铝型材挤压机实时能耗监测及能耗异常检测系统的制作方法
【专利摘要】本实用新型一种铝型材挤压机实时能耗监测及能耗异常检测系统，包括智能电表、智能天然气表、串口服务器、交换机以及监控服务器，智能电表和智能天然气表等负载通过RS-485总线与串口服务器相连接，串口服务器将RS485串口转换为TCP/IP网络接口，实现RS-485串口到TCP/IP网络接口的数据双向透明传输，监控服务器实时监测负载能耗数据并记录不同负载的能耗数据，并用历史能耗数据以回归型支持向量机方法计算单位铝型材能耗的正常检测区间，还可以根据预测能耗数据与实际记录能耗数据进行比较，对挤压生产进行节能评估。该技术方案不仅可以实时地采集车间内挤压机组的能耗数据，还可以通过对历史能耗数据的分析，检测生产中的能源泄露、待机时间过长、挤压参数不恰当等能耗异常现象。
【专利说明】铝型材挤压机实时能耗监测及能耗异常检测系统
【技术领域】
[0001] 本实用新型涉及一种铝型材挤压机实时能耗监测及能耗异常检测【技术领域】。
【背景技术】
[0002] 铝型材生产企业属于高能耗、高排放制造企业，挤压生产的成本控制是企业关注 的重点问题之一。为了保证挤压生产稳定、经济地运行，对挤压机能耗进行实时监测以及能 耗异常检测，是实现制造自动化和清洁生产的发展趋势。此外，以挤压机组、车间为单位对 生产节能情况进行评估，可以有效地减少能源泄露、待机时间过长、挤压参数不恰当等能耗 异常现象。
[0003] 目前铝型材生产能源计量大部分采用人工计量的方式，需要工作人员走遍各个挤 压机组记录仪表数据，不仅由于厂房面积过大不能及时采集生产数据（一天采集一次），还 不能对生产现场中的能耗异常问题进行及时的处理。
[0004] 目前采用的节能评估手段是采用未采用节能措施的单位产品的能耗与采用节能 措施后的单位产品的能耗进行对比。然而这一方法存在严重的滞后性，随着生产时间的不 同、机组工作人员的不同、生产产品的不同，这种评估方法会产生较大的误差。 实用新型内容
[0005] 本实用新型目的在于，提出一种应用于铝型材挤压机的实时能耗监测系统及能耗 异常检测系统，从而实时地监测挤压生产中的能耗数据，并可以根据能耗预测发现挤压生 产中的能耗异常现象。
[0006] 为达此目的，本实用新型首先提供一种铝型材挤压机实时能耗监测系统，包括：安 装于挤压机用电线路上的智能电表；安装于辅助加热炉供热管道上的智能天然气表；所述 数字仪表均连接至串口服务器；所述串口服务器连接至交换机；所述交换机连接至监控服 务器。
[0007] 如此设置，可以实现在铝型材挤压过程中的实时能耗采集和处理，节省人力操作， 提高效率，能够实施检测挤压生产过程中的能耗数据，及时处理能耗异常的现象。
[0008] 其次，本实用新型提供了一种铝型材挤压机实时能耗监测及能耗异常检测系统， 其包括：安装于挤压机用电线路上的智能电表；安装于辅助加热炉供热管道上的智能天然 气表；所述数字仪表均连接至串口服务器；所述串口服务器连接至交换机；所述交换机连 接至监控服务器；
[0009] 还包含数据采集模块和服务器控制模块；
[0010] 其中所述数据采集模块运行于所述串口服务器，采集来自智能电表及智能天然气 表的负载能耗数据，并将负载能耗数据传递至服务器控制模块；
[0011] 所述服务器控制模块运行于监控服务器，包含数据存储模块，训练模型模块，预测 能耗区间模块，能耗比较模块；
[0012] 所述数据存储模块接收数据采集模块传递的负载能耗数据，将负载能耗数据根据 采集时间存储至数据库中，同时数据存储模块还存储对能耗产生影响的生产数据；
[0013] 所述训练模型模块是基于回归型支持向量机，使用监控服务器数据库中的历史负 载能耗数据和生产数据训练回归型支持向量机；
[0014] 所述预测能耗区间模块，以统计分析方法计算单位产品能耗的置信区间；
[0015] 所述能耗比较模块，读取实时能耗数据，与能耗置信区间进行比较，得出挤压能耗 正常或能耗异常。
