故障检测系统的制作方法

1.本发明涉及故障检测系统和故障检测方法。


背景技术：

2.设备(例如，中压mv开关设备或电动机)的温度通常需要保持在设备特定极限内，以避免热应力造成的损坏。温度测量(例如，使用ir传感器、热电偶传感器、saw传感器或rfid传感器)用于控制保持这些极限。测量仅给出关于测量时刻和测量位置处的温度的状态的信息。
3.然而，可能引起出现损坏的情形。例如，可能存在以下情形：mv开关设备的维护任务已经完成，并且该设备重新投入运行。然后，当接通电源时，设备开始从环境温度加热。如果在维护任务期间发生错误，例如，忘记完全拧紧闭合电触点的螺钉，则接触电阻可能会很高(因此电损耗很高)，使得设备在一段时间之后将过热。在静止状态下达到设备的热点处的最高温度。期望检测在达到临界温度之前将导致过热的这种故障。热点通常靠近故障，即，靠近遗失螺钉，并且对于ir相机，可能不可见，或位于热电偶或其他传感器不太容易附接到设备的位置。
4.需要解决这些问题。


技术实现要素：

5.因此，具有用于在设备(诸如开关设备或电动机)中的故障导致例如可能会损坏该设备的不期望的温度升高之前检测到该故障的改进系统可能会是有利的。
6.本发明的目的通过独立权利要求的主题来解决，其中其他实施例被并入从属权利要求中。
7.在一个方面中，提供了一种故障检测系统，包括：
[0008]-传感器；
[0009]-处理单元；以及
[0010]-输出单元。
[0011]
传感器被配置为获取设备的传感器位置处的温度数据。温度数据包括第一温度数据和在第一温度数据之后的第一时间段获取的第二温度数据。处理单元被配置为确定温度量值，包括利用第一温度数据和/或第二温度数据。处理单元被配置为确定温度改变率，包括利用第一温度数据和第二温度数据以及第一时间段。处理单元被配置为预测设备的位置处的温度，包括利用以下各项：温度量值、温度改变率以及相关性。相关性是传感器位置处的多个温度量值和多个温度改变率与位置处的多个热点温度的相关性。处理单元被配置为确定设备是否具有故障，包括利用所预测的温度。输出单元被配置为输出设备具有故障的指示。
[0012]
以这种方式，在设备过热之前提供了对具有将导致过热的诸如松散连接之类的故障的设备的一部分(诸如开关设备或电动机的一部分)的早期检测。
[0013]
换言之，系统通过使用温度和升温速率的测量结合它们与热点温度的相关性来检测故障并避免过热。这使得能够在发生过热之前的相当长的时间内早期检测设备的未来过热，因此可以用于避免这种过热。
[0014]
应当指出，“故障”被检测可以是对诸如根据温度确定的松散连接之类的故障的检测，或可以是对热点的检测。
[0015]
在一个示例中，处理单元被配置为确定设备是否具有故障，包括确定所预测的温度超过阈值温度。
[0016]
因此，如果预测将来的温度上升到临界温度以上，则可以升高标志，并且可以采取补救措施，诸如降低功率，或甚至关闭设备。
[0017]
在一个示例中，处理单元被配置为从针对设备的不同操作场景的多个相关性中选择相关性。多个相关性中的每个相关性是传感器位置处的多个温度量值和多个温度改变率与位置处的多个热点温度的相关性。
[0018]
因此，通过测量或模拟，温度与温度的速率和改变的一系列相关性可以与热点位置处的温度相关。然后，可以通过测量或模拟确立在稳定状态条件下，换言之，如果没有改变，热点处的温度将上升到临界温度以上，并且可以确定设备具有正在导致加热的故障。然后，可以在过热之前很好地采取补救措施，如果实际上不采取任何措施，则这会不可避免地发生。这些相关性中的每个相关性可以应用于例如具有和没有不同故障的不同功率操作情形，以便可以确立是否由于故障而发生过热或是否一切正常并且不会发生过热。
[0019]
在一个示例中，多个相关性中的每个相关性通过实验或通过模拟来确定。
[0020]
在一个示例中，该系统包括被配置为测量电流和/或功率的至少一个其他传感器。电流和/或功率包括在获取第一温度数据时和/或在获取第二温度数据时通过设备的电流和/或由设备汲取的功率。预测位置处的温度包括：利用电流和/或功率。
[0021]
