CN113419207A - 一种基于物联网的计量芯片异常检测及诊断*** - Google Patents

一种基于物联网的计量芯片异常检测及诊断*** Download PDF

Info

Publication number
CN113419207A
CN113419207A CN202110974998.5A CN202110974998A CN113419207A CN 113419207 A CN113419207 A CN 113419207A CN 202110974998 A CN202110974998 A CN 202110974998A CN 113419207 A CN113419207 A CN 113419207A
Authority
CN
China
Prior art keywords
module
processing module
electric equipment
things
operation processing
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
Application number
CN202110974998.5A
Other languages
English (en)
Other versions
CN113419207B (zh
Inventor
刘良江
李庆先
柏文琦
向德
王晋威
朱宪宇
刘青
左从瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Institute of Metrology and Test
Original Assignee
Hunan Institute of Metrology and Test
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Institute of Metrology and Test filed Critical Hunan Institute of Metrology and Test
Priority to CN202110974998.5A priority Critical patent/CN113419207B/zh
Publication of CN113419207A publication Critical patent/CN113419207A/zh
Application granted granted Critical
Publication of CN113419207B publication Critical patent/CN113419207B/zh
Priority to ZA2022/08003A priority patent/ZA202208003B/en
Priority to LU502578A priority patent/LU502578B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0778—Dumping, i.e. gathering error/state information after a fault for later diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2284—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing by power-on test, e.g. power-on self test [POST]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing
    • G06F11/263—Generation of test inputs, e.g. test vectors, patterns or sequences ; with adaptation of the tested hardware for testability with external testers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明提供了一种基于物联网的计量芯片异常检测及诊断***，该异常检测及诊断***包括：通讯模块、采集模块、运算处理模块及微控制模块；所述通讯模块用于将用电设备接入到物联网络中；所述采集模块用于采集用电终端的状态变化情况；所述微控制模块用于控制所述计量芯片的工作流程和对外通讯；所述运算模块用于将采集到的数据作运算，并提供结果给予所述微控制模块用于作出控制输入。该发明利用物联网的多设备互联特性，使用大数据和机器学习的方式形成智能化的动态检测技术方案，大大提高计量芯片的检测和诊断技术的适应性和效率。

