CN109635345B - 一种基于云计算的照明设备预警方法 - Google Patents

Abstract

本发明公开了一种基于云计算的照明设备预警方法，属于照明设备控制领域，本发明通过检测照明设备的用电量并上传给云主机，同时获取各照明设备的工作寿命时长数据序列，然后获取各照明设备的工作寿命时长预测值：根据各照明设备的工作寿命时长预测值确定各照明设备的预警时间点，当到达预警时间点时云主机对相应照明设备进行预警。本发明能够根据照明设备的用电量及历史工作寿命进行各照明设备的工作时长预测，通过照明设备各自的用电量修正预测结果，同时考虑了各照明设备工作寿命长度分布广泛、离散型高的特点，统一了各类因素对照明设备寿命的整体影响，能够根据该预测值提前进行预警，便于巡检及设备更换，保证了照明系统的不间断运行。

Description

一种基于云计算的照明设备预警方法

技术领域

本发明属于照明设备控制领域，特别是涉及一种基于云计算的照明设备预警方法。

背景技术

城市照明设备具有数量多、分布广、更换快等特点，作为智慧城市感知系统的基础，现在的照明设备除了具有单纯的照明功能之外，还具备信息感知、信息传递、信息收集、智能处理等多种功能。现在多数城市中的照明设施数量大都在数十万以上，其中照明路灯的灯源数量也数以万计，对其进行定期检查或者故障发现、处理的工作量是非常巨大的。

城市道路路灯故障的发现还较多采用开灯后人工巡灯方式进行；由于人员有限导致路灯不能被全部巡查，只能进行抽查，抽查灯数也随着检查路线随机确定，例如其中主次干道按不少于道路总长度的20％的道路路灯确定检查灯数、小街小巷不少于总数的10％。人工方式进行巡灯确定上线率存在覆盖面较小、耗时长、参与人员多、发现的问题解决及时性不高。同时常常发生巡检时没有发现照明设备损坏，但被巡查过的照明设备短时间内损坏的情况，导致巡检工作量巨大的同时，效果并不好。

针对上述情况现有技术根据不同厂家的照明设备使用寿命提前进行巡检，但由于影响各照明设备工作时长的因素很多，单纯的设定固定的巡检时间仍然存在工作量大及巡检时机不准的情况。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种能够更加准确进行照明设备预警的控制方法。

为实现上述目的，本发明提供了一种基于云计算的照明设备预警方法，按以下步骤进行：

步骤一、检测照明设备的用电量并上传给云主机；云主机获取各照明设备的工作寿命时长数据序列。

步骤二、设定所述工作寿命时长数据序列为S_t(a)，a为正整数；根据工作寿命时长数据序列S_t(a)获取各照明设备的工作寿命时长预测值。

设定工作寿命时长预测值为FOWH，计算

得到工作寿命时长预测值；所述Q_b为照明设备的用电量，所述AMTC为工作寿命时长指数增量的匹配值；b、i、w、m均为正整数且1≤i≤b，1≤m≤b，

1≤n≤a，1≤w≤a。

所述工作寿命时长指数增量的匹配值AMTC按以下方式获得：获取工作寿命时长增量序列的对数，然后根据其计算对数增长序列各分类之间的转移概率矩阵，最后根据所述转移概率矩阵得到工作寿命时长指数增量的匹配值。

步骤三、根据各照明设备的工作寿命时长预测值确定各照明设备的预警时间点，当到达预警时间点时云主机对相应照明设备进行预警。

以上技术方案深入研究了照明设备工作寿命时长数据，在分析其趋势变化的基础上实现，有别于传统的根据不同照明设备设定固定的巡检时间，采用以上技术方案，能够根据照明设备的用电量及历史工作寿命进行各照明设备的工作时长预测，通过照明设备各自的用电量修正预测结果，能够得到更加准确的照明设备工作时长预测值，同时能够根据该预测值提前进行预警，便于巡检及设备更换，保证了照明系统的不间断运行。

较佳的，所述工作寿命时长指数增量的匹配值AMTC按以下方式获得：

设定相邻工作寿命时长增量序列为Zwk(h)；Zwk(h)＝S_t(h+1)-S_t(h)；1≤h≤a-1；

设定相邻工作寿命时长增量序列的对数为lzwk(h)：

计算

得到相邻工作寿命时长增量序列的对数；

计算对数增长序列各分类之间的转移概率矩阵；

设定lzwk(h)序列中最小值为MIN，MIN＝min{lzwk(h)|1≤h≤a-1}；设定lzwk(a)序列中最大值为MAX，MAX＝max{lzwk(h)|1≤h≤a-1}；将MIN到MAX的区间分为p个类，p为正整数；设定第x个序列数据到第c个分类的映射函数为map(x)，1≤c≤p；

