CN113962405A - 一种智能矿热炉远程运维*** - Google Patents
一种智能矿热炉远程运维*** Download PDFInfo
- Publication number
- CN113962405A CN113962405A CN202111027962.2A CN202111027962A CN113962405A CN 113962405 A CN113962405 A CN 113962405A CN 202111027962 A CN202111027962 A CN 202111027962A CN 113962405 A CN113962405 A CN 113962405A
- Authority
- CN
- China
- Prior art keywords
- data
- submerged arc
- arc furnace
- cloud
- furnace
- 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.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 39
- 238000004519 manufacturing process Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 11
- 230000008447 perception Effects 0.000 claims abstract description 6
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 58
- 238000001514 detection method Methods 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 18
- 239000000498 cooling water Substances 0.000 claims description 16
- 238000013523 data management Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000013439 planning Methods 0.000 claims description 5
- 238000009413 insulation Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 abstract description 9
- 230000004048 modification Effects 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 18
- 230000036541 health Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 238000003723 Smelting Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 239000005997 Calcium carbide Substances 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- CLZWAWBPWVRRGI-UHFFFAOYSA-N tert-butyl 2-[2-[2-[2-[bis[2-[(2-methylpropan-2-yl)oxy]-2-oxoethyl]amino]-5-bromophenoxy]ethoxy]-4-methyl-n-[2-[(2-methylpropan-2-yl)oxy]-2-oxoethyl]anilino]acetate Chemical compound CC1=CC=C(N(CC(=O)OC(C)(C)C)CC(=O)OC(C)(C)C)C(OCCOC=2C(=CC=C(Br)C=2)N(CC(=O)OC(C)(C)C)CC(=O)OC(C)(C)C)=C1 CLZWAWBPWVRRGI-UHFFFAOYSA-N 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Vertical, Hearth, Or Arc Furnaces (AREA)
Abstract
本发明提供一种智能矿热炉远程运维***,包括:矿热炉生产数据感知层,包括部署在矿热炉工作现场的终端节点、执行节点、数据服务器以及信息传输模块;管理***应用层,包括数据采集模块、数据处理模块、数据传输模块以及边缘服务器,边缘服务器上搭载有本地矿热炉智能化应用,辅助对矿热炉工作过程进行查看、管理和操作;云服务层,包括部署在云端的云数据库、云端服务器,所述云数据库用于对矿热炉生产活动中产生的数据进行保存,云服务器搭载有云端矿热炉智能化应用,用于对数据进行分析计算。本发明能够达成矿热炉智能运维的目标,解决方案可以适用于矿热炉新建、改造、升级项目。