因此，通过把针对设备的其他相关操作数据考虑在内，提高了通过所预测的温度确定故障的准确性。
[0022]
在一个示例中，选择相关性包括：利用电流和/或功率。
[0023]
因此，通过把针对设备的其他相关操作数据考虑在内，提高了选择相关性的准确性。
[0024]
在一个示例中，温度数据包括第三温度数据和在第三温度数据之后的第二时间段获取的第四温度数据，并且其中第二时间段在与第一时间段不同的时间段上。处理单元被配置为确定第二温度量值，包括利用第三温度数据和/或第四温度数据。处理单元被配置为确定第二温度改变率，包括利用第三温度数据和第四温度数据以及第二时间段。预测位置处的温度包括利用以下各项：第二温度量值以及第二温度改变率。
[0025]
换言之，实际上，可以利用位置处的温度的“单个”数据点和该位置处的温度改变率来确定该位置处或其他位置处的未来温度，但是可以通过把该位置处的温度的时间分布和温度改变率考虑在内来提高未来预测的准确性。
[0026]
在一个示例中，选择相关性包括：利用第二温度量值和第二温度改变率。
[0027]
换言之，实际上，可以利用位置处的温度的“单个”数据点和该位置处的温度改变率来选择与设备中发生的内容有关的相关性，以预测未来温度，但是可以通过把该位置处的温度的时间分布和温度的改变率考虑在内来提高选择的准确性。
[0028]
在一个示例中，位置是与传感器位置不同的位置。
[0029]
在一个示例中，位置热连接到传感器位置。
[0030]
在一个示例中，位置是传感器位置。
[0031]
在一个示例中，传感器是红外相机或热电偶传感器或表面声波传感器或rfid温度传感器。
[0032]
在一个示例中，设备包括中压开关设备或电动机的一部分。
[0033]
在第二方面中，提供了一种故障检测方法，包括：
[0034]
使用传感器获取设备的传感器位置处的温度数据，其中温度数据包括第一温度数据和在第一温度数据之后的第一时间段获取的第二温度数据；
[0035]
通过处理单元确定温度量值，包括利用第一温度数据和/或第二温度数据；
[0036]
通过处理单元确定温度改变率，包括利用第一温度数据和第二温度数据以及第一时间段；
[0037]
通过处理单元预测设备的位置处的温度，包括利用温度量值、温度改变率以及相关性，其中相关性是传感器位置处的多个温度量值和多个温度改变率与位置处的多个热点温度的相关性；
[0038]
通过处理单元确定设备是否具有故障，包括利用所预测的温度；以及
[0039]
通过输出单元输出设备具有故障的指示。
[0040]
在一个示例中，该方法包括：通过处理单元从针对设备的不同操作场景的多个相关性中选择相关性，并且其中多个相关性中的每个相关性是传感器位置处的多个温度量值和多个温度改变率与位置处的多个热点温度的相关性。
[0041]
参考下文所描述的实施例，上述各方面和各示例将变得显而易见并且得以阐明。
附图说明
[0042]
下文参考以下附图对示例性实施例进行描述：
[0043]
图1示出了故障检测系统的示例的示意图；以及
[0044]
图2示出了一系列相关性的表示。
具体实施方式
[0045]
图1至图2涉及故障检测系统和故障检测方法。
[0046]
在一个示例中，故障检测系统包括传感器、处理单元以及输出单元。传感器被配置为获取设备的传感器位置处的温度数据。温度数据包括第一温度数据和在第一温度数据之后的第一时间段获取的第二温度数据。处理单元被配置为确定温度量值，包括利用第一温度数据。可替代地或附加地，处理单元被配置为确定温度量值，包括利用第二温度数据。处理单元被配置为确定温度改变率，包括利用第一温度数据和第二温度数据以及第一时间段。处理单元被配置为预测设备的位置处的温度，包括利用温度量值和温度改变率以及相关性。相关性是以下各项之间(或以下各项)的相关性：
[0047]
·
传感器位置处的多个温度量值和多个温度改变率，和(或与)
[0048]
·
位置处的多个热点温度。
[0049]
处理单元被配置为确定设备是否具有故障，包括利用所预测的温度。输出单元被
配置为输出设备具有故障的指示。
[0050]
