CN117572137B - 一种七电平anpc高压变频器远程监测*** - Google Patents
一种七电平anpc高压变频器远程监测*** Download PDFInfo
- Publication number
- CN117572137B CN117572137B CN202410063772.3A CN202410063772A CN117572137B CN 117572137 B CN117572137 B CN 117572137B CN 202410063772 A CN202410063772 A CN 202410063772A CN 117572137 B CN117572137 B CN 117572137B
- Authority
- CN
- China
- Prior art keywords
- preset
- time
- preset time
- determining
- pid
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 230000008859 change Effects 0.000 claims abstract description 94
- 230000004044 response Effects 0.000 claims abstract description 82
- 230000005856 abnormality Effects 0.000 claims abstract description 72
- 238000004140 cleaning Methods 0.000 claims abstract description 58
- 238000012937 correction Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Inverter Devices (AREA)
Abstract
本发明涉及数据清洗处理技术领域,具体涉及一种七电平ANPC高压变频器远程监测***,该***通过多个模块之间的相互配合可以实现以下步骤:获取七电平ANPC高压变频器在预设时间段内每个预设时刻下的温度数据、PID控制数据、PID比例项和PID微分项,并获取目标响应时间;确定每个预设时刻下的温度变化程度、异常程度和异常修正;根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下确定的目标权重和温度数据,通过移动平均法进行数据清洗,确定每个预设时刻对应的目标温度;根据所有的目标温度,对七电平ANPC高压变频器进行监测。本发明提高了温度数据清洗和七电平ANPC高压变频器监测的准确度。
Description
技术领域
本发明涉及数据清洗处理技术领域,具体涉及一种七电平ANPC高压变频器远程监测***。
背景技术
随着电力***和电机驱动技术的不断发展,高压变频器在工业应用中扮演着关键的角色。七电平ANPC高压变频器作为一种较为先进的逆变器拓扑结构的高压变频器,广泛应用于多种领域。然而,在长时间运行过程中,设备可能会面临性能下降、故障风险增加的问题。因此,远程监测***已成为电力设备维护和管理的重要组成部分。由于温度是影响变频器性能和寿命的重要因素,因此,往往通过采集的温度数据,对七电平ANPC高压变频器进行监测。为了提高七电平ANPC高压变频器监测的准确度,往往需要对采集的温度数据进行清洗。目前,对数据进行清洗时,通常采用的方式为:通过简单移动平均法进行数据清洗。
然而,当通过简单移动平均法,对温度数据进行清洗时,经常会存在如下技术问题:
由于采集的不同温度数据对应的异常情况往往不同,从而导致其在数据清洗中的重要性往往不同,因此若通过简单移动平均法为异常情况不同的温度数据赋予相同的权重,则可能导致温度数据清洗的准确度较差,从而导致对七电平ANPC高压变频器进行监测的准确度较差。
发明内容
为了解决由于温度数据清洗的准确度较差而导致的七电平ANPC高压变频器监测的准确度较差的技术问题,本发明提出了一种七电平ANPC高压变频器远程监测***。
本发明提供了一种七电平ANPC高压变频器远程监测***,该***包括:
数据获取模块,用于获取七电平ANPC高压变频器在预设时间段内每个预设时刻下的温度数据、PID控制数据、PID比例项和PID微分项,并获取预设时间段内PID控制数据变化与温度数据变化之间的响应时间,作为目标响应时间;
变化确定模块,用于根据每个预设时刻下的温度数据,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度;
异常确定模块,用于根据每个预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,确定每个预设时刻下的异常程度;
修正模块,用于根据每个预设时刻下的异常程度,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定每个预设时刻下的异常修正;
权重确定模块,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,确定预设数量个预设时刻下的目标权重;
数据清洗模块,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,确定每个预设时刻对应的目标温度;
监测模块,用于根据所有的目标温度,对七电平ANPC高压变频器进行监测。
可选地,所述根据每个预设时刻下的温度数据,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度,包括:
根据每个预设时刻与其相邻的预设时刻下的温度数据,确定每个预设时刻下的目标温度差异;
根据每个预设时刻下的温度数据和目标温度差异,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度。
可选地,所述根据每个预设时刻与其相邻的预设时刻下的温度数据,确定每个预设时刻下的目标温度差异,包括:
将任意一个预设时刻,确定为标记时刻,并将标记时刻下的温度数据与其前一个预设时刻下的温度数据之间的差值绝对值,确定为标记时刻下的目标温度差异,其中,标记时刻的前一个预设时刻是与标记时刻相邻的预设时刻中的一个预设时刻。
可选地,预设时刻下的温度变化程度对应的公式为:
;其中,/>是第k个预设时刻下的温度变化程度;k是预设时刻的序号;/>是自然对数函数;/>是第k个预设时刻下的温度数据;/>是第k个预设时刻下的目标温度差异;/>是以自然常数为底的指数函数;是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID比例项;/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据;/>是预先设置的大于0的因子。
