[发明专利]一种智能生产设备中能耗监控装置及其运行方法

权利要求书

1.一种智能生产设备中能耗监控装置，其特征在于，包括数据采集模块(1)、数据预处理模块(2)、设备电流分组模块(3)、设备运行状态模块(4)和在线监控模块(5)；其中：

所述数据采集模块(1)设置于智能生产设备上，采集智能生产设备能耗数据，并将能耗数据传输至所述数据预处理模块(2)；所述数据采集模块(1)包括若干个传感器和数据解析器；其中：所述传感器内置或外接在智能生产设备上，用于采集智能生产设备能耗数据，并将能耗数据传输至所述数据解析器；所述数据解析器用于对能耗数据进行解析处理，并将解析后的数据传入流式消息队列，等待所述数据预处理模块(2)调用处理；

所述能耗数据包括每台智能生产设备各采集节点的开关量、温度、电流、转速和压力；

所述数据预处理模块(2)对能耗数据进行预处理，得到设备的节点分组状态和运行状态；所述预处理过程包括：所述数据预处理模块(2)从流式数据中，获取每台设备电流采集节点的电流数据，根据电流节点相关性分析进行分组；根据相关性分析结果，构建设备的节点分组状态；所述数据预处理模块(2)从流式消息队列采集设备运行状态；

所述设备电流分组模块(3)用于构建设备电流分组模型，并根据设备的节点分组状态判断分组内设备之间能耗的关联异常，输出能耗异常；在所述设备电流分组模块(3)中，使用设备的节点分组状态的历史数据，采用BP神经网络算法，并进行训练，得到设备电流分组模型；将所述数据预处理模块(2)构建的节点分组状态作为所述设备电流分组模型输出，判断分组内设备之间能耗的关联异常，输出能耗异常；

所述设备运行状态模块(4)用于构建设备运行状态模型，根据设备的运行状态及能耗异常，判断单个设备的能耗异常；在所述设备运行状态模块(4)中，使用每个设备运行状态的历史数据，采用BP神经网络算法，并进行训练，得到设备运行状态模型；将所述数据预处理模块(2)构建的设备运行状态及所述设备电流分组模块(3)生成的能耗异常作为输入，判断单个设备的能耗异常；

所述在线监控模块(5)根据所述设备电流分组模块(3)、设备运行状态模块(4)的输出结果，对能耗异常设备进行显示和报警提示；所述在线监控模块(5)包括微处理器(51)、显示模块(52)、输入模块(53)和报警模块(54)；其中：所述输入模块(53)用于输入操作指令，其输出端与所述微处理器(51)输入端电性连接；所述微处理器(51)输出端与所述显示模块(52)信号输入端电性连接；所述微处理器(51)与所述报警模块(54)控制端电性连接；所述微处理器(51)输入端与所述设备运行状态模块(4)输出端电性连接。

2.根据权利要求1所述的一种智能生产设备中能耗监控装置的一种智能生产设备中能耗监控装置的运行方法，其特征在于，包括以下步骤：

S1：在智能生产设备上布设数据采集模块(1)，采集智能生产设备能耗数据；即通过在智能生产设备上内置或外接传感器，采集智能生产设备能耗数据；并将能耗数据进行解析处理，将解析后的数据传入流式消息队列，等待数据预处理模块(2)调用处理；

S2：通过数据预处理模块(2)对能耗数据进行预处理，得到设备的节点分组状态和运行状态；

S3：通过设备电流分组模块(3)训练设备电流分组模型，将设备的节点分组状态作为设备电流分组模型的输入，判断分组内设备之间能耗的关联异常，输出能耗异常；即将设备的节点分组状态的历史数据作为训练集，训练BP神经网络，得到设备电流分组模型；将数据预处理模块(2)构建的节点分组状态作为设备电流分组模型输出，判断分组内设备之间能耗的关联异常，输出能耗异常；

S4：通过设备运行状态模块(4)训练设备运行状态模型，将设备的运行状态及能耗异常作为设备运行状态模型的输入，判断单个设备的能耗异常；即将每个设备运行状态的历史数据作为训练集，训练BP神经网络，得到设备运行状态模型；将数据预处理模块(2)构建的设备运行状态及设备电流分组模块(3)生成的能耗异常作为输入，判断单个设备的能耗异常；

S5：根据设备电流分组模块(3)、设备运行状态模块(4)的输出结果，在在线监控模块(5)上对能耗异常设备进行显示和报警提示。