应当指出，设备可以在热临界位置处配备许多温度传感器。如果这些传感器中的任何传感器提供使得其能够确定温度将发展到太接近临界温度的数据，则可以发信号通知问题/故障。
[0051]
在一个示例中，温度量值是第一温度。
[0052]
在一个示例中，温度量值是第二温度。
[0053]
在一个示例中，温度量值是第一温度和第二温度的平均值。
[0054]
根据一个示例，处理单元被配置为确定设备是否具有故障，包括确定所预测的温度超过阈值温度。
[0055]
根据一个示例，处理单元被配置为从针对设备的不同操作场景的多个相关性中选择相关性。多个相关性中的每个相关性是以下各项之间(或以下各项)的相关性：
[0056]
·
传感器位置处的多个温度量值和多个温度改变率，和(或与)
[0057]
·
位置处的多个热点温度。
[0058]
根据一个示例，多个相关性中的每个相关性通过实验或通过模拟来确定。
[0059]
根据一个示例，该系统包括被配置为测量电流的至少一个其他传感器。电流包括在获取第一温度数据时通过设备的电流。可替换地或附加地，电流包括在获取第二温度数据时通过设备的电流。预测位置处的温度包括利用电流。
[0060]
根据一个示例，该系统包括被配置为测量功率的至少一个其他传感器。该功率包括在获取第一温度数据时由设备汲取的功率。可替代地或附加地，功率包括在获取第二温度数据时由设备汲取的功率。预测位置处的温度包括利用功率。
[0061]
根据一个示例，该系统包括被配置为测量电流和功率的至少一个其他传感器。电流和功率包括在获取第一温度数据时通过设备的电流和由设备汲取的功率。可替代地或附加地，电流和功率包括在获取第二温度数据时通过设备的电流和由设备汲取的功率。预测位置处的温度包括利用电流和功率。
[0062]
根据一个示例，选择相关性包括利用电流和/或功率。
[0063]
根据一个示例，温度数据包括第三温度数据和在第三温度数据之后的第二时间段获取的第四温度数据。第二时间段在与第一时间段不同的时间段上。处理单元被配置为确定第二温度量值，包括利用第三温度数据和/或第四温度数据。处理单元被配置为确定第二温度改变率，包括利用第三温度数据和第四温度数据以及第二时间段。预测位置处的温度包括利用第二温度量值以及第二温度改变率。
[0064]
在一个示例中，第二温度量值是第三温度。
[0065]
在一个示例中，第二温度量值是第四温度。
[0066]
在一个示例中，第二温度量值是第三温度和第四温度的平均值。
[0067]
在一个示例中，在获取第二温度时获取第三温度，并且第三温度等于第二温度。因此，第二时间段紧接在第一时间段之后。
[0068]
在一个示例中，第四温度在获取第一温度时获取并且等于第一温度。因此，第二时间段紧接在第一时间段之前。
[0069]
在一个示例中，第二时间段在时间上间隔在第一时间段之前。
[0070]
在一个示例中，第二时间段在时间上间隔在第一时间段之后。
[0071]
在一个示例中，在获取第二温度时不获取第三温度。
[0072]
在一个示例中，在获取第一温度时不获取第四温度。
[0073]
根据一个示例，选择相关性包括利用第二温度量值和第二温度改变率。
[0074]
根据一个示例，位置是与传感器位置不同的位置。
[0075]
根据一个示例，位置热连接到传感器位置。
[0076]
根据一个示例，位置是传感器位置。
[0077]
根据一个示例，传感器是红外相机或热电偶传感器或表面声波传感器或rfid温度传感器。
[0078]
根据一个示例，设备包括中压开关设备或电动机的一部分。
[0079]
在一个示例中，一种故障检测方法包括：
[0080]
·
使用传感器获取设备的传感器位置处的温度数据，并且其中温度数据包括第一温度数据和在第一温度数据之后的第一时间段获取的第二温度数据；
[0081]
·
通过处理单元确定温度量值，包括利用第一温度数据和/或第二温度数据；
[0082]
·
通过处理单元确定温度改变率，包括利用第一温度数据和第二温度数据以及第一时间段；
[0083]
·
通过处理单元预测设备的位置处的温度，包括利用温度量值、温度改变率以及相关性，其中相关性是传感器位置处的多个温度量值和多个温度改变率与位置处的多个热点温度的相关性；
