首页 > 分享 > 一种基于区块链的空气能热泵监测调控方法及系统与流程

一种基于区块链的空气能热泵监测调控方法及系统与流程

花匠小妙招
2024-11-09 20:40

本发明涉及热泵控制，尤其涉及一种基于区块链的空气能热泵监测调控方法及系统。

背景技术：

1、热泵控制技术领域涉及对热泵系统的操作和管理，以提高效率、节能和确保持续运行。空气能热泵是一种能量转换设备，可以从一个环境中提取热能并将其转移到另一个环境。通常应用于热水器、烘干机、空调中。领域包括温度控制、压力控制、流量控制等多种方式，通过调节参数，热泵系统可以在不同的环境和负载条件下高效运行。

2、其中，空气能热泵监测调控方法是热泵控制技术，用于监测和调节空气源热泵的运行状态，以适应外部环境变化和用户需求。这种方法通过收集空气源热泵的工作数据，如温度、湿度、压力等参数，评估系统的效率和性能。然后，根据数据反馈，自动调整热泵的工作模式，如调节制冷剂流量或改变压缩机的运行速度，以保持最佳的能效比。

3、现有技术中空气能热泵监测调控方法主要通过基本参数的监测来调节设备，这种方法在故障发生初期难以进行精确预测和快速响应，可能导致处理延迟，影响系统效率和可靠性。使得故障诊断依赖于表面参数，难以全面评估故障的潜在影响和传播路径。故障信息管理和维护任务调度方面的自动化水平低，可能导致响应时间长，备件调度效率低，从而增加维护成本和时间，延长设备维护周期，增加运营成本。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的一种基于区块链的空气能热泵监测调控方法及系统。

2、为了实现上述目的，本发明采用了如下技术方案：一种基于区块链的空气能热泵监测调控方法，包括以下步骤：

3、s1：收集空气能热泵的运行数据并提取对应参数，通过时间序列分析确定参数变化的关键点，对异常波动进行标识，生成运行数据分析结果；

4、s2：基于所述运行数据分析结果，建立空气能热泵关键部件的关联关系图，模拟故障传播路径和影响范围，建立贝叶斯网络模型；

5、s3：基于所述贝叶斯网络模型，输入当前采集的空气能热泵运行数据，比较运行参数的变化，通过设定的阈值识别潜在故障点，生成实时故障概率更新结果；

6、s4：基于所述实时故障概率更新结果，将故障信息同步至区块链网络，自动分配空气能热泵的维护任务和备件调度，创建故障响应记录；

7、s5：基于所述故障响应记录，将空气能热泵故障特征与定义的故障模式进行比对，自动调整设备的操作参数，获取故障匹配与处理结果；

8、s6：基于所述故障匹配与处理结果，监控空气能热泵恢复后的运行性能，与设定标准进行比对，生成空气能热泵性能监测结果。

9、本发明改进有，所述运行数据分析结果包括关键参数的异常点、波动频率以及参数越界的时间戳，所述贝叶斯网络模型包括部件的影响权重、相互作用强度和预测的故障传递路径，所述实时故障概率更新结果包括潜在故障点的识别信息、故障概率值以及故障发生的预警级别，所述故障响应记录包括故障发生的时间、处理步骤、维修人员的响应时间和备件使用信息，所述故障匹配与处理结果包括故障类型的自动识别、匹配成功的故障模式以及需要调整的参数，所述空气能热泵性能监测结果包括经调整后的设备运行效率、温度稳定性评估以及与预设性能指标的对比数据。

10、本发明改进有，收集空气能热泵的运行数据，进行温度、压力、电流参数的提取，通过时间序列分析确定参数变化的关键点，对运行数据中的异常波动进行标识，生成运行数据分析结果的具体步骤如下：

11、s101：基于空气能热泵的全部运行记录，选取关键监测数据点，进行温度、压力、电流参数数据排序和初步筛选，得到时间序列数据集；

12、s102：基于所述时间序列数据集，识别数据中的突变点和异常波动，对关键异常进行标记，生成异常数据信息；

13、s103：基于所述异常数据信息，分析每个标记数据的环境条件和潜在因素，提取与故障关联的关键变化点，生成运行数据分析结果。

14、本发明改进有，基于所述运行数据分析结果，建立空气能热泵关键部件的关联关系图，通过逐步调整部件间的影响权重，模拟故障传播路径和影响范围，建立贝叶斯网络模型的具体步骤如下：

15、s201：基于所述运行数据分析结果，辨识和列出空气能热泵内的关键部件，通过评估部件在故障记录中的出现频率，生成部件关联列表；

16、s202：基于所述部件关联列表，参照部件在故障模式中的影响程度和频率，对每个部件的权重进行动态调整，创建部件权重关系图；

17、s203：基于所述部件权重关系图，应用贝叶斯网络算法，模拟多种故障情境下的传播效果，包括故障由一个部件向相邻部件扩散的路径和速度，建立贝叶斯网络模型。

18、本发明改进有，所述贝叶斯网络算法按照以下公式进行条件概率的计算，得到在部件i'发生故障的情况下，部件j同样发生故障的概率：

19、；

20、其中，wj是部件j的权重，ai'是部件i'在区块链中的数据加密强度指标，bj是部件j的故障监测敏感度，cj是部件j的维护响应评级，n是总部件数量，k是部件索引。

