CN117541221A - 一种适用于网联智控集中供热的物联设备智能巡检方法 - Google Patents

Abstract

本发明涉及一种适用于网联智控集中供热的物联设备智能巡检方法，从供热系统真实历史数据中分析物联设备的故障信息，机理与数据混合驱动，建立包括连接故障、偏移故障、机理故障的故障信息库，将各种需要检测的故障与采样信息关联，制定检测策略；进入检测模块实时检测供热系统的物联设备故障，根据一定频率定期检测系统是否供需匹配，如检测到设备故障和系统供需不匹配，生成故障维修工单和供需匹配调节工单发送给运维管理平台；运维管理平台根据故障维修工单及时对供热系统物理网维修保养，根据供需匹配调节工单对管控云平台调度优化，实现供需匹配，在满足用户热舒适性的前提下，为整个供热系统最大程度上节能。

Description

一种适用于网联智控集中供热的物联设备智能巡检方法

技术领域

本发明属于集中供热技术领域，具体涉及一种适用于网联智控集中供热的物联设备智能巡检方法。

背景技术

目前，我国将提高国家自主贡献力度，采取更加有力的政策和措施。其中，全国建筑碳排放占总排放量的22％，而北方地区供热系统所产生的碳排放就占到建筑排放量的25％。因此，就如何实现高效、清洁、稳定地推行集中供热的同时，实现建筑节能、降低建筑碳排放量显得尤其重要。

据统计[1](清华大学建筑节能研究中心.中国建筑节能年度发展研究报告.2020[M].北京：中国建筑工业出版社，2020)，我国北方地区的供暖面积超200亿平方米，目前平均能耗每平米约15kg标煤，理论上可以达到5kg标煤，拥有巨大的节能潜力。因此，集中供热系统的优化、智能调节，能够提高系统能效、保证系统安全、稳定运行。

集中供热系统是一个十分复杂的多变量控制系统，由于供暖面积大、影响因素多、内部关联性强、滞后时间长和非线性严重等特点，运维管理人员基于工程经验进行调控具有局限性，出现不同程度上供需不匹配、能源浪费等现象。随着信息技术的发展，供热系统的智能化控制成为了研究热点之一，其本质就是将供热物理系统和信息系统相结合，集系统运行、智能化控制于一身的智慧供热系统。智慧供热的基础是在供热系统中安装物联设备，检测供热系统的运行数据和调节供热系统的运行参数。智慧供热以数据分析为切入点，通过系统的运行数据发现问题、分析问题、解决问题，基于供热系统运行的热力数据，通过训练机理模型或人工智能模型形成运行调节策略，替代传统的运行管理人员依靠自身经验粗略调控系统，实现系统精细化控制，达到供需匹配平衡，在满足用户热舒适性的前提下，使得系统高效、节能、稳定地运行。而智慧供热系统实现供需匹配的前提是运行调节策略可靠，这就需要有足够可靠的热力数据训练模型。但集中供热物联设备在运行过程中可能会发生各种故障导致最终的热力数据丢失或异常，这会导致运行调节策略的不可靠，进而造成供热系统出现一定程度上供需不匹配及能源浪费的现象。

故障检测方面的相关文献如下：

余丹等人[2]公开了《基于物联网平台的设备故障检测分析方法和系统》(CN114726750B),对所有终端设备进行故障检测并将故障检测信息标注后上传到物联网平台，对故障信息聚类分析，划分为若干信息子集合，提取共同故障表现特征信息，确定每个故障检测信息子集合的终端设备的共同故障原因和故障发生范围，向维修人员发送维修通知消息。该系统可提高对终端设备的故障检测速度和准确性、对存在故障的终端设备的处理率与解决率。

杨鹤鸣等人[3]公开了《物联设备网络故障分析方法及装置》(CN113923101A)，确定目标故障物联设备，获取所述目标故障物联设备的网络信息，根据目标故障设备所属运行商区域物联设备故障率、目标故障设备信号接收数量和相同时段在线率判断故障物联设备的故障原因。有利于提高物联系统的稳定性，实现更加智能化的故障分析。

黄胜丰等人[4]公开了《一种智能燃气阀物联设备与云平台系统及方法》(CN114811170A)，在燃气阀主体上方设置阀件智联单元，该系统可以实现数据采集、数据清洗、数据分析、数据统计功能，可定时采集数据，对阀件各项元件进行异常状态监控、数据行为监控。可解决现有的管道埋藏于地下并且大都避开人口居住区、环境恶劣、日常靠人工巡检手动操作的传统运维管理、数据获取周期长、无法做到实时监控分析、无法预防风险的问题。