Description
技术领域
本发明涉及矿热炉冶炼设备的智能远程运维技术领域,具体而言,尤其涉及一种智能矿热炉远程运维***。
背景技术
当前,以大数据、云计算、工业互联网为代表的新一轮科技革命席卷全球,正在构筑信息互通、资源共享、能力协同、开放合作的制造业新体系,极大地扩展了制造业创新和发展空间。矿热炉冶炼行业属于比较典型的传统离散工业场景应用,生产过程属于比较典型的非线性时变***,目前亟待开发一种专用***将矿热炉冶炼过程由自动化向智能化转型升级。
发明内容
鉴于现有技术的不足,本发明提供一种智能矿热炉远程运维***。本发明围绕数据采集、生命周期管理、数字孪生***、故障预测、能效评估、数据管理和安全管理进行针对性的***软硬件设计,最终达成矿热炉智能运维的目标,解决方案可以适用于矿热炉新建、改造、升级项目。
本发明采用的技术手段如下:
一种智能矿热炉远程运维***,包括:
矿热炉生产数据感知层,包括部署在矿热炉工作现场的终端节点、执行节点、数据服务器以及信息传输模块,所述终端节点包括信息采集设备和PLC控制器,所述信息采集设备与PLC控制器连接,将采集的数据信息通过信息传输模块发送至管理***应用层,数据服务器接收管理***应用层发送的控制指令,对相应的执行节点进行控制;
管理***应用层,包括数据采集模块、数据处理模块、数据传输模块以及边缘服务器,边缘服务器上搭载有本地矿热炉智能化应用,辅助对矿热炉工作过程进行查看、管理和操作,所述数据采集模块、数据处理模块以及部署在控制端的控制器通过数据传输模块与云服务层进行数据交互;
云服务层,包括部署在云端的云数据库、云端服务器,所述云数据库用于对矿热炉生产活动中产生的数据进行保存,云服务器搭载有云端矿热炉智能化应用,用于对数据进行分析计算。
进一步地,***还包括云端开发层,所述云端开发层用于对云端矿热炉智能化应用进行更新和修改。
进一步地,所述矿热炉智能化应用包括:电炉数据采集、电炉生命周期管理、电炉数字孪生、电炉故障预测、电炉能效评估、数据管理以及安全管理。
进一步地,矿热炉生产活动中产生的数据,包括:炉底温度、炉墙温度、炉盖温度、炉盖冷却水温度、炉壳绝缘检测电压、电极护屏冷却水温度、电极底环冷却水温度、电极电流、极间电流以及电极循环水漏点检测数据。
进一步地,本地矿热炉智能化应用以及云端矿热炉智能化应用进行电炉故障预测,分别使用分类标签方法对获取到的矿热炉生产活动中产生的数据进行分析计算,从而获得矿热炉故障预测结果。
进一步地,本地矿热炉智能化应用以及云端矿热炉智能化应用进行电炉能效评估,分别使用机器学习方法对矿热炉生产流程中产生的数据进行综合处理,提取数据特定特征,应用K近邻算法创建预测模型,引用曼哈顿距离分析和测算综合评估矿热炉能效。
进一步地,本地矿热炉智能化应用以及云端矿热炉智能化应用进行数据管理包括:***运行参数监控、***异常参数报警、生产及工艺数据存储、历史趋势记录及查询、报表分析及打印、登录验证及账户管理。
进一步地,本地矿热炉智能化应用以及云端矿热炉智能化应用进行安全管理包括建设全数据流程监管***,对各环节异常事件和重要运行参数进行记录和预警,根据安全级别划定不同策略。
较现有技术相比,本发明具有以下优点:
1、本发明以矿热炉项目远程运维为出发点,深入分析数据采集和数据回传的参数要求,开发实现可靠的数据采集和数据上云。
2、本发明通过建立高效的数据上云通道,为了解产品运行数据打破瓶颈,为产品参数优化提供数据支撑。通过有效的数据分析,可远程快速定位设备问题成因,降低服务成本,提高服务质量。
3、本发明借助云平台的计算资源和计算能力,通过对不同行业、不同原料、不同原料、不同设备参数、不同用户、不同运行参数下的矿热炉关键数据进行对比,挖掘最佳参数组合,为用户提供操作指导,为设计提供优化建议,为营销方向提供建议。
4、本发明将智能化控制模型部署到云平台上,将有利于成果保密、有利于产品升级、有利于获取数据、有利于应用云端高级资源(如算法库、弹性计算服务等)。
5、本发明能够依托客户端APP的数据支撑和优化完善,将生产运营数据科学规范的沉淀下来,形成高可用性的数据资源,生产决策者不断积累生产运行经验,有的放矢优化产品生产工艺,借助移动互联网的便捷性和共享性,持续提高生产管理水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为本发明智能矿热炉远程运维***架构图。
图2为本发明智能矿热炉远程运维***运行流程图。
图3为本发明智能矿热炉远程运维***拓扑图。