[0016] 其中，所述能耗比较模块是从监控服务器数据库中读取出挤压机组单位产品 能耗的实际值x t，以及回归型支持向量机计算的单位产品能耗的预测值xp，根据公式 X -X A/ 〃_1()()%计算所述单位产品的节能效果Π 。 ^ Ρ
[0017] 其中，所述训练模型模块包括：将监控服务器数据库中读取出的负载能耗数据和 生产数据转换为回归型支持向量机模型的训练数据的预处理，训练回归型支持向量机模型 中的回归函数f(x)。
[0018] 其中，所述输入预处理是将负载能耗数据和生产数据转换为回归型支持向量机模 型的训练数据，即按照采集的时间，将负载能耗数据{f( Xl)，f (χ2)，. . .，f(xn)}和对应的生 产数据{χ^ X2, · · ·，xn}作为一组数据〈f(Xi)，Xi>，i = 1，2, · · ·，n，用于训练回归函数f(x) =w · x+b，w和b分别是拟合训练数据的超平面参数，训练过程即是通过求解方程的形式， 用多组数据<f (Xi)，Xi>, i = 1，2, · · ·，n计算超平面参数W和b的过程。
[0019] 其中，所述预测能耗区间模块还包括：用于根据置信区间估计方法对监控服务器 数据库中的历史能耗数据进行分析，给定置信度l-α，获得能耗预测的正常区间。
[0020] 其中，单位挤压铝型材的预测耗电量为Χ1，Χ2,…Xn服从样本分布（μ，〇 2) ?7和 S2分别表示预测耗电量的样本均值和样本方差，则随机变量^ = 对于 yjS-/n ， ~Χ- μ 给定的置信度1-α ,ρ{ f-ΓΓ =1_α其中Ρ表示概率，则预测耗电量的 - ^ 均值μ的置信区间为[尤土一 Λ] η - 〇
[0021] 本实用新型的有益效果是：本实用新型实时能耗监测系统通过串口服务器读取各 个数字仪表的实时数据，集中显示挤压生产的用电量、电压、电流、用量、温度、压力、流量等 数据（间隔〈3秒），通过对挤压生产历史数据进行统计，得到正常生产能耗置信区间，对挤 压生产中的能耗异常现象能够及时发现并做出相应的处理。基于回归型支持向量机确定节 能效果的方法，其根据当前生产参数进行能耗预测，与实际能耗值进行比较，可以有效地避 免数据的滞后性。
【专利附图】
【附图说明】
[0022] 图1是本实用新型铝型材挤压机实时能耗监测系统结构图。
[0023] 图2是本实用新型的基于回归型支持向量机的挤压异常能耗检测系统的实现流 程图。
[0024] 图3是本实用新型的一个实施例提供的某挤压机组节能能效图。
【具体实施方式】
[0025] 下面结合附图及具体实施例对本实用新型进行更加详细与完整的说明。可以理解 的是，此处所描述的具体实施例仅用于解释本实用新型，而非对本实用新型的限定。另外还 需要说明的是，为了便于描述，附图中仅示出了与本实用新型相关的部分而非全部内容。
[0026] 如图1所示，其为本实用新型铝型材挤压机实时能耗监测系统的结构图，显示了 硬件部分的组成，其自底层至上层依次包含数字仪表、串口服务器、交换机和监控服务器四 层。其中，底层数字仪表包括智能电表和智能天然气表，智能电表安装于挤压机用电线路 上，用于采集用电量、电压、电流、视在功率、有功功率、无功功率、功率因数、频率等参数，该 参数又分为A、B、C三相和汇总；智能天然气表安装于辅助加热炉供热管道上，主要采集用 量、温度、压力、流量等4个参数。
[0027] 各层之间可以通过有线或无线的方式连接，本实用新型给出了一种有线的连接方 式，所述底层数字仪表与串口服务器通过RS-485接口相连，使用M0DBUS-RTU通讯协议进行 数据通信，该串口服务器采用MOXA NP〇rt5430,串口端与仪表设备相连，网络端与交换机相 连，并使用TCP/IP协议进行数据通信，串口服务器安装于车间，用于串口和网络设备中传 输数据，实现RS-485串口到TCP/IP网络接口的数据双向透明传输；各个交换机通过局域网 与监控服务器相连，传输网络数据到监控服务器。而监控服务器用于接收和记录交换机传 输的负载能耗数据以及运行回归型支持向量机方法。