可选地,所述根据每个预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,确定每个预设时刻下的异常程度,包括:
将任意一个预设时刻,确定为标记时刻,并将与标记时刻时间间隔最短的预设数量个预设时刻下的温度变化程度的均值,确定为标记时刻下的变化代表程度;
根据标记时刻下的变化代表程度和温度变化程度,确定标记时刻下的异常程度。
可选地,预设时刻下的异常程度对应的公式为:
;其中,/>是第k个预设时刻下的异常程度;k是预设时刻的序号;是取绝对值函数;/>是第k个预设时刻下的温度变化程度;/>是第k个预设时刻下的变化代表程度;/>是预先设置的大于0的因子。
可选地,所述根据每个预设时刻下的异常程度,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定每个预设时刻下的异常修正,包括:
将任意一个预设时刻,确定为标记时刻,当与标记时刻相隔目标响应时间的预设时刻下的PID微分项大于或等于常数0时,将标记时刻下的异常程度,确定为标记时刻下的异常修正;
当与标记时刻相隔目标响应时间的预设时刻下的PID微分项小于常数0时,根据标记时刻下的异常程度,以及在标记时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定标记时刻下的异常修正。
可选地,预设时刻下的异常修正对应的公式为:
;其中,/>是第k个预设时刻下的异常修正;k是预设时刻的序号;/>是第k个预设时刻下的异常程度;/>是以自然常数为底的指数函数;/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID微分项;/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID比例项;/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据;/>和/>是预先设置的大于0的因子。
可选地,所述根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,确定预设数量个预设时刻下的目标权重,包括:
根据预设时刻下的异常修正,确定预设时刻下的候选权重,其中,异常修正与候选权重呈负相关;
根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的候选权重,确定在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重。
可选地,所述根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的候选权重,确定在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重,包括:
将任意一个预设时刻,确定为标记时刻,将在标记时刻之前并与标记时刻时间间隔最短的预设数量个预设时刻,确定为参考时刻,得到预设数量个参考时刻;
将预设数量个参考时刻下的候选权重的累加值,确定为整体权重;
将每个参考时刻下的候选权重在整体权重中的占比,确定为每个参考时刻下的目标权重。
本发明具有如下有益效果:
本发明的一种七电平ANPC高压变频器远程监测***,通过PID控制数据、PID比例项和PID微分项,实现了对温度数据的清洗,并实现了对七电平ANPC高压变频器的监测,解决了由于温度数据清洗的准确度较差而导致的七电平ANPC高压变频器监测的准确度较差的技术问题,提高了温度数据清洗和七电平ANPC高压变频器监测的准确度。首先,由于PID控制数据影响输出功率,而输出功率影响温度,所以PID控制数据间接影响温度,因此获取PID控制数据、PID比例项和PID微分项,可以便于后续基于PID控制数据、PID比例项和PID微分项,对温度数据进行数据清洗,并且获取目标响应时间,可以便于后续的数据清洗。接着,基于预设时刻下的温度数据,以及在预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,量化的预设时刻下的温度变化程度越大,往往说明该预设时刻下的温度变化波动程度越大。然后,基于预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,量化的预设时刻下的异常程度越大,往往说明该预设时刻下的温度数据越可能发生了异常,往往说明该温度数据参与移动平均法的数据清洗时越应该被赋予较小的权重。继续,基于预设时刻下的异常程度,以及在预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,量化的预设时刻下的异常修正是其下的异常程度的修正值,可以更加精确地表征预设时刻下的温度数据的异常情况。之后,基于在预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,可以量化预设数量个预设时刻下的目标权重,并且预设时刻下的目标权重可以表征该预设时刻下的温度数据参与对应的移动平均法的数据清洗时所应该赋予的权重。而后,基于在预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,可以实现对温度数据的清洗,并且相较于直接通过简单移动平均法,对温度数据进行清洗,本发明基于PID控制数据、PID比例项、PID微分项和目标响应时间,量化了多个与温度数据异常情况相关的指标,比如,温度变化程度、异常程度和异常修正,从而相对比较准确地量化了参与移动平均法中的各个温度数据对应的权重,实现了为异常情况不同的温度数据自适应地赋予了不同的权重,进而提高了温度数据清洗的准确度,从而提高了对七电平ANPC高压变频器进行监测的准确度。最后,基于所有的目标温度,对七电平ANPC高压变频器进行监测,实现了对七电平ANPC高压变频器的监测。
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和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其它附图。
图1为本发明的一种七电平ANPC高压变频器远程监测***的结构示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
一种七电平ANPC高压变频器远程监测***实施例:
本发明提供了一种七电平ANPC高压变频器远程监测***,该***包括:
数据获取模块,用于获取七电平ANPC高压变频器在预设时间段内每个预设时刻下的温度数据、PID控制数据、PID比例项和PID微分项,并获取预设时间段内PID控制数据变化与温度数据变化之间的响应时间,作为目标响应时间;
变化确定模块,用于根据每个预设时刻下的温度数据,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度;