丁研等人[5]公开了《一种供热系统换热器运行中故障诊断方法》(CN112051082A)，利用换热器在运行过程中的一次侧流量和供回水温差以及二次侧流量和供回水温差，开发梯度提升回归树(GBRT)模型计算换热器的固定传热系数，利用换热器传热原理开反映换热器性能的白箱模型计算换热器总传热系数，利用换热器固定传热系数和总传热系数计算换热器的广义污垢热阻，判断换热器是否存在故障需要清洗或维修。可针对性地反映换热器性能，在不影响正常工作的同时诊断换热器运行状态，保证供热系统运行稳定性。

高洋[6]公开了《温度传感器的故障检测方法、装置、设备和存储介质》(CN116242506A)，在轨道交通车辆的目标车厢的厢门关闭且所述目标车厢温度稳定的情况下，获取目标车厢内两个待检测温度传感器采集的温度数据和轨道交通车辆的目标车厢对应的车厢温度数据，在两个待检测温度传感器的温度数据之间的差值超过第一设定偏差阈值的情况下，基于两个待检测温度传感器的温度数据与车厢温度数据按照预设对比规则进行差值计算，根据差值计算结果确定两个待检测温度传感器中存在偏移故障的目标温度传感器。可在车厢内温度传感器数量有限的情况下准确且快速检测出轨道交通车厢内存在偏移故障的温度传感器。

已有的设备故障检测的相关文献，对于物联设备的故障检测一般只考虑物联设备与云平台的连接故障，而供热领域的设备故障检测一般只涉及设备性能下降出现的偏移故障。事实上，在集中供热系统所采集的热力数据中可能会包含一些违背机理的信息，这时系统已经发生了机理故障。如果不能及时发现并修复，会影响调节模型的训练和系统的正常运行。

参考文献：

[1]江亿.清华大学建筑节能研究中心.中国建筑节能年度发展研究报告2020[M]北京：中国建筑工业出版社，2020。

[2]余丹,兰雨晴,张腾怀,葛宇童,王丹星.基于物联网平台的设备故障检测分析方法和系统[P].北京市:CN114726750B,2023-01-13。

[3]杨鹤鸣,陈德全,李鹏飞,林涛,李斌,李晁铭,陈华荣,麦洪永,梁秉豪,张梁栋,王斌.物联设备网络故障分析方法及装置[P].广东省:CN113923101A，2022-01-11。[4]黄胜丰,金克雨,尚玉来,金瑞建,金卡迪,胡道忠,张海兰,蔡越发,肖庆,黄志强.一种智能燃气阀物联设备与云平台系统及方法[P].浙江省:CN114811170A,2022-07-29。

[5]丁研,刘路衡,宿皓,田喆.一种供热系统换热器运行中故障诊断方法[P].天津市:CN112051082A,2020-12-08。

[6]高洋.温度传感器的故障检测方法、装置、设备和存储介质[P].上海市:CN116242506A，2023-06-09。

发明内容

本发明的目的在于克服现有技术的不足，提供一种适用于网联智控集中供热的物联设备智能巡检方法，一方面全面实时检测系统运行过程中发生的故障，实时检测并反馈给运维管理平台及时修复，可确保充足可靠的热力数据用于训练热工模型，利于系统高效运行和模型可靠；另一方面供需匹配检测可基于热工模型按照一定频率检测系统是否供需匹配，反馈给运维管理平台调度优化，实现供需匹配，在满足用户热舒适性的前提下，为整个供热系统最大程度上节能。

本发明解决其技术问题是通过以下技术方案实现的：

一种适用于网联智控集中供热的物联设备智能巡检方法，其特征在于：所述方法依靠安装在供热系统中的物联设备采集数据，物联设备包括安装在用户侧热力入口供、回水管道上的热量表、流量传感器、水温传感器、阀门控制器，物联设备采集供热系统运行中的热力数据并通过通讯模块同步传输至上位机并保存在管控云平台；所述方法采用的智能巡检系统包括依次连接的数据库模块、故障与采样信息关联模块、阈值模块、检测模块及输出模块；

