【技术实现步骤摘要】
本专利技术涉及数字数据处理领域，具体涉及一种空压机热管理系统运行效率的智能分析方法。
技术介绍
1、空压机热管理系统是确保空压机稳定运行的重要组成部分，其主要功能是通过控制冷却水循环和润滑油系统，保持空压机在最佳温度和压力范围内运行。系统包括温度传感器、压力传感器和流量计等装置，用于实时监测空压机的运行状态，防止过热或过压带来的损害。随着工业自动化的发展，空压机在各种应用场景中的使用频率和重要性不断提高。传统的热管理系统往往无法全面反映系统的运行状态。此外，噪声数据和测量误差常常导致系统运行状态的误判，增加了维护和运行的难度。这些问题的产生主要是由于数据采集和分析方法的局限性，以及对多参数交互作用的考虑不足。
2、现有的空压机热管理系统在解决上述问题时存在一些不足。例如，公开号为cn118128742a的中国专利申请文件公开了一种方法，其通过采集空压机工作状态下的所处环境数据和物理性能数据生成空压机的物理健康指数来监控空压机工作时的设备状态。然而，这种方法无法准确识别和修正噪声数据，导致误判率高。此外，缺乏对多参数交互作用的分析，无法全面评估系统的运行状态，影响了系统的可靠性和效率。
技术实现思路
1、针对上述无法准确识别和修正噪声数据的问题，本专利技术提出了一种空压机热管理系统运行效率的智能分析方法，包括：采集空压机热管理系统运行过程中多个维度下的数据，不同采样时刻下的同一维度数据构成时序数据；将各时序数据使用设定长度的时间窗口划分为多个时间段对应的数据段，计算目标数
2、本专利技术通过对空压机热管理系统在运行过程中多个维度数据的采集、划分时间段并计算数据的异常程度修正值和局部关联度，能够有效识别和修正噪声数据，减少了数据误判的可能性，提升了系统运行数据的准确性。通过对目标数据进行修正和性能偏差的计算，最终得出系统运行的综合效率得分，若该得分超过预设阈值，系统将发出异常通知。与现有技术相比，本专利技术的方法能够更加全面、准确地评估空压机热管理系统的运行状态，提高了系统的运行效率和可靠性。
3、进一步地，所述异常程度修正值为：
4、αl，i＝arctan（（|xl，i-μ1，l|-|xl，i-μ2，l|)×θl，i)+2
5、其中αl，i表示第l个数据段内第i个数据的异常程度修正值；μ1,l表示第l个数据段内除第i个数据外其余数据的平均值；μ2,l表示第l个数据段内所有数据的平均值；xl,i表示第l个数据段内第i个数据的值；θl,i表示第l个数据段内第i个数据的异常程度。
6、进一步地，所述局部关联度为：
7、
8、其中pl(k),i表示第k维度第l个数据段内第i个数据的局部关联度；表示在同一时间窗口所确定的第k维第l个数据段与第维度第l个数据段的相关性；m表示维度总数量；i表示第l个数据段内数据总量；xl(k),j表示第k维度第l个数据段内第j个数据；μ1,l(k)表示第k维度第l个数据段内除第i个数据外其余数据的平均值；表示第维度第l个数据段内第j个数据；表示第维度第l个数据段内除第i个数据外其余数据的平均值。
9、通过计算目标数据的局部关联度，能够识别出不同数据之间的相互关系，进一步验证数据的异常程度，提高数据修正的精确性，确保系统状态评估的全面性和准确性。
10、进一步地，根据所述异常程度修正值以及局部关联度对目标数据进行修正，还包括：
11、x′l(k),i＝xl(k),i-(norm(pl(k),i×αl(k),i)×(xl(k),i-μ1,l(k)))；
12、式中，x′l(k),i表示第k维度第l个数据段内第i个数据修正后的数值；xl(k),i表示第k维度第l个数据段内第i个数据；pl(k),i表示第k维度第l个数据段内第i个数据的局部关联度；αl(k),i表示第k维度第l个数据段内第i个数据的异常程度修正值；μ1,l(k)表示第k维度第l个数据段内除第i个数据外其余数据的平均值；norm()为最大最小归一化函数。
13、通过结合异常程度修正值和局部关联度对目标数据进行修正，能够更全面地考虑数据间的关联性，减少单一数据误判的可能性，提高系统整体运行状态评估的准确性。
14、进一步地，采集空压机热管理系统运行过程中多个维度下的数据，还包括：在空压机出口放置温度传感器以及压力传感器采集空压机热管理系统运行过程中的温度数据、压力数据；通过空压机系统内置的流量计数器采集流量数据。
15、通过在空压机出口放置温度和压力传感器，采集关键参数数据，结合流量计数器采集的流量数据，多维度的数据采集能够提供全面的系统运行信息，有助于准确分析系统状态，识别异常情况，提高系统的监测精度和分析准确性。
16、进一步地，将各时序数据使用设定长度的时间窗口划分为多个时间段对应的数据段，还包括：所述设定长度的时间窗口为5min。
17、进一步地，目标数据的异常程度，还包括：使用z-score算法获取目标数据的异常程度。
18、进一步地，基于修正后的数据段与空压机热管理系统额定数据的差异计算性能偏差，还包括：将修正后的数据段内目标数据与空压机热管理系统额定数据的差值进行最大最小归一化；计算数据段内所有归一化后的差值的均值得到该数据段的性能偏差。
19、通过修正后的数据段与额定数据的差异计算性能偏差，能够更准确地反映系统的实际运行状态，及时发现性能异常，提高系统维护的及时性和有效性，保障系统的稳定运行。
20、本专利技术的技术效果为：
21、本专利技术通过利用多参数数据采集和智能分析方法，准确识别和修正噪声数据，提升空压机热管理系统的运行效率和可靠性。
本文档来自技高网...【技术保护点】
1.一种空压机热管理系统运行效率的智能分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，所述异常程度修正值为：
3.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，所述局部关联度为：
4.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，根据所述异常程度修正值以及局部关联度对目标数据进行修正，包括：
5.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，采集空压机热管理系统运行过程中多个维度下的数据，包括：
6.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，将各时序数据使用设定长度的时间窗口划分为多个时间段对应的数据段，包括：
7.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，目标数据的异常程度，包括：
8.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，基于修正后
...【技术特征摘要】
1.一种空压机热管理系统运行效率的智能分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，所述异常程度修正值为：
3.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，所述局部关联度为：
4.根据权利要求1所述的一种空压机热管理系统运行效率的智能分析方法，其特征在于，根据所述异常程度修正值以及局部关联度对目标数据进行修正，包括：
5.根据权利要求1所述的一种空压机热管理系统运行效率的智...
【专利技术属性】
技术研发人员：李洪均，李洪滔，
申请(专利权)人：万众热工科技广州有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。