Description

一种基于物联网的计量芯片异常检测及诊断***
技术领域
本发明涉及电能计量技术领域。具体而言，涉及一种基于物联网的计量芯片异常检测及诊断***。
背景技术
随着芯片技术的快速发展，芯片的设计和制造的技术精度不断提高，制造成本得到了极大优化，大量的应用场景可以淘汰以往简单地使用低运算能力单片机的控制***，而采用高集成度、高运算能力的现代芯片。同时随着物联网的概念和技术不断地普及，人类生活中更多的生活设备、生产设备也并入到网络之中，逐渐实现万物互联的高科技现代化环境。伴随着芯片的大量使用，以及其设计和组织功能的复杂化、多层化，使得芯片的可靠性要求更受到更多的重视，尤其涉及到人们更关注的电力计量芯片的精准度和可靠性，密切关系到商业信誉和个人利益。所以对于电力计量芯片的异常检测及诊断就显得尤为重要。
目前传统的芯片异常检测一般发生在芯片的工作出现明显异常时才会进行。检测的方法主要为人手检测，即技术人员手持诸如万能表、示波器等一类的检测设备，针对芯片的功能引脚进行检测。其反应相对滞后，必然做成设备需要停机等待检测完成，并且检测的效率相应低下，需要技术人员对引脚进行一系列顺序检测才能确定最终异常原因。
发明内容
本发明的目的在于，针对目前对测量芯片的检测效率不高，检测预备工作较长而提出的一种技术方案。本发明采用如下技术方案：
一种基于物联网的计量芯片异常检测及诊断***，该异常检测及诊断***包括：通讯模块、采集模块、运算处理模块及微控制模块；所述通讯模块用于将用电设备接入到物联网络中；所述采集模块用于采集每个用电终端的状态变化情况；所述微控制模块用于控制所述计量芯片的工作流程和对外通讯；所述运算处理模块用于将采集到的数据作进一步运算，并提供判断结果给予所述微控制模块用于对计量芯片发出控制指令；所述通讯模块、所述采集模块、所述运算处理模块及所述微控制模块通过电路或者无线网络相互连接；
所述通讯模块可利用基于有线通信、近距无线通信、短距无线通信以及长距离无线通信的其中一种或多种进行通讯；所述通讯模块可使用单终端模式，或是多节点网关模式进行通讯；
所述采集模块配置于用电设备或配置于供电插座中；所述采集模块用于判断用电设备的工作停开机状态；进一步的，所述采集模块用于判断用电设备的工作模式；所述采集模块与所述通讯模块连接，用于将采集模块获取的数据上传到物联网上；
所述运算处理模块包括存储器和中央处理器；所述存储器包括随机存取存储器以及可擦写存储器；所述随机存取存储器用于作为输入数据的缓存，并等待将数据写入所述可擦写存储器；所述可擦写存储器用于存储可执行程序以及数据库；所述中央处理器可调用所述存储器中的可执行程序，并调取所述数据库的数据进行运算；
所述微控制模块与所述运算处理模块连接，并且能与计量芯片进行底层通信并进行控制；所述微控制模块可针对所述运算处理模块的输出结果，对计量芯片进行包括重启、开关、截断通讯的操作，并在操作指令发出后等待芯片的执行反馈；
所述采集模块使用预安装方式，由用电设备的生产厂家在出厂前安装于用电设备的电源输入电路或者控制电路；或者，所述采集模块使用二次安装方式，针对没有预安装所述采集模块的用电设备，将采集模块安装于用电设备的电源输入口或供电插座上，使电源先通过所述采集模块再进入用电设备；
所述运算处理模块存储的可执行程序，包括用于进行机器学习的程序以及基于生产厂商和物联网提供的用电设备用电参数的数据标本，同时所述运算处理模块在所述存储器中建立动态数据库；
所述采集模块用于记录用电设备或供电插座在正常工作情况下的日常工作时间和工作周期，采集常规工作状态下以下至少一项用电参数：相电压、相电流、功率变化曲线，形成一系列记录数值，并将记录的时间、数值赋予标签，上传到所述运算处理模块；所述运算处理模块根据大数据的统计结果，通过机器学习形成对所述用电设备或供电插座标签的用电参数模型；所述采集模块识别用电设备的各种工作状态，将各项工作状态赋予标签，并且记录各项工作状态下的用电参数变化情况，并上传到所述运算处理模块；所述运算处理模块通过机器学习和大数据分析算法，识别在各种工作状态变化中，用电参数的离散程度和变化规律，预测并计算未来用电参数的理论值；所述运算处理模块根据用电参数的离散程度和变化规律形成一个或多个的动态阈值；根据上述的用电参考模型的一个或多个的动态阈值，所述运算处理模块比对计量芯片中实际读取数值与理想值的差异，以此检测计量芯片是否存在工作异常和错误；