所述方法的步骤为：

1)故障分析：进入数据库模块，数据库模块包括设备信息库、故障信息库及历史采样库，其中设备信息库包括供热系统物联设备的位置、编号、采集何种数据信息；历史采样库从管控云平台读取历史采样信息，包含该系统物联设备的所有历史采样信息；故障信息库是根据历史信息库中的历史采样信息分析而来，包括连接故障、偏移故障及机理故障，其中连接故障是指物联设备离线、与管控云平台失去连接；偏移故障是指设备由于长期使用或其他原因等导致性能下降；机理故障是指物联设备采集的信息违背机理；

机理故障分析如下：

供热系统供给热功率由供回水温度、瞬时流量确定，公式如下：

P＝ρGc(T_g-T_h) (1)

其中：P为供热系统供给热功率，kW；

ρ表示工质密度，kg/m³；

G表示工质瞬时流量，m³/s；

c表示工质比热容，kJ/(kg·℃)；

T_g为供水温度；

T_h为回水温度，℃；

供热系统累积负荷为供给热功率对时间积分得来，公式如下：

其中：Q_累积为供热系统累积负荷，kJ；

τ为时间，s；

在供热系统运行过程中，供水温度大于回水温度，根据公式(2)可知，供热系统累积负荷随时间递增，同理根据公式(3)可知，供热系统累积流量随时间递增，

其中：G_累积为供热系统累积流量，m³；

综上，分析得出机理故障：

故障1：回水温度大于供水温度；

故障2：累积热量或累积流量减少；

2)建立实时采样信息与三种故障之间的关联；进入故障与信息关联模块，当进行故障检测时，从管控云平台获取实时采样信息，实时采样信息为当前时间窗的所有数据，包括两种类型——瞬时数据和累积数据，瞬时数据是不随系统运行在原有基础上累积的数据，随系统运行波动，累积数据是随系统运行在原有基础上累积的数据，随系统运行增加或不变，当前时间窗是终点时间为当前时间且时间跨度等于预设的时间长度的时间段；若当前时间窗的数据量小于设定数据量，认定发生了连接故障；只有瞬时数据才会有偏移故障，若当前时间窗超出偏移故障阈值的瞬时数据量大于设定数据量，认定发生了偏移故障；若当前时间窗违背机理的数据量大于设定数据量，认定发生了机理故障；

3)确定偏移故障检测阈值和供需匹配检测阈值：偏移故障检测阈值，结合运维管理人员给出的系统正常运行参考值得出第一阈值区间；从历史采样库中使用孤立森林算法去除异常值后的最小值和最大值考虑余量形成第二阈值区间；第一阈值区间和第二阈值区间取交集得到第三阈值区间，其中，第一阈值区间是系统正常运行参考值的理论阈值区间，代表整个系统运行的绝对上下限；第二阈值区间是系统内各单元运行的实际值，具有针对性；第三阈值区间是第一阈值区间与第二阈值区间的交集，兼顾整个系统正常运行的理论值和系统不同单元运行的实际值，是最终检测是否存在偏移故障的区间；

4)故障及供需匹配检测：进入检测模块完成故障检测和供需匹配检测，

故障检测：从管控云平台读取实时采样信息，获取当前时间窗的运行数据，按照连接故障、偏移故障、机理故障顺序依次检测故障，若检测到设备故障，报警提示故障发生的位置以及故障类型和原因，故障检测频率设定与预设时间长度有关，具体为预设时间为多久，多久检测一次；

供需匹配检测：从管控云平台读取实时采样信息，获取当前时间窗的运行数据，基于外围模块热工模型确定参数的供需匹配检测阈值区间，计算当前时间窗内处于偏移故障检测阈值区间的参数平均值，判断平均值与供需匹配检测阈值区间的关系，当参数平均值处于供需匹配检测阈值区间内时，认定供需匹配；当参数平均值处于供需匹配检测阈值区间外时，认定供需不匹配，因供热系统调节不宜过于频繁，不同系统调节频率不同，根据系统调节频率定期进行供需匹配检测；

5)输出故障维修工单和供需匹配调节工单：当检测模块故障检测部分检测到故障时，报警提示，进入输出模块生成故障维修工单发送给运维管理平台，运维管理平台根据故障维修工单及时对供热系统物理网维修保养，确保充足可靠的热力数据用于训练热工模型，利于系统高效运行；当按照系统调节频率定期进行检测模块供需匹配检测部分时，若检测到系统供需不匹配，报警提示，进入输出模块生成供需匹配调节工单发送给运维管理平台，运维管理平台根据供需匹配调节工单对管控云平台调度优化，实现供需匹配，在满足用户热舒适性的前提下，为整个供热系统最大程度上节能。

