CN110956555A - 一种基于大数据探测设备异常人工智能预测系统 - Google Patents

Abstract

本发明属于人工智能预测系统技术领域，尤其为一种基于大数据探测设备异常人工智能预测系统，包括互联网数据传输链，互联网数据传输链通过若干数据采集单元进行信号互联，数据采集单元信号连接有固定探测器、巡检探测器和智能监控器，互联网数据传输链的一端信号连接实体数据库以及基于实体数据库的云存储器。本发明通过固定探测器、巡检探测器和智能监控器分别将探测到的数据实时传送至数据采集单元，数据采集单元对上述数据进行相应的处理，然后根据其内部程序传送至实体数据库，实体数据库通过对比单元中的频率、振幅、自相关性、波长、相位和频率分布数据，对接收到的检测信息进行对比。

Description

一种基于大数据探测设备异常人工智能预测系统

技术领域

本发明涉及人工智能预测系统技术领域，具体为一种基于大数据探测设备异常人工智能预测系统。

背景技术

大数据是IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，随着云时代的来临，大数据也吸引了越来越多的关注，分析师团队认为，大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱，大数据分析常和云计算联系到一起，通过大型数据集分析框架来向数十、数百或甚至数千的电脑分配工作，大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据；在电力行业里，随着物联网的快速发展，每一分钟、每一秒甚至每一微秒都会产生海量的数据，这些数据有助于帮助我们实时监控各自电力设备的运行状态，如果能够及时探测设备发生异常，就会给电力企业节约很多的成本，但是目前没有成熟的技术方案。

目前的大数据探测设备系统存在下列问题：

1、目前的大数据探测设备系统不能对电力行业中检测数据的真实性和准确性进行分析和对比。

2、目前的大数据探测设备系统缺乏一种通用性好的算法，不能对接收到的数据进行快速准确的计算。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于大数据探测设备异常人工智能预测系统，解决了目前的大数据探测设备系统不能对电力行业中检测数据的真实性和准确性进行分析和对比，以及缺乏一种通用性好的算法，不能对接收到的数据进行快速准确的计算的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：包括互联网数据传输链，所述互联网数据传输链通过若干数据采集单元进行信号互联，所述数据采集单元信号连接有固定探测器、巡检探测器和智能监控器，所述互联网数据传输链的一端信号连接实体数据库以及基于所述实体数据库的云存储器，所述互联网数据传输链的另一端信号连接数据分析处理中心。

作为本发明的一种优选技术方案，所述数据采集单元包含若干计算机单体，若干所述计算机单体通过内部局域网络互联，若干所述计算机单体之间设置有可扩展存储器。

作为本发明的一种优选技术方案，所述固定探测器、所述巡检探测器和所述智能监控器上均含有无线通信芯片和有线数据接口，所述固定探测器、所述巡检探测器和所述智能监控器通过所述有线数据接口和所述内部局域网络与所述计算机单体信号连接，或通过所述无线通信芯片与所述实体数据库以及所述数据分析处理中心信号连接。

作为本发明的一种优选技术方案，所述实体数据库和所述云存储器中均设有对比单元，所述对比单元中下载有频率、振幅、自相关性、波长、相位和频率分布数据。

作为本发明的一种优选技术方案，所述数据分析处理中心中设有程序存储单元，所述程序存储单元中存储有C++、JAVA和Python算法程序。

作为本发明的一种优选技术方案，所述程序存储单元算法基于以下理论和方法：信号处理、小波分析、时间数列分析、傅里叶分析、贝叶斯分析、机器学习、EM算法与混合高斯模型、分位数回归。

作为本发明的一种优选技术方案，互联网数据传输链包含光纤、海底光缆、4G和5G网络。

(三)有益效果

与现有技术相比，本发明提供了一种基于大数据探测设备异常人工智能预测系统，具备以下有益效果：

1、该基于大数据探测设备异常人工智能预测系统，通过固定探测器、巡检探测器和智能监控器分别将探测到的数据实时传送至数据采集单元，数据采集单元对上述数据进行相应的处理，然后根据其内部程序传送至实体数据库，实体数据库通过对比单元中的频率、振幅、自相关性、波长、相位和频率分布数据，对接收到的检测信息进行对比。

2、该基于大数据探测设备异常人工智能预测系统，数据分析处理中心通过程序存储单元中存储的C++、JAVA和Python算法程序，对底层内存直接控制，算法的开发采用面向对象的模式，同时采用并行运算和向量化，以提高实时分析的速率和效率，算法的优点在于既可以部署在云端，又可以用边缘计算实现，可以根据用户的需求灵活调整。

附图说明

图1为本发明主观结构线路连接示意图；

图2为本发明数据传输和对比流程示意图。

图中：1、互联网数据传输链；2、数据采集单元；3、固定探测器；4、巡检探测器；5、智能监控器；6、实体数据库；7、数据分析处理中心；8、云存储器；9、计算机单体；10、内部局域网络；11、可扩展存储器；12、无线通信芯片；13、有线数据接口；14、对比单元；15、程序存储单元。

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。

实施例

请参阅图1-2，本发明提供以下技术方案：一种基于大数据探测设备异常人工智能预测系统，包括互联网数据传输链1，互联网数据传输链1通过若干数据采集单元2进行信号互联，数据采集单元2信号连接有固定探测器3、巡检探测器4和智能监控器5，互联网数据传输链1的一端信号连接实体数据库6以及基于实体数据库6的云存储器8，互联网数据传输链1的另一端信号连接数据分析处理中心7。

本实施例中，固定探测器3包含智串联或并联于电网的智能电压表、智能电流表和智能开关组件，由以上部件检测电网的电压、电流数据和通断状态；巡检探测器4包含巡查无人机、巡检车辆或人员所采集的数据；智能监控器5为监控摄像头、录音机以及热成像感应器、温度感应装置所检测到的温度、音频和视频信号。

具体的，数据采集单元2包含若干计算机单体9，若干计算机单体9通过内部局域网络10互联，若干计算机单体9之间设置有可扩展存储器11。

本实施例中，固定探测器3、巡检探测器4和智能监控器5分别将探测到的数据实时传送至数据采集单元2，数据采集单元2对上述数据进行相应的处理，然后根据其内部程序传送至实体数据库6或数据分析处理中心7，由实体数据库6对接收的数据进行对比分析，数据分析处理中心7根据其内部的程序进行相应的计算。

具体的，固定探测器3、巡检探测器4和智能监控器5上均含有无线通信芯片12和有线数据接口13，固定探测器3、巡检探测器4和智能监控器5通过有线数据接口13和内部局域网络10与计算机单体9信号连接，或通过无线通信芯片12与实体数据库6以及数据分析处理中心7信号连接。

本实施例中，固定探测器3、巡检探测器4和智能监控器5能够通过自带的无线通信芯片12将其探测到的数据传送至计算机单体9，计算机单体9对接收的数据进行初步分析处理，例如进行初步计算，或者通过可扩展存储器11对原始数据进行存储；此外固定探测器3、巡检探测器4和智能监控器5能够通过自带的无线通信芯片12与实体数据库6以及数据分析处理中心7信号连接，将检测到的原始数据进行传送，实现了第二种传输途径，两种传输途径分别独立传送各自的信息。

具体的，实体数据库6和云存储器8中均设有对比单元14，对比单元14中下载有频率、振幅、自相关性、波长、相位和频率分布数据。

本实施例中，实体数据库6和云存储器8通过对比单元14中下载有频率、振幅、自相关性、波长、相位和频率分布数据，对通过两种途径接收到的检测信息进行对比，在降低虚假信号的同时，提高预测的准确率。

具体的，数据分析处理中心7中设有程序存储单元15，程序存储单元15中存储有C++、JAVA和Python算法程序。

本实施例中，算法主要采用C++语言实现，C++语言对底层内存直接控制，算法的开发采用面向对象的模式，同时采用并行运算和向量化，以提高实时分析的速率和效率，算法的优点在于既可以部署在云端，又可以用边缘计算实现，可以根据用户的需求灵活调整。