[0084]
·
通过处理单元确定设备是否具有故障，包括利用所预测的温度；以及
[0085]
·
通过输出单元输出设备具有故障的指示。
[0086]
在一个示例中，处理单元被配置为确定设备是否具有故障，包括确定所预测的温度超过阈值温度。
[0087]
根据一个示例，该方法包括：通过处理单元从针对设备的不同操作场景的多个相关性中选择相关性。多个相关性中的每个相关性是传感器位置处的多个温度量值和多个温度改变率与位置处的多个热点温度的相关性。
[0088]
在一个示例中，多个相关性中的每个相关性通过实验或通过模拟来确定。
[0089]
在一个示例中，该方法包括：通过至少一个其他传感器测量电流，其中电流包括在获取第一温度数据时和/或在获取第二温度数据时通过设备的电流，并且其中预测位置处的温度包括利用电流。
[0090]
在一个示例中，该方法包括：通过至少一个其他传感器测量功率，其中功率包括在获取第一温度数据时和/或在获取第二温度数据时由设备汲取的功率，并且其中预测位置处的温度包括利用功率。
[0091]
在一个示例中，该方法包括：通过至少一个其他传感器测量电流和功率，其中电流和功率包括在获取第一温度数据时和/或在获取第二温度数据时通过设备的电流以及由该设备汲取的功率，并且其中预测位置处的温度包括利用电流和功率。
[0092]
在一个示例中，选择相关性包括利用电流和/或功率。
[0093]
在一个示例中，温度数据包括第三温度数据和在第三温度数据之后的第二时间段获取的第四温度数据。第二时间段在与第一时间段不同的时间段上，并且该方法包括：
[0094]
·
通过处理单元确定第二温度量值，包括利用第三温度数据和/或第四温度数据，
以及
[0095]
·
通过处理单元确定第二温度改变率，包括利用第三温度数据和第四温度数据以及第二时间段，以及
[0096]
其中预测位置处的温度包括利用第二温度量值和第二温度改变率。
[0097]
在一个示例中，选择相关性包括利用第二温度量值和第二温度改变率。
[0098]
在一个示例中，位置是与传感器位置不同的位置。
[0099]
在一个示例中，位置热连接到传感器位置。
[0100]
在一个示例中，位置是传感器位置。
[0101]
在一个示例中，传感器是红外相机或热电偶传感器或表面声波传感器或rfid温度传感器。
[0102]
在一个示例中，设备包括中压开关设备或电动机的一部分。
[0103]
关于使用红外相机传感器监测中压开关设备，更详细地描述了故障检测系统和故障检测方法，但是还可以利用其他传感器，并且可以使用红外相机和这些其他传感器监测其他设备。
[0104]
如上文所讨论的，未来预测或关于在空间上与测量位置分开的热点处的温度的结论不能只利用温度来进行。
[0105]
因此，本发明人认识到需要一种新技术。在这种新技术中，温度t在可接近点处由传感器(例如，红外相机或如saw、rfid之类的其他感测方法)测量。该温度的时间导数dt/dt(即，升温速率)通过使用这些测量结果中的前者来计算。如果t和dt/dt较高，则确立设备将超过设备的最热点处的临界温度。然而，当已经确定将发生过热时，可以通过降低加热设备的功率来避免这种过热。如果热点的位置和温度测量的位置之间的热连接良好，则这两个点不必相同。一个重要的要素是相关性：这里，通过测量或模拟提前确定导致过热的危险对t和dt/dt。
[0106]
换言之，本发明人认识到，为了确定未来温度，传感器在测量时刻测量的温度与热点位置处的未来温度之间的相关性对于克服该问题至关重要。一旦已知该相关性，可以根据传感器位置处的在线(实时)温度测量及其时间导数来预测未来热点温度。应当指出，相关性可以通过先前模拟或通过先前实验来确定。
[0107]
图1示出了用于mv开关设备的新故障检测系统，也称为热监测系统。针对mv开关设备的基于ir相机的监测系统的示例描述了新的热分类方法。然而，显然，新监测方法也可以应用于具有其他类型的温度传感器(例如，pt100温度传感器)的其他设备(例如，电动机)。
[0108]