而且，所述步骤3)具体步骤为：

偏移故障检测阈值：

(1)结合运维管理人员给出的系统正常运行参考值得出第一阈值区间[x_1min,x_1max]；

(2)从历史采样库读取历史采样信息，获取历史瞬时数据，使用孤立森林算法检测并去除异常值，得到去异常数据集X＝{x₁,x₂,x₃,…,x_p}；

孤立森林算法原理如下：

A.在训练集中采样，取出包含n个样本的子集；

B.每次随机取某个阈值进行划分，生成2个子节点，当划分到某个节点中样本个数为1或同一节点内样本特征相同或达到指定深度时停止划分，此时生成1个itree；

C.重复A和B的操作生成m个itree；

D.计算给定样本在m个itree的深度；

E.根据异常值评分函数判断是否为异常值，评分函数如式(4)所示；

其中：h(x)表示样本x在m个itree中的平均深度；

E表示数学期望；

c(n)表示二叉排序树搜索不成功的平均路径长度；

(3)由去异常数据集的最值考虑余量后得到第二阈值区间[x_2min,x_2max]，公式如下：

x_2min＝(minX)·ξ^-1 (5)

x_2max＝(maxX)·ξ (6)

其中：ξ为余量因子，根据第一阈值区间的长度而定，推荐取值范围为1.1～1.5；

(4)由第一阈值区间和第二阈值区间取交集得到第三阈值区间[x_3min,x_3max]，即为最后用于偏移故障检测的区间，公式如下：

[x_3min,x_3max]＝[x_1min,x_1max]∩[x_2min,x_2max] (7)

供需匹配检测阈值：基于外围模块热工模型确定，当参数处于该阈值区间内时，认定供需匹配；当参数处于该阈值区间外时，认定供需不匹配，其中，热工模型由历史采样库中的数据经数据处理、数据分割、模型训练、模型验证而来。

本发明的优点和有益效果为：

1、本发明一种适用于网联智控集中供热的物联设备智能巡检方法，一方面全面实时检测系统运行过程中发生的故障，实时检测并反馈给运维管理平台及时修复，可确保充足可靠的热力数据用于训练热工模型，利于系统高效运行和模型可靠；另一方面供需匹配检测可基于热工模型按照一定频率检测系统是否供需匹配，反馈给运维管理平台调度优化，实现供需匹配，在满足用户热舒适性的前提下，为整个供热系统最大程度上节能。

2、本发明基于供热系统网联智控，从供热系统真实历史数据中分析物联设备的故障信息，机理与数据混合驱动，建立包括连接故障、偏移故障、机理故障的故障信息库，将各种需要检测的故障与采样信息关联，制定检测策略；进入检测模块实时检测供热系统的物联设备故障，根据一定频率定期检测系统是否供需匹配，如检测到设备故障和系统供需不匹配，生成故障维修工单和供需匹配调节工单发送给运维管理平台；运维管理平台根据故障维修工单及时对供热系统物理网维修保养，根据供需匹配调节工单对管控云平台调度优化，实现供需匹配，在满足用户热舒适性的前提下，为整个供热系统最大程度上节能。

3、本发明的数据库模块，根据供热系统运行真实历史数据分析故障信息，不仅考虑连接故障和偏移故障，还考虑违背机理的机理故障，机理与数据混合驱动，可全面且具有针对性地发现故障信息，建立故障信息库。可针对实际系统的特点全面地制定检测策略，并可输出对应的故障原因，保证检测的故障全面且清晰，提高维修效率、降低维修成本。

4、本发明的故障与采样信息关联模块，建立实时采样信息与各种故障的关联。实际供热系统物联设备的数据采集频率不同，采集频率大的系统可达逐分钟级甚至逐秒级。当只是某一个数据出现问题时，并不影响系统运行以及数据训练。所以本模块根据当前时间窗满足故障条件的数量与设定数量对比判断是否故障，只有当出现问题的数据有多个时，才判定故障。过滤掉基本无危的故障类型，可避免人力频繁关注系统改动系统。