具体的，程序存储单元15算法基于以下理论和方法：信号处理、小波分析、时间数列分析、傅里叶分析、贝叶斯分析、机器学习、EM算法与混合高斯模型、分位数回归。

本实施例中，信号处理、小波分析、时间数列分析、傅里叶分析、贝叶斯分析、机器学习、EM算法与混合高斯模型、分位数回归算法从一个角度进行分析，以便及时捕获信号中的异常、频率、振幅、自相关性、波长、相位和频率分布。

具体的，互联网数据传输链1包含光纤、海底光缆、4G和5G网络。

本实施例中，互联网数据传输链1为现有的有线或无线网络传输机构的光纤、海底光缆、4G和5G网络，此类通信机构为现有的成熟通信方式，能够对固定探测器3、巡检探测器4和智能监控器5检测到的数据及时准确的传输。

本实施例中的互联网数据传输链1为已经公开的广泛运用于工业生产和日常生活的已知技术。

本发明的工作原理及使用流程：固定探测器3、巡检探测器4和智能监控器5分别将探测到的数据实时传送至数据采集单元2，数据采集单元2对上述数据进行相应的处理，然后根据其内部程序传送至实体数据库6或数据分析处理中心7，实体数据库6和云存储器8通过对比单元14中下载有频率、振幅、自相关性、波长、相位和频率分布数据，对通过两种途径接收到的检测信息进行对比，数据分析处理中心7通过程序存储单元15中存储的C++、JAVA和Python算法程序，对底层内存直接控制，算法的开发采用面向对象的模式，同时采用并行运算和向量化，以提高实时分析的速率和效率，算法的优点在于既可以部署在云端，又可以用边缘计算实现，可以根据用户的需求灵活调整。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于大数据探测设备异常人工智能预测系统，包括互联网数据传输链(1)，其特征在于：所述互联网数据传输链(1)通过若干数据采集单元(2)进行信号互联，所述数据采集单元(2)信号连接有固定探测器(3)、巡检探测器(4)和智能监控器(5)，所述互联网数据传输链(1)的一端信号连接实体数据库(6)以及基于所述实体数据库(6)的云存储器(8)，所述互联网数据传输链(1)的另一端信号连接数据分析处理中心(7)。

2.根据权利要求1所述的一种基于大数据探测设备异常人工智能预测系统，其特征在于：所述数据采集单元(2)包含若干计算机单体(9)，若干所述计算机单体(9)通过内部局域网络(10)互联，若干所述计算机单体(9)之间设置有可扩展存储器(11)。

3.根据权利要求2所述的一种基于大数据探测设备异常人工智能预测系统，其特征在于：所述固定探测器(3)、所述巡检探测器(4)和所述智能监控器(5)上均含有无线通信芯片(12)和所述有线数据接口(13)，所述固定探测器(3)、所述巡检探测器(4)和所述智能监控器(5)通过有线数据接口(13)和所述内部局域网络(10)与所述计算机单体(9)信号连接，或通过所述无线通信芯片(12)与所述实体数据库(6)以及所述数据分析处理中心(7)信号连接。

4.根据权利要求1所述的一种基于大数据探测设备异常人工智能预测系统，其特征在于：所述实体数据库(6)和所述云存储器(8)中均设有对比单元(14)，所述对比单元(14)中下载有频率、振幅、自相关性、波长、相位和频率分布数据。

5.根据权利要求1所述的一种基于大数据探测设备异常人工智能预测系统，其特征在于：所述数据分析处理中心(7)中设有程序存储单元(15)，所述程序存储单元(15)中存储有C++、JAVA和Python算法程序。

6.根据权利要求5所述的一种基于大数据探测设备异常人工智能预测系统，其特征在于：所述程序存储单元(15)算法基于以下理论和方法：信号处理、小波分析、时间数列分析、傅里叶分析、贝叶斯分析、机器学习、EM算法与混合高斯模型、分位数回归。

7.根据权利要求1所述的一种基于大数据探测设备异常人工智能预测系统，其特征在于：互联网数据传输链(1)包含光纤、海底光缆、4G和5G网络。

Images