CN116223937A - 一种异常检测方法、装置、设备以及计算机可读存储介质 - Google Patents
一种异常检测方法、装置、设备以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116223937A CN116223937A CN202211575336.1A CN202211575336A CN116223937A CN 116223937 A CN116223937 A CN 116223937A CN 202211575336 A CN202211575336 A CN 202211575336A CN 116223937 A CN116223937 A CN 116223937A
- Authority
- CN
- China
- Prior art keywords
- line
- wolf
- data
- performance detection
- detection circuit
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 197
- 230000005856 abnormality Effects 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 241000282461 Canis lupus Species 0.000 claims description 69
- 241000257303 Hymenoptera Species 0.000 claims description 32
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 21
- 241000282421 Canidae Species 0.000 claims description 19
- 239000003016 pheromone Substances 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 239000006185 dispersion Substances 0.000 claims description 2
- 244000144992 flock Species 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 235000012907 honey Nutrition 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 230000008439 repair process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种异常检测方法、装置、设备以及计算机可读存储介质，方法包括：在机组电连接各个性能检测电路的情况下，在线路表计接口处加装信号反馈模块，通断信号反馈至采集板。获取各个所述性能检测电路自身的线路反馈信号以及通过机组性能数据；在所述线路反馈信号表征线路异常情况下，通过改进的狩猎算法定向检查电源、采集仪、线路、仪表板块的信号问题，逐项排查问题导向。基于所述线路反馈信号，定位对应所述性能检测电路中的线路部分；通过蚁群算法对线路部分的信号进行监测，通过蜂群模拟算法对反馈信号进行，定位表计的位置和故障特征信息。通过蜂群算法，无需实时保持数据的观测，只需处理报警事件即可，极大提高了现场工作效率。
Description
技术领域
本发明属于数据测试领域，尤其涉及一种异常检测方法、装置、设备以及计算机可读存储介质。
背景技术
对于机组的性能试验需要安装多块表计及线路、接线板等仪器，通过接线仪器连接到电脑上，通过软件对各个参数进行监测，常规的机组考核试验，往往需要几十块测点表计，当***中显示坏点时，往往需要顺着线路到仪表或监测模块持续检查，无法立即判断***中的坏点位置，影响现场工作效率。
发明内容
本发明提供一种异常检测方法、装置、设备以及计算机可读存储介质，以至少解决上述技术问题。
本发明提供一种异常检测方法，所述方法包括：
在机组电连接各个性能检测电路的情况下，获取各个所述性能检测电路自身的线路反馈信号以及通过所述性能检测电路所采集到的机组性能数据；
本专利所涉及改进的狩猎搜索算法如下：
Step1：根据输入测点信息，通过狩猎算法圈定试验点线路范围，确定需要排查的问题和参数范围。狩猎群体考虑∈[A,B,C]三部分，A代表数据采集板模块，B代表线路模块、C代表表计模块。依次设定A、B、C为狩猎目标进行故障捕获检查。根据step2～step4反馈结果进行故障捕获。捕获狩猎程序为常规程序。
Step2：***算法初始化，通过蚁群算法依次对电源信号、采集板信号、表计信号沿线排查。根据线路数量，算法将蚁群分组数量设定为所有线路数量的2倍，依次通过采集***中设定的线路排序对***线路路径的通断信息量进行核对，通过程序中设定的信号反馈来检索通断。并将信号发送至step1模块。依次向目标群体移动，依次检查每条线路。
最初各测点，全部进行发送蚁群，在确认***完整可持续运行后，试验过程中，则根据线路数量，设定低频率巡查，确保***运行中安全可靠。
Step3：通过改进的蜂群算法对表计通断信号进行反馈，将采集到的表计信号设定为新食物源，发送蜂群，评价食物源，符合信号约束规则(根据step4设定的规则，或者与厂内DCS数据核对)，异常数据送至试验界面报警提醒。便于及时调整或修正，以得到正确数据。
Step4：根据机组运行负荷情况，设定特定运行数据边界，对试验数据运行范围进行趋势跟踪反馈，确保运行期间监测数据范围在有效范围内。并行设定参数为：1、主蒸汽压力波动小于3％或40kPa，温度波动范围小于40℃；抽气压力波动不大于15％；排汽压力波动不大于6％或2kPa；2、机组等熵焓降波动范围小于12％。3、同一工况，负荷波动小于12％。4、转速范围偏差范围小于8％；发电机电压波动小于10％。