5、本发明的阈值模块，分为偏移故障检测阈值和供需匹配检测阈值两部分。偏移故障检测阈值：兼顾整个系统正常运行的理论值和系统不同单元运行的实际值。供需匹配检测阈值：可用于检测系统是否供需匹配，可根据供需匹配调节工单进行优化调度，实现供需匹配，在满足用户热舒适性的前提下，为系统最大程度上节能。

6、本发明的检测模块，分为故障检测和供需匹配检测两部分。故障检测部分，检测频率根据检测时的预设时间段设置，可实时监测系统设备运行故障。如有故障设备，报警提示，输出故障检修工单发送给运维管理平台对将故障设备及时修复，保证系统运行稳定，运行数据完整可靠，调节模型可靠，从而在满足用户热舒适性的前提下最大程度节能。

7、本发明的检测模块，分为故障检测和供需匹配检测两部分。供需匹配检测部分，按照系统调节频率进行检测，可检测系统各位置是否供需匹配。若存在供需不匹配情况，报警提示，输出供需匹配调节工单发送给运维管理平台对调度优化，实现供需匹配，在满足用户热舒适性的前提下，为系统最大程度上节能。

8、该方法易于实施，使用范围广泛，可操作性强，成本可控。供热管网不需大规模改动，不涉及土木等改造。

9、本发明提出的基于供热系统网联智控物联设备的智能巡检系统及方法，具有很好的外推性，其结果和方法可以适用于具有相似特征的场景。

10、本发明提出的基于供热系统网联智控物联设备的智能巡检系统及方法，集成实用性、适用性、先进性与示范性，对于实现双碳目标背景下建筑领域的低碳高效清洁供热具有重要的意义。

附图说明

图1为本发明的技术路线图；

图2为本发明的集中供热系统管网示意图；

图3为本发明实施例供热系统示意图；

图4为本发明的历史采样库示意图；

图5为本发明的故障案例示意图；

图6为本发明的故障检测流程图；

图7为本发明的供需匹配检测流程图；

图8为本发明的故障维修工单图；

图9为本发明的供需匹配调节工单图。

附图标记说明

1-锅炉；2-水温传感器；3-水泵；4-流量传感器；5-热量表；6-通讯模块；7-阀门控制器；8-建筑群；9-室温传感器。

具体实施方式

下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。

本发明提供一种适用于网联智控集中供热的物联设备智能巡检方法，应用于图2所示的某高校某集中供热系统，该供热系统包括锅炉1及锅炉上连接的供水管及回水管，所述供水管上依次连接有水温传感器2、流量传感器4及建筑群8，所述回水管上依次连接有温度传感器、水泵3及建筑群8，所述供水管及回水管上的温度传感器均连接至热量表5，所述热量表分别连接至阀门控制器7及流量传感器4，所述阀门控制器连接至通讯模块6，所述通讯模块连接有气象模块，所述建筑群8内设置有室温传感器9，室温传感器9和阀门控制器7均通过通讯模块无线连接至外部监控平台。

该供热系统现供热面积267975㎡，包括高区和低区，分别为不同的建筑区域供热。低区和高区共由5台燃气锅炉直供，供暖建筑包括科研办公楼、实验厂房、学生宿舍、教学楼、食堂等多种类型的众多用户。该供热系统在2019年进行了改造，包括三个层级，分别为能源中心、热力入口和末端房间，其中能源中心包括低区和高区两部分、改造的热力入口全部处于低区，共30个。在能源中心安装了水温传感器、流量传感器、热量表，用来检测能源中心的供回水温度、瞬时流量、累积流量和累积热量；热力入口安装了水温传感器、流量传感器、热量表、阀门控制器，用来检测热力入口的供回水温度、瞬时流量、累积流量、累积热量和阀位；末端房间安装了室温传感器，用来检测末端房间的室温。该供热系统源网末端均安装与云平台连接的通讯模块，本发明所涉及的实际运行数据均由能源中心、热力入口、末端房间的数据采集模块获得，如图1所示。其中能源中心和热力入口的数据采集频率为6min一次，末端房间的数据采集频率为10min一次。

如图1所示，下面主要以该供热系统为例，说明本专利技术的具体实施方式和有益效果，本实施例的供热系统如图3所示，在2019年经历了智能化改造，在能源中心、热力入口、末端房间三个层级加装物联网设备监控系统运行参数，上传至云控平台。其中a)为能源中心改造图，b)为热力入口和末端房间改造图，c)为能源中心低区热力入口和建筑分布图，d)为智慧热网云控平台，e)为运维管理平台。