所述运算处理模块与所述微控制模块发送诊断结果，并控制计量芯片进行以下至少一项操作：重启、关闭、截断通讯、停止计量。
本发明所取得的有益效果是：
1. 通过基于物联网的远程***，可使得对计量芯片的监测和控制跨越更多空间和时间上的障碍；
2. 基于物联网定时更新各种用电设备的用电参数特性数据库，利用获得的大数据与实际计量芯片的测量数值进行比对，实时调整异常诊断依据和策略；
3. 通过使用物联网测得多个用电设备的工作模式和状态，充分利用大数据的支撑作为检测和诊断的依据；
4.通过采用机器深度学习的方式，以适用电网中不断变化的电路特性，以此灵活调整用于诊断的阈值；
5.引入用于计算多项输入数据比对的权重系数，以此平衡大幅波动变量所带来的离散程度；
6.通过采用数据库记录以及加入计算机程序配合，实现数据的大量持续性收集，用于提供今后的数据分析和研究；并可组织数据生成图形化表格单或图像，使技术人员更明确直观地分析测试结果。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。
图1为本发明的设备布局示意图。
图2为实例1的工作流程示意图。
图3为实例2的工作流程示意图。
图4为实例3的工作流程示意图。
图5为所述动态阈值诊断曲线示意图。
附图标号说明：101-计量芯片；102-微控制模块；103-运算处理模块；104-物联网接收端；105-采集模块；106-通讯模块；107-输电网；108-下级电网；109-用电设备；701：实际测量功率值；702：功率初始阈值上限；703：功率动态阈值上限；704：功率初始阈值下限；705：功率动态阈值下限。
具体实施方式
为了使得本发明的目的.技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明 ，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它***.方法和/或特征将变得显而易见。旨在所有此类附加的***.方法.特征和优点都包括在本说明书内.包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位.以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施例一：
如附图1，一种基于物联网的计量芯片异常检测及诊断***，该异常检测及诊断***包括：通讯模块、采集模块、运算处理模块及微控制模块；所述通讯模块用于将每一个用电设备都接入到物联网络中；所述采集模块用于采集每个用电终端的状态变化情况；所述微控制模块用于控制所述计量芯片的工作流程和对外通讯；所述运算模块用于将采集到的数据作进一步运算，并提供判断结果给予所述微控制模块用于对计量芯片发出控制指令；
所述通讯模块可利用基于有线通信、近距无线通信、短距无线通信以及长距离无线通信等各种通信技术的其中一种或多种进行通讯；所述通讯模块可使用单终端模式，或是多节点网关模式进行通讯；
所述采集模块配置于每一台用电设备或配置于每一个供电插座中；所述采集模块用于判断用电设备的工作停开机状态；进一步的所述采集模块用于判断用电设备的工作模式；所述采集模块与所述通讯模块连接，用于将采集模块获取的数据上传到物联网上；
所述运算处理模块包括存储器和中央处理器；所述存储器包括随机存取存储器以及可擦写存储器；所述随机存取存储器用于作为输入数据的缓存，并等待将数据写入所述可擦写存储器；所述可擦写存储器用于存储可执行程序以及数据库；所述中央处理器可调用所述存储器中的可执行程序，并调取所述数据库的数据进行运算；
所述微控制模块与所述运算处理模块连接，并且能与计量芯片进行底层通信并进行控制；所述微控制模块可针对所述运算处理模块的输出结果，对计量芯片进行包括重启、开关、截断通讯等操作，并在操作指令发出后等待芯片的执行反馈；
