一种基于AI驱动与插件热管理的SCADA智能报警方法及系统与流程
本发明涉及故障报警,尤其涉及一种基于ai驱动与插件热管理的scada智能报警方法及系统。
背景技术:
1、在现有scada(数据采集与监视控制)监控平台中,虽然多数产品采用插件化扩展架构提升业务功能迭代能力,但底层运行调度机制存在固有底层缺陷,无法通过参数调优、代码优化等常规手段根治,具体细化问题如下:
2、1.全量静态加载引发长期算力与内存闲置损耗
3、传统scada系统启动初始化阶段,会遍历插件仓库目录,将全部故障诊断插件(动态链接库dll/so)一次性载入进程内存,分配独立线程轮询执行特征计算逻辑。工业现场设备全年90%以上时段处于额定正常工况,无异常特征数据输入,高精度诊断插件持续空循环运算,会占用大量cpu和内存,多站点集群部署下资源浪费呈线性叠加。
4、2.固定阈值触发报警机制,仅支持事后故障告警,无早期劣化预判能力
5、传统报警逻辑采用静态阈值判别式:
6、
7、式中:为t时刻设备测点实时采集值,为人工固定配置报警阈值。
8、该逻辑仅能在设备运行参数突破设定阈值后触发告警,属于故障发生后的滞后响应。针对电机轴承渐进磨损、绕组匝间绝缘缓慢老化、管道缓蚀泄漏、液压系统微量内泄等慢时变劣化故障,参数变化幅度长期低于静态阈值,无法捕捉早期故障先兆;且设备负荷波动、环境温湿度变化会导致阈值误报、漏报,人工定期修正阈值维护成本极高,不存在基于时序趋势的风险分级动态监控策略。
9、3.系统运行环境无感知,诊断逻辑无法弹性扩容,架构僵化
10、现有插件调度模块无设备健康状态感知接口,无法基于时序数据趋势动态新增、切换、停用诊断逻辑;新增设备故障诊断插件时,必须停止scada主服务、重启进程完成加载,轨道交通、电网、化工等连续生产场景不允许停机重启,功能扩展存在硬性约束;同时无法根据故障风险等级差异化分配计算线程池资源,高风险设备与正常设备占用同等算力,资源调度无分层优先级。
11、综上,工业关键基础设施亟需一套可基于设备时序运行数据动态评估健康风险、自动管控诊断插件全生命周期、实现算力按需分配、前置故障预警的智能scada报警系统。
12、需要注意的是,本部分旨在为权利要求书中陈述的本公开的技术方案提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
技术实现思路
1、本发明的目的在于提供一种基于ai驱动与插件热管理的scada智能报警方法及系统,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
2、本发明首先提供一种基于ai驱动与插件热管理的scada智能报警方法,所述报警方法包括:
3、s1,实时采集工业设备的多维度测点数据,并通过opc ua协议进行数据传输;
4、s2,由常驻的基础阈值报警插件针对每个采样时刻的测点数据,将该测点数据与自身对应的预设报警阈值进行比对,当测点数据达到该预设报警阈值时生成内部原始报警标记;在预设的误报过滤时间窗口内对连续采样周期的原始报警标记次数进行累计统计,当累计次数达到预设的有效计数阈值时,输出有效报警信号;
5、s3,通过内置的轻量化lstm时序推理模型实时接收所述测点数据,利用lstm网络提取测点时序特征并经输出层加权计算及sigmoid激活函数映射,得到标准化设备健康度评分;
6、s4,根据所述健康度评分所处的阈值区间,对高精度诊断插件执行动态生命周期管理,当高精度诊断插件以高频采样周期执行时序故障特征分析时,实时输出故障置信度;
7、s5,若所述故障置信度大于等于预设的置信度阈值,则推送预测性前置报警并标记故障类型;若健康度评分连续多个采样周期回升至不小于第一阈值区间的下限,则系统自动卸载对应的高精度诊断插件,销毁运算线程并释放全部内存与cpu资源,系统回落至常态轻量化监控模式。
8、本发明中,s1中,所述测点数据为scada系统从工业现场设备中实时采集的、用于反映设备运行状态的各类过程参数,包括电机轴承温度、绕组电流、振动加速度和速度、管道压力、流量、液压油位以及绝缘电阻值。