图4为本发明智能矿热炉远程运维***中矿热炉数字孪生规划图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示,本发明提供了一种智能矿热炉远程运维***,包括:矿热炉生产数据感知层、管理***应用层以及云服务层。矿热炉生产数据感知层包括部署在矿热炉工作现场的终端节点、执行节点、数据服务器以及信息传输模块,所述终端节点包括信息采集设备和PLC控制器,所述信息采集设备与PLC控制器连接,将采集的数据信息通过信息传输模块发送至管理***应用层,数据服务器接收管理***应用层发送的控制指令,对相应的执行节点进行控制。管理***应用层包括数据采集模块、数据处理模块、数据传输模块以及边缘服务器,边缘服务器上搭载有本地矿热炉智能化应用,辅助对矿热炉工作过程进行查看、管理和操作,所述数据采集模块、数据处理模块以及部署在控制端的控制器通过数据传输模块与云服务层进行数据交互。云服务层包括部署在云端的云数据库、云端服务器,所述云数据库用于对矿热炉生产活动中产生的数据进行保存,云服务器搭载有云端矿热炉智能化应用,用于对数据进行分析计算。进一步地,所述矿热炉智能化应用包括:电炉数据采集、电炉生命周期管理、电炉数字孪生、电炉故障预测、电炉能效评估、数据管理以及安全管理。
下面通过具体的应用实例,对本发明的方案和效果做进一步说明。
本实施例中公开智能矿热炉远程运维***,包括本地端和云端。本地端应用采用C/S架构,云端应用采用B/S架构。共分4个层级:本地智能层、IaaS+PaaS层、云端开发层、云端应用层,***架构参见图1,***运行流程图参见图2。
本***共包含7个子***:电炉数据采集***、电炉生命周期管理***、电炉数字孪生***、电炉故障预测***、电炉能效评估***、数据管理***和安全管理***。电炉数据采集***是整个***的底层核心,部署在边缘服务器中,一方面从控制***获取实时数据,以OPC数据总线的方式,提供给其他子***;另一方面,与数据管理***配合,回收其他子***的输出数据,以MySQL数据表的方式,提供给数据呈现等应用。电炉数字孪生***是整个***的输出中枢,部署在边缘服务器中,采用服务端和客户端的方式,融合电炉生命周期管理***、电炉故障预测***和电炉能效评估***3个独立应用,采用一个界面承载电炉数字孪生、电炉生命周期管理和电炉故障预测的输出成果。数据管理***是整个***的调度核心,部署在数据应用服务器中,采用B/S的方式,与电炉数据采集***配合,实时读写OPC数据总线,实现全部子***的输入数据需求和输出数据流转。安全管理***是整个***的安全中心,部署在数据安全服务器中,采用软硬件结合的方式,监测和保护各个子***输入、输出数据的安全性。
本发明的硬件部署及其拓扑参见图3,具体参数配置及功能说明如下:
边缘服务器布置在本地只能层,其配置如下:CPU:英特尔至强E-2226G(6核,12MB缓存,3.4GHz,4.7GHz Turbo),内存:32GB,硬盘:512GB固态+4TB机械硬盘,显卡:RTX2080。作为本发明优选的实施方式,边缘服务器配置2台(每台电炉1台,配液晶显示器、键盘、鼠标、HDMII线、USB延长线),主要负责定制和部署数据采集***、生命周期管理***、数字孪生***、故障预测***、电炉能效评估***和电炉功率圆***。安装MySQL数据库,实现本地数据存储。利用HDMI接口,将***集成后的数据展示界面,经工业电视***拼接控制器,输出至现场拼接屏。
数据应用服务器设置在数据感知层,其配置如下:CPU:i7-9700K,内存:32GB,硬盘:512GB固态+4TB机械硬盘,显卡:RTX2060。负责部署调度管理***,同时管理和整合边缘服务器(205、206)软硬件***,以数据处理任务为核心,完成本地局域网内数据分发、存储和管理。
数据安全服务器(210)配置:CPU:i7-9700K,内存:16GB,硬盘:512GB固态+2TB机械硬盘,显卡:RTX2060。数据安全服务器负责本地数据上云和网络安全管理,实现本地自动化控制网络与外部互联网的安全隔离,通过设置安全软硬件和数据加密算法,将本地需要上云的数据推送到云服务器,具备断网续传功能,将需要远程增加或修改的数据采集项、需要升级版本的软件安装程序、需要增加的程序补丁等,从云服务器获取并下发至边缘服务器,满足后续现场人工操作需求,全方位保障数据安全和网络安全。
云服务器设置在云服务层,其配置如下:CPU:8核,内存:16GB,***盘:60GB,数据盘:100GB,带宽:20Mbps,操作***:Windows Server2019。负责提供云端应用部署环境,包括:电炉能效评估、电炉生命周期管理、电炉故障预测、电炉数字孪生等。负责接收和处理本地上云的数据,与数据安全服务器配合,实现远程数据修改和现场软件程序升级维护。负责提供远程技术支持,包括:远程设备管理、远程故障诊断、远程数据维护、数据呈现、页面发布、终端访问、消息推送等。
云数据库设置在云服务层,其配置如下:引擎版本:MySQL 5.7,实例类型:主备,性能规格:4核/16GB,存储空间:300GB,最大连接数:2500。承接上云数据,为云端应用提供数据源和运算结果保存。
此外,还具有相关云组件,其被配置为执行数据迁移、机器学习、数据可视化和消息推送等。
