一种工业系统智能诊断方法技术方案

本发明专利技术公开了一种工业系统智能诊断方法，包括如下步骤：步骤一：先获取各系统、子系统测点数量N相同时间区间的量测数据，将这N个测点进行统一相关性计算，形成一个相关性矩阵；步骤二：将步骤一中获取的所述量测数据进行数据预处理，将合规的数据输入给相关性指标计算模块；步骤三：对若干个子系统两两进行相关性指标计算，并将计算结果输入给相关性异常判定模块；步骤四：对相关性指标计算结果进行分析判断，识别相关性系数有所降低的子系统。该发明专利技术通过分析各个工业子系统之间的相关性，进行系统异常诊断；对量测数据进行了预处理，去除了不能表达系统真实、稳定运行状态的数据断面；结果判断所使用的阈值，通过实际系统历史数据统计获得。

【技术实现步骤摘要】
一种工业系统智能诊断方法
本专利技术涉及工业系统诊断领域，特别涉及一种工业系统智能诊断方法。
技术介绍
相关技术中，目前并没有利用同质子系统的特性进行相应的数学计算，而且通过不同原理和算法，对子系统分别计算在进行对比，在工业系统诊断方法中，所涉及的原理和算法复杂，不易懂。或者只是利用简单的统计方法，例如离散率或者偏差等指标，并不像相关性系数矩阵一样简单、直白的叙述算法原理。并且由于没有抓住各个子系统间的相关性和依赖关系，导致计算结果实时性不强或者准确性不强，不能及时、准确的给予预警。
技术实现思路
本专利技术提供一种工业系统智能诊断方法，可以解决现有技术中计算结果实时性不强或者准确性不强，不能及时、准确的给予预警的问题。本专利技术提供了一种工业系统智能诊断方法，包括如下步骤：步骤一：先获取各系统、子系统测点数量N相同时间区间的量测数据，将这N个测点进行统一相关性计算，形成一个相关性矩阵；步骤二：将步骤一中获取的所述量测数据进行数据预处理，去除不能表达系统真实、稳定运行状态的数据断面，并将合规的数据输入给相关性指标计算模块；步骤三：对若干个子系统两两进行相关性指标计算，并将计算结果输入给相关性异常判定模块；步骤四：对相关性指标计算结果进行分析判断，识别相关性系数有所降低的子系统。较佳地，步骤三中所述相关性指标定义如下：首先，定义为“子系统i”的“测点a”在“t时刻”的量测值；则有：代表子系统i的测点a在(t-k，t)时间区间内的量测值序列；代表“子系统1”～“子系统N”的测点a在t时刻的量测值；则任意2个子系统(i，j)，在(t-k，t)时间区间内，测点a量测数据的相关性指标定义为：式中，为与的协方差；为的方差，为的方差；则有，N个子系统(1,2,…n)，在(t-k，t)时间区间内，测点a量测数据的相关性指标矩阵Ra为：较佳地，所述量测数据采用传感器测量获得。与现有技术相比，本专利技术具有的有益效果如下：(1)该工业系统智能诊断方法，通过分析各个工业子系统之间的相关性，进行系统异常诊断。(2)该工业系统智能诊断方法，在计算相关性之前，对量测数据进行了预处理，去除了不能表达系统真实、稳定运行状态的数据断面。(3)该工业系统智能诊断方法，结果判断所使用的阈值，通过实际系统历史数据统计获得。附图说明图1为本专利技术提供的一种工业系统智能诊断方法流程图；图2为本专利技术提供的实施例汇流箱诊断流程图；图3为本专利技术提供的实施例汇流箱相关性系数矩阵示意图。具体实施方式下面结合附图1，对本专利技术进行详细描述，但应当理解本专利技术的保护范围并不受具体实施方式的限制。本专利技术提供的一种工业系统智能诊断方法，包括如下步骤：步骤一：先获取各系统、子系统测点数量N相同时间区间的量测数据，将这N个测点进行统一相关性计算，形成一个相关性矩阵；步骤二：将步骤一中获取的所述量测数据进行数据预处理，去除不能表达系统真实、稳定运行状态的数据断面，并将合规的数据输入给相关性指标计算模块；工业系统中的各个子系统在运行过程中，会受到外界环境的影响致使所获得的数据不准确，不能表达系统真实、稳定运行状态。例如单个子系统会受到其他子系统运行的影响导致数据不准；或者各个子系统受到共同外界自然环境影响致使一段时间内数据出现偏大、偏小或为零等状况。再或者如果遇到传感器故障或者通讯中断，导致真实的数据也如法传输，致使不能获得真实数据。因此工业系统中各个子系统的测点信息，可以通过结合这些测点出厂时设置的区间和正常运行时所在的区间来获得一个大致的正常区间。所以挑选的办法一般都是提前内置判断区间。