异常确定模块,用于根据每个预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,确定每个预设时刻下的异常程度;
修正模块,用于根据每个预设时刻下的异常程度,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定每个预设时刻下的异常修正;
权重确定模块,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,确定预设数量个预设时刻下的目标权重;
数据清洗模块,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,确定每个预设时刻对应的目标温度;
监测模块,用于根据所有的目标温度,对七电平ANPC高压变频器进行监测。
参考图1,示出了根据本发明的一种七电平ANPC高压变频器远程监测***的结构示意图。该七电平ANPC高压变频器远程监测***,包括:
数据获取模块101,用于获取七电平ANPC高压变频器在预设时间段内每个预设时刻下的温度数据、PID控制数据、PID比例项和PID微分项,并获取预设时间段内PID控制数据变化与温度数据变化之间的响应时间,作为目标响应时间。
在一些实施例中,可以获取七电平ANPC(Active Neutral Point Clamped,有源中点箝位型拓扑)高压变频器在预设时间段内每个预设时刻下的温度数据、PID(Proportional-Integral-Derivative,比例积分微分控制器)控制数据、PID比例项和PID微分项,并获取预设时间段内PID控制数据变化与温度数据变化之间的响应时间,作为目标响应时间。
其中,七电平ANPC高压变频器是一种较为先进的逆变器拓扑结构的高压变频器,广泛应用于多种领域。PID往往包含3个参数,分别为比例项参数、微分项参数和积分项参数。比例项又称为比例系数和PID比例项。微分项又称为微分系数和PID微分项。积分项又称为积分系数和PID积分项。PID控制数据可以是PID积分项、PID比例项和PID微分项的累加值。温度数据又称温度。预设时间段可以是预先设置的时间段。例如,预设时间段对应的时长可以为1天。预设时刻可以是预先设置的时刻。相邻预设时刻之间的时长可以为0.5秒。目标响应时间可以表征预设时间段内PID控制数据发生变化与温度数据发生变化之间的延迟时长。即PID控制数据与温度数据往往不同时发生变化,存在一定的延迟,目标响应时间可以表征该延迟。目标响应时间可以精确到与相邻预设时刻之间的时长相同的位数。例如,若相邻预设时刻之间的时长为1秒,检测实际的响应时间为0.6秒,则最终记录的响应时间可以为1秒,即目标响应时间可以为1秒。一般来说,相邻预设时刻之间的时长越短,记录的目标响应时间越接近实际的响应时间。
需要说明的是,由于PID控制数据影响输出功率,而输出功率影响温度,所以PID控制数据间接影响温度,因此获取PID控制数据、PID比例项和PID微分项,可以便于后续基于PID控制数据、PID比例项和PID微分项,对温度数据进行数据清洗,并且获取目标响应时间,可以便于后续的数据清洗。
作为示例,本步骤可以包括以下步骤:
第一步,可以通过温度传感器,采集七电平ANPC高压变频器在预设时间段内每个预设时刻下的温度数据。
第二步,可以通过PID控制器,采集七电平ANPC高压变频器在预设时间段内每个预设时刻下的PID积分项、PID比例项和PID微分项,并将每个预设时刻下的PID积分项、PID比例项和PID微分项的累加值,确定为每个预设时刻下的PID控制数据。
第三步,可以通过设备维护测试,获取预设时间段内PID控制数据变化与温度数据变化之间的响应时间,并将该响应时间作为目标响应时间。
可选地,首先可以采集七电平ANPC高压变频器在预设时间段内每个预设时刻下的温度数据和功率,得到温度数据序列和功率序列。其中,温度数据序列和功率序列是时序数据。接着,可以将温度数据序列和功率序列之间的DTW(Dynamic Time Warping,动态度量)距离,确定为预设时间段内PID控制数据变化与温度数据变化之间的响应时间。
需要说明的是,变频器在出厂以及安装维护时往往会进行满载和老化测试,往往会测试PID控制数据变化与温度数据变化之间的响应时间。
变化确定模块102,用于根据每个预设时刻下的温度数据,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度。
在一些实施例中,可以根据每个预设时刻下的温度数据,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度。
需要说明的是,基于预设时刻下的温度数据,以及在预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,量化的预设时刻下的温度变化程度越大,往往说明该预设时刻下的温度变化波动程度越大。
作为示例,本步骤可以包括以下步骤:
第一步,根据每个预设时刻与其相邻的预设时刻下的温度数据,确定每个预设时刻下的目标温度差异。
例如,将任意一个预设时刻,确定为标记时刻,并将标记时刻下的温度数据与其前一个预设时刻下的温度数据之间的差值绝对值,确定为标记时刻下的目标温度差异。其中,标记时刻的前一个预设时刻可以是与标记时刻相邻的预设时刻中的一个预设时刻。
比如,确定预设时刻下的目标温度差异对应的公式可以为:
;其中,/>是第k个预设时刻下的目标温度差异。k是预设时刻的序号。预设时刻的序号是按照时间顺序对预设时刻进行排列得到的序号。/>是取绝对值函数。/>是第k个预设时刻下的温度数据。/>是第k-1个预设时刻下的温度数据。
需要说明的是,当越大时,往往说明在第k-1个预设时刻与第k个预设时刻下采集的温度数据之间的差异越大,往往说明七电平ANPC高压变频器在第k-1个预设时刻与第k个预设时刻之间的温度变化程度越大。
第二步,根据每个预设时刻下的温度数据和目标温度差异,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度。
例如,确定预设时刻下的温度变化程度对应的公式可以为:
;其中,/>是第k个预设时刻下的温度变化程度。k是预设时刻的序号。/>是自然对数函数。/>是第k个预设时刻下的温度数据。/>是第k个预设时刻下的目标温度差异。/>是以自然常数为底的指数函数。是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID比例项。/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据。/>是预先设置的大于0的因子,主要用于防止分母为0,比如,/>可以为0.01。
