[发明专利]基于OneNET云平台的石油化工企业电力故障监测装置和方法有效

专利信息
申请号: 201910656519.8 申请日: 2019-07-19
公开(公告)号: CN110429709B 公开(公告)日: 2021-04-23
发明(设计)人: 张浩;孙成富;赵建洋;郇小城;张志鹏 申请(专利权)人: 淮阴工学院
主分类号: H02J13/00 分类号: H02J13/00
代理公司: 淮安市科文知识产权事务所 32223 代理人: 谢观素;李锋
地址: 223005 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 onenet 平台 石油 化工企业 电力 故障 监测 装置 方法
【权利要求书】:

1.一种基于OneNET云平台的石油化工企业电力故障监测装置中所执行的方法,所述电力故障监测装置包括OneNET云平台,通过网络与OneNET云平台无线连接的客户端;以及通过无线通信模块与OneNET云平台连接的主控制器;其特征在于:所述主控制器的输入端信号连接有计量模块,计量模块的前端信号连接有数据采集模块,所述的数据采集模块与三相电源连接;所述的控制器采用了卡尔曼滤波算法,去除噪声为决策树算法提供更精确的数据;采用决策树算法判断漏电、断电的用电故障并及时上传云平台,实现远程监控保护电力设备和线路;其具体步骤如下:

S1:计量模块的数据通过SPI总线传输给主控制器,当主控制器的SDRAM检测到有采集的电压电流值后,则利用采集到的电压电流值开始执行卡尔曼滤波;

S2:将采集到的电压电流的值放入滤波公式中迭代,并多次循环,多次循环后最优化估算值X(k|k)会趋近稳定,即滤除了噪声;

所述的滤波公式为:

X(k|k-1)=X(k-1|k-1) (1)

上式中,X(k|k-1)为预测k时刻的最优估算值;X(k-1|k-1)为k-1时刻的最优估算值;

P(k|k-1)=P(k-1|k-1)+Q (2)

上式中,P(k|k-1)为预测k时刻的噪声协方差;P(k-1|k-1)为k-1时刻的噪声协方差;Q为滤波系统的噪声协方差;

上式中,Kg(k)为卡尔曼增益;R为测量值中的噪声协方差;

X(k|k)=X(k|k-1)+Kg(k)·(Z(k)-X(k|k-1)) (4)

上式中,X(k|k)为k时刻最优估算值,Z(k)为实际测量得到的值;

P(k|k)=(1-Kg(k))·P(k|k-1) (5)

上式中,P(k|k)为k时刻的噪声协方差;

将公式(1)运用到公式(4)中,公式(4)可以改写为下列公式:

X(k|k)=X(k|k-1)+Kg(k)·(Z(k)-X(k-1|k-1)) (6)

将公式(2)运用到公式(5)中,公式(5)可以改写为下列公式:

P(k+1|k)=(1-Kg(k))·P(k|k-1)+Q (7)

最终整个滤波方程采用公式(3)、(6)、(7)三个公式进行迭代;

S3:将去除噪声后的数据保存在故障诊断的队列中,并存储到Nand Flash存储卡中,方便接下来的故障诊断;

S4:将经过卡尔曼滤波之后的精准数据作为样本数据构建决策树,并提取决策规则;

S5:将新数据条件属性与决策规则列表中的规则进行匹配,如果有相匹配的规则,将诊断结果保存在故障集中,存在Nand Flash存储卡中;

S6:将故障数据和通过SIM7600CE按照TCP协议与OneNET云平台之间建立连接,并发送故障数据和电力信息;

S7:OneNET云平台监测中心根据OneNET云平台提供的基本框架,创建电力信息监测项目,建立起对各装置电力参数进行实时远程监测的监控显示平台。

2.根据权利要求1所述的一种基于OneNET云平台的石油化工企业电力故障监测装置中所执行的方法,其特征在于:所述的主控制器连接有两块用于系统分配任务的片外SDRAM内存卡。

3.根据权利要求1或2其任一项所述的一种基于OneNET云平台的石油化工企业电力故障监测装置中所执行的方法,其特征在于:所述的主控制器连接有用于存储主控制器处理后的相关信息的存储卡。

4.根据权利要求3所述的一种基于OneNET云平台的石油化工企业电力故障监测装置中所执行的方法,其特征在于:所述的主控制连接有用于后期为主控制器软件升级的JTAG接口。

5.根据权利要求1或4其任一项所述的一种基于OneNET云平台的石油化工企业电力故障监测装置中所执行的方法,其特征在于:所述的主控制连接有用于查看故障信息的液晶LCD显示模块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于淮阴工学院,未经淮阴工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910656519.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top