map(x)＝c，

设定MIN到MAX的区间中第x₁个类和第x₂个类之间的转移概率矩阵为TR(x₁，x₂)，x₁和x₂均为正整数；

设定MIN到MAX的区间各个类的平均转移增量为inc(c)，

计算

得到工作寿命时长指数增量的匹配值AMTC。

采用以上技术方案，避免了传统的工作时间预测模型和方法中过于依赖不同类型照明设备假设性能参数恒定不变的不足，同时考虑了各照明设备工作寿命长度分布广泛、离散型高的特点，统一了各类因素对照明设备寿命的整体影响，使得工作寿命时长指数增量的匹配值更加贴合该照明设备的寿命趋势，提高了照明设备工作寿命时长预测值的准确性。

较佳的，所述根据各照明设备的工作寿命时长预测值确定各照明设备的预警时间点按以下步骤进行：

将照明设备进行分组，获取各组照明设备的平均工作寿命时长，设定各组照明设备的平均工作寿命时长为ST(a)，ST(a)>0；

设定各照明设备的预警时长为BOWH；

计算

得到各照明设备的预警时长BOWH；所述SSA为设定的预警权重基数，所述SDT为设定的时间阈值；SSA>0，SDT>0；

将各照明设备的工作时长与预警时长BOWH进行对比，当各照明设备的工作时长到达预警时长时进行预警。

采用以上技术方案，能够对不同区域、不同类型等照明设备进行分组，并针对不同分组的照明设备进行针对性的预警时间点设置，使得预警时间点更加贴合实际，提高对照明设备使用的同时，也极大的提高了巡检的效率。同时上述方案不仅考虑了照明设备聚类的不同，还考虑了照明设备在各组中的不同时间趋势，进一步提高了预警时间点的准确性，从而在确保照明设备预警有效率的同时，极大的降低了巡检的工作量，进一步确保了照明设备的不间断使用。

较佳的，云主机对相应照明设备进行预警为：所述云主机发送预警信息给用户终端。

较佳的，云主机对相应照明设备进行预警为：所述云主机发送控制信号给声光报警器进行预警。

本发明的有益效果是：本发明能够根据照明设备的用电量及历史工作寿命进行各照明设备的工作时长预测，通过照明设备各自的用电量修正预测结果，能够得到更加准确的照明设备工作时长预测值。本发明避免了传统的工作时间预测模型和方法中过于依赖不同类型照明设备假设性能参数恒定不变的不足，同时考虑了各照明设备工作寿命长度分布广泛、离散型高的特点，统一了各类因素对照明设备寿命的整体影响，使得工作寿命时长指数增量的匹配值更加贴合该照明设备的寿命趋势，进一步提高了照明设备工作寿命时长预测值的准确性，同时能够根据该预测值提前进行预警，便于巡检及设备更换，保证了照明系统的不间断运行。

具体实施方式

下面结合实施例对本发明作进一步说明：

一种基于云计算的照明设备预警方法，按以下步骤进行：

步骤一、检测照明设备的用电量并上传给云主机；云主机获取各照明设备的工作寿命时长数据序列；现有技术中通过电量检测模块来检测路灯的用电量，其与获取照明设备工作寿命时长数据均为现有技术，在此不再赘述。

步骤二、设定所述工作寿命时长数据序列为S_t(a)，a为正整数；根据工作寿命时长数据序列S_t(a)获取各照明设备的工作寿命时长预测值：

设定工作寿命时长预测值为FOWH，计算

得到工作寿命时长预测值；所述Q_b为照明设备的用电量，

为照明设备用电总量，所述AMTC为工作寿命时长指数增量的匹配值；b、i、w、m均为正整数且1≤i≤b，1≤m≤b，

1≤n≤a，1≤w≤a；

所述工作寿命时长指数增量的匹配值AMTC按以下方式获得：获取工作寿命时长增量序列的对数，然后根据其计算对数增长序列各分类之间的转移概率矩阵，最后根据所述转移概率矩阵得到工作寿命时长指数增量的匹配值；

步骤三、根据各照明设备的工作寿命时长预测值确定各照明设备的预警时间点，当到达预警时间点时云主机对相应照明设备进行预警。

本实施例中，所述工作寿命时长指数增量的匹配值AMTC按以下方式获得：

设定相邻工作寿命时长增量序列为Zwk(h)；Zwk(h)＝S_t(h+1)-S_t(h)；1≤h≤a-1；

设定相邻工作寿命时长增量序列的对数为lzwk(h)：

计算

得到相邻工作寿命时长增量序列的对数；

计算对数增长序列各分类之间的转移概率矩阵；

设定lzwk(h)序列中最小值为MIN，MIN＝min{lzwk(h)|1≤h≤a-1}；设定lzwk(a)序列中最大值为MAX，MAX＝max{lzwk(h)|1≤h≤a-1}；将MIN到MAX的区间分为p个类，p为正整数；设定第x个序列数据到第c个分类的映射函数为map(x)，1≤c≤p；

map(x)＝c，

设定MIN到MAX的区间中第x₁个类和第x₂个类之间的转移概率矩阵为TR(x₁，x₂)，x₁和x₂均为正整数；

设定MIN到MAX的区间各个类的平均转移增量为inc(c)，

计算

得到工作寿命时长指数增量的匹配值AMTC。

本实施例中，所述根据各照明设备的工作寿命时长预测值确定各照明设备的预警时间点按以下步骤进行：

将照明设备进行分组，获取各组照明设备的平均工作寿命时长，设定各组照明设备的平均工作寿命时长为ST(a)，ST(a)>0；

设定各照明设备的预警时长为BOWH；

计算

得到各照明设备的预警时长BOWH；所述SSA为设定的预警权重基数，所述SDT为设定的时间阈值；SSA>0，SDT>0；

将各照明设备的工作时长与预警时长BOWH进行对比，当各照明设备的工作时长到达预警时长时进行预警。

本实施例中，云主机对相应照明设备进行预警为：所述云主机发送预警信息给用户终端。在另一实施例中，云主机对相应照明设备进行预警为：所述云主机发送控制信号给声光报警器进行预警。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (4)

1.一种基于云计算的照明设备预警方法，其特征在于按以下步骤进行：

步骤一、检测照明设备的用电量并上传给云主机；云主机获取各照明设备的工作寿命时长数据序列；

步骤二、设定所述工作寿命时长数据序列为S_t(a)，a为正整数；根据工作寿命时长数据序列S_t(a)获取各照明设备的工作寿命时长预测值：

设定工作寿命时长预测值为FOWH，计算得到工作寿命时长预测值；所述为照明设备的用电量，为照明设备用电总量，所述AMTC为工作寿命时长指数增量的匹配值；b、i、w、m均为正整数且1≤i≤b，1≤m≤b，，1≤n≤a，1≤w≤a；

所述工作寿命时长指数增量的匹配值AMTC按以下方式获得：获取工作寿命时长增量序列的对数，然后根据其计算对数增长序列各分类之间的转移概率矩阵，最后根据所述转移概率矩阵得到工作寿命时长指数增量的匹配值；

步骤三、根据各照明设备的工作寿命时长预测值确定各照明设备的预警时间点，当到达预警时间点时云主机对相应照明设备进行预警；

所述工作寿命时长指数增量的匹配值AMTC按以下方式获得：

设定相邻工作寿命时长增量序列为Zwk(h)；Zwk(h)＝S_t(h+1)-S_t(h)；1≤h≤a-1；

设定相邻工作寿命时长增量序列的对数为lzwk(h)：

计算

得到相邻工作寿命时长增量序列的对数；

计算对数增长序列各分类之间的转移概率矩阵；

设定lzwk(h)序列中最小值为MIN，MIN＝min{lzwk(h)|1≤h≤a-1}；设定lzwk(a)序列中最大值为MAX，MAX＝max{lzwk(h)|1≤h≤a-1}；将MIN到MAX的区间分为p个类，p为正整数；设定第x个序列数据到第c个分类的映射函数为map(x)，1≤c≤p；

map(x)＝c，

；

设定MIN到MAX的区间中第x₁个类和第x₂个类之间的转移概率矩阵为TR(x₁，x₂)，x₁和x₂均为正整数；

；

；

；

设定MIN到MAX的区间各个类的平均转移增量为inc(c)，

；

计算得到工作寿命时长指数增量的匹配值AMTC。

2.如权利要求1所述的一种基于云计算的照明设备预警方法，其特征是：所述根据各照明设备的工作寿命时长预测值确定各照明设备的预警时间点按以下步骤进行：

将照明设备进行分组，获取各组照明设备的平均工作寿命时长，设定各组照明设备的平均工作寿命时长为ST(a)，ST(a)>0；

设定各照明设备的预警时长为BOWH；

计算

得到各照明设备的预警时长BOWH；所述SSA为设定的预警权重基数，所述SDT为设定的时间阈值；SSA>0，SDT>0；

将各照明设备的工作时长与预警时长BOWH进行对比，当各照明设备的工作时长到达预警时长时进行预警。

3.如权利要求1所述的一种基于云计算的照明设备预警方法，其特征是：云主机对相应照明设备进行预警为：所述云主机发送预警信息给用户终端。

4.如权利要求1所述的一种基于云计算的照明设备预警方法，其特征是：云主机对相应照明设备进行预警为：所述云主机发送控制信号给声光报警器进行预警。