9、本发明中,s2中,在预设的误报过滤时间窗口内对连续采样周期的原始报警标记次数进行累计统计,当累计次数达到预设的有效计数阈值时,输出有效报警信号的过程所使用的过滤计算公式如下:
10、
11、其中,为原始报警标记的累计次数,为原始报警标记,为误报过滤窗口,为连续触发有效计数阈值,用于过滤瞬时脉冲干扰造成的误报警。
12、本发明中,s3中,标准化健康度评分计算公式如下:
13、= sigmoid(lstm() *+)
14、式中:为多维度测点时序数据集,为模型输出权重矩阵,为偏置项,sigmoid激活函数将输出映射至[0,1]区间。
15、本发明中,s4包括:
16、当健康度评分处于第一阈值区间时,保持所有高精度诊断插件处于磁盘休眠状态,不为其分配计算资源,系统维持常态轻量化监控;
17、当健康度评分处于第二阈值区间且持续时长不小于预设时长时,触发插件唤醒事件,系统读取插件仓库元数据,为匹配当前设备劣化特征的高精度诊断插件预分配线程池与内存资源,完成加载并进入就绪等待状态但不执行诊断运算;
18、当健康度评分处于第三阈值区间时,系统完成对应高精度诊断插件的实例化,分配独立计算线程以高频采样周期执行时序故障特征分析,实时输出故障置信度;
19、其中,第一阈值区间、第二阈值区间和第三阈值区间的数值依次减小。
20、本发明中,第一阈值区间为[0.6,1.0],第二阈值区间为[0.3,0.6),第三阈值区间为[0,0.3)。
21、本发明其次提供一种,基于ai驱动与插件热管理的scada智能报警系统,所述报警系统包括:
22、实时数据处理模块,用于实时采集工业设备的多维度测点数据,并通过opc ua协议进行数据传输;
23、报警核心模块,用于由常驻的基础阈值报警插件针对每个采样时刻的测点数据,将该测点数据与自身对应的预设报警阈值进行比对,当测点数据达到该预设报警阈值时生成内部原始报警标记;在预设的误报过滤时间窗口内对连续采样周期的原始报警标记次数进行累计统计,当累计次数达到预设的有效计数阈值时,输出有效报警信号;并根据置信度比较结果向前端推送预测性前置报警并标记故障类型;
24、ai预测与调度模块,用于通过内置的轻量化lstm时序推理模型实时接收所述测点数据,利用lstm网络提取测点时序特征并经输出层加权计算及sigmoid激活函数映射,得到标准化设备健康度评分;根据所述健康度评分所处的阈值区间,对高精度诊断插件执行动态生命周期管理,对高精度诊断插件进行全生命周期管理;若健康度评分连续多个采样周期回升至不小于第一阈值区间的下限,则控制热加载管理器自动卸载对应的高精度诊断插件,销毁运算线程并释放全部内存与cpu资源,系统回落至常态轻量化监控模式;
25、热加载管理器,在ai预测与调度模块的控制下,对高精度诊断插件执行全生命周期调度,用于从插件仓库加载或从系统卸载高精度诊断插件或进入等待加载就绪状态,不执行诊断运算;
26、高精度诊断插件,当被加载运行时,以高频采样周期执行时序故障特征分析时,实时输出故障置信度,若所述故障置信度大于等于预设的置信度阈值,则向报警核心模块推送置信度比较结果;
27、插件仓库,用于存储多类型故障高精度诊断插件,默认休眠。
28、本发明提供的技术方案可以包括以下有益效果:
29、本发明中的一种基于ai驱动与插件热管理的scada智能报警方法及系统,利用ai预测与调度模块输出的“健康度评分”作为触发信号,控制高精度诊断插件加载与卸载的方法,通过“按需加载”,平均cpu占用率降低30%以上,解决了算力浪费问题;两级唤醒机制主动式报警:预警阶段仅加载不运算、精准诊断阶段才实例化运行,将报警时机从“故障发生后”前移至“故障发生前”,实现了从被动响应到主动预防的转变;诊断功能无需重启系统,由ai预测与调度模块自动调度,适应复杂多变的工业工况。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com