专利汇可以提供一种基于嵌入式平台的变压器油中溶解气体在线监测系统专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于嵌入式平台的 变压器 油中溶解气体在线监测系统,针对目前变压器在线监测装置在色谱峰识别中容易受色谱基线抖动、漂移、有异常点、干扰大、 波形 不规则等现象,造成色谱峰的误判和漏判,同时对色谱峰的误判和漏判也缺乏自适应和自我学习能 力 ,从而造成气体组分数据测量失真,进一步影响故障诊断的准确性等问题。本发明在嵌入式Vxworks 操作系统 下采用差分 阈值 滤波法、粗糙惩罚法、一阶和二阶导数以及 粒子群优化 支持向量机 (PSO‑SVM)等 算法 对油气分离后的色谱曲线序列数据中的一系列色谱峰进行干扰峰识别和气体组分分类,并计算出气体浓度值。极大增强了色谱分析的准确性和 稳定性 ,提升了变压器油中溶解气体在线监测装置的性能。,下面是一种基于嵌入式平台的变压器油中溶解气体在线监测系统专利的具体信息内容。
1.一种基于嵌入式平台的变压器油中溶解气体在线监测系统,在嵌入式Vxworks操作系统下,对变压器中油中溶解气体特征量进行实时采集和监测,其特征在于:它包括数据采集模块、曲线序列数据处理模块、色谱峰识别模块、故障诊断模块、通信模块、嵌入式WebServer模块。
2.根据权利要求1所述的基于嵌入式平台的变压器油中溶解气体在线监测系统,其特征在于:所述数据采集模块包含PowerPC处理器芯片、Nandflash存储器、A/D采集电路、DI/DO采集电路、电源电路等,通过采集色谱单元的气体传感器检测信号,形成色谱序列数据。
3.根据权利要求1所述的基于嵌入式平台的变压器油中溶解气体在线监测系统,其特征在于:所述曲线序列数据处理模块,实现步骤如下:
步骤S1:对油气分离后色谱曲线序列数据采用差分阈值滤波法去掉异常点,得到去掉异常点新的色谱曲线序列数据;
步骤S2:对步骤S1中得色谱曲线序列数据,采用粗糙惩罚法对曲线进行平滑,得到平滑后的色谱曲线序列数据;
步骤S3:对步骤S2中得到的色谱曲线序列数据,采用一阶导数和二阶导数分别求每个序列数据点的斜率值和凹凸性,继而得到每个序列数据点的属性是否为极大值、零点、极小值,根据序列数据的属性,初步得到曲线序列数据中的色谱峰个数及色谱峰相的关参数。
4.根据权利要求1所述的基于嵌入式平台的变压器油中溶解气体在线监测系统,其特征在于:所述色谱峰识别模块,实现步骤如下:
步骤S1:获得油中溶解气体分离后的每种气体在不同温度下的低、中、高浓度的色谱峰特征量如幅度值、峰位(包括峰起点和峰终点)、峰面积、峰宽等参数组成五维特征向量样本组合;
步骤S2:对步骤S1中的样本组合进行归一化处理,得到归一化后的样本组合;
步骤S3:将样本组合分成训练集和测试集;对测试样本集中的每个样本进行测试,采用PSO算法计算出SVM最优的核函数参数g和惩罚参数c;
步骤S4:根据步骤S3中得到最优的核函数参数g和惩罚参数c,SVM分类器对训练集样本中的每个样本进行训练,得到训练模型,把训练模型录入到数据库中;
步骤S5:利用上述步骤得到的色谱峰参数,依循进行检测和分类,判断出该色谱峰属于哪种气体并计算出相应的浓度,根据本次分类结果的置信度确认是否存入训练集数据库,以便训练集不断得到矫正,使色谱峰的分类和识别有自适应和自我学习的能力。
5.根据权利要求4所述的基于嵌入式平台的变压器油中溶解气体在线监测系统,其特征在于:所述故障诊断模块包括根据所述色谱峰识别模块得到每种气体的浓度作为特征值,采用改良三比值、大卫三角形、TD图等算法相结合的方式进行故障诊断。
6.根据权利要求1至5之一所述的基于嵌入式平台的变压器油中溶解气体在线监测系统,其特征在于:所述通信模块包括通讯数据的接入和转出,通过以太网,采用IEC61850/I2通信规约把溶解气体特征值和诊断结果上传至远程服务器。
7.根据权利要求1至5之一所述的基于嵌入式平台的变压器油中溶解气体在线监测系统,其特征在于:所述嵌入式WebServer模块包括用户通过客户端浏览器、移动设备或手机APP对设备进行远程遥控和实时监测。