Step5：重复Step2～4，直到试验结束。
在所述线路反馈信号表征线路异常的情况下，基于所述线路反馈信号，定位对应所述性能检测电路中的线路部分；
在所述机组性能数据表征数据异常的情况下，基于所述机组性能数据，定位对应所述性能检测电路中的表计部分。
在一可实施方式中，所述线路反馈信号表征线路异常的具体形式，至少包括以下至少之一：
所述线路反馈信号的信号值低于第一指定阈值；
所述线路反馈信号的信号值高于第二指定阈值。
在一可实施方式中，所述机组性能数据表征数据异常的表现形式，包括：
所述机组性能数据未在对应所述表计的正常量程范围之内。
在一可实施方式中，所述表计的正常量程范围的获取方式为：
根据所述机组的型号以及性能检测电路所对应的关键词信息，从预设数据库中匹配对应表计的正常量程范围。
在一可实施方式中，所述基于所述线路反馈信号，定位对应所述性能检测电路中的线路部分，包括：基于所述线路反馈信号，确定对应所述机组的型号或者性能检测电路的关键词名称；
基于所述机组的型号或者性能检测电路的关键词名称，从预设数据库中确定所述性能检测电路中线路部分的位置信息；
相应的，所述基于所述机组性能数据，定位对应所述性能检测电路中表计部分，包括：
基于所述线路反馈信号，确定对应所述机组的型号或者性能检测电路的关键词名称；
基于所述机组的型号或者性能检测电路的关键词名称，从预设数据库中确定所述性能检测电路中表计部分的位置信息。
本发明另一方面提供一种异常检测装置，数据处理模块和多组性能检测电路；
所述数据处理模块电连接多组性能检测电路，用于获取所述性能检测电路所发出的线路反馈信号；
每组所述性能检测电路包括表计、采集仪和安装线路；
所述表计用于安装于机组，以获取相关的机组性能数据；
所述采集仪分别电连接所述表计和所述数据处理模块，以采集所述机组性能数据并将机组性能数据发送至所述数据处理模块；
在所述线路反馈信号表征线路异常的情况下，所述数据处理模块基于所述线路反馈信号，定位对应所述性能检测电路中的线路部分；
在所述机组性能数据表征数据异常的情况下，所述数据处理模块基于所述机组性能数据，定位对应所述性能检测电路中的表计部分。
在一可实施方式中，所述数据处理模块具体为PLC、MCU的其中之一。
本发明另一方面提供一种异常检测装置，所述装置包括：
获取模块，用于在机组电连接各个性能检测电路的情况下，获取各个所述性能检测电路自身的线路反馈信号以及通过所述性能检测电路所采集到的机组性能数据；
线路定位模块，用于在所述线路反馈信号表征线路异常的情况下，基于所述线路反馈信号，定位对应所述性能检测电路中的线路部分；
表计定位模块，用于在所述机组性能数据表征数据异常的情况下，基于所述机组性能数据，定位对应所述性能检测电路中的表计部分。
本发明另一方面提供一种异常检测设备，所述设备包括存储器和处理器；所述存储器用于存储指令，所述指令用于控制所述处理器进行操作以执行时实现所述的异常检测方法。
本发明另一方面提供一种可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行所述的异常检测方法。
本发明实施例提供一种异常检测方法、装置、设备以及计算机可读存储介质，通过获取各个性能检测电路自身的线路反馈信号以及通过性能检测电路所采集到的机组性能数据；在线路反馈信号表征线路异常的情况下，基于线路反馈信号，定位对应性能检测电路中的线路部分；在机组性能数据表征数据异常的情况下，基于机组性能数据，定位对应性能检测电路中的表计部分，使得工作人员可基于线路部分的位置或者表计位置直接去现场进行检查及修理，无需对所有的线路进行排查，极大提高了现场工作效率。
需要理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1为本发明实施例中一种异常检测方法的具体实现流程图；
图2为本发明实施例中一种异常检测装置的实际线路连接图；
图3为本发明实施例中一种异常检测装置的虚拟模块连接示意图图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂，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，而非全部实施例。基于本发明中的实施例，本领域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，本发明实施例提供一种异常检测方法，方法包括：
步骤101，在机组电连接各个性能检测电路的情况下，获取各个所述性能检测电路自身的线路反馈信号以及通过所述性能检测电路所采集到的机组性能数据，首先采取狩猎算法，定向设定狩猎算法故障模块检索顺序依次对线路电源通断、信号通断、数据准确率的匹配跟踪情况进行筛查；
步骤102，在所述线路反馈信号表征线路异常的情况下，通过改进的蚁群算法对线路进行检测基于所述线路反馈信号，定位对应所述性能检测电路中线路部分的信号监测，按照设定路线依次对线路路径进行异常反馈，当出现路径反馈信号信息不完全时，进行线路异常报警；
其中，蚁群算法：设定蚂蚁总数为M，根据接入测点数量依次往n个测点处派发蚂蚁，蚂蚁数量为Xi(i＝1...n)，依次将蚂蚁分为与测点相同的群体，线路确定后，路程是设定好的，因此，通过反馈的信息强度，即可判断线路的通断；
1、带入公式
2、Li＝第i只蚂蚁路径循环经过的节点处长度(采集仪、线路、表计三个节点)；
3、线路L计算公式为
4、根据线路L计算得到每一个节点信息信号更新；
5、N(i+1)＝Ni+Δi；
6、设最初Ni＝1，Δi＝0，则对每只蚂蚁经过一次一步移动后进行信
息素局部更新：
τij(t+1)＝(1-ρ)τij(t)+Δτij，