所述采集模块使用预安装方式，由用电设备的生产厂家在出厂前安装于用电设备的电源输入电路或者控制电路；或，所述采集模块使用二次安装方式，针对没有预安装所述采集模块的用电设备，将采集模块安装于用电设备的电源输入口或供电插座上，电源先通过所述采集模块再进入用电设备；所述采集模块用于判断所连接的用电设备是否处于通电工作状态；采集模块根据时间记录采集的状态数据，并周期上传；
所述运算处理模块存储的可执行程序，包括用于进行机器学习的程序、算法；并且，由生产厂商或者合规检测机构，针对具体的产品和型号，例如产品A和产品B，测定所述产品A产品B在各种工作状态下的运行时间-功率对应值，记录为标准数据[As]、[Bs]……等，所述时间-功率对应值包括多个[时间-功率]节点的数据集合，例如：
Figure 555122DEST_PATH_IMAGE001
其中：
[As]=[
Figure 499944DEST_PATH_IMAGE002
]，针对产品A；
[Bs]=[
Figure 914745DEST_PATH_IMAGE003
]，针对产品B；
所述多个标准数据通过预先存储或者物联网实时通讯形式，存储于所述可擦写存储器中，并建立标准数据库；所述采集模块当判别到某用电设备A已开启时，则发送信息到所述运算处理模块，设定所述运算处理模块开始采用标准数据[As]作为检测依据，并检测计量芯片在多个时间节点
Figure 919610DEST_PATH_IMAGE004
下的功率测量值
Figure 357545DEST_PATH_IMAGE005
与标准数据[As]的功率理论值
Figure 138681DEST_PATH_IMAGE006
之间的差异
Figure 673568DEST_PATH_IMAGE007
、
Figure 583755DEST_PATH_IMAGE008
，计算：
Figure 804258DEST_PATH_IMAGE009
；
其中
Figure 294146DEST_PATH_IMAGE010
为根据实际测定的功率离散阈值；所述运算处理模块检测本阶段运行结果若多个
Figure 417959DEST_PATH_IMAGE011
数值皆小于
Figure 764627DEST_PATH_IMAGE010
，则认为本阶段计量芯片无异常；若出现本阶段运行结果出现n次
Figure 177154DEST_PATH_IMAGE011
超出阈值范围，则提示检测人员检查用电设备A，同时检查计量芯片是否存在异常；进一步的，所述运算处理模块与所述微控制模块发送判断结果，并控制计量芯片进一步的行为；根据所述功率差异值
Figure 798628DEST_PATH_IMAGE011
的异常程度，所述微控制模块对计量芯片进行微电路重启或调用备用检测线路；若异常严重则进行计量芯片重启，甚至截断电路，以保护用电环境安全。
实施例二：
本实施例应当理解为至少包含前述任一一个实施例的全部特征，并在其基础上进一步改进；一种基于物联网的计量芯片异常检测及诊断***，该异常检测及诊断***包括：通讯模块、采集模块、运算处理模块及微控制模块；所述通讯模块用于将每一个用电设备都接入到物联网络中；所述采集模块用于采集每个用电终端的状态变化情况；所述微控制模块用于控制所述计量芯片的工作流程和对外通讯；所述运算模块用于将采集到的数据作进一步运算，并提供判断结果给予所述微控制模块用于对计量芯片发出控制指令；
所述通讯模块可利用基于有线通信、近距无线通信、短距无线通信以及长距离无线通信等各种通信技术的其中一种或多种进行通讯；所述通讯模块可使用单终端模式，或是多节点网关模式进行通讯；
所述采集模块配置于每一台用电设备或配置于每一个供电插座中；所述采集模块用于判断用电设备的工作停开机状态；进一步的所述采集模块用于判断用电设备的工作模式；所述采集模块与所述通讯模块连接，用于将采集模块获取的数据上传到物联网上；
所述运算处理模块包括存储器和中央处理器；所述存储器包括随机存取存储器以及可擦写存储器；所述随机存取存储器用于作为输入数据的缓存，并等待将数据写入所述可擦写存储器；所述可擦写存储器用于存储可执行程序以及数据库；所述中央处理器可调用所述存储器中的可执行程序，并调取所述数据库的数据进行运算；
