148
研究与探索Research and Exploration ·工艺流程与应用
中国设备工程 2021.02 (上)
用电信息采集设备主要安装于企业的生产车间配电柜或者一些其他分立的用电设备中，通过传感器对电缆以及生产线的各种设备参数进行采集，主要包含电流、电压等电气数据，并且将获得的数据实时上传到云端，通过物联网平台和数据库来获取终端的数据，实现终端和云端的双向通信，搭建强大的数据通道，获得的数据被存储到云数据库中，能够保证数据的安全性，搭建用电管理和显示系统，通过云技术、大数据、互联网将获得的数据显示到前台，用户可以通过登录手机APP、电脑页面等监控设备和电缆的电力数据情况，并且下发控制指令以及查询历史数据。2 智慧用电监控系统的软硬件结构分析 智慧用电监控系统可以通过各采集终端了解线路和用电器的相关数据，并且设定电量、温度、电流、电压等的报警阈值，如果出现异常，可以及时报警，并将获得的数据送到云端，完成数据的分析、挖掘和可视化。2.1 智慧用电监控系统的硬件结构
在实践中，用电采集设备的硬件电路主要包含用电采集模块、通信模块、数据存储模块以及液晶屏显示
模块等，用电采集设备的硬件系统当中，需要对单片机进行编程，编程软件部分主要分为主程序控制系统、驱动系统以及通讯系统等。在采集设备中使用stm32单片机作为主控系统，在用电数据采集方面外接三相计量芯片进行AD 采集，分辨率为24位，最小误差可以控制在0.2%，温度采集方面使用ntc 热敏电阻传感器，并且通过AD 转换获取数字信号，将数据传送到单片机当中。在通讯方面使用GPRS 无线通信，使用串口与单片机相连，配合MQTT 协议完成数据的传送，另外，用户可以将需要的命令，通过MQTT 协议发送给单片机，使单片机完成一定的操作。
为了符合用电信息采集现场指示控制要求，使用液晶显示屏和部分按键来进行参数的设置以及现场的控制，整个数智慧用电监控系统设计及其采集数据分析研究煅烧石油焦
郭嘉岳，徐保照，张兆阳，李杨
液压式浮球阀（天津港东疆建设开发有限公司，天津 300463）
碳氟化钾摘要：用电监控系统能够对用电线路、用电设备进行实时监控，了解线路或者用电设备的具体情况，比如，是否出现漏电、过载、短路、温度异常等，通过不间断的采集分析线路或设备中的电流、电压参数以及现场温度的变化为电气火灾防控、用电管理提供服务，本文与某企业的实际情况相结合，阐述该企业的智慧用能监控系统设计，并且分析如何通过大数据对采集的数据进行汇总处理和应用。
关键词：智慧用电监控系统；硬件设计；软件设计；数据分析
中图分类号：TM764 文献标识码：A 文章编号：1671-0711（2021）02（上）-0148-02
据采集和控制系统的体积小而且成本低、稳定性强、易于操作和实现。
2.2 智慧用电监控系统的软件结构
在获得用电采集设备的数据后，通过大数据进行数据挖掘和数据分析并且构建预测模型，可以对用电器和电缆的用电数据情况进行有效的分析，并且了解其中的规律。通过大数据系统来对获取的数据进行处理，分布式处理的过程中使用hadoop 框架进行海量数据的批处理和清洗、分析以及可视化工作。
数据泛化处理时，对非结构性的数据进行统一化，接着，使用流式处理技术，完成毫秒级的实时数据处理。在实际应用时，后台系统可以将系统管理、数据分析、信息安全控制和计算融为一体，信息展示主要是将采集的数据展示到前台以及控制中心的大屏中，信息安全控制主要是进行数据备份、安全权限和数据加密处理。
3 智慧用电监控系统采集数据分析
844vv
数据分析主要是通过大数据智能算法来完成系统的分析工作，使用apache spark 快速数据计算引擎提升数据的传输效率，在进行数据清洗和标准化处理后，使用聚类算法完成数据分析模型的构建，可以
用于进行用电风险预测指挥、用电异常监测等。以某单位为例，在对原始用电信息进行处理后，排除节假日以及生产过程中出现的人为操作失误、设备故障、网络原因导致的信息缺失或者工作停止的状态，对功耗进行观察，可以有效地了解设备运行的状态，并且通过获得的数据，分析生产的具体情况，为后续的生产管理提供服务，具体的用电信息质量分析如图1所示。3.1 用电信息特征
对用电信息特征进行分析，如表1所示，该表为某企业生产线用电信息变量的统计情况，可以发现电流和其他电量值之间的关系，利用Python 对pearson 系列矩阵进行计算，如表2。
染问题，进一步持续延长产品生产周期，并促进整体设计及制造工作质量成果的提升。
参考文献：
[1]杜训刚.绿设计理念在机械设计制造中的应用[J].中外企业家，2020(07):141-142.