步骤三：对若干个子系统两两进行相关性指标计算，并将计算结果输入给相关性异常判定模块；所述相关性指标定义如下：首先，定义为“子系统i”的“测点a”在“t时刻”的量测值；则有：代表子系统i的测点a在(t-k，t)时间区间内的量测值序列；代表“子系统1”～“子系统N”的测点a在t时刻的量测值；则任意2个子系统(i，j)，在(t-k，t)时间区间内，测点a量测数据的相关性指标定义为：式中，为与的协方差；为的方差，为的方差；则有，N个子系统(1,2,…n)，在(t-k，t)时间区间内，测点a量测数据的相关性指标矩阵Ra为：步骤四：对相关性指标计算结果进行分析判断，识别相关性系数有所降低的子系统。对相关性指标ra进行数学机理分析可知，ra的取值范围是[-1,1]之间。越接近1，代表越正相关，说明此时，两个测点数据越相似。越接近-1，代表越负相关，说明此时，两个测点数据不相似。首先，对于计算出来的相关性指标ra，如果小于等于0并且越接近-1，则说明这两个测点不一致，说明一个是正常数据，一个是异常数据。如果数据处在(0，1)之间，则越接近1，说明这2个测点数据约相似。对于大于0但不接近1的ra，则会根据相关故障记录，来确定判断故障的标准。下面是上述方法的一个实施案例，光伏发电系统组串健康诊断。同一个汇流箱内的16个组串规格相同，因此其光电转换能力相当，属于同质子系统；且所处环境条件一致，运行工况一致，因此具有相似的发电表现；而电流量测值可表征组串的发电表现，因此可使用上述方法，通过组串电流相关性指标来进行光伏组串的异常判定。诊断流程图如图2：诊断步骤如下：步骤一：以汇流箱为单位，取某一汇流箱内16个组串一天的电流量测数据。步骤二：进行数据预处理，去除数据为空、电流为0以及通讯故障的数据断面后，输入给相关性指标计算模块。步骤三：对一个汇流箱内16个组串电流进行相关性指标计算，获得16×16的相关性指标矩阵。具体步骤如下：1)先获得个组串电流值：仅以这些组串举例，来演示如何计算出相关性矩阵，其他不再一一列举。2)计算组串间的相关性系数指标：计算组串1和组串2之间的相关性系数指标：按照这种思路可以继续计算其他相关性系数指标，再次不一一列举。形成组串间的相关性系数矩阵：如图3所示；步骤四：对相关性指标计算结果进行分析判断，若某组串与其他各组串相关性系数平均值小于等于0.70，则判定为异常。图中为黑框所标注处为异常数据，对应的是组串1为异常组串。数据标准来源于对历史数据统计所获得。例如，如果历史数据中某天发生故障，会对这16个组串该天数据进行相关性计算获得相关性矩阵，这样，每个组串会得到一个相应的相关性指标计算结果。如果该天组串确实发生过故障，则会将该天所得相关性计算指标结果作为一个故障发生的阈值。该阈值会通过不断对历史数据统计、分析和验证来逐渐精确。以上公开的仅为本专利技术的具体实施例，但是，本专利技术实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种工业系统智能诊断方法，其特征在于：包括如下步骤：步骤一：先获取各系统、子系统测点数量N相同时间区间的量测数据，将这N个测点进行统一相关性计算，形成一个相关性矩阵；步骤二：将步骤一中获取的所述量测数据进行数据预处理，去除不能表达系统真实、稳定运行状态的数据断面，并将合规的数据输入给相关性指标计算模块；步骤三：对若干个子系统两两进行相关性指标计算，并将计算结果输入给相关性异常判定模块；步骤四：对相关性指标计算结果进行分析判断，识别相关性系数有所降低的子系统。

【技术特征摘要】
1.一种工业系统智能诊断方法，其特征在于：包括如下步骤：步骤一：先获取各系统、子系统测点数量N相同时间区间的量测数据，将这N个测点进行统一相关性计算，形成一个相关性矩阵；步骤二：将步骤一中获取的所述量测数据进行数据预处理，去除不能表达系统真实、稳定运行状态的数据断面，并将合规的数据输入给相关性指标计算模块；步骤三：对若干个子系统两两进行相关性指标计算，并将计算结果输入给相关性异常判定模块；步骤四：对相关性指标计算结果进行分析判断，识别相关性系数有所降低的子系统。2.如权利要求1所述的工业系统智能诊断方法，其特征在于，步骤...

【专利技术属性】
技术研发人员：牟世忠，陶大江，张超，沐连顺，
申请(专利权)人：北京中能博泰科技有限公司，
类型：发明
国别省市：北京,11