具体包括以下步骤：

(1)进入数据库模块，该模块包括设备信息库、故障信息库和历史采样库三部分。

设备信息库包括该系统物联设备的位置、编号、采集何种数据等信息。

历史采样库是从管控云平台读取历史采样信息而来，包含该系统物联设备的所有历史供暖季的采样信息，见图4，该系统分为能源中心、热力入口、末端房间三个层级，其中图4a)为能源中心历史供暖季采样信息、图4b)为热力入口历史供暖季采样信息、图4c)为末端房间历史供暖季采样信息。

故障信息库是根据历史信息库中的历史采样信息分析而来，包括连接故障、偏移故障和机理故障三种。经分析，该系统的故障统计如表1所示。

共有6种故障，其中101故障不影响数据的正常使用，进行检测时应予过滤。6种故障的案例示意图如图5所示，图5中a～f依次对应表1中故障编号。

表1故障统计表

(2)进入故障与信息关联模块。当进行故障检测时，从管控云平台获取实时采样信息。实时采样信息为当前时间窗的所有数据，包括两种类型——瞬时数据和累积数据。瞬时数据是不随系统运行在原有基础上累积的数据，随系统运行波动，例如供回水温度、瞬时流量等。累积数据是随系统运行在原有基础上累积的数据，随系统运行增加或不变，例如累积流量、累积热量等。当前时间窗是终点时间为当前时间且时间跨度等于预设的时间长度的时间段。

对于上述分析的6种故障：

若当前时间窗的数据量小于设定数据量，认定发生了连接故障000；

若当前时间窗超出偏移故障阈值的瞬时数据量大于设定数据量且数据不为0，认定发生了偏移故障001；

若当前时间窗数据为0的数据量大于设定数据量，认定发生了机理故障010；

若当前时间窗累积数据差为小于0的数据量大于设定数据量，认定发生了机理故障011；

若当前时间窗回水温度大于供水温度的数据量大于设定数据量，认定发生了机理故障100；

通过满足问题条件的数据量与设定数据量的比较，可以过滤掉机理故障101。

3)进入阈值模块。

偏移故障检测阈值：结合运维管理人员给出该系统正常运行参考值得出第一阈值区间；从历史采样库中使用孤立森林算法去除异常值后的最小值和最大值考虑余量形成第二阈值区间；第一阈值区间和第二阈值区间取交集得到第三阈值区间。该系统部分参数的偏移故障检测阈值如表2所示。各参数的余量因子设定如表3所示。

表2部分参数阈值区间表

表3各参数余量因子

参数	余量因子
		能源中心供水温度	1.1
能源中心回水温度	1.1
		能源中心瞬时流量	1.2
热力入口供水温度	1.1
		热力入口回水温度	1.1
热力入口瞬时流量	1.2
		热力入口阀位	1.4
末端房间室温	1.3

供需匹配检测阈值：基于外围模块热工模型确定，当参数处于该阈值区间外时，认定供需不匹配。其中，热工模型由历史采样库中的数据经数据处理、数据分割、模型训练、模型验证而来。该系统中，热工模型指能源中心供水温度模型和热力入口阀位模型。

(4)进入检测模块。

故障检测部分：检测流程图如图6所示。

从管控云平台读取实时采样信息，获取设定时间长度为1h的当前时间窗的运行数据，包括能源中心供水温度、回水温度、瞬时流量、累积流量、累积热量，热力入口供水温度、回水温度、瞬时流量、累积流量、累积热量、阀位，末端房间室温。

首先，检测连接故障。若当前时间窗的数据量小于设定数据量，认定发生了连接故障000。若能源中心、热力入口、末端房间所有设备均发生连接故障000，报警——所有设备均不在线，系统可能失联。

其次，检测偏移故障。对于所有的瞬时数据(包括能源中心供水温度、回水温度、瞬时流量，热力入口供水温度、回水温度、瞬时流量、阀位，末端房间室温)，若当前时间窗超出偏移故障阈值的数据量大于设定数据量且数据不为0，认定发生偏移故障001。

最后，检测机理故障。若当前时间窗数据为0的数据量大于设定数据量，认定发生机理故障010；若当前时间窗累积数据(包括能源中心累积流量、累积热量，热力入口累积流量、累积热量)差为小于0的数据量大于设定数据量，认定发生机理故障011；若当前时间窗能源中心和热力入口的回水温度大于供水温度的数据量大于设定数据量，认定发生机理故障100；

