本发明属于卷烟工业边缘网关，具体涉及一种基于边缘网关的判断多台空调加热器泄露诊断方法。
背景技术：
1、在卷烟工业的工艺空调系统中，传感器、控制器和执行器等多种组件的协同作用对于保证系统的高效运行至关重要。这些组件的任何异常都可能导致系统能耗上升，并扰乱原有的控制策略。
2、在实际操作中，工艺空调机组在运行中出现送风温湿度异常与加热阀泄露存在密切的关系。当异常无法通过手动调节阀门开度来纠正时，维修人员就必须对系统进行停机检查和维修。这样的停机不仅会在维修查找原因期间造成区域温湿度控制的不稳定，还会导致不必要的能源浪费。因此，对于空调机组加热器泄露的快速准确诊断变得尤为重要，以减少系统停机时间，降低能源消耗，并确保生产环境的稳定。
技术实现思路
1、为解决目前卷烟工业原有的空调加热器诊断泄露策略，存在判断时间滞后、能源浪费较多、适应性低等的技术问题，本发明提供一种基于边缘网关的判断多台空调加热器泄露诊断方法。本发明通过边缘网关的缓存工艺空调数据通过算法与历史数据对比，实现同时判断多台加热器是否存在泄露情况，提高卷烟工业工艺空调自动化和物联网应用的智能化水平。
2、本发明采用的技术方案是：
3、一种基于边缘网关的判断多台空调加热器泄露诊断方法，其特征在于，包括如下步骤：
4、s1、数据采集：
5、在每台工艺空调系统中部署边缘网关，实时收集加热器阀门开度、进出口温湿度数据；
6、s2、数据预处理：
7、对上述步骤s1中采集到的原始数据进行预处理，通过数据清洗去除异常值；同时进行数据归一化处理，将数据缩放到一个较小的范围内，便于后续的分析和处理；
8、s3、建立sarima模型：
9、采用sarima模型，即季节性自回归整合移动平均模型对加热器阀门开度与进出口温湿度差值的时间序列数据进行建模；
10、s4、模型训练与优化：
11、通过边缘网关存储的空调加热器的历史数据对模型训练，确定sarima模型的最佳参数，最后验证模型的稳定性和准确性；
12、s5、加热器实时诊断与预测：
13、利用训练好的sarima模型，对加热器阀门开度与进出口温湿度差值进行实时预测；根据预测结果，对加热器的工作状态进行诊断，是否需要调整阀门开度或是对操作人员发出报警；同时将诊断结果反馈给空调系统操作人员，以便及时采取相应措施。
14、进一步的，在步骤s1中，设定数据收集的时间间隔为每分钟收集一次数据。
15、进一步的，在步骤s3中，sarima模型参数选择如下：
16、根据数据特征选择合适的sarima模型参数(p,d,q,p,d,q)，使用边缘网关中历史数据对sarima模型进行训练，最后采用优化算法来寻找最佳参数组合，优化算法公式采用如下公式(1)：
17、
18、其中，y(t)是时间序列变量；
19、c是常数项；
20、φi是自回归项的系数，i代表滞后阶数，p是自回归项的阶数；
21、qi是移动平均项的系数，i代表滞后阶数，q是移动平均项的阶数；
22、s(t)是季节性项。
23、与现有技术相比，本发明的有益效果体现在：
24、(1)本发明通过边缘网关实时数据采集、预处理、模型训练和部署，以及反馈循环优化，本策略显著提高了空调系统的安全性和运维效率。
25、(2)本发明实现了对加热器运行状态的实时监控，并在检测到泄露时及时发出预警，从而允许操作人员或自动控制系统及时采取措施，避免或减少潜在的安全事故和生产损失。
26、(3)本发明通过sarima模型准确的诊断，卷烟厂可以避免不必要的全面检查和维护，节省人力和物力成本。同时，及时维修可以延长工艺空调加热器的使用寿命，减少更换频率。
27、(4)本本发明在边缘网关中易于操作，可以方便地集成到现有的卷烟厂工艺空调系统中，不需要大规模的设备改造或重新设计。
1.一种基于边缘网关的判断多台空调加热器泄露诊断方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于边缘网关的判断多台空调加热器泄露诊断方法，其特征在于，在步骤s1中，设定数据收集的时间间隔为每分钟收集一次数据。
3.如权利要求1所述的一种基于边缘网关的判断多台空调加热器泄露诊断方法，其特征在于，在步骤s3中，sarima模型参数选择如下：