所述微控制模块与所述运算处理模块连接，并且能与计量芯片进行底层通信并进行控制；所述微控制模块可针对所述运算处理模块的输出结果，对计量芯片进行包括重启、开关、截断通讯等操作，并在操作指令发出后等待芯片的执行反馈。
所述采集模块使用预安装方式，由用电设备的生产厂家在出厂前安装于用电设备的电源输入电路或者控制电路；或者所述采集模块使用二次安装方式，针对没有预安装所述采集模块的用电设备，将所述采集模块安装于用电设备的电源输入口或供电插座上，电源先通过所述采集模块再进入用电设备；
所述采集模块用于采集多项数据，包括用电设备的输入电压V、输入电流I、输入功率P；采集模块可根据时间记录采集的数据，并周期上传到所述运算处理模块的存储器中；如某用电单位，日常时间在17时开启用电设备A，并运行一小时，所述采集模块记录此开启时刻T，测定所述产品A在工作状态下的运行时间-电压、电流、功率对应值，记录为实测数据[Ar]，使：
[Ar]=[
Figure 278413DEST_PATH_IMAGE012
];
并在存储于所述运算处理模块的数据库中建立数据[Ar]，以上记录如下表所示：
Figure 530403DEST_PATH_IMAGE013
所述运算处理模块根据多组的实测数据[Ar]的统计结果，结合由厂商和检测机构提供的标准数据[As]并通过机器学习，形成对所述用电设备或供电插座标签的用电模型{A}作为判断模型；使用同样的方法，建立多个用电设备的用电参数模型，使得：
Figure 492543DEST_PATH_IMAGE014
；
进一步的，所述计量芯片对用电电路的功率消耗计量过程中，亦在测量包括相电压、相电流、相电位、有功功率、无功功率等多个数值的过程中，所述运算处理模块可采用算法，例如线性回归拟合，寻找在数据库中符合当前用电电路的用电特点的一个或多个用电模型，从而预测电路中存在的一个或多个用电设备的型号或类型；所述运算处理模块使用机器学习方式，预测在接下来的一段时间中计量芯片测量到的理论参数值，并且持续计算实际测量到的用电参数值与理论参数值的差异是否在额定阈值范围内，从而判断计量芯片是否存在工作异常；
用电单位由于可能存在多个用电设备同时工作的情况，电网中的电压、电流值会因为负载的不同产生飘移和波动，从而影响多个用电设备的真实用电参数；因此，所述运算处理模块结合大数据分析法，持续修正上述标准数据[As]，进一步持续优化用电模型{A}。
实施例三：
本实施例应当理解为至少包含前述任一一个实施例的全部特征，并在其基础上进一步改进；一种基于物联网的计量芯片异常检测及诊断***，该异常检测及诊断***包括：通讯模块、采集模块、运算处理模块及微控制模块；所述通讯模块用于将用电设备接入到物联网络中；所述采集模块用于采集每个用电终端的状态变化情况；所述微控制模块用于控制所述计量芯片的工作流程和对外通讯；所述运算模块用于将采集到的数据作进一步运算，并提供判断结果给予所述微控制模块用于对计量芯片发出控制指令；
所述通讯模块可利用基于有线通信、近距无线通信、短距无线通信以及长距离无线通信等各种通信技术的其中一种或多种进行通讯；所述通讯模块可使用单终端模式，或是多节点网关模式进行通讯；
所述采集模块配置于用电设备或配置于供电插座中；所述采集模块用于判断用电设备的工作停开机状态；进一步的所述采集模块用于判断用电设备的工作模式；所述采集模块与所述通讯模块连接，用于将采集模块获取的数据上传到物联网上；
所述运算处理模块包括存储器和中央处理器；所述存储器包括随机存取存储器以及可擦写存储器；所述随机存取存储器用于作为输入数据的缓存，并等待将数据写入所述可擦写存储器；所述可擦写存储器用于存储可执行程序以及数据库；所述中央处理器可调用所述存储器中的可执行程序，并调取所述数据库的数据进行运算；
所述微控制模块与所述运算处理模块连接，并且能与计量芯片进行底层通信并进行控制；所述微控制模块可针对所述运算处理模块的输出结果，对计量芯片进行包括重启、开关、截断通讯等操作，并在操作指令发出后等待芯片的执行反馈；
所述采集模块使用预安装方式，由用电设备的生产厂家在出厂前安装于用电设备的电源输入电路或者控制电路；或者所述采集模块使用二次安装方式，针对没有预安装所述采集模块的用电设备，将采集模块安装于用电设备的电源输入口或供电插座上，目的是使电源先通过所述采集模块再进入用电设备；