上述条件均不满足，认定设备正常。

故障检测频率为1h一次。

供需匹配检测部分：检测流程图如图7所示。

从管控云平台读取实时采样信息，获取设定时间长度为1h的当前时间窗的运行数据，包括能源中心供水温度和热力入口阀位。

计算当前时间窗内处于偏移故障检测阈值区间的能源中心供水温度和热力入口阀位平均值，判断参数平均值与供需匹配检测阈值区间的关系。

若参数平均值处于供需匹配检测阈值区间内，认定供需匹配。

若参数平均值处于供需匹配检测阈值区间外，认定供需不匹配。

供需匹配检测频率为1d一次。

(5)进入输出模块。

若检测模块故障检测部分检测到故障，生成故障维修工单给运维管理平台，运维管理平台根据故障维修工单对供热系统物理网维修保养。有利于系统的高效运行，保证数据的完整性和可靠性，保证热工模型的可靠性，从而实现供需匹配。

2022-01-31和2023-07-01的故障维修工单如图8所示，分别为图8a)、b)所示。

若检测模块供需匹配检测部分检测到系统供需不匹配，生成供需匹配调节工单，运维管理平台根据供需匹配调节工单对管控云平台调度优化，管控云平台可以控制供热系统物理网的运行。实现供需匹配，在满足用户热舒适性的前提下，为系统最大程度上节能。

2023-11-11和2023-11-25的供需匹配调节工单如图9所示，分别为图9a)、b)所示。

尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。

Claims (2)

1.一种适用于网联智控集中供热的物联设备智能巡检方法，其特征在于：所述方法依靠安装在供热系统中的物联设备采集数据，物联设备包括安装在用户侧热力入口供、回水管道上的热量表、流量传感器、水温传感器、阀门控制器，物联设备采集供热系统运行中的热力数据并通过通讯模块同步传输至上位机并保存在管控云平台；所述方法采用的智能巡检系统包括依次连接的数据库模块、故障与采样信息关联模块、阈值模块、检测模块及输出模块；

所述方法的步骤为：

1)故障分析：进入数据库模块，数据库模块包括设备信息库、故障信息库及历史采样库，其中设备信息库包括供热系统物联设备的位置、编号、采集何种数据信息；历史采样库从管控云平台读取历史采样信息，包含该系统物联设备的所有历史采样信息；故障信息库是根据历史信息库中的历史采样信息分析而来，包括连接故障、偏移故障及机理故障，其中连接故障是指物联设备离线、与管控云平台失去连接；偏移故障是指设备由于长期使用或其他原因等导致性能下降；机理故障是指物联设备采集的信息违背机理；

机理故障分析如下：

供热系统供给热功率由供回水温度、瞬时流量确定，公式如下：

P＝ρGc(T_g-T_h) (1)

其中：P为供热系统供给热功率，kW；

ρ表示工质密度，kg/m³；

G表示工质瞬时流量，m³/s；

c表示工质比热容，kJ/(kg·℃)；

T_g为供水温度；

T_h为回水温度，℃；

供热系统累积负荷为供给热功率对时间积分得来，公式如下：

其中：Q_累积为供热系统累积负荷，kJ；

τ为时间，s；

在供热系统运行过程中，供水温度大于回水温度，根据公式(2)可知，供热系统累积负荷随时间递增，同理根据公式(3)可知，供热系统累积流量随时间递增，

其中：G_累积为供热系统累积流量，m³；

综上，分析得出机理故障：

故障1：回水温度大于供水温度；

故障2：累积热量或累积流量减少；

2)建立实时采样信息与三种故障之间的关联；进入故障与信息关联模块，当进行故障检测时，从管控云平台获取实时采样信息，实时采样信息为当前时间窗的所有数据，包括两种类型——瞬时数据和累积数据，瞬时数据是不随系统运行在原有基础上累积的数据，随系统运行波动，累积数据是随系统运行在原有基础上累积的数据，随系统运行增加或不变，当前时间窗是终点时间为当前时间且时间跨度等于预设的时间长度的时间段；若当前时间窗的数据量小于设定数据量，认定发生了连接故障；只有瞬时数据才会有偏移故障，若当前时间窗超出偏移故障阈值的瞬时数据量大于设定数据量，认定发生了偏移故障；若当前时间窗违背机理的数据量大于设定数据量，认定发生了机理故障；