为了实现相应功能,本实施例中***被设置为具有7个子***,分别是电炉数据采集***、电炉生命周期管理***、电炉数字孪生***、电炉故障预测***、电炉能效评估***、数据管理***以及安全管理***。下面分别具体说明。
(01)电炉数据采集***
①硬件配置
采用高性能嵌入式或机架式边缘服务器(高CPU、高内存、高显卡),安装正版Windows 10企业版,本地具备运行Unity 3D发布应用程序版成果(三维模型面数约1000万)的***资源需求。本地满足Python 3.5及更高版本的部署和应用。配置HDMI接口,输出分辨率不低于1920×1080。整机外形尺寸紧凑,运行稳定,支持机架安装和机柜内安装。需根据现场控制***的PLC控制器不同而全面支持:Modbus TCP、TCP/IP、OPC UA、第三方自定义协议等通讯协议。采用以太网(RJ45)通信接口,以控制网安全交换机为分界。无需在控制***中组态数据采集设备,无需控制***单独配置通讯软件或协议转换软件。
②***能力
每台边缘服务器本地具备同时采集不低于1000个PLC变量的能力,数据安全服务器和云服务器具备同时接收、存储、转储不低于2000个变量的能力,能够全面兼容华为云和阿里云的云组件及服务。
③采集数据量
每台电炉PLC包含300个布尔型数据(bool),300个有符号整形数据(int)与200个单精度浮点型数据(float),采样间隔1s,单批次上传最大用时小于10s。
④采集时间戳
每台边缘服务器中的同一采样周期的数据项,单批次采样用时不大于100ms。允许在数据上传间隔内低延时分批次打包上传,保证实时数据及时更新。
⑤采集间隔
数据采集周期为1s~3600s;不同数据项支持设置不同采样间隔,常用采样间隔为:1s、10s、60s、3600s,支持由PLC控制采集起始时刻,提高单批次采集数据准确度,具备非定周期数据采集功能。
⑥传输要求
数据在传输过程中具有数据校验功能,具备完善的响应超时应对机制和多线程协同机制,全流程无丢包,按照数据大小、时限及特性,优化数据库的表结构设置和数据流转机制。
⑦远程管理
具备完善的远程管理功能(该部分功能通过数据安全服务器集成并实现),包括:状态监测、运行日志、参数更改、采集启停、数据项更改(增加、修改或删除变量)、规则变更、固件升级等,远程配置的下发方式支持excel编辑,批量导入、导出,支持中文字符。管理端可以远程控制采集启动和停止时刻,按需调整采集模式,灵活控制数据量。
⑧数据清洗
需在边缘侧去除噪声和不一致的数据,该项功能需同时满足远程操作要求,利用稳定的连接通道实现数据清洗规则的远程下发和配置修改。提供的数据清洗功能包括:去重、变换、过滤等处理功能,具备修改数据上报规则功能。
⑨数据处理
提供基于数据库管理的数据处理方案,用于数据呈现和数据回传等功能模块的不同数据需求,该项功能集成在边缘服务器和云服务器中,实现全流程数据可控、可视、可追溯。
⑩数据回传
云端控制软件指令利用已预留的API接口和已搭建的安全数据链路,经数据安全服务器,回传至每台边缘服务器的MySQL数据库,改写指令下发周期为15~3600s,每批次指令长度为10~30个int型数据。可以构建稳定的远程维护通道,用于远程查看和修改采集设备配置及其他相关设置。
当前矿热炉行业数据分散和数据孤岛问题严重,项目缺少统一的网络规划,中控室仅集中电炉控制相关数据,以满足生产操作为主,大量有价值数据流失在各个生产环节中。而本发明采用高性能采集模式,单批次采样用时不大于100ms,提升数据质量的一致性;采用原创的本地电炉智能化应用,设计端云协同解决方案,不完全依赖云端分析,增强了***应用的适应性;采用符合电炉数据特点的数据清洗策略,降低数据上云通道的带宽占用。
(02)电炉生命周期管理***
电炉生命周期管理解决方案部署在边缘服务器和云服务器中,满足本地化应用和云端应用技术要求。对2台电炉范围内的炉体和电极等关键设备,建立多维的生命周期模型,动态展示设备维护信息,辅助指引生产企业制定维护保养计划,避免故障停机,提高设备的可靠性和稳定性,保持设备的运行效率。
该***需与故障预测***有机结合,充分考虑设备更换维修后和设备维护保养实施后的生命周期模型可用性和实用性,便于按需修改和灵活调整。
实时分析和计算设备健康指数,包含但不限于:
①炉体健康指数
输入变量:炉底温度(7支热电偶)、炉墙温度(22支热电偶)、炉盖温度(3支热电偶)、炉盖冷却水温度(13支热电阻)、炉壳绝缘检测电压(7个电压检测装置),共5个维度的检测仪表测量值,将上述测量值与故障预测***充分结合,完成炉体健康指数的实时计算和数据呈现。
②电极一健康指数
输入变量:电极一护屏冷却水温度(6支热电阻)、电极一底环冷却水温度(6支热电阻)、电极一电流(电流检测装置)、极间电流(电流检测装置)、电极一循环水漏点检测(PLC程序输出),共5个维度的检测仪表测量值,将上述测量值与故障预测***充分结合,完成电极一健康指数的实时计算、数据分析和数据呈现。