需要说明的是,由于变频器的温度传递需要时间,所以PID控制数据和温度数据之间往往不是实时对应的,存在一定的响应时间。因此,第k个预设时刻下的温度数据往往与第k个预设时刻相隔目标响应时间的预设时刻下的PID控制数据相对应。温度过高时往往导致设备发生故障。当越大时,往往说明第k个预设时刻的温度越高,往往说明第k个预设时刻的七电平ANPC高压变频器越可能存在故障。当/>越大时,往往说明七电平ANPC高压变频器在第k-1个预设时刻与第k个预设时刻之间的温度变化程度越大。当/>越大时,往往说明***误差相对越大,对于误差的调整响应相对较快,往往说明第k个预设时刻的温度数据变化相对越快。当/>越大时,往往说明***可能正处于启动或者功率变化开始的阶段,往往说明第k个预设时刻的温度数据变化相对越大。/>可以表征由于***控制所引起的温度变化。/>可以表征七电平ANPC高压变频器实际表现出的温度变化。可以表征相对超出***控制产生的温度变化。因此,当/>越大时,往往说明第k个预设时刻的温度越高,并且相对超出***控制产生的温度变化程度越大;往往说明第k个预设时刻的七电平ANPC高压变频器越可能存在故障。
异常确定模块103,用于根据每个预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,确定每个预设时刻下的异常程度。
在一些实施例中,可以根据每个预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,确定每个预设时刻下的异常程度。
其中,预设数量可以是预先设置的数量。例如,预设数量可以是6。
需要说明的是,基于预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,量化的预设时刻下的异常程度越大,往往说明该预设时刻下的温度数据越可能发生了异常,往往说明该温度数据参与移动平均法的数据清洗时越应该被赋予较小的权重。
作为示例,本步骤可以包括以下步骤:
第一步,将任意一个预设时刻,确定为标记时刻,并将与标记时刻时间间隔最短的预设数量个预设时刻下的温度变化程度的均值,确定为标记时刻下的变化代表程度。
第二步,根据标记时刻下的变化代表程度和温度变化程度,确定标记时刻下的异常程度。
例如,确定预设时刻下的异常程度对应的公式可以为:
;其中,/>是第k个预设时刻下的异常程度。k是预设时刻的序号。是取绝对值函数。/>是第k个预设时刻下的温度变化程度。/>是第k个预设时刻下的变化代表程度。/>是预先设置的大于0的因子,主要用于防止分母为0,比如,/>可以为0.01。
需要说明的是,当越大时,往往说明第k个预设时刻的温度越高,并且相对超出***控制产生的温度变化程度越大;往往说明第k个预设时刻的七电平ANPC高压变频器越可能存在故障。当/>越大时,往往说明第k个预设时刻的周围时刻的七电平ANPC高压变频器越可能存在故障。由于故障运行或正常运行的时刻往往不会孤立地存在,即正常运行时刻的周围时刻往往大多也是正常运行时刻,正常运行时刻与其周围时刻对应的温度变化程度的差异往往相对不大,故障运行时刻同理。所以在不受环境等因素干扰的情况下,/>与之间的差异往往不大。因此,当/>越大时,往往说明第k个预设时刻下的温度及温度变化情况,与周围预设时刻下的温度及温度变化情况越不一致;往往说明第k个预设时刻下的温度数据越不合群;往往说明第k个预设时刻下的温度数据越可能是由于环境等因素干扰而产生的错误数据,往往说明第k个预设时刻下的温度数据参与后续移动平均法时越应该被赋予较小的权重。
修正模块104,用于根据每个预设时刻下的异常程度,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定每个预设时刻下的异常修正。
在一些实施例中,可以根据每个预设时刻下的异常程度,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定每个预设时刻下的异常修正。
需要说明的是,基于预设时刻下的异常程度,以及在预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,量化的预设时刻下的异常修正是其下的异常程度的修正值,可以更加精确地表征预设时刻下的温度数据的异常情况。
作为示例,本步骤可以包括以下步骤:
第一步,将任意一个预设时刻,确定为标记时刻,当与标记时刻相隔目标响应时间的预设时刻下的PID微分项大于或等于常数0时,将标记时刻下的异常程度,确定为标记时刻下的异常修正。
第二步,当与标记时刻相隔目标响应时间的预设时刻下的PID微分项小于常数0时,根据标记时刻下的异常程度,以及在标记时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定标记时刻下的异常修正。
例如,确定预设时刻下的异常修正对应的公式可以为:
;其中,/>是第k个预设时刻下的异常修正。k是预设时刻的序号。/>是第k个预设时刻下的异常程度。/>是以自然常数为底的指数函数。/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID微分项。/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID比例项。/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据。/>和/>是预先设置的大于0的因子,主要用于防止分母为0,比如,/>和/>可以为0.01。
需要说明的是,PID微分项表示微分控制对误差变化率的响应。PID微分项主要控制***的过冲和震荡,通过观察误差的变化率来调整控制输出,能够快速地响应***状态的变化率,以防止***对急剧变化的输入产生过度响应。当PID微分项是非负数时,往往说明变频器的调节是越来越快的,因此此时PID微分项对PID控制数据起到增益作用,此时温度数据的异常情况往往符合上述计算的异常程度。故当时,/>。但是当PID微分项为负数时,往往说明变频器负载的当前误差数据越来越小,此时PID微分项为负数,可能会中和PID比例项的控制效果,避免出现过冲。此时PID比例项的占比往往会受到影响,并且由于PID微分项是负数,可能导致PID控制数据变小,可能导致PID比例项的占比变得过大,因此需要通过微分项和比例项的关系来对上述计算出的各个温度数据的异常程度进行修正。故当/>,并且/>越小时,往往说明/>的失真程度相对越大,往往说明越需要对/>进行修正。/>可以表征PID比例项的占比,其值越大,说明异常程度越失真,往往说明需要的修正程度越大。因此,/>可以表征第k个预设时刻下的异常程度的修正值。
权重确定模块105,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,确定预设数量个预设时刻下的目标权重。
在一些实施例中,可以根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,确定预设数量个预设时刻下的目标权重。
