(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111656767.6 (22)申请日 2021.12.3 0 (71)申请人 江苏恒云太信息科技有限公司 地址 214028 江苏省无锡市新吴区锡士 路 79-A地块 (72)发明人 王苏西　张勇　杨正宇　王剑桥　 朱伟　冯卓　 (74)专利代理 机构 苏州衡创知识产权代理事务 所(普通合伙) 3232 9 专利代理师 王睿 (51)Int.Cl. G01R 31/34(2006.01) G06N 20/00(2019.01) (54)发明名称 光伏管式设备传送系统的异常检测方法 (57)摘要 本发明的目的在于揭示一种光伏管式设备 传送系统的异常检测方法， 包括以下步骤： 采集 传送系统的运行大数据； 对所述运行大数据进行 预处理， 构建出用于预测电机电流值I的训练数 据集； 通过机器学习算法对训练数据集进行训 练， 得到电机电流值I预测模型； 采集电机的实时 运行电流值Ri； 将传送系统的实时运行数据输入 所述预测模型， 映射出电机的实时预测电流值 Pi； 设定电机的预测电流值安全偏差δ； 若|Pi‑Ri |＞δ， 则判定光伏管式设备传送系统出现异常， 异常检测过程中， 上限电流值和下限电流值与实 际电流值随动变化， 使 得实际电流的运行曲线被 上限电流值曲线和下限电流值曲线包裹， 从而实 现对电机 每一个时刻的智能化异常检测。 权利要求书1页 说明书7页 附图5页 CN 114487816 A 2022.05.13 CN 114487816 A 1.光伏管式设备传送系统的异常检测方法， 其特 征在于， 包括以下步骤： 采集传送系统的运行 大数据； 对所述运行大数据进行 预处理， 构建出用于预测电机电流 值I的训练数据集； 通过机器学习算法对训练数据集进行训练， 得到电机电流 值I的预测模型； 采集电机的实时运行电流 值Ri； 将传送系统的实时运行 数据输入所述预测模型， 映射出电机的实时预测电流 值Pi； 设定电机的预测电流 值安全偏差 δ； 若|Pi‑Ri|＞δ， 则判定光伏管式设备传送系统出现异常。 2.如权利要求1所述的光伏管式设备传送系统 的异常检测方法， 其特征在于， 所述预处 理至少包括去空值、 去重复值或平 滑噪声数据中的一种。 3.如权利要求2所述的光伏管式设备传送系统 的异常检测方法， 其特征在于， 所述平滑 噪声数据是通过高斯 算法对电机电流噪声 进行平滑处理。 4.如权利要求3所述的光伏管式设备传送系统 的异常检测方法， 其特征在于， 对所述电 机电流进行平 滑处理时， 按电机的运行状态分阶段进行平 滑处理。 5.如权利要求4所述的光伏管式设备传送系统 的异常检测方法， 其特征在于， 所述电机 的运行状态包括静态、 启动、 加速、 均速、 减速， 所述静态为静态卸载或静态负载。 6.如权利要求1所述的光伏管式设备传送系统 的异常检测方法， 其特征在于， 还包括以 下步骤， 对所述传送系统的实时运行数据中的空值、 重复值进 行去除； 对所述传送系统的运 行大数据中的传送系统故障数据进行去除。 7.如权利要求1 ‑6任一所述的光伏管式设备传送系统 的异常检测方法， 其特征在于， 所 述机器学习算法为随机森林算法。 8.如权利要求1 ‑6任一所述的光伏管式设备传送系统 的异常检测方法， 其特征在于， 所 述运行大数据和所述实时运行数据为电机的实际位置、 设定位置、 实际速度、 设定速度、 负 载状态、 工位感应。 9.如权利要求1 ‑6任一所述的光伏管式设备传送系统 的异常检测方法， 其特征在于， 所 述运行大数据和所述实时运行数据为电机的空闲、 使能信号、 实际位置、 设定位置、 实际速 度、 设定速度、 负载状态、 工位感应。 10.如权利要求1 ‑6任一所述的光伏管式设备传送系统的异常检测方法， 其特征在于， 将所述传送系统的实时运行 数据并入所述训练数据集， 得到新的预测模型。权　利　要　求　书 1/1 页 2 CN 114487816 A 2光伏管式设 备传送系统的异常检测方 法 技术领域 [0001]本发明涉及 光伏管式设备控制技术领域， 尤其涉及一种光伏管式设备传送系统的 异常检测方法。 背景技术 [0002]光伏生产设备(管式加工工艺)传送系统是对半成品电池片进行搬运处理， 该系统 存在于成套光伏管式设备 的多个工艺步骤中， 如电池片扩散、 电池片镀膜等管式工艺中都 需要传送系统， 这些传送系统将半成品电池片从位置A运送至位置B。 在具体运送半成品电 池片过程中， 半成品电池片放置于搬运工具石墨舟中， 需要通过电机作为驱动力， 通过传送 带等方式运送半成品电池片， 电机负载状态为空舟、 满舟、 无 舟三种状态。 [0003]在较为理想状态下， 传送系统可以按照既定的控制程序及路径将半成品电池片进 行运送， 但在实际运行过程中， 传送系统不是匀速地运转， 其存在静态、 启动、 加速、 均速、 减 速等多种工况， 传送系统还存在水平方向及高度方向的运送动作， 在多因素并发的情况下， 传送系统可能会遇 到异常， 如 传送带变松、 传送带卡入异 物、 两平行传送带位置错 位等。 [0004]在现有的技术方案中， 为了对光伏管式设备传送系统遇到 的异常进行及时检测， 会对传送系统的各种电机进 行异常检测， 具体做法是， 对电机电流设置了固定的阈值， 该阈 值一般是上限值， 当电机的实际电流值超过固定阈值时， 则判定为电机异常， 从而判定传送 系统出现异常； 但实际传送系统中的电机实际运行情况复杂， 存在静态、 启动、 加速、 均速、 减速等多种工况， 在这个过程中， 某个电机的实际电流值在不同状态下差异很大， 设定固定 阈值的做法即一刀切的做法， 其通常选取传送系统运行状态最大或最小边际作为阈值， 在 管式设备中， 由于电机在运行状态中电流值状态差异非常大， 采用边际值做阈值就会在低 电流运作状态时， 因阈值过高而漏报， 或正常高电流运作时产生误报， 所以固定阈值法一直 无法推广使用， 进而导致现有的光伏管式设备传送系统缺 乏有效的异常报警方式， 异常将 导致出现碰撞、 倾斜、 切舟等问题， 会对关键 设备部件造成损伤、 电池片 裂片、 停机停工等严 重损失。 [0005]有鉴于此， 有必要对现有技术中的光伏管 式设备传送系统的异常检测方法予以改 进， 以解决上述问题。 发明内容 [0006]本发明的目的在于揭示一种光伏管 式设备传送系统的异常检测方法， 基于传送系 统的运行物理特征的数据构建运行大数据， 通过机器学习算法对由传送系统的运行大数据 形成的训练数据集进行训练， 得到预测模型， 实现光伏管式设备传送系统的异常检测智能 化。 [0007]为实现上述发明目的， 本发明提供了一种光伏管式设备传送系统的异常检测方 法， 包括以下步骤： [0008]采集传送系统的运行 大数据；说　明　书 1/7 页 3 CN 114487816 A 3