③电极二健康指数
输入变量:电极二护屏冷却水温度(6支热电阻)、电极二底环冷却水温度(6支热电阻)、电极二电流(电流检测装置)、极间电流(电流检测装置)、电极二循环水漏点检测(PLC程序输出),共5个维度的检测仪表测量值,将上述测量值与故障预测***充分结合,完成电极二健康指数的实时计算、数据分析和数据呈现。
④电极三健康指数
输入变量:电极三护屏冷却水温度(6支热电阻)、电极三底环冷却水温度(6支热电阻)、电极三电流(电流检测装置)、极间电流(电流检测装置)、电极三循环水漏点检测(PLC程序输出),共5个维度的检测仪表测量值,将上述测量值与故障预测***充分结合,完成电极三健康指数的实时计算、数据分析和数据呈现。
当前矿热炉行业无生命周期模型及***应用,用户以人工经验和管理计划对设备进行常规保养和维护,人力占用和备件管理等方面存在较大的不确定性。本发明采用原创的矿热炉设备健康度分析算法,利用关键设备的机理参数和运行参数,对矿热炉核心设备(炉体和电极)进行实时健康度分析和剩余寿命估算,最大化避免非计划停炉停产的发生。
(03)电炉数字孪生***
电炉数字孪生解决方案部署在边缘服务器和云服务器中,满足本地化应用、云端应用、实验室模拟运行的技术要求。配合电炉数据采集***,采用过程数据驱动2台电炉主体及配料***设备的三维图像化展示,动态、全视角展示设备的工作姿态、运行状态、参数信息等。输入条件:2台电炉主体、短网、电极、炉顶加料***的图纸(本地和云端采用不同的三维模型),同时配合必要的设备工艺解释。现场采用8块55吋液晶拼接屏,用于显示1#电炉和2#电炉的数据孪生***、生命周期管理***、故障预测***、电炉能效评估***,共4个***集成后的输出画面。
通过合理分配、灵活编排、统筹考虑,根据数据重要程度和变化频率,实现高逼真度、高集成度和高可用性。单台电炉数字孪生界面规划参考图4,具体内容如下:
①总览、料仓、短网、炉体,4个预置视角共用窗口,鼠标在特定部件悬停后,相关设备数据虚化背景悬浮显示,支持鼠标缩放、平移、3D旋转等视图操作。
②炉顶加料和电极动作,数据显示及操作要求同于电炉主体,其余均为2D图形或图表,实时刷新显示。各窗体支持全屏缩放操作。
③故障预测信息窗体,采用多色动态滚动文本,支持人工确认和下拉条查看历史记录,故障信息与左侧电炉3D总览实现联动显示。
④设备健康指标窗体,采用多色环形图,支持人工手动修改和设置,达到相应风险阈值后,与左侧电炉3D总览实现联动显示。
⑤变量估算:电炉主体-200,炉顶加料-100,电极动作-60,功率圆-20,故障预测-40,生命周期-20,能效评估-30,实时曲线-6。
⑥数字孪生WEB版,采用HTML5开发,兼容主流浏览器,考虑移动端窗口规格和操作人性化,合理拆分各窗体,数据显示及操作要求比现场版精简。
⑦本地应用的运行响应延时应小于0.5s,云端应用的运行响应延时应小于2.0s。
当前矿热炉行业无数字孪生应用,主要原因是缺少矿热炉核心设备部件的参数,但数字孪生技术已在钢铁、石化等多个领域得到应用,具备在矿热炉改造项目或新建项目中移植应用的基础。本发明采用原创的端云同步部署的电炉数据孪生解决方案,多角度呈现设备工况,融合电炉生命周期管理、电炉故障预测和电炉能效评估,提升了***应用的实用性。
(04)电炉故障预测***
故障预测解决方案部署在边缘服务器和云服务器中,满足本地化应用和云端应用技术要求。根据电炉生产设备重点故障属性,通过建模、算法和人工干预,提前判断设备可能存在的异常或故障趋势。借助预测精度的提升,增加设备运行寿命,降低设备维护成本,提高生产稳定性。
输入变量包括:炉底温度(7支热电偶)、炉墙温度(22支热电偶)、炉盖温度(3支热电偶)、炉盖冷却水温度(13支热电阻)、炉壳绝缘检测电压(7个电压检测装置)、护屏冷却水温度(每根电极6支热电阻)、底环冷却水温度(每根电极6支热电阻)、电极电流(电流检测装置)、极间电流(电流检测装置)、循环水漏点检测(PLC程序输出),结合生产实践,加入电气参数标准曲线的工艺解释,归结出判定依据或数据模型。单个故障预测模型可以包含多个变量(可以是不同类别、不同属性、不同量纲)。故障预测结果按风险等级,划分为:轻微故障、一般故障、严重故障,根据风险等级,采取不同的预警输出形式。最终实现数据加工、数据集成、数据分析、算法应用、趋势分析和数据呈现。
当前矿热炉行业无核心设备的故障预测应用,主要依靠维保队伍的能力水平,普遍是等到故障发生后,再停炉进行相关维修操作,对电炉生产稳定性造成较大影响。本发明采用原创的基于数据驱动的故障预测技术,利用多维度检测变量,对矿热炉核心设备(炉体和电极)进行故障提前预警和影响因子提取,提高矿热炉冶炼生产稳定性。
(05)电炉能效评估***
电石炉冶炼过程是复杂的高温物理化学反应过程,涉及数十个反应变量,属于典型的结构复杂、机理不明的非线性时变***,生产控制主要依靠人工经验判断和主观分析,生产不够稳定,电耗指标波动范围较大。本***主要解决电石炉控制***没有实时评价标准的问题以及人为因素影响问题,提炼优秀生产操作数据,以机器学***。
