
CN113904448A (zh) | 一种基于多维监控智能配电运维服务*** | |
CN115166500A (zh) | 基于电网资源业务中台的直流断路器设备状态分析*** | |
CN114430199A (zh) | 一种基于大数据的开关柜运行监管*** | |
CN116381563B (zh) | 一种地下电力电缆监测方法及装置 | |
CN110728879B (zh) | 一种用于飞机训练模拟器的安全监测*** | |
CN115194785A (zh) | 具有激光扫描功能的电网智能巡检机器人 | |
CN116772868B (zh) | 一种配电室巡检机器人及其自动巡检方法 | |
CN111679176A (zh) | 一种用于电力节电的电路故障监测*** | |
CN201749363U (zh) | 风电机组控制***检测设备 | |
CN117474318A (zh) | 一种基于移动式红外测温技术的换流站阀厅运行监管*** | |
CN117522380B (zh) | 基于热电运维的故障机理运维周期管理*** | |
CN111025062A (zh) | 一种svg功率模块测试***及方法 | |
CN107134768B (zh) | 一种直流配电网的仿真方法及*** | |
CN117517873A (zh) | 一种基于三维模型的电网故障诊断方法 | |
CN112000831A (zh) | 一种基于变电站图形转化的异常数据识别优化方法 | |
CN106872894A (zh) | 一种三相电机的故障检测方法及装置 | |
CN110095668A (zh) | 轨道电路扼流变压器工作信息实时在线监测***、方法 | |
CN115728695A (zh) | 一种变压器综合监测智能诊断仪器检验装置及方法 | |
CN115343558A (zh) | 一种低压电器的故障分析检测*** | |
CN114967571A (zh) | 基于互联网的充气柜远程监控*** | |
CN113761786A (zh) | 一种基于神经网络模型的马达故障诊断装置及其方法 | |
CN208296972U (zh) | 一种变压器绕组故障状态振动信号采集装置 | |
CN117408500B (zh) | 一种变电站能源管理方法 |
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 |