需要说明的是,基于在预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,可以量化预设数量个预设时刻下的目标权重,并且预设时刻下的目标权重可以表征该预设时刻下的温度数据参与对应的移动平均法的数据清洗时所应该赋予的权重。
作为示例,本步骤可以包括以下步骤:
第一步,根据预设时刻下的异常修正,确定预设时刻下的候选权重。
其中,异常修正可以与候选权重呈负相关。
例如,确定预设时刻下的候选权重对应的公式可以为:
其中,是第k个预设时刻下的候选权重。k是预设时刻的序号。/>是归一化函数。/>是第k个预设时刻下的异常修正。/>是预先设置的大于0的因子,主要用于防止分母为0,比如,/>可以为0.01。
需要说明的是,可以表征第k个预设时刻下的异常程度的修正值,其值越大,往往说明第k个预设时刻下的温度数据越可能是由于环境等因素干扰而产生的错误数据,往往说明第k个预设时刻下的温度数据参与后续移动平均法时越应该被赋予较小的权重。因此,当/>越大时,往往说明第k个预设时刻下的温度数据参与后续移动平均法时越应该被赋予较大的权重。
第二步,根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的候选权重,确定在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重可以包括以下子步骤:
第一子步骤,将任意一个预设时刻,确定为标记时刻,将在标记时刻之前并与标记时刻时间间隔最短的预设数量个预设时刻,确定为参考时刻,得到预设数量个参考时刻。
第二子步骤,将预设数量个参考时刻下的候选权重的累加值,确定为整体权重。
第三子步骤,将每个参考时刻下的候选权重在整体权重中的占比,确定为每个参考时刻下的目标权重。
数据清洗模块106,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,确定每个预设时刻对应的目标温度。
在一些实施例中,可以根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,确定每个预设时刻对应的目标温度。
需要说明的是,基于在预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,可以实现对温度数据的清洗。
作为示例,本步骤可以包括以下步骤:
第一步,将任意一个预设时刻,确定为标记时刻,将在标记时刻之前并与标记时刻时间间隔最短的预设数量个预设时刻,确定为参考时刻,得到预设数量个参考时刻。
第二步,将每个参考时刻下的目标权重和温度数据的乘积,确定为每个参考时刻对应的温度分量。
第三步,将预设数量个参考时刻对应的温度分量的累加值,确定为标记时刻对应的目标温度。
监测模块107,用于根据所有的目标温度,对七电平ANPC高压变频器进行监测。
在一些实施例中,可以根据所有的目标温度,对七电平ANPC高压变频器进行监测。
作为示例,若存在大于预设异常阈值的目标温度,则判定七电平ANPC高压变频器发生故障,发送故障提示信息,以提醒维修人员进行维修。其中,预设异常阈值可以是预先设置的温度异常阈值。例如,预设异常阈值可以是七电平ANPC高压变频器发生故障时的最小温度。故障提示信息可以是进行故障提示的信息。例如,故障提示信息可以是“七电平ANPC高压变频器可能发生故障,建议维修人员进行维修”。
综上,相较于直接通过简单移动平均法,对温度数据进行清洗,本发明基于PID控制数据、PID比例项、PID微分项和目标响应时间,量化了多个与温度数据异常情况相关的指标,比如,温度变化程度、异常程度和异常修正,从而相对比较准确地量化了参与移动平均法中的各个温度数据对应的权重,实现了为异常情况不同的温度数据自适应地赋予了不同的权重,进而提高了温度数据清洗的准确度。其次,基于所有的目标温度,对七电平ANPC高压变频器进行监测,实现了对七电平ANPC高压变频器的监测,并提高了对七电平ANPC高压变频器进行监测的准确度。
至此,本发明完成。
一种用于高压变频器监测的温度数据清洗***实施例:
由于温度是影响变频器性能和寿命的重要因素,为了提高七电平ANPC高压变频器监测的准确度,往往需要对采集的温度数据进行清洗。目前,对数据进行清洗时,通常采用的方式为:通过简单移动平均法进行数据清洗。
然而,当通过简单移动平均法,对温度数据进行清洗时,经常会存在如下技术问题:
由于采集的不同温度数据对应的异常情况往往不同,从而导致其在数据清洗中的重要性往往不同,因此若通过简单移动平均法为异常情况不同的温度数据赋予相同的权重,则可能导致温度数据清洗的准确度较差。
为了解决温度数据清洗的准确度较差的技术问题,本发明的目的在于提供一种用于高压变频器监测的温度数据清洗***,其包括:
数据获取模块101,用于获取七电平ANPC高压变频器在预设时间段内每个预设时刻下的温度数据、PID控制数据、PID比例项和PID微分项,并获取预设时间段内PID控制数据变化与温度数据变化之间的响应时间,作为目标响应时间。
变化确定模块102,用于根据每个预设时刻下的温度数据,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度。
异常确定模块103,用于根据每个预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,确定每个预设时刻下的异常程度。
修正模块104,用于根据每个预设时刻下的异常程度,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定每个预设时刻下的异常修正。
权重确定模块105,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,确定预设数量个预设时刻下的目标权重。
数据清洗模块106,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,确定每个预设时刻对应的目标温度。
本发明实施例提供的一种用于高压变频器监测的温度数据清洗***具有如下技术效果:
通过PID控制数据、PID比例项和PID微分项,实现了对温度数据的清洗,解决了温度数据清洗的准确度较差的技术问题,提高了温度数据清洗的准确度。首先,由于PID控制数据影响输出功率,而输出功率影响温度,所以PID控制数据间接影响温度,因此获取PID控制数据、PID比例项和PID微分项,可以便于后续基于PID控制数据、PID比例项和PID微分项,对温度数据进行数据清洗,并且获取目标响应时间,可以便于后续的数据清洗。接着,基于预设时刻下的温度数据,以及在预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,量化的预设时刻下的温度变化程度越大,往往说明该预设时刻下的温度变化波动程度越大。然后,基于预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,量化的预设时刻下的异常程度越大,往往说明该预设时刻下的温度数据越可能发生了异常,往往说明该温度数据参与移动平均法的数据清洗时越应该被赋予较小的权重。继续,基于预设时刻下的异常程度,以及在预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,量化的预设时刻下的异常修正是其下的异常程度的修正值,可以更加精确地表征预设时刻下的温度数据的异常情况。之后,基于在预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,可以量化预设数量个预设时刻下的目标权重,并且预设时刻下的目标权重可以表征该预设时刻下的温度数据参与对应的移动平均法的数据清洗时所应该赋予的权重。而后,基于在预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,可以实现对温度数据的清洗,并且相较于直接通过简单移动平均法,对温度数据进行清洗,本发明基于PID控制数据、PID比例项、PID微分项和目标响应时间,量化了多个与温度数据异常情况相关的指标,比如,温度变化程度、异常程度和异常修正,从而相对比较准确地量化了参与移动平均法中的各个温度数据对应的权重,实现了为异常情况不同的温度数据自适应地赋予了不同的权重,进而提高了温度数据清洗的准确度。
其中,数据获取模块101、变化确定模块102、异常确定模块103、修正模块104、权重确定模块105和数据清洗模块106实现的步骤在上述一种七电平ANPC高压变频器远程监测***实施例中已给出了详细说明,不再赘述。
以上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,均应包含在本发明的保护范围之内。
Claims (7)
1.一种七电平ANPC高压变频器远程监测***,其特征在于,所述***包括:
数据获取模块,用于获取七电平ANPC高压变频器在预设时间段内每个预设时刻下的温度数据、PID控制数据、PID比例项和PID微分项,并获取预设时间段内PID控制数据变化与温度数据变化之间的响应时间,作为目标响应时间;
变化确定模块,用于根据每个预设时刻下的温度数据,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度;
异常确定模块,用于根据每个预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,确定每个预设时刻下的异常程度;
修正模块,用于根据每个预设时刻下的异常程度,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定每个预设时刻下的异常修正;
权重确定模块,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,确定预设数量个预设时刻下的目标权重;
数据清洗模块,用于根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重和温度数据,通过移动平均法进行数据清洗,确定每个预设时刻对应的目标温度;
监测模块,用于根据所有的目标温度,对七电平ANPC高压变频器进行监测;
所述根据每个预设时刻下的异常程度,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定每个预设时刻下的异常修正,包括:
将任意一个预设时刻,确定为标记时刻,当与标记时刻相隔目标响应时间的预设时刻下的PID微分项大于或等于常数0时,将标记时刻下的异常程度,确定为标记时刻下的异常修正;
当与标记时刻相隔目标响应时间的预设时刻下的PID微分项小于常数0时,根据标记时刻下的异常程度,以及在标记时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据、PID比例项和PID微分项,确定标记时刻下的异常修正;
所述根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的异常修正,确定预设数量个预设时刻下的目标权重,包括:
根据预设时刻下的异常修正,确定预设时刻下的候选权重,其中,异常修正与候选权重呈负相关;
根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的候选权重,确定在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重;
所述根据在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的候选权重,确定在每个预设时刻之前并与其时间间隔最短的预设数量个预设时刻下的目标权重,包括:
将任意一个预设时刻,确定为标记时刻,将在标记时刻之前并与标记时刻时间间隔最短的预设数量个预设时刻,确定为参考时刻,得到预设数量个参考时刻;
将预设数量个参考时刻下的候选权重的累加值,确定为整体权重;
将每个参考时刻下的候选权重在整体权重中的占比,确定为每个参考时刻下的目标权重。
2.根据权利要求1所述的一种七电平ANPC高压变频器远程监测***,其特征在于,所述根据每个预设时刻下的温度数据,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度,包括:
根据每个预设时刻与其相邻的预设时刻下的温度数据,确定每个预设时刻下的目标温度差异;
根据每个预设时刻下的温度数据和目标温度差异,以及在每个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据和PID比例项,确定每个预设时刻下的温度变化程度。
3.根据权利要求2所述的一种七电平ANPC高压变频器远程监测***,其特征在于,所述根据每个预设时刻与其相邻的预设时刻下的温度数据,确定每个预设时刻下的目标温度差异,包括:
将任意一个预设时刻,确定为标记时刻,并将标记时刻下的温度数据与其前一个预设时刻下的温度数据之间的差值绝对值,确定为标记时刻下的目标温度差异,其中,标记时刻的前一个预设时刻是与标记时刻相邻的预设时刻中的一个预设时刻。
4.根据权利要求2所述的一种七电平ANPC高压变频器远程监测***,其特征在于,预设时刻下的温度变化程度对应的公式为:
;其中,/>是第k个预设时刻下的温度变化程度;k是预设时刻的序号;/>是自然对数函数;/>是第k个预设时刻下的温度数据;/>是第k个预设时刻下的目标温度差异;/>是以自然常数为底的指数函数;/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID比例项;/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据;/>是预先设置的大于0的因子。
5.根据权利要求1所述的一种七电平ANPC高压变频器远程监测***,其特征在于,所述根据每个预设时刻与其时间间隔最短的预设数量个预设时刻下的温度变化程度,确定每个预设时刻下的异常程度,包括:
