CN111045364A - 一种基于大数据平台的动力环境监控系统辅助决策方法 - Google Patents

Abstract

本发明公开了一种基于大数据平台的动力环境监控系统，包括海量数据模块、反馈模块、大数据平台、实时数据模块、数据提取模块、数据分析模块、故障模型生成模块、对比模块、预报警单元、报警单元和外部主机，所述海量数据模块的输出端与大数据平台的输入端连接，本发明涉及动力环境监控技术领域。该基于大数据平台的动力环境监控系统辅助决策方法，通过海量数据模块将数据输入大数据平台，配合数据提取模块、数据分析模块、故障模型生成模块建立故障模型，并通过对比模块进行对比，利用预报警单元和报警单元进行预报警和报警，实现设备故障前的警报，使网管系统具备设备运行情况分析能力，提升运行维护的自动化水平。

Description

一种基于大数据平台的动力环境监控系统辅助决策方法

技术领域

本发明涉及动力环境监控技术领域，具体为一种基于大数据平台的动力环境监控系统辅助决策方法。

背景技术

动力及环境监控系统是采用数据采集技术、计算机技术和网络技术以有效提高通信电源系统、机房空调系统及环境维护质量的先进手段。动力及环境监控系统是对分布的各个独立的动力设备和机房环境监控对象进行遥测、遥信等采集，实时监视系统和设备的运行状态，记录和处理相关数据，及时侦测故障，并作必要的遥控操作，适时通知人员处理；实现基站的少人无人值守，以及电源、空调的集中监控维护管理，提高供电系统的可靠性和通信设备的安全性。随着现代通信事业的迅猛发展、计算机的普及、基于网络应用不断深入扩展应用、日常生活及生产对网络和数据资源的依赖日益倍增，各行业相应数据中心、网络机房、数据业务机房、小区物业机房、通信基站、模块局机房、通信母局等规模大小不等的机房不断涌现及扩容建设。

现有的动力环境监控系统，大都是采用管理人员巡查或值班的方式，这样不仅耗费了大量的人力财力，而且不能准确高效的实时监测环境设备，不能及时发现故障、排除故障，单位主管部门及有关领导，也不能及时掌握机房的日常管理情况，自动化水平低。

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平台的动力环境监控系统辅助决策方法，解决了现有的动力环境监控系统，大都是采用管理人员巡查或值班的方式，不能准确高效的实时监测环境设备，不能及时发现故障、排除故障的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于大数据平台的动力环境监控系统，包括海量数据模块、反馈模块、大数据平台、实时数据模块、数据提取模块、数据分析模块、故障模型生成模块、对比模块、预报警单元、报警单元和外部主机，所述海量数据模块的输出端与大数据平台的输入端连接，所述反馈模块的输出端与大数据平台的输入端连接，所述大数据平台的输出端与数据提取模块的输入端连接，所述实时数据模块的输出端与大数据平台实现双向连接，所述数据提取模块的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与故障模型生成模块的输入端连接，所述故障模型生成模块的输出端与对比模块的输入端连接，所述对比模块的输出端均与预报警单元和反馈模块的输入端连接，所述预报警单元的输出端与报警单元的输入端连接，所述报警单元的输出端与外部主机的输入端连接。

优选的，所述预报警单元包括第一输入模块、预报警模块、数据存储模块、数据报表模块和第一输出模块。

优选的，所述第一输入模块的输出端与预报警模块的输入端连接，所述预报警模块的输出端与数据存储模块的输入端连接。

优选的，所述数据存储模块的输出端与数据报表模块的输入端连接，所述数据报表模块的输出端与第一输出模块的输入端连接。

优选的，所述报警单元包括第二输入模块、报警模块、故障定位模块和第二输出模块。

优选的，所述第二输入模块的输出端与报警模块的输入端连接，所述报警模块的输出端与故障定位模块的输入端连接。

优选的，所述故障定位模块的输出端与第二输出模块的输入端连接。

本发明还公开了一种基于大数据平台的动力环境监控系统辅助决策方法，具体包括以下步骤：

步骤一：通过海量数据模块1提取近1年运行设备的相关运行数据，将所需数据通过U盘拷贝下来，并复制上传至大数据平台3内，利用数据提取模块5，提取设备运行状态特征值，并通过数据分析模块6分析故障发生前的特征值变化趋势，利用数据分析模块6分析得出特征值变化值输入故障模型生成模块7，然后通过故障模型生成模块7建立故障模型；