各变量表示如下：τij(t+1)为移动一步后的信息素浓度；τij(t)为当前节点的信息素浓度；ρ(0<ρ<1)为信息素局部更新挥发系数：Δτij为本次循环中各只蚂蚁在路径i→j上留存的信息素浓度；
为信息素的改变值；Q为根据经验设置的常数；LS为蚂蚁k在本次循环中所走的总路径航迹综合值；
7、更新禁忌表；继续计算概率，再选择节点及更新禁忌表，直到遍历所有节点1次：对所有蚂蚁完成一次迭代后得到的最优路径进行信息素全局更新，同时更新禁忌表：
其中：ρρ为信息素全局更新挥发系数；Q为经验常数；OP为本性循环中所得最优路径；Λ为当前得到的最优解；
当程序中搜集到的节点信息完整后，确认该部分内容检测正常；
步骤103，在所述机组性能数据表征数据异常的情况下，基于所述机组性能数据，通过蜂群模拟算法定位对应所述性能检测电路中的表计部分所示数据进行筛查核对；
步骤104，根据蜂群算法设置，将蜂群分为巡查蜂、采集蜂、搜索蜂；数据自采集蜂收集后送至巡查蜂，并由巡查蜂传至采集仪；当信号正常后，试验运行期间，由搜索蜂对各测点的数据进行全程搜索，当数据超出规定范围时，即进行报警；
设定测点数量即蜜源的数量为n，初始位置采集蜂Xi＝X0+Xi-0式中(i＝1，1,2,3…n)；
设定采集到的数据与机组热力***图中对应负荷工况下的信息进行对比，判断第Xi个数值A与***图中给定的设计数值B进行适应度比较；当|(A-B)/B|变化未超过设定比例时，则将采集数据传送至采集***，当变化超过设定比例，波动较大时，则发送报警信号至采集仪；
当***所有测点都运行正常，无报警时，***中采集蜂按照设定读数频率正常运行，搜索蜂开始对全部参数进行搜索，从采集仪设定的参数中按照顺序依次选定区域进行；
设定5个测点为搜索单元，每个搜索单元设定范围区域是S，搜索蜂依次对S1,S2…进行搜索，并根据测点的重要性，对搜索单元进行等级排序，及时传送至狩猎区；
步骤105，根据狩猎算法(灰狼优化算法)，将测点进行重要性等级分类，与狩猎算法中的分类相对应；
其中，将狩猎狼群设定为4个等级，依据等级重要性分别对应蜂群算法报警数据、能耗计算二类修正涵盖的测点参数、能耗计算一类修正涵盖的测点参数、其他测点参数；上一个等级的狼群，可对下一个等级的狼群进行调用管理；采用典型程序常规编程，依次对狩猎狼群进行设定带入；
在灰狼优化算法中，首先构建灰狼的社会等级制度模型；将种群中适应度值最优的,次优的和第三优的解分别对应α狼，β狼和δ狼，而剩余的被称为ω狼；由α狼，α狼和δ狼来负责引导,ω狼则跟随着β狼，β狼和δ狼通过搜寻猎物、包围猎物和攻击猎物来完成狩猎；
(1)包围猎物：灰狼包围猪物的数学模型为
式(1)定义了灰狼与猎物之间的距离，而式(2)则定义了灰狼的最终位置；其中，t表示当前的迭代次数,Xp表示猪物的位置，X表示灰狼的位置，A和C为参数向量，其计算公式为
A＝2a·r1-a (3)
C＝2·r2 (4)
式中：a为整个选代过程中一个从2到0的线性递诚参数，r1和r2为[0,1]之间的随机向量；(2)狩猪：为了模拟狼群的集体狩猎行为，总假设α狼，β狼和δ狼对于猎物的潜在位營有更好的了解；在每次迭代过程中，保存当前获得的适应度值最优a狼、次优β狼及第三优δ狼的3头狼的位置信息，狼群根据这3个最优解的位置信息综合判断出个体向猜物移动的方向并更新自己的位置，其更新公式为
Xt+1＝(X1+X2+X3)/3 (11)
(3)攻击猎物：为了构建灰狼攻击猎物的数学模型，根据式(3),A为区间[-2a,2a]上的随机向量,其中a在选代过程中是从2到0的一个线性递减参数，当|A|的值在[-1,1]内时，灰狼的下一个位置将会在它现在位置和猎物位置之间的任意位置,表示向猎物发起进攻；
(4)搜寻猪物：灰狼主要根据α狼，β狼和δ狼的位置信息来搜寻猜物，狼群先分散开来寻找猎物后聚集在一起来攻击猎物；为了构建分散模型，利用一个随机值大于1或小于-1的A来迫使灰狼背离猎物去探索更有希望的搜素空间，以实现算法的全局搜索；灰狼优化算法中的另外一个探索向量是C,从式(4)中C是[0,21上的随机值，能随机增加|C|＞1或减轻|C|＜1灰狼靠近猎物时的难易程度，使灰狼优化算法在整个优化过程中显示出更多的随机行为，以便提高算法的全局探索能力；
步骤106，通过狼群的狩猎，完成数据的探索、搜索、报警功能。
本实施例中，在步骤101中，性能检测电路可以包括多组，例如温度检测电路、压力检测电路、振动检测电路等等，多组性能检测电路均安装在机组上，以分别用于检测机组上的压力、温度及振动等等性能。
在机组电连接各个性能检测电路的情况下，分别接收各个性能检测电路所发出的线路反馈信号以及所检测到的机组性能数据，其中，线路反馈信号用于判断性能检测电路的线路是否异常。
在步骤102中，在线路反馈信号表征线路异常的情况下，根据所获取到的线路反馈信号，定位到性能检测电路中的线路部分，此时，工作人员可基于线路部分的位置直接去现场对线路及接口等进行检查并修理。
在步骤103中，在机组性能数据表征数据异常的情况下，根据所获取到的机组性能数据，定位到对应性能检测电路中的表计部分，此时，工作人员可基于表计部分的位置直接去现场安装的表计进行检查。
由此，通过获取各个性能检测电路自身的线路反馈信号以及通过性能检测电路所采集到的机组性能数据；在线路反馈信号表征线路异常的情况下，基于线路反馈信号，定位对应性能检测电路中的线路部分；在机组性能数据表征数据异常的情况下，基于机组性能数据，定位对应性能检测电路中的表计部分，使得工作人员可基于线路部分的位置或者表计位置直接去现场进行检查及修理，无需对所有的线路进行排查，极大提高了现场工作效率。
在一可实施方式中，线路反馈信号表征线路异常的具体形式，至少包括以下至少之一：
线路反馈信号的信号值低于第一指定阈值；
线路反馈信号的信号值高于第二指定阈值。
本实施例中，线路异常包括断路和短路两种，由此，在获取到线路反馈信号之后，可根据以下两种方式进行线路是否异常的判断；
第一种方式为，线路反馈信号的信号值低于第一指定阈值，其中，第一指定阈值具体为低电平信号或者是极小的信号值，此时线路部分为断路状态。
第二种方式为，线路反馈信号的信号值高于第二指定阈值，其中，第二指定阈值具体为高电平信号或者是极大的信号值，此时线路部分为短路状态。
在一可实施方式中，机组性能数据表征数据异常的表现形式，包括：
机组性能数据未在对应表计的正常量程范围之内。
本实施例中，机组性能数据判断是否异常的方式具体为：
预先获取到该表计的正常量程范围；
判断所获取到的机组性能数据的波动范围是否在正常量程范围之内；
若判定机组性能数据的波动范围在正常量程范围之内，则说明该机组性能数据正常，进而说明表计为正常。
若判定机组性能数据的波动范围在正常量程范围之外，则说明该机组性能数据异常，进而说明表计为异常。
在一可实施方式中，表计的正常量程范围的获取方式为：
根据机组的型号以及性能检测电路所对应的关键词信息，从预设数据库中匹配对应表计的正常量程范围。
本实施例中，在获取表计的正常量程范围之前，可预先将性能检测电路对应机组的型号、性能检测电路的名称存入预设数据库中，并且在预设数据库中相互关联。除此之外，还将表计的位置以及性能检测电路的位置存入预设数据库中。
由此，表计的正常量程范围的获取方式为：
可通过机组性能数据的来源，对应获取到性能检测电路的名称，进而通过预设数据库定位到机组的型号；
将机组的型号或者性能检测电路的关键词名称作为检索字段，在预设数据库中查询到性能检测电路中表计的正常量程范围。
在一可实施方式中，基于线路反馈信号，定位对应性能检测电路中的线路部分，包括：
基于线路反馈信号，确定对应机组的型号或者性能检测电路的关键词名称；
基于机组的型号或者性能检测电路的关键词名称，从预设数据库中确定性能检测电路中线路部分的位置信息；
相应的，基于机组性能数据，定位对应性能检测电路中表计部分，包括：
基于线路反馈信号，确定对应机组的型号或者性能检测电路的关键词名称；
基于机组的型号或者性能检测电路的关键词名称，从预设数据库中确定性能检测电路中表计部分的位置信息。
本实施例中，基于线路反馈信号，定位对应性能检测电路中的线路部分的具体过程为：
根据线路反馈信号，对应获取到机组的型号或者性能检测电路的名称或者关键词名称；
将型号或者关键词名称作为检索字段，从预设数据库中确定性能检测电路中线路部分的位置信息。
相应的，基于机组性能数据，定位对应性能检测电路中表计部分的具体过程为：
根据线路反馈信号，对应获取到机组的型号或者性能检测电路的名称或者关键词名称；
将型号或者关键词名称作为检索字段，从预设数据库中确定性能检测电路中表计的位置信息。
如图2所示，本发明另一方面提供一种异常检测装置，数据处理模块和多组性能检测电路；
数据处理模块电连接多组性能检测电路，用于获取性能检测电路所发出的线路反馈信号；
每组性能检测电路包括表计、采集仪和安装线路；
表计用于安装于机组，以获取相关的机组性能数据；
采集仪分别电连接表计和数据处理模块，以采集机组性能数据并将机组性能数据发送至数据处理模块；
在线路反馈信号表征线路异常的情况下，数据处理模块基于线路反馈信号，定位对应性能检测电路中的线路部分；
在机组性能数据表征数据异常的情况下，数据处理模块基于机组性能数据，定位对应性能检测电路中的表计部分。
本实施例中，数据处理模块具体为PLC、MCU的其中之一。
使用时，可通过数据处理模块向每组性能检测电路发送检测信号，通过性能检测电路的回路接收到对应的线路反馈信号，若线路反馈信号低于第一指定阈值或者高于第二指定阈值，则说明线路异常，即线路短路或者断路，此时，数据处理模块定位到该线路的位置并可通过数据传输的方式或者显示的方式进行告知；
在线路正常的情况下，数据处理模块还接收性能检测电路对于机组所检测到的机组性能数据，判断机组性能数据是否在对应表计的正常量程范围之内，若不满足，则获取到性能检测电路中的线路部分位置，可通过数据传输的方式或者显示的方式进行告知。
本发明另一方面提供一种异常检测装置，如图3所示，装置包括：
获取模块201，用于在机组电连接各个性能检测电路的情况下，获取各个性能检测电路自身的线路反馈信号以及通过性能检测电路所采集到的机组性能数据；
线路定位模块202，用于在线路反馈信号表征线路异常的情况下，基于线路反馈信号，定位对应性能检测电路中的线路部分；
表计定位模块203，用于在机组性能数据表征数据异常的情况下，基于机组性能数据，定位对应性能检测电路中的表计部分。
本实施例中，在获取模块201中，性能检测电路可以包括多组，例如温度检测电路、压力检测电路、振动检测电路等等，多组性能检测电路均安装在机组上，以分别用于检测机组上的压力、温度及振动等等性能。
在机组电连接各个性能检测电路的情况下，分别接收各个性能检测电路所发出的线路反馈信号以及所检测到的机组性能数据，其中，线路反馈信号用于判断性能检测电路的线路是否异常。
在线路定位模块202中，在线路反馈信号表征线路异常的情况下，根据所获取到的线路反馈信号，定位到性能检测电路中的线路部分，此时，工作人员可基于线路部分的位置直接去现场对线路及接口等进行检查并修理。
在表计定位模块203中，在机组性能数据表征数据异常的情况下，根据所获取到的机组性能数据，定位到对应性能检测电路中的表计部分，此时，工作人员可基于表计部分的位置直接去现场安装的表计进行检查。
由此，通过获取各个性能检测电路自身的线路反馈信号以及通过性能检测电路所采集到的机组性能数据；在线路反馈信号表征线路异常的情况下，基于线路反馈信号，定位对应性能检测电路中的线路部分；在机组性能数据表征数据异常的情况下，基于机组性能数据，定位对应性能检测电路中的表计部分，使得工作人员可基于线路部分的位置或者表计位置直接去现场进行检查及修理，无需对所有的线路进行排查，极大提高了现场工作效率。
在一可实施方式中，线路定位模块202在判定线路反馈信号表征线路异常的具体形式，至少包括以下至少之一：