21、本发明改进有，基于所述贝叶斯网络模型，输入当前采集的空气能热泵运行数据，比较运行参数的变化，监控当前设备状态的波动，通过设定的阈值识别潜在故障点，生成实时故障概率更新结果的具体步骤如下：

22、s301：基于所述贝叶斯网络模型，接收空气能热泵当前的运行数据，对关键运行参数进行记录，分析参数的即时变化，生成即时参数分析结果；

23、s302：基于所述即时参数分析结果，对比预设的正常运行范围，使用设定阈值识别参数中的异常变化，标记变化为潜在的故障预警，生成预警识别结果；

24、s303：基于所述预警识别结果，分析全部标记的潜在故障点，计算设备当前的故障概率，生成实时故障概率更新结果。

25、本发明改进有，基于所述实时故障概率更新结果，将故障信息同步至区块链网络，通过智能合约执行预设的响应规则，自动分配空气能热泵的维护任务和备件调度，在故障处理过程中实时反馈问题和进展，创建故障响应记录的具体步骤如下：

26、s401：基于所述实时故障概率更新结果，将新的故障数据上传至区块链，生成数据上传结果；

27、s402：基于所述数据上传结果，触发区块链上的智能合约，智能合约根据当前故障数据自动调度维护资源和备件，生成维护任务调度结果；

28、s403：基于所述维护任务调度结果，实时监控并记录维护进度和问题反馈，创建故障响应记录。

29、本发明改进有，基于所述故障响应记录，将空气能热泵故障特征与定义的故障模式进行比对，自动调整设备的操作参数，匹配故障响应的预设要求，获取故障匹配与处理结果的具体步骤如下：

30、s501：基于所述故障响应记录，提取当前记录中的故障特征，对每个记录的特征进行列举和分类，准备与预设故障模式进行比对，生成故障特征提取结果；

31、s502：基于所述故障特征提取结果，将提取的故障特征与定义的故障模式匹配，检查匹配程度，标记吻合的故障模式，生成故障模式匹配结果；

32、s503：基于所述故障模式匹配结果，自动调整空气能热泵的操作参数对应匹配到的故障模式，获取故障匹配与处理结果。

33、本发明改进有，基于所述故障匹配与处理结果，监控空气能热泵恢复后的运行性能，记录能效、温度控制精度参数，与设定标准进行比对，生成空气能热泵性能监测结果的具体步骤如下：

34、s601：基于所述故障匹配与处理结果，重新启动空气能热泵，记录启动后的第一批性能数据，生成初期性能监测数据；

35、s602：基于所述初期性能监测数据，持续追踪设备运行中的能效和温度控制精度，定期更新性能数据，生成持续性能追踪结果；

36、s603：基于所述持续性能追踪结果，对比设定的性能标准和当前运行数据，评估设备的恢复情况和维护效果，生成空气能热泵性能监测结果。

37、一种基于区块链的空气能热泵监测调控系统，所述系统包括：

38、参数分析模块基于空气能热泵的历史运行数据，对包含温度、压力、电流的参数进行详细分析，识别关键点和异常波动，生成运行数据分析结果；

39、故障分析模块基于所述运行数据分析结果，建立空气能热泵的关键部件关联关系图，使用模拟方法细化故障传播路径和影响范围，生成贝叶斯网络模型；

40、实时监控模块基于所述贝叶斯网络模型，监控当前采集的空气能热泵运行数据，通过比较变化和设定阈值，识别潜在故障点，生成实时故障概率更新结果；

41、故障响应模块基于所述实时故障概率更新结果，将故障信息同步至区块链网络，利用智能合约自动分配维护任务和备件调度，实时记录故障处理状态，创建故障响应记录；

42、性能评估模块基于所述故障响应记录，对空气能热泵的故障特征与定义的故障模式进行比对，自动调整设备的操作参数，并监控设备的性能恢复，与设定标准进行比对，生成空气能热泵性能监测结果。

43、与现有技术相比，本发明的优点和积极效果在于：

44、本发明中，通过时间序列分析准确识别空气能热泵运行参数的关键变化点，实时标识异常波动，有效地预测设备潜在故障。利用贝叶斯网络模型精确模拟故障传播路径和影响范围，显著提升了故障诊断的精准性和效率。实时故障概率更新和区块链技术的结合，实现维护任务和备件调度的自动化，显著提高响应速度和维护效率。自动调整操作参数以快速准确地匹配和处理故障，确保设备在最短时间内恢复正常运行。监测设备恢复后的性能，确保所有维护操作均达到预定效能标准，维护了系统的稳定性和可靠性。