将任意一个预设时刻,确定为标记时刻,并将与标记时刻时间间隔最短的预设数量个预设时刻下的温度变化程度的均值,确定为标记时刻下的变化代表程度;
根据标记时刻下的变化代表程度和温度变化程度,确定标记时刻下的异常程度。
6.根据权利要求5所述的一种七电平ANPC高压变频器远程监测***,其特征在于,预设时刻下的异常程度对应的公式为:
;其中,/>是第k个预设时刻下的异常程度;k是预设时刻的序号;/>是取绝对值函数;/>是第k个预设时刻下的温度变化程度;/>是第k个预设时刻下的变化代表程度;/>是预先设置的大于0的因子。
7.根据权利要求1所述的一种七电平ANPC高压变频器远程监测***,其特征在于,预设时刻下的异常修正对应的公式为:
;其中,/>是第k个预设时刻下的异常修正;k是预设时刻的序号;/>是第k个预设时刻下的异常程度;/>是以自然常数为底的指数函数;是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID微分项;/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID比例项;/>是第k个预设时刻之前并与其相隔目标响应时间的预设时刻下的PID控制数据;/>和/>是预先设置的大于0的因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410063772.3A CN117572137B (zh) | 2024-01-17 | 2024-01-17 | 一种七电平anpc高压变频器远程监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410063772.3A CN117572137B (zh) | 2024-01-17 | 2024-01-17 | 一种七电平anpc高压变频器远程监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117572137A CN117572137A (zh) | 2024-02-20 |
CN117572137B true CN117572137B (zh) | 2024-03-29 |
Family
ID=89886633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410063772.3A Active CN117572137B (zh) | 2024-01-17 | 2024-01-17 | 一种七电平anpc高压变频器远程监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117572137B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5682329A (en) * | 1994-07-22 | 1997-10-28 | Johnson Service Company | On-line monitoring of controllers in an environment control network |
JP2004353618A (ja) * | 2003-05-30 | 2004-12-16 | Yanmar Co Ltd | 監視診断システム |
CN105044624A (zh) * | 2015-08-11 | 2015-11-11 | 上海海事大学 | 带故障诊断功能的七电平逆变器及故障诊断方法 |
WO2019076881A2 (en) * | 2017-10-18 | 2019-04-25 | Biosurfit, S.A. | PROPORTIONAL-INTEGRAL-DERIVED CONTROL METHODS |
CN113570396A (zh) * | 2021-01-26 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 时间序列数据异常检测方法、装置、设备及存储介质 |
CN115138309A (zh) * | 2022-09-05 | 2022-10-04 | 济南明鑫制药股份有限公司 | 一种用于甲酯生产中粗品制备的智能生产监测方法 |
CN115412455A (zh) * | 2022-07-28 | 2022-11-29 | 南京航空航天大学 | 一种基于时间序列的服务器多性能指标异常检测方法及装置 |
CN115754603A (zh) * | 2022-11-16 | 2023-03-07 | 深圳供电局有限公司 | 数据修正方法、装置、设备、存储介质和计算机程序产品 |
CN115962551A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市森辉智能自控技术有限公司 | 用于楼宇自动控制的智能空调控制***和方法 |
CN116304958A (zh) * | 2023-05-22 | 2023-06-23 | 山东中都机器有限公司 | 一种井下水处理异常智能监测***及方法 |
CN116702081A (zh) * | 2023-08-07 | 2023-09-05 | 西安格蒂电力有限公司 | 基于人工智能的配电设备智能巡检方法 |
CN116880616A (zh) * | 2023-08-03 | 2023-10-13 | 广州捷克易自动化设备有限公司 | 热流道温度控制方法、温度控制器、电子设备及存储介质 |
CN117176560A (zh) * | 2023-11-03 | 2023-12-05 | 山东智云信息科技有限公司 | 一种基于物联网的监测设备监管***及其方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005050192A1 (en) * | 2003-11-20 | 2005-06-02 | Freshpoint Holdings S.A. | Method and system for determining the condition of a time-temperature indicator |
-
2024
- 2024-01-17 CN CN202410063772.3A patent/CN117572137B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5682329A (en) * | 1994-07-22 | 1997-10-28 | Johnson Service Company | On-line monitoring of controllers in an environment control network |
JP2004353618A (ja) * | 2003-05-30 | 2004-12-16 | Yanmar Co Ltd | 監視診断システム |