线路反馈信号的信号值低于第一指定阈值；
线路反馈信号的信号值高于第二指定阈值。
本实施例中，线路异常包括断路和短路两种，由此，在获取到线路反馈信号之后，线路定位模块202可根据以下两种方式进行线路是否异常的判断；
第一种方式为，线路反馈信号的信号值低于第一指定阈值，其中，第一指定阈值具体为低电平信号或者是极小的信号值，此时线路部分为断路状态。
第二种方式为，线路反馈信号的信号值高于第二指定阈值，其中，第二指定阈值具体为高电平信号或者是极大的信号值，此时线路部分为短路状态。
在一可实施方式中，表计定位模块203在判定机组性能数据表征数据异常的表现形式，包括：
机组性能数据未在对应表计的正常量程范围之内。
本实施例中，机组性能数据判断是否异常的方式具体为：
预先获取到该表计的正常量程范围；
判断所获取到的机组性能数据的波动范围是否在正常量程范围之内；
若判定机组性能数据的波动范围在正常量程范围之内，则说明该机组性能数据正常，进而说明表计为正常。
若判定机组性能数据的波动范围在正常量程范围之外，则说明该机组性能数据异常，进而说明表计为异常。
在一可实施方式中，表计定位模块203在获取表计的正常量程范围的具体方式为：
根据机组的型号以及性能检测电路所对应的关键词信息，从预设数据库中匹配对应表计的正常量程范围。
本实施例中，在获取表计的正常量程范围之前，可预先将性能检测电路对应机组的型号、性能检测电路的名称存入预设数据库中，并且在预设数据库中相互关联。除此之外，还将表计的位置以及性能检测电路的位置存入预设数据库中。
由此，表计的正常量程范围的获取方式为：
可通过机组性能数据的来源，对应获取到性能检测电路的名称，进而通过预设数据库定位到机组的型号；
将机组的型号或者性能检测电路的关键词名称作为检索字段，在预设数据库中查询到性能检测电路中表计的正常量程范围。
在一可实施方式中，线路定位模块202在定位对应性能检测电路中线路部分的具体过程为：
基于线路反馈信号，确定对应机组的型号或者性能检测电路的关键词名称；
基于机组的型号或者性能检测电路的关键词名称，从预设数据库中确定性能检测电路中线路部分的位置信息；
相应的，表计定位模块203在定位对应性能检测电路中表计部分的具体过程为：
基于线路反馈信号，确定对应机组的型号或者性能检测电路的关键词名称；
基于机组的型号或者性能检测电路的关键词名称，从预设数据库中确定性能检测电路中表计部分的位置信息。
本实施例中，基于线路反馈信号，定位对应性能检测电路中的线路部分的具体过程为：
线路定位模块202根据线路反馈信号，对应获取到机组的型号或者性能检测电路的名称或者关键词名称；
将型号或者关键词名称作为检索字段，从预设数据库中确定性能检测电路中线路部分的位置信息。
相应的，基于机组性能数据，定位对应性能检测电路中表计部分的具体过程为：
表计定位模块203根据线路反馈信号，对应获取到机组的型号或者性能检测电路的名称或者关键词名称；
将型号或者关键词名称作为检索字段，从预设数据库中确定性能检测电路中表计的位置信息。
本发明另一方面提供一种异常检测设备，设备包括存储器和处理器；存储器用于存储指令，指令用于控制处理器进行操作以执行时实现上述异常检测方法。
本实施例中，指令执行时，用于在机组电连接各个性能检测电路的情况下，获取各个性能检测电路自身的线路反馈信号以及通过性能检测电路所采集到的机组性能数据；在线路反馈信号表征线路异常的情况下，基于线路反馈信号，定位对应性能检测电路中的线路部分；在机组性能数据表征数据异常的情况下，基于机组性能数据，定位对应性能检测电路中的表计部分。
由此，通过获取各个性能检测电路自身的线路反馈信号以及通过性能检测电路所采集到的机组性能数据；在线路反馈信号表征线路异常的情况下，基于线路反馈信号，定位对应性能检测电路中的线路部分；在机组性能数据表征数据异常的情况下，基于机组性能数据，定位对应性能检测电路中的表计部分，使得工作人员可基于线路部分的位置或者表计位置直接去现场进行检查及修理，无需对所有的线路进行排查，极大提高了现场工作效率。
本发明另一方面提供一种可读存储介质，存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述异常检测方法。
本实施例中，指令执行时，用于在机组电连接各个性能检测电路的情况下，获取各个性能检测电路自身的线路反馈信号以及通过性能检测电路所采集到的机组性能数据；在线路反馈信号表征线路异常的情况下，基于线路反馈信号，定位对应性能检测电路中的线路部分；在机组性能数据表征数据异常的情况下，基于机组性能数据，定位对应性能检测电路中的表计部分。
由此，通过获取各个性能检测电路自身的线路反馈信号以及通过性能检测电路所采集到的机组性能数据；在线路反馈信号表征线路异常的情况下，基于线路反馈信号，定位对应性能检测电路中的线路部分；在机组性能数据表征数据异常的情况下，基于机组性能数据，定位对应性能检测电路中的表计部分，使得工作人员可基于线路部分的位置或者表计位置直接去现场进行检查及修理，无需对所有的线路进行排查，极大提高了现场工作效率。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上所述，仅为本发明的具体实施方式，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揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种异常检测方法，其特征在于，所述方法包括：
在机组电连接各个性能检测电路的情况下，获取各个所述性能检测电路自身的线路反馈信号以及通过所述性能检测电路所采集到的机组性能数据，首先采取狩猎算法，定向设定狩猎算法故障模块检索顺序依次对线路电源通断、信号通断、数据准确率的匹配跟踪情况进行筛查；
