CN109308548A - 一种基于网格预测的设备安全管理方法及系统 - Google Patents

一种基于网格预测的设备安全管理方法及系统 Download PDF

Info

Publication number
CN109308548A
CN109308548A CN201811060123.9A CN201811060123A CN109308548A CN 109308548 A CN109308548 A CN 109308548A CN 201811060123 A CN201811060123 A CN 201811060123A CN 109308548 A CN109308548 A CN 109308548A
Authority
CN
China
Prior art keywords
value
data
data point
photomeasured
exceptional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811060123.9A
Other languages
English (en)
Other versions
CN109308548B (zh
Inventor
党鑫
朱斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhenru (Tianjin) Technology Co., Ltd
Original Assignee
Zhongke Lujian (tianjin) Science And Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongke Lujian (tianjin) Science And Technology Development Co Ltd filed Critical Zhongke Lujian (tianjin) Science And Technology Development Co Ltd
Priority to CN201811060123.9A priority Critical patent/CN109308548B/zh
Publication of CN109308548A publication Critical patent/CN109308548A/zh
Application granted granted Critical
Publication of CN109308548B publication Critical patent/CN109308548B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开一种基于网格预测的设备安全管理方法及系统，首先将所述目标区域划分成多个网格；其次获取各所述网格中的参数指标，并根据参数指标生成数据流；然后设定移动窗口的长度，并利用设定长度的滑动窗口从数据流中抽取当前帧光测数据；根据当前帧光测数据确定均值、方差值、参数值和模板差异值；根据均值、方差值、参数值和模板差异值确定第一异常数据点；对第一异常数据点再次进行验证，确定第二异常数据点；再然后根据第二异常数据点确定第二异常数据点对应的异常类型；最后根据第二异常数据点对应的异常类型选择设备安全管理策略，以实现根据从网格中获取的参数指标进行选择设备安全策略，进而实现设备安全管理。

Description

一种基于网格预测的设备安全管理方法及系统
技术领域
本发明涉及设备安全管理技术领域，特别是涉及一种基于网格预测的设备安全管理方法及系统。
背景技术
环境参数监控是近年来楼宇智能化的一个重要功能。一方面，楼宇智能化系统对楼宇的温度、湿度、空气质量等数据进行监测，通过智能控制模块在满足使用者舒适的标准下，最大化节能、节材；另一方面，楼宇智能化系统也需要通过对环境参数监控，实现楼宇设备和环境的安全管理。然而，传统的设备安全管理往往都是事后发现，很难形成事前预防效果，因此现有实现设备的安全管理无法根据现有监测的数据进行与判断，只是对数据的展示和搬运，缺乏精确的判断，基于上述问题，如何根据参数指标对设备安全进行管理成为本领域急需解决的问题。
发明内容
本发明的目的是提供一种基于网格预测的设备安全管理方法及系统，以实现根据参数指标对设备安全进行管理。
为实现上述目的，本发明提供了一种基于网格预测的设备安全管理方法，所述设备安全管理方法包括：
确定设备的目标区域，并将所述目标区域划分成多个网格；
获取各所述网格中的参数指标，所述参数指标包括：温度、湿度、电消耗、水消耗、PM2.5、PM10、SO2、CO2；
设定移动窗口的长度，并利用设定长度的滑动窗口从所述数据流中抽取当前帧光测数据；
根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值；
根据所述均值、方差值、参数值和模板差异值确定第一异常数据点；
对所述第一异常数据点再次进行验证，确定第二异常数据点；
根据所述第二异常数据点确定所述第二异常数据点对应的异常类型；
根据所述第二异常数据点对应的异常类型选择设备安全管理策略。
可选的，所述根据所述均值、方差值、参数值和模板差异值确定第一异常数据点，具体包括：
根据所述均值和所述方差值经过t检验方法后产生t值；
判断所述t值是否大于第一设定值；如果所述t值小于等于第一设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；
如果所述t值大于第一设定值，则判断所述参数值是否大于第二设定值；如果所述参数值小于等于第二设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述参数值大于第二设定值；则获取异常模板；
采用卷积方法计算当前帧光测数据和异常模板之间的差异值；
判断所述差异值是否大于第三设定值；如果所述差异值大于第三设定值，则将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述差异值小于等于第三设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”。
可选的，所述对所述第一异常数据点再次进行验证，确定第二异常数据点，具体包括：
基于第一异常数据点，按照所述第一异常数据点对应的设定时间确定第一异常数据点对应的起始位置和终止位置；
根据所述起始位置和所述终点位置确定异常数据区域；
对所述异常数据区域内的第一异常数据点再次进行验证，获得第二异常数据点。
可选的，所述根据所述第二异常数据点对应的异常类型选择设备安全管理策略，具体包括：
根据所述第二异常数据点对应的数据类型从异常推理库中选择初始控制策略；
对所述初始控制策略进行预处理，获得数据矩阵；
采用溯源算法，根据所述数据矩阵确定验证指标值；
判断所述验证指标是否小于第四设定值；如果小于第四设定值，则输出所述初始控制策略为设备安全管理策略；如果大于等于第四设定值，则将异常推理库中下一个控制策略为初始控制策略，并返回步骤“对所述初始控制策略进行预处理，获得数据矩阵”。
可选的，所述溯源算法包括时间溯源算法和空间溯源算法。
可选的，采用卷积方法计算当前帧光测数据和异常模板之间的差异值，具体公式为：
y＝max(∑x(k)h(n-k))；
其中，k为帧内数据索引，x为第k帧观测数据，h为异常模板，y为卷积输出，n为观测帧帧长。
本发明还提供一种基于网格预测的设备安全管理系统，所述设备安全管理系统包括：
划分模块，用于确定设备的目标区域，并将所述目标区域划分成多个网格；
获取模块，用于获取各所述网格中的参数指标，所述参数指标包括：温度、湿度、电消耗、水消耗、PM2.5、PM10、SO2、CO2；
数据流生成模块，用于根据所述参数指标生成数据流，所述数据流是由多帧观测数据组成；
抽取模块，用于设定移动窗口的长度，并利用设定长度的滑动窗口从所述数据流中抽取当前帧光测数据；
参数确定模块，用于根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值；
第一异常数据点确定模块，用于根据所述均值、方差值、参数值和模板差异值确定第一异常数据点；
第二异常数据点确定模块，用于对所述第一异常数据点再次进行验证，确定第二异常数据点；
异常类型确定模块，用于根据所述第二异常数据点确定所述第二异常数据点对应的异常类型；
设备安全管理策略确定模块，用于根据所述第二异常数据点对应的异常类型选择设备安全管理策略。
可选的，所述第一异常数据点确定模块，具体包括：
t值产生单元，用于根据所述均值和所述方差值经过t检验方法后产生t值；
第一判断单元，用于判断所述t值是否大于第一设定值；如果所述t值小于等于第一设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；
第二判断单元，用于如果所述t值大于第一设定值，则判断所述参数值是否大于第二设定值；如果所述参数值小于等于第二设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述参数值大于第二设定值；则获取异常模板；
差异值确定单元，用于采用卷积方法计算当前帧光测数据和异常模板之间的差异值；
第三判断单元判断所述差异值是否大于第三设定值；如果所述差异值大于第三设定值，则将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述差异值小于等于第三设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”。
可选的，所述第二异常数据点确定模块，具体包括：
位置确定单元，用于基于第一异常数据点，按照所述第一异常数据点对应的设定时间确定第一异常数据点对应的起始位置和终止位置；
异常数据区域确定单元，用于根据所述起始位置和所述终点位置确定异常数据区域；
第二异常数据点确定单元，用于对所述异常数据区域内的第一异常数据点再次进行验证，获得第二异常数据点。
可选的，所述设备安全管理策略确定模块，具体包括：
选择单元，用于根据所述第二异常数据点对应的数据类型从异常推理库中选择初始控制策略；
预处理单元，用于对所述初始控制策略进行预处理，获得数据矩阵；
验证指标值确定单元，用于采用溯源算法，根据所述数据矩阵确定验证指标值；
第四判断单元，用于判断所述验证指标是否小于第四设定值；如果小于第四设定值，则输出所述初始控制策略为设备安全管理策略；如果大于等于第四设定值，则将异常推理库中下一个控制策略为初始控制策略，并返回步骤“对所述初始控制策略进行预处理，获得数据矩阵”。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明首先将所述目标区域划分成多个网格；其次获取各所述网格中的参数指标，并根据所述参数指标生成数据流；然后设定移动窗口的长度，并利用设定长度的滑动窗口从所述数据流中抽取当前帧光测数据；根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值；根据所述均值、方差值、参数值和模板差异值确定第一异常数据点；对所述第一异常数据点再次进行验证，确定第二异常数据点；再然后根据所述第二异常数据点确定所述第二异常数据点对应的异常类型；最后根据所述第二异常数据点对应的异常类型选择设备安全管理策略，以实现根据从网格中获取的参数指标进行选择设备安全策略，实现设备安全管理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例基于网格预测的设备安全管理方法流程图；
图2为本发明实施例基于网格预测的设备安全管理系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于网格预测的设备安全管理方法及系统，以实现根据参数指标对设备安全进行管理。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例基于网格预测的设备安全管理方法流程图，如图1所示，本发明提供了一种基于网格预测的设备安全管理方法，所述设备安全管理方法包括：
步骤S1：确定设备的目标区域，并将所述目标区域划分成多个网格；
步骤S2：获取各所述网格中的参数指标，所述参数指标包括：温度、湿度、电消耗、水消耗、PM2.5、PM10、SO2、CO2；
步骤S3：根据所述参数指标生成数据流，所述数据流是由多帧观测数据组成；
步骤S4：设定移动窗口的长度，并利用设定长度的滑动窗口从所述数据流中抽取当前帧光测数据；
步骤S5：根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值；
步骤S6：根据所述均值、方差值、参数值和模板差异值确定第一异常数据点；
步骤S7：对所述第一异常数据点再次进行验证，确定第二异常数据点；
步骤S8：根据所述第二异常数据点确定所述第二异常数据点对应的异常类型；所述异常类型包括：异常突增、异常下降、异常震荡和异常样例。
步骤S9：根据所述第二异常数据点对应的异常类型选择设备安全管理策略。
下面对各个步骤进行详细论述：
步骤S2：获取各所述网格中的参数指标，所述参数指标包括：实时参数指标和/或历史参数指标；所述实时参数指标包括：实时存储的温度、湿度、电消耗、水消耗、PM2.5、PM10、SO2、CO2；所述历史参数指标包括：历史存储的温度、湿度、电消耗、水消耗、PM2.5、PM10、SO2、CO2。
步骤S6：根据所述均值、方差值、参数值和模板差异值确定第一异常数据点，具体包括：
步骤S61：根据所述均值和所述方差值经过t检验方法后产生t值；
步骤S62：判断所述t值是否大于第一设定值；如果所述t值小于等于第一设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；
步骤S63：如果所述t值大于第一设定值，则判断所述参数值是否大于第二设定值；如果所述参数值小于等于第二设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述参数值大于第二设定值；则获取异常模板；
步骤S64：采用卷积方法计算当前帧光测数据和异常模板之间的差异值；具体公式为：
y＝max(∑x(k)h(n-k))；
其中，k为帧内数据索引，x为第k帧观测数据，h为异常模板，y为卷积输出，n为观测帧帧长。
步骤S65：判断所述差异值是否大于第三设定值；如果所述差异值大于第三设定值，则将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述差异值小于等于第三设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”。
步骤S7：所述对所述第一异常数据点再次进行验证，确定第二异常数据点，具体包括：
步骤S71：基于第一异常数据点，按照所述第一异常数据点对应的设定时间确定第一异常数据点对应的起始位置和终止位置；
基于第一异常数据点，进行经验性或假设性倒推，在时间维度、空间维度等数据抽取一定范围数据，例如pm2.5数据，抽取异常点前后3天数据进行异常点倒推，直到找到异常起始位置和终止位置。倒推时长根据历史数据统计建模获得，对于空气质量数据(PM2.5，PM10，CO2)指标前后三天时间长度足以覆盖一般的参数波动范围，对于电、水能源资源数据前后一天即可覆盖整个参数的波动范围。起始点位置从第一个异常数据帧开始，倒推固定帧数数据，不同参数(例如PM2.5、水流量等)根据其不同物理意义采用不同经验的固定帧数。
步骤S72：根据所述起始位置和所述终点位置确定异常数据区域；
步骤S73：对所述异常数据区域内的第一异常数据点再次进行验证，获得第二异常数据点。
步骤S9：所述根据所述第二异常数据点对应的异常类型选择设备安全管理策略，具体包括：
步骤S91：根据所述第二异常数据点对应的数据类型从异常推理库中选择初始控制策略；
步骤S92：对所述初始控制策略进行预处理，获得数据矩阵；所述预处理包括清洗、规整、归一化处理。
步骤S93：采用溯源算法，根据所述数据矩阵确定验证指标值；所述溯源算法包括时间溯源算法和空间溯源算法。时间溯源算法针对不同的指标将异常数据段按照不同的周期求取求取均值、方差、曲率等验证指标，用电量指标的溯源算法周期设定为3小时、用水量溯源算法周期设定为6小时、PM2.5为12小时周期、PM10设定为12小时。空间溯源针对不同监控区域的空间特性进行设置，用电量、用水量、PM2.5、PM10等指标的溯源算法空间周期设定为工位、办公区、功能区、整层、整栋。
步骤S94：判断所述验证指标是否小于第四设定值；如果小于第四设定值，则输出所述初始控制策略为设备安全管理策略；如果大于等于第四设定值，则将异常推理库中下一个控制策略为初始控制策略，并返回步骤“对所述初始控制策略进行预处理，获得数据矩阵”。所述异常推理库内存储的推理项依次执行形成不同类型的排查逻辑，最终固化成异常推理库；例如对于PM2.5参数的异常突增这种异常类型，其推理包含：1)对同参数历史数据上升趋势的确认，证实突增并非阶跃噪音，2)对相关参数PM10参数的上升趋势确认，证实参数上升来自空气指标上升，3)对临近空间监测点PM2.5参数的确认，证明空气质量变化在空间范围一致。剩余其他参数以及类型的推理再此不在一一论述。
图2为本发明实施例基于网格预测的设备安全管理系统结构图，如图2所示，本发明还提供一种基于网格预测的设备安全管理系统，所述设备安全管理系统包括：
划分模块1，用于确定设备的目标区域，并将所述目标区域划分成多个网格；
获取模块2，用于获取各所述网格中的参数指标，所述参数指标包括：温度、湿度、电消耗、水消耗、PM2.5、PM10、SO2、CO2；
数据流生成模块3，用于根据所述参数指标生成数据流，所述数据流是由多帧观测数据组成；
抽取模块4，用于设定移动窗口的长度，并利用设定长度的滑动窗口从所述数据流中抽取当前帧光测数据；
参数确定模块5，用于根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值；
第一异常数据点确定模块6，用于根据所述均值、方差值、参数值和模板差异值确定第一异常数据点；
第二异常数据点确定模块7，用于对所述第一异常数据点再次进行验证，确定第二异常数据点；
异常类型确定模块8，用于根据所述第二异常数据点确定所述第二异常数据点对应的异常类型；
设备安全管理策略确定模块9，用于根据所述第二异常数据点对应的异常类型选择设备安全管理策略。
下面对各个模块进行详细分析：
所述第一异常数据点确定模块6，具体包括：
t值产生单元，用于根据所述均值和所述方差值经过t检验方法后产生t值；
第一判断单元，用于判断所述t值是否大于第一设定值；如果所述t值小于等于第一设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；
第二判断单元，用于如果所述t值大于第一设定值，则判断所述参数值是否大于第二设定值；如果所述参数值小于等于第二设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述参数值大于第二设定值；则获取异常模板；
差异值确定单元，用于采用卷积方法计算当前帧光测数据和异常模板之间的差异值；
第三判断单元判断所述差异值是否大于第三设定值；如果所述差异值大于第三设定值，则将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述差异值小于等于第三设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”。
所述第二异常数据点确定模块7，具体包括：
位置确定单元，用于基于第一异常数据点，按照所述第一异常数据点对应的设定时间确定第一异常数据点对应的起始位置和终止位置；
异常数据区域确定单元，用于根据所述起始位置和所述终点位置确定异常数据区域；
第二异常数据点确定单元，用于对所述异常数据区域内的第一异常数据点再次进行验证，获得第二异常数据点。
所述设备安全管理策略确定模块9，具体包括：
选择单元，用于根据所述第二异常数据点对应的数据类型从异常推理库中选择初始控制策略；
预处理单元，用于对所述初始控制策略进行预处理，获得数据矩阵；
验证指标值确定单元，用于采用溯源算法，根据所述数据矩阵确定验证指标值；
第四判断单元，用于判断所述验证指标是否小于第四设定值；如果小于第四设定值，则输出所述初始控制策略为设备安全管理策略；如果大于等于第四设定值，则将异常推理库中下一个控制策略为初始控制策略，并返回步骤“对所述初始控制策略进行预处理，获得数据矩阵”。
本发明首先将所述目标区域划分成多个网格；其次获取各所述网格中的参数指标，并根据所述参数指标生成数据流；然后设定移动窗口的长度，并利用设定长度的滑动窗口从所述数据流中抽取当前帧光测数据；根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值；根据所述均值、方差值、参数值和模板差异值确定第一异常数据点；对所述第一异常数据点再次进行验证，确定第二异常数据点；再然后根据所述第二异常数据点确定所述第二异常数据点对应的异常类型；最后根据所述第二异常数据点对应的异常类型选择设备安全管理策略，以实现根据从网格中获取的参数指标进行选择设备安全策略，实现设备安全管理。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于网格预测的设备安全管理方法，其特征在于，所述设备安全管理方法包括：
确定设备的目标区域，并将所述目标区域划分成多个网格；
获取各所述网格中的参数指标，所述参数指标包括：温度、湿度、电消耗、水消耗、PM2.5、PM10、SO2、CO2；
根据所述参数指标生成数据流，所述数据流是由多帧观测数据组成；
设定移动窗口的长度，并利用设定长度的滑动窗口从所述数据流中抽取当前帧光测数据；
根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值；
根据所述均值、方差值、参数值和模板差异值确定第一异常数据点；
对所述第一异常数据点再次进行验证，确定第二异常数据点；
根据所述第二异常数据点确定所述第二异常数据点对应的异常类型；
根据所述第二异常数据点对应的异常类型选择设备安全管理策略。
2.根据权利要求1所述的设备安全管理方法，其特征在于，所述根据所述均值、方差值、参数值和模板差异值确定第一异常数据点，具体包括：
根据所述均值和所述方差值经过t检验方法后产生t值；
判断所述t值是否大于第一设定值；如果所述t值小于等于第一设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；
如果所述t值大于第一设定值，则判断所述参数值是否大于第二设定值；如果所述参数值小于等于第二设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述参数值大于第二设定值；则获取异常模板；
采用卷积方法计算当前帧光测数据和异常模板之间的差异值；
判断所述差异值是否大于第三设定值；如果所述差异值大于第三设定值，则将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述差异值小于等于第三设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”。
3.根据权利要求1所述的设备安全管理方法，其特征在于，所述对所述第一异常数据点再次进行验证，确定第二异常数据点，具体包括：
基于第一异常数据点，按照所述第一异常数据点对应的设定时间确定第一异常数据点对应的起始位置和终止位置；
根据所述起始位置和所述终点位置确定异常数据区域；
对所述异常数据区域内的第一异常数据点再次进行验证，获得第二异常数据点。
4.根据权利要求1所述的设备安全管理方法，其特征在于，所述根据所述第二异常数据点对应的异常类型选择设备安全管理策略，具体包括：
根据所述第二异常数据点对应的数据类型从异常推理库中选择初始控制策略；
对所述初始控制策略进行预处理，获得数据矩阵；
采用溯源算法，根据所述数据矩阵确定验证指标值；
判断所述验证指标是否小于第四设定值；如果小于第四设定值，则输出所述初始控制策略为设备安全管理策略；如果大于等于第四设定值，则将异常推理库中下一个控制策略为初始控制策略，并返回步骤“对所述初始控制策略进行预处理，获得数据矩阵”。
5.根据权利要求4所述的设备安全管理方法，其特征在于，所述溯源算法包括时间溯源算法和空间溯源算法。
6.根据权利要求2所述的设备安全管理方法，其特征在于，采用卷积方法计算当前帧光测数据和异常模板之间的差异值，具体公式为：
y＝max(∑x(k)h(n-k))；
其中，k为帧内数据索引，x为第k帧观测数据，h为异常模板，y为卷积输出，n为观测帧帧长。
7.一种基于网格预测的设备安全管理系统，其特征在于，所述设备安全管理系统包括：
划分模块，用于确定设备的目标区域，并将所述目标区域划分成多个网格；
获取模块，用于获取各所述网格中的参数指标，所述参数指标包括：温度、湿度、电消耗、水消耗、PM2.5、PM10、SO2、CO2；
抽取模块，用于设定移动窗口的长度，并利用设定长度的滑动窗口从所述数据流中抽取当前帧光测数据；
参数确定模块，用于根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值；
第一异常数据点确定模块，用于根据所述均值、方差值、参数值和模板差异值确定第一异常数据点；
第二异常数据点确定模块，用于对所述第一异常数据点再次进行验证，确定第二异常数据点；
异常类型确定模块，用于根据所述第二异常数据点确定所述第二异常数据点对应的异常类型；
设备安全管理策略确定模块，用于根据所述第二异常数据点对应的异常类型选择设备安全管理策略。
8.根据权利要求7所述的设备安全管理系统，其特征在于，所述第一异常数据点确定模块，具体包括：
t值产生单元，用于根据所述均值和所述方差值经过t检验方法后产生t值；
第一判断单元，用于判断所述t值是否大于第一设定值；如果所述t值小于等于第一设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；
第二判断单元，用于如果所述t值大于第一设定值，则判断所述参数值是否大于第二设定值；如果所述参数值小于等于第二设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述参数值大于第二设定值；则获取异常模板；
差异值确定单元，用于采用卷积方法计算当前帧光测数据和异常模板之间的差异值；
第三判断单元判断所述差异值是否大于第三设定值；如果所述差异值大于第三设定值，则将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”；如果所述差异值小于等于第三设定值，则输出第一异常数据点，并将下一帧光测数据作为当前帧光测数据，返回步骤“根据所述当前帧光测数据确定均值、方差值、参数值和模板差异值”。
9.根据权利要求7所述的设备安全管理系统，其特征在于，所述第二异常数据点确定模块，具体包括：
位置确定单元，用于基于第一异常数据点，按照所述第一异常数据点对应的设定时间确定第一异常数据点对应的起始位置和终止位置；
异常数据区域确定单元，用于根据所述起始位置和所述终点位置确定异常数据区域；
第二异常数据点确定单元，用于对所述异常数据区域内的第一异常数据点再次进行验证，获得第二异常数据点。
10.根据权利要求7所述的设备安全管理系统，其特征在于，所述设备安全管理策略确定模块，具体包括：
选择单元，用于根据所述第二异常数据点对应的数据类型从异常推理库中选择初始控制策略；
预处理单元，用于对所述初始控制策略进行预处理，获得数据矩阵；
验证指标值确定单元，用于采用溯源算法，根据所述数据矩阵确定验证指标值；
第四判断单元，用于判断所述验证指标是否小于第四设定值；如果小于第四设定值，则输出所述初始控制策略为设备安全管理策略；如果大于等于第四设定值，则将异常推理库中下一个控制策略为初始控制策略，并返回步骤“对所述初始控制策略进行预处理，获得数据矩阵”。
CN201811060123.9A 2018-09-12 2018-09-12 一种基于网格预测的设备安全管理方法及系统 Active CN109308548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811060123.9A CN109308548B (zh) 2018-09-12 2018-09-12 一种基于网格预测的设备安全管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811060123.9A CN109308548B (zh) 2018-09-12 2018-09-12 一种基于网格预测的设备安全管理方法及系统

Publications (2)

Publication Number Publication Date
CN109308548A true CN109308548A (zh) 2019-02-05
CN109308548B CN109308548B (zh) 2021-01-26

Family

ID=65224798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811060123.9A Active CN109308548B (zh) 2018-09-12 2018-09-12 一种基于网格预测的设备安全管理方法及系统

Country Status (1)

Country Link
CN (1) CN109308548B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597144A (zh) * 2020-12-29 2021-04-02 农业农村部环境保护科研监测所 一种产地环境监测数据的自动化清洗方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013061826A1 (ja) * 2011-10-27 2013-05-02 京セラ株式会社 給電システム、分散型電源システム、管理装置、及び給電制御方法
CN105354623A (zh) * 2015-09-30 2016-02-24 中国电力科学研究院 一种面向电网时空数据的异常检测优化方法
CN105512474A (zh) * 2015-12-02 2016-04-20 国网山东省电力公司电力科学研究院 一种变压器状态监测数据的异常检测方法
CN105825242A (zh) * 2016-05-06 2016-08-03 南京大学 基于混合网格分层聚类的集群通信终端轨迹实时异常检测方法与系统
CN106100912A (zh) * 2016-08-25 2016-11-09 福州福大自动化科技有限公司 一种异常状态事件库的构建方法以及系统
CN107451715A (zh) * 2017-06-27 2017-12-08 国网浙江省电力公司温州供电公司 一种电网网格化运维管理系统制定方法及其应用终端
CA2995864A1 (en) * 2017-03-09 2018-09-09 General Electric Company Multi-modal, multi-disciplinary feature discovery to detect cyber threats in electric power grid
CN108521340A (zh) * 2018-03-20 2018-09-11 特斯联（北京）科技有限公司 一种物联网局域故障定位与自适应屏蔽系统和方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013061826A1 (ja) * 2011-10-27 2013-05-02 京セラ株式会社 給電システム、分散型電源システム、管理装置、及び給電制御方法
CN105354623A (zh) * 2015-09-30 2016-02-24 中国电力科学研究院 一种面向电网时空数据的异常检测优化方法
CN105512474A (zh) * 2015-12-02 2016-04-20 国网山东省电力公司电力科学研究院 一种变压器状态监测数据的异常检测方法
CN105825242A (zh) * 2016-05-06 2016-08-03 南京大学 基于混合网格分层聚类的集群通信终端轨迹实时异常检测方法与系统
CN106100912A (zh) * 2016-08-25 2016-11-09 福州福大自动化科技有限公司 一种异常状态事件库的构建方法以及系统
CA2995864A1 (en) * 2017-03-09 2018-09-09 General Electric Company Multi-modal, multi-disciplinary feature discovery to detect cyber threats in electric power grid
CN107451715A (zh) * 2017-06-27 2017-12-08 国网浙江省电力公司温州供电公司 一种电网网格化运维管理系统制定方法及其应用终端
CN108521340A (zh) * 2018-03-20 2018-09-11 特斯联（北京）科技有限公司 一种物联网局域故障定位与自适应屏蔽系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张金晔 等: "网络设备故障预测与健康管理系统设计", 《软件导刊》 *
王赛一 等: "基于网格化理念的城市中心区配电网规划策略", 《陕西电力》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597144A (zh) * 2020-12-29 2021-04-02 农业农村部环境保护科研监测所 一种产地环境监测数据的自动化清洗方法

Also Published As

Publication number Publication date
CN109308548B (zh) 2021-01-26

Similar Documents

Publication Publication Date Title
Barbato et al. Forecasting the usage of household appliances through power meter sensors for demand management in the smart grid
CN110187290A (zh) 一种基于融合型算法的锂离子电池剩余寿命预测方法
CN109659933A (zh) 一种基于深度学习模型的含分布式电源配电网电能质量预测方法
Ouf et al. Improving occupant-related features in building performance simulation tools
CN106096726A (zh) 一种非侵入式负荷监测方法及装置
Urieli et al. A learning agent for heat-pump thermostat control
Jang et al. Prediction of optimum heating timing based on artificial neural network by utilizing BEMS data
CN109272190A (zh) 一种基于动量bp神经网络的电力电缆状态评价方法
CN108054749A (zh) 一种非侵入式电力负荷分解方法及装置
Lee et al. The use of normative energy calculation beyond building performance rating systems
CN105809264B (zh) 电力负载预测方法和装置
US11551323B2 (en) Ensuring safe servicing in a low-voltage network of the electric power distribution system
CN108346009A (zh) 一种基于用户模型自学习的电力生产配置方法和装置
CN109308548A (zh) 一种基于网格预测的设备安全管理方法及系统
Markoska et al. Towards smart buildings performance testing as a service
CN109242166A (zh) 一种基于多尺度深度神经网络的环境预测防控系统
Murthy Energy-agile laptops: Demand response of mobile plug loads using sensor/actuator networks
Acone et al. Designing an Energy Management System for smart houses
Golovinski et al. Electricity consumption forecast of clusters of buildings based on recurrent neural networks
Thomas Prediction of Heat Demand for Building Energy Managers: An IoT and Control Perspective
Béguery et al. Microgrid energy management optimization-a common platform for research, development and design tools
Li et al. Investigation of a short-term prediction method of occupancy presence in residential buildings
Waraga et al. A framework application for improving energy demand forecasting using digital twining
Papatzimos et al. Data-informed lifetime reliability prediction for offshore wind farms
Chalfoun Using energy simulation and real-time data monitoring to investigate thermal performance of exterior cavity walls

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210305

Address after: Building 3-5, Yougu New Science Park, east of Jingfu Road, Tianjin Medical Equipment Industrial Park, Beichen District, Tianjin

Patentee after: Zhenru (Tianjin) Technology Co., Ltd

Address before: Building a-5-123, Xingqi No.1 Park, 3 Haitai development road, Huayuan Industrial Zone, Binhai New Area, Tianjin

Patentee before: ZHONGKE GREEN CONSTRUCTION (TIANJIN) TECHNOLOGY DEVELOPMENT Co.,Ltd.