当前矿热炉行业生产控制主要依靠人工经验判断和主观分析,对于炉长和操作工的个人技术水平依赖程度较高,存在生产工况不够稳定,电耗指标波动范围较大等问题。本发明采用原创的基于机器学***,有效降低产品电耗。
(06)数据管理***
管理和整合边缘服务器软硬件***,以数据处理任务为核心,完成本地局域网内数据分发、存储和管理。
本发明在本地边缘服务器和数据应用服务器中部署MySQL数据库,用于清洗后的数据归档,为生命周期管理和数字孪生等第三方本地应用程序提供数据源调用接口。在云端部署一套MySQL数据库(云服务器或云数据库),用于云端数据归档,同时为云端第三方应用程序和云组件提供数据源调用接口。根据现场数据特点和云端应用需求,从优化存储结构和加速查询响应的角度,合理规划和配置数据库类型和数据表结构,支持关系型数据库的数据转换和自定义周期型任务调度,支持对外的数据调用接口预留,支持历史数据和实时数据分析,其中,数据历史归档存储时间不小于6个月,单次历史数据查询时间跨度不小于1个月。本地与云端数据存储***的对接、自动同步、历史回补和数据调度,形成一套高可用的数据存储解决方案。
为其他子***提供人工手动录入数据源,兼顾云端数据调用需求,归属到本地数据总线或数据库统一管理。从电炉生产运维角度出发,设计***运行参数监控、***异常参数报警、生产及工艺数据存储、历史趋势记录及查询、报表分析及打印、登录验证及账户管理等功能模块。预留数据决策、优化调度、绩效管理等功能模块接口,以便与冶炼工厂上级MES***对接。
当前矿热炉行业主要依赖控制***上位管理软件进行数据管理,提供历史数据查询和归档。普遍存在数据存储时间短,数据查询响应慢,数据导出过程繁琐等问题。本发明采用基于事件触发的全流程数据管理手段,具备自动归档、自动迁移、自动备份、自动清理等功能,数据存储时间大于6个月,采用聚合查询技术,数据查询响应可以控制在秒级,支持历史数据一键导出为Excel文件。
(07)安全管理***
在本地和云端各环节均规划设置完善的数据安全保障措施,采取双向数据传输加密,动态口令认证,多级权限设置,防火墙设置。权限等级包括:管理员、维护人员、访客、查询者等角色分配和配置。云端规划建设全数据流程监管***,对各环节异常事件和重要运行参数进行记录和预警,根据安全级别划定不同策略,同时设立必要的应急处置措施,避免故障扩大和升级。***管理员拥有最高安全权限,可管理其他成员登陆、修改、查看、创建等全部用户权限。
当前矿热炉行业主要在局域网内采用安全交换机或设置网络安全模块,基本不涉及内外网安全隔离与互通,缺少网络安全管理技术应用。本发明采用双网卡数据安全服务器,加装态势感知软件,降低了控制网遭受攻击的风险;采用边缘侧主动寻找云端数据中心的方式,降低了边缘侧网络设备节点暴露于公网的风险;采用完善的登录日志***,提升了人为操作记录事后溯源的能力。
本实施例中各子***运行流程及作用效果如下:
第1步:启动边缘服务器,确认电炉现场设备和电炉PLC控制器处于正常运行状态,将“01电炉数据采集***”配置文件修改后启动,按需打开相应功能模块和接口。至此,***的数据采集、数据总线、数据本地归档等功能得以实现。
第2步:启动边缘服务器中的“02电炉生命周期管理***”、“04电炉故障预测***”和“05电炉能效评估***”,这3个***彼此相对独立,共用“01电炉数据采集***”的数据总线,按不同周期获取输入数据源,各自独立运行输出的数据,回写至边缘服务器的本地数据库,作为其他子***的输入数据。至此,生命周期分析、故障预测、能效评估等功能得以实现。
第3步:启动边缘服务器中的“03电炉数字孪生***”,设置显隐和触发等选项后,进入自动轮巡模式,动态、实时、多角度、无遮挡的展示电炉主体及关键设备的运行参数和运行状态。同时集成“02电炉生命周期管理***”、“04电炉故障预测***”和“05电炉能效评估***”的输出成果,为用户提供直观的数据可视化。至此,数字孪生和数据看板等功能得以实现。
第4步:启动数据应用服务器,确认数据总线接口状态,启动“06数据管理***”,将“01电炉数据采集***”、“02电炉生命周期管理***”、“04电炉故障预测***”和“05电炉能效评估***”的全部数据统一管理和调度分配,过程数据归档至本地数据库,基于大数据分析和数据挖掘技术手段,对数据进行分析和处理。至此,数据归档、数据查询、数据分析、数据挖掘、数据报表、数据呈现等功能得以实现。
第5步:启动数据安全服务器,确认安全交换机、云服务器、云数据库和云组件的状态,与“06数据管理***”配合,对边缘服务器和数据应用服务器的出网数据和入网数据进行全面管控,将脱敏后的数据进行二次处理和分发。至此,数据加密、口令认证、云端数据传输、云端数据流转、网络管理、权限管理、用户管理等功能得以实现。