在所述线路反馈信号表征线路异常的情况下，通过改进的蚁群算法对线路进行检测基于所述线路反馈信号，定位对应所述性能检测电路中线路部分的信号监测，按照设定路线依次对线路路径进行异常反馈，当出现路径反馈信号信息不完全时，进行线路异常报警；
其中，蚁群算法：设定蚂蚁总数为M，根据接入测点数量依次往n个测点处派发蚂蚁，蚂蚁数量为Xi(i＝1...n)，依次将蚂蚁分为与测点相同的群体，线路确定后，路程是设定好的，因此，通过反馈的信息强度，即可判断线路的通断；
1、带入公式
2、Li＝第i只蚂蚁路径循环经过的节点处长度(采集仪、线路、表计三个节点)；
3、线路L计算公式为
4、根据线路L计算得到每一个节点信息信号更新；
5、N(i+1)＝Ni+Δi；
6、设最初Ni＝1，Δi＝0，则对每只蚂蚁经过一次一步移动后进行信息素局部更新：
τij(t+1)＝(1-ρ)τij(t)+Δτij，
各变量表示如下：τij(t+1)为移动一步后的信息素浓度；τij(t)为当前节点的信息素浓度；ρ(0<ρ<1)为信息素局部更新挥发系数：Δτij为本次循环中各只蚂蚁在路径i→j上留存的信息素浓度；
为信息素的改变值；Q为根据经验设置的常数；LS为蚂蚁k在本次循环中所走的总路径航迹综合值；
7、更新禁忌表；继续计算概率，再选择节点及更新禁忌表，直到遍历所有节点1次：对所有蚂蚁完成一次迭代后得到的最优路径进行信息素全局更新，同吋更新禁忌表：
Δτbest＝Q/OP.
其中：ρρ为信息素全局更新挥发系数；Q为经验常数；OP为本性循环中所得最优路径；Λ为当前得到的最优解；
当程序中搜集到的节点信息完整后，确认该部分内容检测正常；
在所述机组性能数据表征数据异常的情况下，基于所述机组性能数据，通过蜂群模拟算法定位对应所述性能检测电路中的表计部分所示数据进行筛查核对；
根据蜂群算法设置，将蜂群分为巡查蜂、采集蜂、搜索蜂；数据自采集蜂收集后送至巡查蜂，并由巡查蜂传至采集仪；当信号正常后，试验运行期间，由搜索蜂对各测点的数据进行全程搜索，当数据超出规定范围时，即进行报警；
设定测点数量即蜜源的数量为n，初始位置采集蜂Xi＝X0+Xi-0式中(i＝1，1,2,3…n)；
设定采集到的数据与机组热力***图中对应负荷工况下的信息进行对比，判断第Xi个数值A与***图中给定的设计数值B进行适应度比较；当|(A-B)/B|变化未超过设定比例时，则将采集数据传送至采集***，当变化超过设定比例，波动较大时，则发送报警信号至采集仪；
当***所有测点都运行正常，无报警时，***中采集蜂按照设定读数频率正常运行，搜索蜂开始对全部参数进行搜索，从采集仪设定的参数中按照顺序依次选定区域进行；
设定5个测点为搜索单元，每个搜索单元设定范围区域是S，搜索蜂依次对S1,S2…进行搜索，并根据测点的重要性，对搜索单元进行等级排序，及时传送至狩猎区；
根据狩猎算法(灰狼优化算法)，将测点进行重要性等级分类，与狩猎算法中的分类相对应；
其中，将狩猎狼群设定为4个等级，依据等级重要性分别对应蜂群算法报警数据、能耗计算二类修正涵盖的测点参数、能耗计算一类修正涵盖的测点参数、其他测点参数；上一个等级的狼群，可对下一个等级的狼群进行调用管理；采用典型程序常规编程，依次对狩猎狼群进行设定带入；
在灰狼优化算法中，首先构建灰狼的社会等级制度模型；将种群中适应度值最优的,次优的和第三优的解分别对应α狼，β狼和δ狼，而剩余的被称为ω狼；由α狼，β狼和δ狼来负责引导,ω狼则跟随着α狼，β狼和δ狼通过搜寻猎物、包围猎物和攻击猎物来完成狩猎；
(1)包围猎物：灰狼包围猪物的数学模型为
式(1)定义了灰狼与猎物之间的距离，而式(2)则定义了灰狼的最终位置；其中，t表示当前的迭代次数,Xp表示猪物的位置，X表示灰狼的位置，A和C为参数向量，其计算公式为
A＝2a·rI-a (3)
C＝2·r2 (4)
式中：a为整个选代过程中一个从2到0的线性递诚参数，r1和r2为[0,1]之间的随机向量；
(2)狩猪：为了模拟狼群的集体狩猎行为，总假设a狼，β狼和δ狼对于猎物的潜在位營有更好的了解；在每次迭代过程中，保存当前获得的适应度值最优a狼、次优β狼及第三优δ狼的3头狼的位置信息，狼群根据这3个最优解的位置信息综合判断出个体向猜物移动的方向并更新自己的位置，其更新公式为
Xt+1＝(X1+X2+X3)/3 (11)
(3)攻击猎物：为了构建灰狼攻击猎物的数学模型，根据式(3),A为区间[-2a,2a]上的随机向量,其中a在选代过程中是从2到0的一个线性递减参数，当|A|的值在[-1,1]内时，灰狼的下一个位置将会在它现在位置和猎物位置之间的任意位置,表示向猎物发起进攻；
(4)搜寻猪物：灰狼主要根据α狼，β狼和δ狼的位置信息来搜寻猜物，狼群先分散开来寻找猎物后聚集在一起来攻击猎物；为了构建分散模型，利用一个随机值大于1或小于-1的A来迫使灰狼背离猎物去探索更有希望的搜素空间，以实现算法的全局搜索；灰狼优化算法中的另外一个探索向量是C,从式(4)中C是[0,21上的随机值，能随机增加|C|＞1或减轻|C|＜1灰狼靠近猎物时的难易程度，使灰狼优化算法在整个优化过程中显示出更多的随机行为，以便提高算法的全局探索能力；
通过狼群的狩猎，完成数据的探索、搜索、报警功能。
2.根据权利要求1所述的方法，其特征在于，所述线路反馈信号表征线路异常的具体形式，至少包括以下至少之一：
所述线路反馈信号的信号值低于第一指定阈值；
所述线路反馈信号的信号值高于第二指定阈值。
3.根据权利要求1所述的方法，其特征在于，所述机组性能数据表征数据异常的表现形式，包括：
所述机组性能数据未在对应所述表计的正常量程范围之内。
4.根据权利要求3所述的方法，其特征在于，所述表计的正常量程范围的获取方式为：
根据所述机组的型号以及性能检测电路所对应的关键词信息，从预设数据库中匹配对应表计的正常量程范围。
5.根据权利要求1所述的方法，其特征在于，所述基于所述线路反馈信号，定位对应所述性能检测电路中的线路部分，包括：