[0028] 本实用新型的软件部分包含数据采集模块和服务器控制模块，所述数据采集模块 运行于串口服务器，其工作内容是从监控服务器收到配置参数后，生成标准的MODBUS数据 命令帧，并发送给智能数字仪表，收到智能数字仪表返还的应答数据帧后，将数据帧中的内 容打包为TCP/IP所用的数据包，通过网络接口转发到交换机网关中。所述服务器控制模 块运行于监控服务器，采用微软公司开发的软件开发平台VC++6.0进行开发，使用封装的 Mscomm控件进行串口传输，并将硬件采集到的数据传输到上位机界面中实时显示以及存储 到SQL数据库中。其至少包含数据库模块，训练模型模块、预测能耗区间模块、能耗比较模 块。
[0029] 如图2所示，其为本实用新型服务器控制模块的结构及工作示意图。所述数据库 模块中包含数据库，用于存储数据采集模块采集的负载能耗数据及在生产过程中能够对能 耗产生影响的生产数据，其中负载能耗数据包含（数字电表采集的用电量和数字天然气表 采集的燃气用量），所述生产数据包含（挤压温度、挤压速度、冷却速度、铝棒类型、合金成 分等），其中挤压温度直接影响到模具加热能耗和铝棒加热能耗，挤压速度则对挤压能耗有 直接影响，冷却速度直接影响冷却能耗，铝棒类型和合金成分对挤压能耗有间接影响。
[0030] 所述训练模型模块，其特征在于训练基于回归型支持向量机的节能评估模型。将 监控服务器数据库中读取出的负载能耗数据和生产数据转换为回归型支持向量机模型的 训练数据的预处理，训练回归型支持向量机模型中的回归函数f( x)。所述输入预处理是 将负载能耗数据和生产数据转换为回归型支持向量机模型的训练数据，即按照采集的时 间，将负载能耗数据和对应的生产数据{Χι，Χ2，...，Χη}作为一 组数据<f (Xi), Xi>, i = 1，2,. . .，η,用于训练回归函数f (X) = W · x+b，W和b分别是拟合 训练数据的超平面参数，训练过程即是通过求解方程的形式，用多组数据<f(Xi)， Xi>，i = 1，2,. . .，η计算超平面参数w和b的过程。
[0031] 以某铝型材制造企业挤压车间为例，原始的能耗时间序列数据，包括日、月和年等 不同时间维度的能耗数据已经由能耗监测系统预先存储于监控服务器的SQL数据库中。从 监控服务器的SQL数据库中读取某一挤压机组于2013. 4 - 2013. 8每挤压1吨铝型材的耗 电量和燃气量作为训练数据，再从数据库中读取出该挤压机组生产过程的生产数据作为输 入数据（包括：挤压温度、挤压速度、冷却速度、铝棒类型、合金成分等），使用MATLAB训练 基于回归型支持向量机的回归函数f(x);根据回归函数计算该挤压机组于2013. 9所每挤 压1吨铝型材的耗电量和燃气量为373. 74度/吨、36. 68立方米/吨。
[0032] 所述预测能耗区间模块，其特征在于使用统计分析方法计算单位产品能耗的置信 区间。设单位挤压铝型材的预测耗电量为\，Χ2，…Xn服从样本分布（μ，〇2)，f和S 2分别 - π 表示预测耗电量的样本均值和样本方差，则随机变量f f 0-1),对于给定 4 s-In ~Χ- μ 的置信度1- α，ρ{ Γ-ΓΓ ￥―1)} = 1 - α , Ρ为概率，则预测耗电量的均值μ的置 S-/η 信区间为[I 土」-1)]。
[0033] 以某铝型材制造企业挤压车间为例，2013. 7月中5天的耗电量分别为345. 24度/ 吨、343. 82度/吨、354. 05度/吨、346. 44度/吨、353. 26度/吨，则置信度为0. 99的耗电 量置信区间为：Y = , $ = 22· 55, ^(4) = &.哪（4) = 4·6〇，则预测耗电量的 置信区间为[348. 56-9. 77, 348. 56+9. 77]。
[0034] 所述能耗比较模块，其特征在于比较每挤压1吨铝型材的能耗预测值\和每挤压 _ γ 1吨铝型材能耗的实际值xt，根据公式7= ' ·1(Μ%计算所述单位产品的节能效果 A Π 。图3所示是置信度为99%的某挤压机组日节能能效图，图中可以看出多个能耗异常情 况。