所述运算处理模块存储的可执行程序，包括用于进行机器学习的程序、算法以及基于生产厂商和物联网提供的用电设备用电参数的大数据标本，同时所述运算处理模块在所述存储器中建立动态数据库；
所述采集模块用于记录用电设备或供电插座在正常工作情况下的日常工作时间和工作周期，采集常规工作状态下的电压、电流、功率以及其他用电参数的变化曲线，形成一系列记录数值，并将记录的时间、数值赋予标签，上传到所述运算处理模块；所述运算处理模块根据大数据的统计结果，通过机器学习，形成对所述用电设备或供电插座标签的用电参数模型；所述采集模块识别用电设备的各种工作状态，并且将各项工作状态赋予标签，并且记录各项工作状态下的用电参数变化情况，并上传到所述运算处理模块；
所述采集模块对一个用电设备A的各种工作状态作记录；如A是一台洗衣机，则A其有多种洗涤模式，且每种洗涤模式对应的实测数据[Ar]具有不同特点；所述采集模块其A的工作状态加入到实测数据[Ar]中，并建立于所述数据库内；
进一步的，由于以下原因，用电设备的用电参数会存在离散程度较大，规律性不强的情况: 1. 用电单位中存在多个用电设备同时工作；2. 用电设备的使用时间和使用时长不固定；3. 用电设备的各项工作状态功耗变化较大，导致其用电参数变化较大；
故此在使用深度学习对用电模型进行拟合搜索时，加入权重系数β（0≤β≤1）；所述运算处理模块对所述数据库内的各个用电设备实测数据[Ar]进行离散判别：
Figure 58653DEST_PATH_IMAGE015
，公式1；
公式1中，
Figure 422639DEST_PATH_IMAGE016
是多个用电设备A实测数据[Ar]中各项各自的平均值；
Figure 344065DEST_PATH_IMAGE017
，公式2；
利用公式2，求得n条实测数据[Ar]的离散程度P；对于总体P值大于预设阈值的用电设备，可再进行拟合运算，使：
{A’}=β•{A}；
同样地，某一个时间段Ti的离散程度P值或某工作状态下的离散程度P值大于阈值的话，同样使用权重系数计算，将对应时间段的实测数据的权重比例在计算中降低，以令拟合结果更趋于合理和平稳；
进一步的，对于实测数据[Ar]存在多项的测量项目，分别地测量其离散值，如电压离散值或电流离散值，并且对计量芯片对应的功能作出更有针对性的诊断；
进一步的，对于所述运算处理模块在考察预测值与实测值差异时，可引入动态阈值η；所述动态阈值η通过对离散程度P的多时间和工作节点考量，若离散程度P的数值小，则动态调整阈值η使其收窄判别的范围，并且将阈值η的上限和下限通过机器学习动态收窄，如附图5所示,将P的上、下限阈值从
Figure 793501DEST_PATH_IMAGE018
和
Figure 960040DEST_PATH_IMAGE019
调整为
Figure 912952DEST_PATH_IMAGE020
和
Figure 8210DEST_PATH_IMAGE021
，从而使阈值范围收窄；根据所述的用电参考模型的一个或多个的动态阈值，所述运算处理模块比对计量芯片中实际读取到的用电参数变化情况，以此检测计量芯片是否存在工作异常和错误；
所述运算处理模块与所述微控制模块发送诊断结果，并控制计量芯片进一步的调整。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法，***和设备是示例。各种配置可以适当地省略，替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加，省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本公开或权利要求的范围。
在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置例如，已经示出了众所周知的电路，过程，算法，结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。
综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (9)