新型监测系统由以下要素组成：
[0109]
1.通过传感器(这里是ir相机)进行温度测量
[0110]
2.计算所测量的温度的时间导数(即，升温速率)的计算器单元。
[0111]
3.在设备(这里是mv开关设备)中安装监测系统之前：针对不同热情形确定t和dt/dt与热点t_hs处的温度的相关性的温度t和升温速率dt/dt的一系列模拟或测量。
[0112]
4.在设备中安装监测系统后：通过根据先前确定的相关性将t和dt/dt与t_hs进行比较来对在线温度测量进行分类的算法。
[0113]
ir相机的图片包括与ir相机的光学器件的像素的数目相对应的温度阵列。
[0114]
图2仅绘出了针对最热像素的两个特征t和dt/dt。在特定场景中，如果以1.1的温
度改变率确定45℃的温度，则已经确定在稳定状态条件下，在没有其他情况发生的情况下，温度将不会发展到临界温度。然而，如果以1.75的温度改变率测量65℃的温度，则即使该时刻的温度并非临界温度，已经确立在没有发生改变的稳定状态条件下，位置处的温度也将发展成临界温度，并且在该临界温度发展之前，应当采取补救措施。图2中示出了不同的线，以使得能够更容易地查看针对不同场景的不同相关性。因此，在图2中，对于以线为中心的每个相关性，示出了ir相机的最热像素中的温度及其上升速率，其中不同的线表示几种场景。对于较低温度范围的每个场景，热点t_hs的所发展的温度会是非临界温度。然而，在针对每个相关性的较高温度范围处，热点温度t_hs将发展到高于阈值的温度，并且将发生过热，并且需要采取缓解措施来阻止这种情况发生。在中心温度段中，热点温度t_hs将发展到接近阈值的温度，并且可以发出适当警告以例如更紧密地监测情形或采取缓解动作。
[0115]
因此，能够区分其中热点温度t_hs高于阈值的未来危险情形(这里是稳定状态)与非临界情形。应当指出，图2中的数据已经通过模拟生成，但是已经确立数据也可以通过实验生成。
[0116]
如上文所详述的，危险情况与非临界情况在该所谓的2特征图(2fg)中占据不同的区域。在特定示例中对新ir图片进行分类的算法可以如下工作：
[0117]
1.确定新ir图片中的t和dt/dt(最高温度及其上升速率)；
[0118]
2.检查新ir图片是否：
[0119]
a.在将导致临界温度的区域中，
[0120]
b.在将导致接近临界温度的温度的区域中，
[0121]
c.在将导致会保持非临界的温度的区域中；
[0122]
3.如果确定新ir图片位于区域2a，则已经确定开关设备将在热点处过热(这里是处于未来稳定状态下)，因此可以确定降低功率，并且如果必要，则执行对接头/安装件/固定件等的检查。
[0123]
如上文所提及的，这种分类方法可以推广到不同类型的设备和不同类型的温度传感器。
[0124]
本发明人已经很好地理解了2fg图(例如，在用于mv开关设备的ir监测系统的情况下)的特性。举例证明，这种分类方法在一定程度上：
[0125]
·
与开关设备的负载历史无关，
[0126]
·
与开关设备类型无关，
[0127]
·
对如噪声、未对准、失真之类的图片问题不敏感，
[0128]
·
分类无需电流传感器，
[0129]
·
已经证实了预测的质量/准确性非常高，其中在测试中，所有情况的98％以上都已经被正确分类。
[0130]
应当指出，尽管不需要其他传感器和/或t和dt/dt的时间历史，但是t和dt/dt与设备的其他测量特征(诸如电流/电压/功率以及t和dt/dt的时间历史)的组合可以增加分类的准确性。
[0131]
总之，当升温速率与温度本身以及与在传感器位置处测量的t和dt/dt与热点温度的相关性进行组合时，结合该升温速率使得能够早期预测可能的未来过热。
[0132]
这规定：
[0133]
·
未来过热的早期检测/预测，即，采取应对措施的时间更多。
[0134]
温度传感器无需安装在热点位置处。将它们安装在与热点具有良好热连接的位置就已足够。
[0135]
·
可靠性更好：温度和升温速率的组合产生的热分类更高准确度。
[0136]
·
为了预测未来过热，不必知道设备的热历史或功率输入。