[2]张博玺，梅晓雄.绿理念在机械设计制造中的应用研究[J].南
方农机，2020,51(03):118.
[3]覃羡烘.绿理念在机械设计制造中的应用浅析[J].内燃机与配件，2020(03):203-205.
[4]李璐岑，刘晓华.绿理念在机械设计制造中的应用分析[J].湖北农机化，2020(01):70.
[5]巨素娣.绿理念在机械设计制造中的应用分析[J].冶金管理，
2020(01):76-77.
149
中国设备工程C h i n a P l a n t E n g i n e e r i n
g
中国设备工程 2021.02
（上）a）电压、电流-时间 b）功耗-时间图
图1 用电信息质量分析
表1 统计量分析
电参量最小值最大值平均值标准差Ua 205.3234.3225.83 3.5Ub 197.6233.8224.19 5.58Uc 203233.1224.68 4.28Ia 072.7 5.7110.56Ib 073.2814.74Ic 067.6 2.84 5.72P 038460.843626.566615.67Ta 21.945.131.94 3.63Tb 21.851.132 3.9Tc 21.950.132.12 4.07Tn 21.949.632.18 4.05Inn
79
8.09
7.88
根据pearson 元系数取值分析，发现三相电流和总功率以及剩余电流之间具有线性关系，温度和剩余电流之间具有线性关系。
通过数据清晰、数据变换后可以进行一些数据信息的挖掘，比如，剩余电流预测。造成剩余电流较大的原因多种多样，比如，配电系统老化、配电系统所接负载过大以及电路设计不合理等问题，这些问题往往是不可预测的，现考虑剩余电流以及相关参量的关系，选择生产线在不同工作日的数据对样本进行汇总，使用灰预测和神经网络分析的预测模型，将获得的数据导入模型对剩余电流的情况进行拟合，如图2。
通过数据分析和拟合后，将数据结果输出，发现剩余电流预测存在一定的误差，但是总体效果较好，由数据分析可以了解剩余电流的变化趋势，在剩余电流值达到警戒值时，及时进行控制预防危险事故的产生。3.2 生产分析
将预处理的数据送入tab lean 内部数据管理框架中，对生产线在工作日和时间段方面的功率情况进行
分析，可以有效地判断生产线的工作状态。在生产时，企业的生产线运行功率具有较大的波动（如图3），但整体上还呈现正相关
的关系。
该企业的系统在早上8:00开始启动，8:00～9:00用电量偏高，主要是由于系统开机时需要进行预热，会耗费一定的电量，根据当前分时电价的计算规则，峰谷用电时间中高峰时段为8:00～22:00，电费较贵，低谷时间为22:00到次日8:00，电费较为便宜，因此，可以建议企业提前开机完成
预热工作，避开高峰期，以便减少成本投入。
图3 生产线工作日/时间段功率分布
4 结语
智慧用电监测管理平台使用了大数据、物联网、云计算等多种技术，可以有效地采集用电器和线路当中的电力数据，并且通过多维度监管的模式，使电气数据通过物联网传送到云平台进行集中存储和分析，并且使用大数据进行分析，能够建立有效的故障预警和报警机制，并且挖掘数据，发现可能存在的电气安全隐患，提高生产效率。
参考文献：
[1]李珏，马晓东，张果谋等.大数据分析在用电采集数据分析与智能监测系统的设计与实现[J].电气应用, 2015(S1):558-561.
[2]田琴.大数据分析在用电采集数据分析与智能监测系统的设计与实现[J].电子测试, 2018, No.387(06):89+92-93.
[3]陈建明.大数据分析在用电采集数据分析与智能监测系统的设计与实现[J].电子技术与软件工程, 2017, 000(015):P.187-187.
珍珠风
表2 Pearson 相关系数矩阵
Ua Ub Uc Ia Ib Ic Ta Tb Tc Tn P Inn Ua 10.750.85-0.34-0.31-0.38-0.23-0.23-0.25-0.25-0.34-0.3Ub 0.7510.92-0.76-0.8-0.67-0.63-0.64-0.67-0.67-0.78-0.68Uc 0.850.921-0.7-0.67-0.62-0.53-0.53-0.57-0.57-0.69-0.58Ia -0.34-0.76-0.710.960.910.730.730.780.780.990.85Ib -0.31-0.8-0.670.9610.860.750.770.80.80.980.86Ic -0.38-0.67-0.620.910.8610.650.60.680.680.930.78Ta -0.23-0.63-0.530.730.750.6510.960.990.990.740.7Tb -0.23-0.64-0.530.730.770.60.9610.980.970.740.71Tc -0.25-0.67-0.570.780.80.680.990.98110.790.74Tn -0.25-0.67-0.570.780.80.680.990.97110.790.75P -0.34-0.78-0.690.990.980.930.740.740.790.7910.86Inn
-0.3
-0.68
-0.58
0.85
0.86
可视化调度系统0.78
0.7
0.71
0.74
0.75
0.86
1
图2 灰预测和神经网络分析的预测模型
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议