1.一种基于物联网的计量芯片异常检测及诊断***，其特征在于，该异常检测及诊断***包括：通讯模块、采集模块、运算处理模块及微控制模块；所述通讯模块用于将用电设备接入到物联网络中；所述采集模块用于采集每个用电终端的状态变化情况；所述微控制模块用于控制所述计量芯片的工作流程和对外通讯；所述运算处理模块用于将采集到的数据作进一步运算，并提供判断结果给予所述微控制模块用于对计量芯片发出控制指令；所述通讯模块、所述采集模块、所述运算处理模块及所述微控制模块通过电路或者无线网络相互连接；
其中，通过所述采集模块对用电设备进行一段时间内的用电数据采集，并将采集得到的数据上传到所述运算处理模块；所述运算处理模块统计采集得到的数据特征，比对已存储于所述运算处理模块中的，由生产商或者实验室验证的各类用电设备的用电参数模形，包括比对用电参数的电压-时间曲线以及电流-时间曲线，从而使所述运算处理模块判断接入电路中的用电设备的品类和规格，并且将该品类和规格的用电设备的用电标准数据模型作为判断计量芯片的工作是否正常的依据。
2.如权利要求1所述的一种基于物联网的计量芯片异常检测及诊断***，其特征在于，所述通讯模块可利用基于有线通信、近距无线通信、短距无线通信以及长距离无线通信的其中一种或多种进行通讯；所述通讯模块可使用单终端模式，或是多节点网关模式进行通讯。
3.如权利要求2所述的一种基于物联网的计量芯片异常检测及诊断***，其特征在于，所述采集模块配置于用电设备或配置于供电插座中；所述采集模块用于判断用电设备的工作停开机状态；进一步的，所述采集模块用于判断用电设备的工作模式；所述采集模块与所述通讯模块连接，用于将采集模块获取的数据上传到物联网上。
4.如权利要求3所述的一种基于物联网的计量芯片异常检测及诊断***，其特征在于，所述运算处理模块包括存储器和中央处理器；所述存储器包括随机存取存储器以及可擦写存储器；所述随机存取存储器用于作为输入数据的缓存，并等待将数据写入所述可擦写存储器；所述可擦写存储器用于存储可执行程序以及数据库；所述中央处理器可调用所述存储器中的可执行程序，并调取所述数据库的数据进行运算。
5.如权利要求4所述的一种基于物联网的计量芯片异常检测及诊断***，其特征在于，所述微控制模块与所述运算处理模块连接，并且能与计量芯片进行底层通信并进行控制；所述微控制模块可针对所述运算处理模块的输出结果，对计量芯片进行包括重启、开关、截断通讯的操作，并在操作指令发出后等待芯片的执行反馈。
6.如权利要求5所述的一种基于物联网的计量芯片异常检测及诊断***，所述采集模块使用预安装方式，由用电设备的生产厂家在出厂前安装于用电设备的电源输入电路或者控制电路；或者，所述采集模块使用二次安装方式，针对没有预安装所述采集模块的用电设备，将所述采集模块安装于用电设备的电源输入口或供电插座上，使电源先通过所述采集模块再进入用电设备。
7.如权利要求6所述的一种基于物联网的计量芯片异常检测及诊断***，其特征在于，所述运算处理模块存储的可执行程序，包括用于进行机器学习的程序以及基于生产厂商和物联网提供的用电设备用电参数的数据标本，同时所述运算处理模块在所述存储器中建立动态数据库。
8.如权利要求7所述的一种基于物联网的计量芯片异常检测及诊断***，其特征在于，所述采集模块用于记录用电设备或供电插座在正常工作情况下的日常工作时间和工作周期，采集常规工作状态下以下至少一项用电参数：相电压、相电流、功率变化曲线，形成一系列记录数值，并将记录的时间、数值赋予标签，上传到所述运算处理模块；所述运算处理模块根据大数据的统计结果，通过机器学习形成对所述用电设备或供电插座标签的用电参数模型；所述采集模块识别用电设备的各项工作状态，将各项工作状态赋予标签，并且记录各项工作状态下的用电参数变化情况，并上传到所述运算处理模块；所述运算处理模块通过机器学习和大数据分析算法，识别在各项工作状态变化中，用电参数的离散程度和变化规律，预测并计算未来用电参数的理论值；所述运算处理模块根据用电参数的离散程度和变化规律形成一个或多个的动态阈值；根据上述的用电参考模型的一个或多个的动态阈值，所述运算处理模块比对计量芯片中实际读取数值与理想值的差异，以此检测计量芯片是否存在工作异常和错误。
9.如权利要求8所述的一种基于物联网的计量芯片异常检测及诊断***，其特征在于，所述运算处理模块与所述微控制模块发送诊断结果，并控制计量芯片进行以下至少一项操作：重启、关闭、截断通讯、停止计量。
CN202110974998.5A 2021-08-24 2021-08-24 一种基于物联网的计量芯片异常检测及诊断*** Active CN113419207B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110974998.5A CN113419207B (zh) 2021-08-24 2021-08-24 一种基于物联网的计量芯片异常检测及诊断***
ZA2022/08003A ZA202208003B (en) 2021-08-24 2022-07-19 Anomaly detection and diagnosis system for metering chip based on internet of things
LU502578A LU502578B1 (en) 2021-08-24 2022-07-27 Anomaly Detection and Diagnosis System for Metering chip Based on Internet of Things