综上所述,本发明设计并实现了各子***和子模块的内外部数据接口和数据流转,满足在电炉车间内本地化应用和在云端部署及公网访问的技术要求,具备较强的功能拓展能力,打造一套融合自动化技术、网络通信技术、大数据技术、人工智能技术和电炉生产运维经验于一体的电炉智能控制***,提高电炉生产效率,创造企业经济效益。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种智能矿热炉远程运维***,其特征在于,包括:
矿热炉生产数据感知层,包括部署在矿热炉工作现场的终端节点、执行节点、数据服务器以及信息传输模块,所述终端节点包括信息采集设备和PLC控制器,所述信息采集设备与PLC控制器连接,将采集的数据信息通过信息传输模块发送至管理***应用层,数据服务器接收管理***应用层发送的控制指令,对相应的执行节点进行控制;
管理***应用层,包括数据采集模块、数据处理模块、数据传输模块以及边缘服务器,边缘服务器上搭载有本地矿热炉智能化应用,辅助对矿热炉工作过程进行查看、管理和操作,所述数据采集模块、数据处理模块以及部署在控制端的控制器通过数据传输模块与云服务层进行数据交互;
云服务层,包括部署在云端的云数据库、云端服务器,所述云数据库用于对矿热炉生产活动中产生的数据进行保存,云服务器搭载有云端矿热炉智能化应用,用于对数据进行分析计算。
2.根据权利要求1所述的智能矿热炉远程运维***,其特征在于,***还包括云端开发层,所述云端开发层用于对云端矿热炉智能化应用进行更新和修改。
3.根据权利要求1所述的智能矿热炉远程运维***,其特征在于,所述矿热炉智能化应用包括:电炉数据采集、电炉生命周期管理、电炉数字孪生、电炉故障预测、电炉能效评估、数据管理以及安全管理。
4.根据权利要求1所述的智能矿热炉远程运维***,其特征在于,矿热炉生产活动中产生的数据,包括:炉底温度、炉墙温度、炉盖温度、炉盖冷却水温度、炉壳绝缘检测电压、电极护屏冷却水温度、电极底环冷却水温度、电极电流、极间电流以及电极循环水漏点检测数据。
5.根据权利要求1所述的智能矿热炉远程运维***,其特征在于,本地矿热炉智能化应用以及云端矿热炉智能化应用进行电炉故障预测,分别使用分类标签方法对获取到的矿热炉生产活动中产生的数据进行分析计算,从而获得矿热炉故障预测结果。
6.根据权利要求1所述的智能矿热炉远程运维***,其特征在于,本地矿热炉智能化应用以及云端矿热炉智能化应用进行电炉能效评估,分别使用机器学习方法对矿热炉生产活动中产生的数据进行综合处理,提取数据特定特征,应用K近邻算法创建预测模型,引用曼哈顿距离分析和测算综合评估矿热炉能效。
7.根据权利要求1所述的智能矿热炉远程运维***,其特征在于,本地矿热炉智能化应用以及云端矿热炉智能化应用进行数据管理包括:***运行参数监控、***异常参数报警、生产及工艺数据存储、历史趋势记录及查询、报表分析及打印、登录验证及账户管理。
8.根据权利要求1所述的智能矿热炉远程运维***,其特征在于,本地矿热炉智能化应用以及云端矿热炉智能化应用进行安全管理包括建设全数据流程监管***,对各环节异常事件和重要运行参数进行记录和预警,根据安全级别划定不同策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111027962.2A CN113962405A (zh) | 2021-09-02 | 2021-09-02 | 一种智能矿热炉远程运维*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111027962.2A CN113962405A (zh) | 2021-09-02 | 2021-09-02 | 一种智能矿热炉远程运维*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113962405A true CN113962405A (zh) | 2022-01-21 |
Family
ID=79460952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111027962.2A Pending CN113962405A (zh) | 2021-09-02 | 2021-09-02 | 一种智能矿热炉远程运维*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962405A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114286061A (zh) * | 2022-02-14 | 2022-04-05 | 上海交通大学 | 一种基于云边协同的烧结现场实时视频采集分析*** |
CN114518732A (zh) * | 2022-02-10 | 2022-05-20 | 宁夏瑞资联实业有限公司 | 一种dcs矿热炉炉控*** |
CN115102828A (zh) * | 2022-08-26 | 2022-09-23 | 歌尔股份有限公司 | 一种故障分析方法及装置 |