3)确定偏移故障检测阈值和供需匹配检测阈值：偏移故障检测阈值，结合运维管理人员给出的系统正常运行参考值得出第一阈值区间；从历史采样库中使用孤立森林算法去除异常值后的最小值和最大值考虑余量形成第二阈值区间；第一阈值区间和第二阈值区间取交集得到第三阈值区间，其中，第一阈值区间是系统正常运行参考值的理论阈值区间，代表整个系统运行的绝对上下限；第二阈值区间是系统内各单元运行的实际值，具有针对性；第三阈值区间是第一阈值区间与第二阈值区间的交集，兼顾整个系统正常运行的理论值和系统不同单元运行的实际值，是最终检测是否存在偏移故障的区间；

4)故障及供需匹配检测：进入检测模块完成故障检测和供需匹配检测，

故障检测：从管控云平台读取实时采样信息，获取当前时间窗的运行数据，按照连接故障、偏移故障、机理故障顺序依次检测故障，若检测到设备故障，报警提示故障发生的位置以及故障类型和原因，故障检测频率设定与预设时间长度有关，具体为预设时间为多久，多久检测一次；

供需匹配检测：从管控云平台读取实时采样信息，获取当前时间窗的运行数据，基于外围模块热工模型确定参数的供需匹配检测阈值区间，计算当前时间窗内处于偏移故障检测阈值区间的参数平均值，判断平均值与供需匹配检测阈值区间的关系，当参数平均值处于供需匹配检测阈值区间内时，认定供需匹配；当参数平均值处于供需匹配检测阈值区间外时，认定供需不匹配，因供热系统调节不宜过于频繁，不同系统调节频率不同，根据系统调节频率定期进行供需匹配检测；

5)输出故障维修工单和供需匹配调节工单：当检测模块故障检测部分检测到故障时，报警提示，进入输出模块生成故障维修工单发送给运维管理平台，运维管理平台根据故障维修工单及时对供热系统物理网维修保养，确保充足可靠的热力数据用于训练热工模型，利于系统高效运行；当按照系统调节频率定期进行检测模块供需匹配检测部分时，若检测到系统供需不匹配，报警提示，进入输出模块生成供需匹配调节工单发送给运维管理平台，运维管理平台根据供需匹配调节工单对管控云平台调度优化，实现供需匹配，在满足用户热舒适性的前提下，为整个供热系统最大程度上节能。

2.根据权利要求1所述的适用于网联智控集中供热的物联设备智能巡检方法，其特征在于：所述步骤3)具体步骤为：

偏移故障检测阈值：

(1)结合运维管理人员给出的系统正常运行参考值得出第一阈值区间[x_1min,x_1max]；

(2)从历史采样库读取历史采样信息，获取历史瞬时数据，使用孤立森林算法检测并去除异常值，得到去异常数据集X＝{x₁,x₂,x₃,…,x_p}；

孤立森林算法原理如下：

A.在训练集中采样，取出包含n个样本的子集；

B.每次随机取某个阈值进行划分，生成2个子节点，当划分到某个节点中样本个数为1或同一节点内样本特征相同或达到指定深度时停止划分，此时生成1个itree；

C.重复A和B的操作生成m个itree；

D.计算给定样本在m个itree的深度；

E.根据异常值评分函数判断是否为异常值，评分函数如式(4)所示；

其中：h(x)表示样本x在m个itree中的平均深度；

E表示数学期望；

c(n)表示二叉排序树搜索不成功的平均路径长度；

(3)由去异常数据集的最值考虑余量后得到第二阈值区间[x_2min,x_2max]，公式如下：

x_2min＝(min X)·ξ^-1 (5)

x_2max＝(max X)·ξ (6)

其中：ξ为余量因子，根据第一阈值区间的长度而定，推荐取值范围为1.1～1.5；

(4)由第一阈值区间和第二阈值区间取交集得到第三阈值区间[x_3min,x_3max]，即为最后用于偏移故障检测的区间，公式如下：

[x_3min,x_3max]＝[x_1min,x_1max]∩[x_2min,x_2max] (7)

供需匹配检测阈值：基于外围模块热工模型确定，当参数处于该阈值区间内时，认定供需匹配；当参数处于该阈值区间外时，认定供需不匹配，其中，热工模型由历史采样库中的数据经数据处理、数据分割、模型训练、模型验证而来。