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110974998.5A CN113419207B (zh) 2021-08-24 2021-08-24 一种基于物联网的计量芯片异常检测及诊断***

Publications (2)

Publication Number Publication Date
CN113419207A true CN113419207A (zh) 2021-09-21
CN113419207B CN113419207B (zh) 2021-11-05

Family

ID=77719226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110974998.5A Active CN113419207B (zh) 2021-08-24 2021-08-24 一种基于物联网的计量芯片异常检测及诊断***

Country Status (3)

Country Link
CN (1) CN113419207B (zh)
LU (1) LU502578B1 (zh)
ZA (1) ZA202208003B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001307273A (ja) * 2000-04-19 2001-11-02 Nec Corp 通信ネットワークを利用した検針代行サービスを行う通信システム
CN104076316A (zh) * 2013-03-27 2014-10-01 中航物联技术（北京）有限公司 电表故障巡检方法与***
CN206740953U (zh) * 2017-03-21 2017-12-12 西安培华学院 一种基于物联网的计算机智能电能采集终端功能测试***
CN108445439A (zh) * 2018-03-28 2018-08-24 芯海科技（深圳）股份有限公司 一种电能计量校准装置及校准方法
CN111985558A (zh) * 2020-08-19 2020-11-24 安徽蓝杰鑫信息科技有限公司 一种电能表异常诊断方法及其***
CN112148391A (zh) * 2019-06-26 2020-12-29 北京百度网讯科技有限公司 生成基于芯片的计算功能的方法、装置、设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001307273A (ja) * 2000-04-19 2001-11-02 Nec Corp 通信ネットワークを利用した検針代行サービスを行う通信システム
CN104076316A (zh) * 2013-03-27 2014-10-01 中航物联技术（北京）有限公司 电表故障巡检方法与***
CN206740953U (zh) * 2017-03-21 2017-12-12 西安培华学院 一种基于物联网的计算机智能电能采集终端功能测试***
CN108445439A (zh) * 2018-03-28 2018-08-24 芯海科技（深圳）股份有限公司 一种电能计量校准装置及校准方法
CN112148391A (zh) * 2019-06-26 2020-12-29 北京百度网讯科技有限公司 生成基于芯片的计算功能的方法、装置、设备和存储介质
CN111985558A (zh) * 2020-08-19 2020-11-24 安徽蓝杰鑫信息科技有限公司 一种电能表异常诊断方法及其***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李志强: "基于大数据的智能电表入侵检测方法", 《电力科学与技术学报》 *

Also Published As

Publication number Publication date
CN113419207B (zh) 2021-11-05
ZA202208003B (en) 2022-10-26
LU502578B1 (en) 2023-01-27

Similar Documents

Publication Publication Date Title
CN112101662B (zh) 设备健康状况和生命周期检测方法、存储介质及电子设备
CN104407603A (zh) 家电自诊断方法和装置
CN111353911A (zh) 电力设备运维方法、***、设备和存储介质
EP3940404A1 (en) Battery resistance diagnosis device and method
JP2020109720A (ja) 蓄電池評価装置、蓄電池評価方法及び蓄電池評価システム
WO2020028454A1 (en) Battery management system
CN112433091A (zh) 一种用于芯片的用电功耗的实时检测***
CN111160652A (zh) 一种基于知识感知的设备异常状态综合判断及运维方法
JP6176377B1 (ja) 設備管理システム、設備管理方法およびプログラム
CN115616374A (zh) 一种基于机器学习的半导体芯片的测试***
CN115718258A (zh) 电池故障检测
JP2018185774A (ja) 設備管理装置、設備管理システム、プログラムおよび設備管理方法
CN113419207B (zh) 一种基于物联网的计量芯片异常检测及诊断***
CN114578280A (zh) 智能电表故障确定方法、装置、计算机设备和存储介质
CN109596927A (zh) 用于电池管理***bms的测试方法和测试***
CN113805071A (zh) 一种燃料电池发动机在线快速检测方法及检测***
CN117706261B (zh) 一种基于电量计在常电产品健康状态的监控方法
JP2018037063A (ja) 設備管理システム、設備管理方法およびプログラム
US10197992B2 (en) Methods and apparatus for predictive failure analysis of a cooling device
KR102187288B1 (ko) 공정감시제어의 입력오류 및 제어오류 대응 기반 시스템
JP2019175798A (ja) 燃料電池発電設備の劣化診断方法
US20100185404A1 (en) Method of predicting failures in components
CN117951633B (zh) 一种光伏发电设备故障诊断方法及***
CN113759300B (zh) 电池管理单元的性能测试方法及测试装置
CN113711068B (zh) 电池电阻诊断装置和方法

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