基于所述线路反馈信号，确定对应所述机组的型号或者性能检测电路的关键词名称；
基于所述机组的型号或者性能检测电路的关键词名称，从预设数据库中确定所述性能检测电路中线路部分的位置信息；
相应的，所述基于所述机组性能数据，定位对应所述性能检测电路中表计部分，包括：
基于所述线路反馈信号，确定对应所述机组的型号或者性能检测电路的关键词名称；
基于所述机组的型号或者性能检测电路的关键词名称，从预设数据库中确定所述性能检测电路中表计部分的位置信息。
6.一种异常检测装置，其特征在于，数据处理模块和多组性能检测电路；
所述数据处理模块电连接多组性能检测电路，用于获取所述性能检测电路所发出的线路反馈信号；
每组所述性能检测电路包括表计、采集仪和安装线路；
所述表计用于安装于机组，以获取相关的机组性能数据；
所述采集仪分别电连接所述表计和所述数据处理模块，以采集所述机组性能数据并将机组性能数据发送至所述数据处理模块；
在所述线路反馈信号表征线路异常的情况下，所述数据处理模块基于所述线路反馈信号，定位对应所述性能检测电路中的线路部分；
在所述机组性能数据表征数据异常的情况下，所述数据处理模块基于所述机组性能数据，定位对应所述性能检测电路中的表计部分。
7.根据权利要求6所述的装置，其特征在于，所述数据处理模块具体为PLC、MCU的其中之一。
8.一种异常检测装置，其特征在于，所述装置包括：
获取模块，用于在机组电连接各个性能检测电路的情况下，获取各个所述性能检测电路自身的线路反馈信号以及通过所述性能检测电路所采集到的机组性能数据；
线路定位模块，用于在所述线路反馈信号表征线路异常的情况下，基于所述线路反馈信号，定位对应所述性能检测电路中的线路部分；
表计定位模块，用于在所述机组性能数据表征数据异常的情况下，基于所述机组性能数据，定位对应所述性能检测电路中的表计部分。
9.一种异常检测设备，其特征在于，所述设备包括存储器和处理器；所述存储器用于存储指令，所述指令用于控制所述处理器进行操作以执行时实现权利要求1-5任一项所述的异常检测方法。
10.一种可读存储介质，其特征在于，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求1-5任一项所述的异常检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211575336.1A CN116223937B (zh) | 2022-12-08 | 2022-12-08 | 一种异常检测方法、装置、设备以及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211575336.1A CN116223937B (zh) | 2022-12-08 | 2022-12-08 | 一种异常检测方法、装置、设备以及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116223937A true CN116223937A (zh) | 2023-06-06 |
| CN116223937B CN116223937B (zh) | 2024-02-06 |
Family
ID=86575694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211575336.1A Active CN116223937B (zh) | 2022-12-08 | 2022-12-08 | 一种异常检测方法、装置、设备以及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116223937B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117250480A (zh) * | 2023-11-08 | 2023-12-19 | 英诺达(成都)电子科技有限公司 | 组合逻辑电路的环路检测方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010077602A (ko) * | 2000-02-03 | 2001-08-20 | 이종훈 | 변전기기 예방진단시스템 |
| CN105676126A (zh) * | 2016-01-18 | 2016-06-15 | 常州工学院 | 电力***主变压器冷却电机组监测装置 |
| CN112379211A (zh) * | 2020-09-24 | 2021-02-19 | 国网吉林省电力有限公司电力科学研究院 | 输电线路故障区域定位装置的检测方法 |
| US20210148996A1 (en) * | 2019-11-14 | 2021-05-20 | Vigyanlabs Innovations Private Limited | System and method of monitoring electrical devices to detect anomaly in the electrical devices |
| CN113359030A (zh) * | 2021-06-09 | 2021-09-07 | 西安热工研究院有限公司 | 基于外部漏磁检测的风力发电机短路故障模拟平台 |
| CN113670609A (zh) * | 2021-07-21 | 2021-11-19 | 广州大学 | 基于灰狼优化算法的故障检测方法、***、装置及介质 |
-
2022
- 2022-12-08 CN CN202211575336.1A patent/CN116223937B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010077602A (ko) * | 2000-02-03 | 2001-08-20 | 이종훈 | 변전기기 예방진단시스템 |