8.一种基于嵌入式平台的变压器油中溶解气体在线监测方法,其特征在于:
在嵌入式Vxworks操作系统下,对变压器中油中溶解气体特征量进行实时采集和监测;
对油气分离后色谱曲线序列数据采用差分阈值滤波法进行滤波去掉异常点,得到新的曲线序列数据;
对所得到的新的曲线序列数据,采用粗糙惩罚法对曲线进行平滑,得到平滑后的曲线序列数据;
对所得到的平滑后的曲线序列数据,采用一阶导数和二阶导数分别求的每个序列数据的特征点:斜率值和凹凸性,继而判断出每个序列数据特征点是否为极大值、零点、极小值,根据每个序列数据特征点检测出完整色谱峰相关参数,初步得到曲线序列数据中的一系列色谱峰及色谱峰相关参数;
采用POS-SVM,对所得到的一系列色谱峰及色谱峰相关参数进行分类和分类,并计算出气体浓度值,同时根据色谱峰分类结果的置信度确认是否存入训练集数据库中;
采用嵌入式Webserver服务,用户在客户端通过浏览器、移动设备或手机App进行远程监控变压器的实时运行状态、告警信息、故障诊断结果。
9.根据权利要求8所述的基于嵌入式平台的变压器油中溶解气体在线监测方法,其特征在于,对曲线序列数据的处理,具体步骤如下:
步骤S1:对油气分离后色谱曲线序列数据采用差分阈值滤波法去掉异常点,得到去掉异常点新的色谱曲线序列数据;
步骤S2:对步骤S1中得色谱曲线序列数据,采用粗糙惩罚法对曲线进行平滑,得到平滑后的色谱曲线序列数据;
步骤S3:对步骤S2中得到的色谱曲线序列数据,采用一阶导数和二阶导数分别求每个序列数据点的斜率值和凹凸性,继而得到每个序列数据点的属性是否为极大值、零点、极小值,根据序列数据的属性,初步得到曲线序列数据中的色谱峰个数及色谱峰相的关参数。
10.根据权利要求8所述的基于嵌入式平台的变压器油中溶解气体在线监测方法,其特征在于,对一系列色谱峰及色谱峰相关参数的处理,具体步骤如下:
步骤S1:获得油中溶解气体分离后的每种气体在不同温度下的低、中、高浓度的色谱峰特征量如幅度值、峰位(包括峰起点和峰终点)、峰面积、峰宽等参数组成五维特征向量样本组合;
步骤S2:对步骤S1中的样本组合进行归一化处理,得到归一化后的样本组合;
步骤S3:将样本组合分成训练集和测试集;对测试样本集中的每个样本进行测试,采用PSO算法计算出SVM最优的核函数参数g和惩罚参数c;
步骤S4:根据步骤S3中得到最优的核函数参数g和惩罚参数c,SVM分类器对训练集样本中的每个样本进行训练,得到训练模型,把训练模型录入到数据库中;
步骤S5:利用上述步骤得到的色谱峰参数,依循进行检测和分类,判断出该色谱峰属于哪种气体并计算出相应的浓度,根据本次分类结果的置信度确认是否存入训练集数据库,以便训练集不断得到矫正,使色谱峰的分类和识别有自适应和自我学习的能力。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种充电桩的充电服务网络运营监控系统及其工作方法 | 2020-05-08 | 722 |
一种手势操作的识别方法 | 2020-05-08 | 866 |
计算机操作系统的还原保护状态检测方法和系统 | 2020-05-08 | 682 |
一种基于WEB浏览器的时间管理方法 | 2020-05-08 | 371 |
一种安全与智能化的实验数据管理系统及方法 | 2020-05-08 | 317 |
一种基于容器引擎的远方电能量数据终端 | 2020-05-08 | 66 |
在可编程逻辑控制器(PLC)中自主添加和删除功能的装置和方法 | 2020-05-08 | 573 |
一种基于互联网的铁建设备智能管理云平台 | 2020-05-08 | 341 |
一种信息处理方法及装置、设备、存储介质 | 2020-05-08 | 992 |
一种新型车载信息娱乐系统 | 2020-05-08 | 837 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。