[0035] 上所述仅为本实用新型的优选实施例，并不用于限制本实用新型，对于本领域技 术人员而言，本实用新型可以有各种改动和变化。凡在本实用新型的精神和原理之内所作 的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。
【权利要求】
1. 一种铝型材挤压机实时能耗监测系统，其特征在于，包括： 安装于挤压机用电线路上的智能电表； 安装于辅助加热炉供热管道上的智能天然气表； 所述智能电表及智能天然气表均连接至串口服务器； 所述串口服务器连接至交换机； 所述交换机连接至监控服务器。
2. -种铝型材挤压机实时能耗监测及能耗异常检测系统，其特征在于，包括： 安装于挤压机用电线路上的智能电表； 安装于辅助加热炉供热管道上的智能天然气表； 所述智能电表及智能天然气表均连接至串口服务器； 所述串口服务器连接至交换机； 所述交换机连接至监控服务器； 还包含数据采集模块和服务器控制模块； 其中所述数据采集模块运行于所述串口服务器，采集来自智能电表及智能天然气表的 负载能耗数据，并将负载能耗数据传递至服务器控制模块； 所述服务器控制模块运行于监控服务器，包含数据存储模块，训练模型模块，预测能耗 区间模块，能耗比较模块； 所述数据存储模块接收数据采集模块传递的负载能耗数据，将负载能耗数据根据采集 时间存储至数据库中，同时数据存储模块还存储对能耗产生影响的生产数据； 所述训练模型模块是基于回归型支持向量机，使用监控服务器数据库中的历史负载能 耗数据和生产数据训练回归型支持向量机； 所述预测能耗区间模块，以统计分析方法计算单位产品能耗的置信区间； 所述能耗比较模块，读取实时能耗数据，与能耗置信区间进行比较，得出挤压能耗正常 或能耗异常。
3. 如权利要求2所述的系统，其特征在于，所述能耗比较模块是从监控服务器数据库 中读取出挤压机组单位产品能耗的实际值Xt，以及回归型支持向量机计算的单位产品能耗 X - X 的预测值xp，根据公式7= χ P·100%计算所述单位产品的节能效果η。
4. 根据权利要求2所述的系统，其特征在于，所述训练模型模块包括：将监控服务器数 据库中读取出的负载能耗数据和生产数据转换为回归型支持向量机模型的训练数据的预 处理，训练回归型支持向量机模型中的回归函数f (X)。
5. 根据权利要求4所述的系统，其特征在于，所述预处理是将负载能耗数据和生 产数据转换为回归型支持向量机模型的训练数据，即按照采集的时间，将负载能耗数据 {f (X)，f (x2)，…，f (xn)}和对应的生产数据{x^ x2,…，xj作为一组数据<f (Xi)，Xi>, i = 1，2, . . .，n，用于训练回归函数f (x) = w · x+b，w和b分别是拟合训练数据的超平面参数， 训练过程即是通过求解方程的形式，用多组数据<f(Xi)， Xi>，i = 1，2,. . .，n计算超平面参 数w和b的过程。
6. 根据权利要求2所述的系统，其特征在于，所述预测能耗区间模块还包括：用于根据 置信区间估计方法对监控服务器数据库中的历史能耗数据进行分析，给定置信度1-α，获 得能耗预测的正常区间。
7.根据权利要求6所述的系统，其特征在于，单位挤压铝型材的预测耗电量 为Χ1，Χ2,…Χη服从样本分布（μ，〇2)，j和S2分别表示预测耗电量的样本均 ~Χ - μ 值和样本方差，则随机变量^ = ^Γ-ψ?Μ 〃 _ D对于给定的置信度1 - α， ~Χ-μ p{-f^r\^ti(n-l)} = l-a其中Ρ表示概率，则预测耗电量的均值μ的置信区间 yjS-fn ， ^Jn ο
【文档编号】G05B19/418GK203909597SQ201420316343
【公开日】2014年10月29日 申请日期:2014年6月13日 优先权日:2014年6月13日
【发明者】梁鹏 申请人:广东兴发铝业有限公司, 广东技术师范学院, 广东工业大学