• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
郭歌,郏琨琪,周欢,何光宇,王治华.基于用户侧泛在电力物联网的空调故障感知[J].电测与仪表,2021,58(4):92-98.
Guo Ge,Jia Kunqi,Zhou Huan,He Guangyu,Wang Zhihua.Fault sensing of air conditioner based on User Side WidespreadPower Internet of Things[J].Electrical Measurement & Instrumentation,2021,58(4):92-98.
基于用户侧泛在电力物联网的空调故障感知
Fault sensing of air conditioner based on User Side WidespreadPower Internet of Things
DOI:10.19753/j.issn1001-1390.2021.04.014
中文关键词:  泛在电力物联网  故障感知  数据挖掘  支持向量数据描述
英文关键词:Widespread Power Internet of Things  Fault Sensing  Data Mining  Support Vector Data Description
基金项目:国家自然科学基金资助项目(51877134)
              
作者中文名作者英文名单位
郭歌Guo Ge电力传输与功率变换教育部重点实验室(上海交通大学)
郏琨琪Jia Kunqi电力传输与功率变换教育部重点实验室(上海交通大学)
周欢Zhou Huan电力传输与功率变换教育部重点实验室(上海交通大学)
何光宇He Guangyu电力传输与功率变换教育部重点实验室(上海交通大学)
王治华Wang Zhihua国网上海市电力公司调度控制中心
摘要点击次数: 1616
中文摘要:
      传统空调故障感知方法需要侵入式地在系统内部安装多个不同类型传感器且数据采集频率要求高,导致用户侧泛在电力物联网的基础条件不能支撑其大规模落地应用。针对上述问题,文章提出了两种仅利用智能插座和温度传感器的空调故障感知方法。数据采集频率低,且通过突变保存机制减少了数据存储量:方法一提出了基于一阶等效热参数模型的空调近似物理模型,利用模型预测值与空调实测值的残差分析进行空调故障实时感知;方法二基于支持向量数据描述(SVDD)模型得出正常运行数据描述,实现正常数据与故障数据的在线分离。结果表明,基于近似一阶等效热参数模型的方法对于滤网完全堵塞的故障实时误判率为1.46%,基于SVDD的方法的实时误判率为0。
英文摘要:
      Traditional air conditioning fault sensing methods require intrusive installation of sensors inside the system with high data acquisition frequency, causing that the conditions of Widespread Internet of Things cannot support these methods. Aiming at the above problems, this paper proposes two methods with only smart socket and temperature sensors. The frequency of data collection is low, and the amount of data storage is reduced by the mutation preservation mechanism. The first method proposes an approximate physical model based on first-order equivalent thermal parameter model, the residual value analysis of prediction and measured values is used to detect real-time faults. The second method is based on support vector data description (SVDD). The model derives a description of the normal data and enables online separation of normal and fault data. The results show that the real-time false positive rate of Method 1 is 1.46%, and that of Method 2 is zero.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司