CN105044624A (zh) * | 2015-08-11 | 2015-11-11 | 上海海事大学 | 带故障诊断功能的七电平逆变器及故障诊断方法 |
WO2019076881A2 (en) * | 2017-10-18 | 2019-04-25 | Biosurfit, S.A. | PROPORTIONAL-INTEGRAL-DERIVED CONTROL METHODS |
CN113570396A (zh) * | 2021-01-26 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 时间序列数据异常检测方法、装置、设备及存储介质 |
CN115412455A (zh) * | 2022-07-28 | 2022-11-29 | 南京航空航天大学 | 一种基于时间序列的服务器多性能指标异常检测方法及装置 |
CN115138309A (zh) * | 2022-09-05 | 2022-10-04 | 济南明鑫制药股份有限公司 | 一种用于甲酯生产中粗品制备的智能生产监测方法 |
CN115754603A (zh) * | 2022-11-16 | 2023-03-07 | 深圳供电局有限公司 | 数据修正方法、装置、设备、存储介质和计算机程序产品 |
CN115962551A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市森辉智能自控技术有限公司 | 用于楼宇自动控制的智能空调控制***和方法 |
CN116304958A (zh) * | 2023-05-22 | 2023-06-23 | 山东中都机器有限公司 | 一种井下水处理异常智能监测***及方法 |
CN116880616A (zh) * | 2023-08-03 | 2023-10-13 | 广州捷克易自动化设备有限公司 | 热流道温度控制方法、温度控制器、电子设备及存储介质 |
CN116702081A (zh) * | 2023-08-07 | 2023-09-05 | 西安格蒂电力有限公司 | 基于人工智能的配电设备智能巡检方法 |
CN117176560A (zh) * | 2023-11-03 | 2023-12-05 | 山东智云信息科技有限公司 | 一种基于物联网的监测设备监管***及其方法 |
Non-Patent Citations (2)
Title |
---|
基于Spark框架的能源互联网电力能源大数据清洗模型;曲朝阳;张艺竞;王永文;赵莹;;电测与仪表;20180125(第02期);39-44 * |
基于北斗的公路滑坡监测预警关键技术研究;荆严飞;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑;20240115(第01期);C034-258 * |
Also Published As
Publication number | Publication date |
---|---|
CN117572137A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116702081B (zh) | 基于人工智能的配电设备智能巡检方法 | |
CA2354944C (en) | Sensor fault detection, isolation and accomodation | |
CN103310051B (zh) | 一种全寿命周期内的车载信息终端故障率预测方法 | |
US7200520B2 (en) | Device and method for monitoring an electric power station | |
CN111259316B (zh) | 电容的剩余寿命计算方法 | |
US11527985B2 (en) | Control systems | |
CN110968061A (zh) | 设备故障的预警方法、装置、存储介质和计算机设备 | |
CN108667514B (zh) | 光传输设备在线失效预测方法和装置 | |
US20220166075A1 (en) | Method for Enhancing a Battery Module Model of a Battery Module Type | |
CN117572137B (zh) | 一种七电平anpc高压变频器远程监测*** | |
JP6608619B2 (ja) | 太陽光発電システムの発電状況診断方法及びその装置 | |
Guo et al. | An information analysis based online parameter identification method for lithium-ion batteries in electric vehicles | |
CN111413564B (zh) | 一种超级电容器失效预警方法、***以及设备 | |
CN113361324A (zh) | 一种基于lstm的电机电流异常检测方法 | |
RU2703874C1 (ru) | Способ контроля и прогнозирования работы газотурбинной установки с использованием матрицы дефектов | |
CN116184036A (zh) | 基于神经网络的电力电子变换器参数在线辨识方法及*** | |
CN115563886A (zh) | 基于健康指数的油浸式变压器剩余寿命预测方法及*** | |
CN114499409A (zh) | 一种光伏组件热斑故障诊断方法 | |
Catelani et al. | Reliability Analysis of diagnostic system for Condition Monitoring of industrial plant | |
CN118100600B (zh) | 一种基于智能反馈的直流电高压发生器调控方法及*** | |
CN117155214A (zh) | 用于固定变频器的输出功率限制的方法和诊断dc链路电容器的状况的方法 | |
CN118409166A (zh) | 一种台区直流直挂模块测试***及方法 | |
CN117744013B (zh) | 一种电源电子元器件的检测***及其检测方法 | |
Ulyanov | Applied Method for Identification and Diagnosis of Automatic DC-Motor Speed Control Systems | |
CN110232482B (zh) | 基于神经网络的设备管理方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |