MixIOT中的基础数据分析应用及其使用(三):稳定估计值

2024-07-01 11:38

稳定估计值或者称为稳定性估计值,从字面上并不难理解,就是MixIOT对象稳定性的量化估计。

说到稳定性,如果接触过数学专业或者电子和工控专业的话,可能会想到李雅普诺夫稳定性理论等内容,抛开这些复杂的东西,我们试着用一个简单的例子,帮助大家来理解MixIOT数据分析中的稳定估计值应用要做的事情到底是什么。

图中是一个简单的电路:两个灯泡、一组电池、一个开关。在电路中,用串联的电流表去获取回路上的电流,用并联的电压表去获取电池的供电电压。

图片

电路图示例

用K变量代表开关的状态,1代表接通,0代表断开。用L1和L2分别代表两个灯泡的亮度,亮度范围是0到100。A代表回路中的电流强度,V代表电池的电压。

现在开始边做实验,边记录相开关的状态、回路中的电流、电池的电压以及两个灯泡的亮度等数据。当开关被按下的时候,开关是接通状态,也就是K等于1,这时候应该有电流通过,灯泡应该亮起。当开关松开的时候,开关变成断开状态,也就是K等于0,这时候就应该不会有电流通过,灯泡应该熄灭,但电池电压仍然会有。

我们获得了这个实验全过程的数据。

图片

实验过程演示
现在来观察电压V的数据,很显然,这些数据变化不大,说明电压V是稳定的。再来看电流A的数据,可谓跌宕起伏,变化很大。再观察L1,也就是第一个灯泡亮度的数据,感觉也是上下跳动,极其不稳定。同样,L2的数据也是高高低低,变化莫测。

所以,通过数据观察到的结论是,除了电压V是稳定的,电流A、两个灯泡的亮度L1和L2,都是不稳定的。但事实上果真如此吗?其实不然。那就让这个电路背后的因素K也就是开关的数据浮出水面,再来重新审视这些数据。

图片

实验数据

还是先看电压V,无论K等于0还是等于1,电压V数据都几乎没有什么变化。我们给出一个结论,变量V稳定估计值等于0.01。这是我们的一个约定,稳定估计值越接近0,表示越稳定。稳定估计值越接近1,则表示越不稳定。稳定估计值最大的值就是1,超过1的值没有意义。

图片
电压的稳定估计值
再看电流A,现在应该能够看到,电流A的数据变化,完全是由于K的变化所致,当K等于0的时候,电流A就等于0。当K等于1的时候,A虽然也有波动,但范围很小。

现在再给出两个结论:

第一,电流A的稳定估计值等于0.37,先不管这个值是怎么算出来的,直观来看,这个值至少说明不是特别稳定。

第二,电流A|K,这里有两个因素,因素A称为前景因素,K称为背景因素,也叫干扰因素。意思是,如果排除了背景因素K的干扰,那么,前景因素A的稳定估计值等于0.02。这说明,在整个电路系统中,电流A本身并没有什么不稳定,说明电流并没有什么问题。

图片

电流的稳定估计值

再看L1,也就是第一个灯泡亮度,去掉背景因素K后,也就是没有了K的干扰后,依然稳定。
图片
第一个灯泡亮度的稳定估计值
最后来看看L2,也就是第二个灯泡的亮度。如果不考虑背景因素K,稳定估计值为0.58,这应该是相当的不稳定,即便排除了背景因素K,稳定估计值仍然有0.48,还是不太稳定。事实上从实验过程中就能看得出来,第二个灯泡应该与第一个灯泡并无不同,但第二个灯泡在实验过程中却忽明忽暗,说明第二个灯泡本身有问题。
图片

第二个灯泡亮度的稳定估计值

上面讲解的内容,前景因素都只有一个。如果把电流A、电压V以及两个灯泡的亮度L1和L2都作为前景因素,这个稳定估计值又当如何?如果把K作为背景因素加上,那么这个稳定估计值又当如何?这就是MixIOT数据分析中的稳定估计值应用要做的事情。

事实上,我们关注的并不是稳定或者不稳定本身,而是稳定或不稳定背后的故事。换句话说,当观察到某个不稳定现象的时候,我们希望知道,是否存在某个影响稳定性的因素,一旦没有了这个因素的干扰,就会变重新恢复稳定,否则,即便观察到不稳定,也没有任何意义。

下面还是以我们熟悉的空压机气站对象OBJ881为例进行稳定估计值应用的讲解。要创建的是1号空压机的供气压力稳定估计值,项目标识是T1,计算的过程时段和计算周期都是1小时。在这个项目中,前景因素对应的是1号空压机产气压力,背景因素对应的是1号空压机的加载状态。因为这个项目要考察的是1号空压机产气压力,但是,当空压机卸载的时候,产气压力就等于零,这跟前面介绍过的灯泡电路的例子很相近。

图片

空压机气站对象OBJ881

我们还可以创建项目T2,来分析2号空压机产气压力的稳定性,还可以创建项目T3,来分析考察3号空压机产气压力的稳定性。那这3个空压机产气压力稳定估计值项目有什么用呢?

MixIOT有一个用于调度控制的边缘计算功能叫动态配载,应用在空压机上时,因为节能的需要,可能会经常让空压机加载卸载,如此一来,空压机的产气压力就一定会变化。当空压机产气压力的数据出现变化显得不稳定时,如果通过稳定估计值项目判断是因为动态配载功能主动加载卸载所致,那就无需因为表面的“不稳定”而大惊小怪。同样,如果通过稳定估计值项目判断并非是空压机主动加载卸载的原因,才需要进一步排查漏气等故障因素。

除了空压机的产气压力,还可以创建三台空压机的产气量稳定估计值项目;以三台空压机产气压力和产气量为前景因素,加载状态为背景因素的气站整体稳定估计值项目等等。

要注意的是在显示板标识选项中,稳定估计值选择的是一个多条形图的显示图表,这是因为稳定性估计值的结果是带背景因素的。

图片

稳定估计值的条形图示例

上图是24小时的稳定估计值图表。其中,第一个柱,是只有前景因素X的稳定估计值,第二个柱,是前景因素X和背景因素Y的稳定估计值。
如果我们看到的是前景因素X的稳定估计值,要远大于前景因素X和背景因素Y的稳定估计值,那么,背景因素Y,就是导致前景因素X不稳定的干扰因素。
如果无论是否考虑背景因素Y,两组稳定性估计值相差无几,那么就说明背景因素Y并非导致前景因素X不稳定的干扰因素。

如果我们没有了背景因素Y,前景因素X的稳定性更差,那么,背景因素Y不仅不是前景因素X的干扰因素,反而是X的稳定因素。

图片

前景因素X与背景因素Y在不同情况下的稳定性关系

毫无疑问,“稳定”对于安全生产是至关重要的,而在实际生产过程中各种因素互相交织、互相影响,给稳定性的判断造成了很大困难。而MixIOT的稳定估计值应用是能够帮助我们穿透表象,直达本质的利器。

前期回顾 (点击内容即可前往阅读)

1

MixIOT中的基础数据分析应用及其使用(一):运行指数

2

MixIOT中的基础数据分析应用及其使用(二):偏态估计值

3

为什么说MixIOT是精于数据分析的工业互联网平台?

4

技术干货丨⼯业物联网场景与对象的深度解读



---THE END---