CN115685858A (zh) * | 2023-01-05 | 2023-02-03 | 苏州慧工云信息科技有限公司 | 一种基于jit的电子看板数据控制器及控制方法 |
CN116379793A (zh) * | 2023-06-02 | 2023-07-04 | 青岛智控菲特软件科技有限公司 | 一种矿热炉短网调控数据处理方法 |
-
2021
- 2021-09-02 CN CN202111027962.2A patent/CN113962405A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114518732A (zh) * | 2022-02-10 | 2022-05-20 | 宁夏瑞资联实业有限公司 | 一种dcs矿热炉炉控*** |
CN114286061A (zh) * | 2022-02-14 | 2022-04-05 | 上海交通大学 | 一种基于云边协同的烧结现场实时视频采集分析*** |
CN115102828A (zh) * | 2022-08-26 | 2022-09-23 | 歌尔股份有限公司 | 一种故障分析方法及装置 |
CN115685858A (zh) * | 2023-01-05 | 2023-02-03 | 苏州慧工云信息科技有限公司 | 一种基于jit的电子看板数据控制器及控制方法 |
CN116379793A (zh) * | 2023-06-02 | 2023-07-04 | 青岛智控菲特软件科技有限公司 | 一种矿热炉短网调控数据处理方法 |
CN116379793B (zh) * | 2023-06-02 | 2023-08-15 | 青岛智控菲特软件科技有限公司 | 一种矿热炉短网调控数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113962405A (zh) | 一种智能矿热炉远程运维*** | |
CN104142663B (zh) | 云平台中的工业设备和***证明 | |
CN106534291B (zh) | 基于大数据处理的电压监测方法 | |
CN104950741A (zh) | 用于***连接的多控制器的配置管理接口 | |
CN103559562A (zh) | 电网智能运行***及其实现方法 | |
CN112600891A (zh) | 一种基于信息物理融合的边云协同***及工作方法 | |
CN106878466B (zh) | 一种水电机组数据管理和设备控制一体化平台 | |
CN103441572A (zh) | 变电站设备监控方法 | |
CN103581339A (zh) | 基于云计算的存储资源分配监控处理方法 | |
CN110161999A (zh) | 基于大数据的焦化智能制造*** | |
CN106506694A (zh) | 一种水泥粉磨设备远程监控*** | |
DE102017208293A1 (de) | Industrielle Einrichtungsverwaltungssysteme und Verfahren dafür | |
CN207488809U (zh) | 钢管生产线自动信息管理*** | |
US20230350369A1 (en) | Integrated management and control system for power plant | |
CN110018993B (zh) | 一种数据分析***、方法及监控分析*** | |
CN115047834A (zh) | 一种基于下位机的智慧工业水处理管控***及其方法 | |
CN117493412A (zh) | 数字基座运营管理*** | |
CN106094775A (zh) | 一种剪切生产线远程监控*** | |
CN115425760A (zh) | 一种基于数字孪生的数字电网*** | |
CN116993052A (zh) | 一种基于数字孪生的智慧工厂生产在线监测分析*** | |
US20220035431A1 (en) | Method for auto-discovery and categorization of a plants power and energy smart devices for analytics | |
CN107748672B (zh) | 基于iec61850就地化保护模型的二次远程界面综合管理方法 | |
CN111814361B (zh) | 一种环网柜数字模型的建模方法及装置 | |
CN113837281B (zh) | 一种冶金工厂互联网平台以及数据再生方法 | |
CN112835647B (zh) | 应用软件配置方法、配置装置、存储介质及电子装置 |
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 |