| CN105676126A (zh) * | 2016-01-18 | 2016-06-15 | 常州工学院 | 电力***主变压器冷却电机组监测装置 |
| US20210148996A1 (en) * | 2019-11-14 | 2021-05-20 | Vigyanlabs Innovations Private Limited | System and method of monitoring electrical devices to detect anomaly in the electrical devices |
| CN112379211A (zh) * | 2020-09-24 | 2021-02-19 | 国网吉林省电力有限公司电力科学研究院 | 输电线路故障区域定位装置的检测方法 |
| CN113359030A (zh) * | 2021-06-09 | 2021-09-07 | 西安热工研究院有限公司 | 基于外部漏磁检测的风力发电机短路故障模拟平台 |
| CN113670609A (zh) * | 2021-07-21 | 2021-11-19 | 广州大学 | 基于灰狼优化算法的故障检测方法、***、装置及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 邹琦 等: "基于最优个体蚁群算法的配电网故障定位研究", 电气传动自动化, no. 01 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117250480A (zh) * | 2023-11-08 | 2023-12-19 | 英诺达(成都)电子科技有限公司 | 组合逻辑电路的环路检测方法、装置、设备及存储介质 |
| CN117250480B (zh) * | 2023-11-08 | 2024-02-23 | 英诺达(成都)电子科技有限公司 | 组合逻辑电路的环路检测方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116223937B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107111309B (zh) | 利用监督式学习方法的燃气涡轮机故障预测 | |
| JP4928532B2 (ja) | 車両の故障診断装置 | |
| CN110515351A (zh) | 异常检测器 | |
| CN102375452B (zh) | 改善故障代码设定和隔离故障的事件驱动的数据挖掘方法 | |
| CN109839915A (zh) | 诊断装置、诊断方法及存储介质 | |
| US10457423B2 (en) | System and method for aircraft failure prediction | |
| CN116223937B (zh) | 一种异常检测方法、装置、设备以及计算机可读存储介质 | |
| CN106233115A (zh) | 估计飞行器发动机的物理参数的测量值是否正常的方法 | |
| CN108956111B (zh) | 一种机械部件的异常状态检测方法及检测*** | |
| US7552035B2 (en) | Method to use a receiver operator characteristics curve for model comparison in machine condition monitoring | |
| JP2017142622A (ja) | 監視装置及び監視装置の制御方法 | |
| EP2135144B1 (en) | Machine condition monitoring using pattern rules | |
| Liu et al. | Validation of strain gauges for structural health monitoring with Bayesian belief networks | |
| CN103926494A (zh) | 一种干扰源的确定方法及装置 | |
| CN117572837B (zh) | 一种智慧电厂ai主动运维方法及*** | |
| JP6830414B2 (ja) | 診断装置及び診断方法 | |
| CN116953395B (zh) | 充电桩偷电检测方法、装置、设备及存储介质 | |
| JP6685124B2 (ja) | 診断装置及び診断方法 | |
| CN111555899A (zh) | 告警规则配置方法、设备状态监测方法、装置和存储介质 | |
| KR20210071438A (ko) | 설비상태 감지를 위한 데이터 분석 방법 | |
| US11886831B2 (en) | Data sorting device and method, and monitoring and diagnosis device | |
| US20180087489A1 (en) | Method for windmill farm monitoring | |
| Gad et al. | A wind turbine fault identification using machine learning approach based on pigeon inspired optimizer | |
| CN111090037A (zh) | 一种仪控卡件的可靠性检测方法 | |
| CN117740082B (zh) | 一种电力设备故障风险预警方法及*** |
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 |