步骤二：同时开发实时数据通信接口，利用实时数据模块将综合网管设备运行数据实时传送至大数据平台内，进而通过对比模块与故障模型生成模块建立的故障模型进行对比，然后在故障发生前通过预报警单元对设备的不正常运行状态的提前进行警报；

步骤三：利用第一输入模块输入数据，进而通过预报警模块报警后，将不正常运行状态的数据通过数据存储模块进行存储，并通过数据报表模块，对数据进行整合，生成分析报表，实现数据分析结果的随需展现；

步骤四：通过预报警单元后进入报警单元，通过第二输入模块输入数据，进而通过报警模块进行报警，然后通过故障定位模块，准确定位故障发生的原因，判断是否出现故障，设备反应是否正确，是否需要人为干预，并通过第二输出模块输出数据。

（三）有益效果

本发明提供了一种基于大数据平台的动力环境监控系统辅助决策方法。与现有技术相比，具备以下有益效果：该基于大数据平台的动力环境监控系统，通过在海量数据模块的输出端与大数据平台的输入端连接，反馈模块的输出端与大数据平台的输入端连接，大数据平台的输出端与数据提取模块的输入端连接，实时数据模块的输出端与大数据平台实现双向连接，数据提取模块的输出端与数据分析模块的输入端连接，数据分析模块的输出端与故障模型生成模块的输入端连接，故障模型生成模块的输出端与对比模块的输入端连接，对比模块的输出端均与预报警单元和反馈模块的输入端连接，预报警单元的输出端与报警单元的输入端连接，报警单元的输出端与外部主机的输入端连接，通过海量数据模块将数据输入大数据平台，配合数据提取模块、数据分析模块、故障模型生成模块建立故障模型，并通过对比模块进行对比，利用预报警单元和报警单元进行预报警和报警，实现设备故障前的警报，故障发生后的告警故障定位，使网管系统具备设备运行情况分析能力，提升运行维护的自动化水平。

附图说明

图1为本发明的系统原理框图；

图2为本发明预报警单元的原理框图；

图3为本发明报警单元的原理框图。

图中，1-海量数据模块、2-反馈模块、3-大数据平台、4-实时数据模块、5-数据提取模块、6-数据分析模块、7-故障模型生成模块、8-对比模块、9-预报警单元、91-第一输入模块、92-预报警模块、93-数据存储模块、94-数据报表模块、95-第一输出模块、10-报警单元、101-第二输入模块、102-报警模块、103-故障定位模块、104-第二输出模块、11-外部主机。

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。

请参阅图1-3，本发明实施例提供一种技术方案：一种基于大数据平台的动力环境监控系统辅助决策方法，包括海量数据模块1、反馈模块2、大数据平台3、实时数据模块4、数据提取模块5、数据分析模块6、故障模型生成模块7、对比模块8、预报警单元9、报警单元10和外部主机11，大数据平台3内设置有控制模块，反馈模块2可以将对比模块8的数据反馈至大数据平台3，外部主机11可以实时进行监测，报警单元10包括第二输入模块101、报警模块102、故障定位模块103和第二输出模块104，故障定位模块103的输出端与第二输出模块104的输入端连接，第二输入模块101的输出端与报警模块102的输入端连接，报警模块102的输出端与故障定位模块103的输入端连接，预报警单元9包括第一输入模块91、预报警模块92、数据存储模块93、数据报表模块94和第一输出模块95，数据存储模块93的输出端与数据报表模块94的输入端连接，数据报表模块94的输出端与第一输出模块95的输入端连接，第一输入模块91的输出端与预报警模块92的输入端连接，预报警模块92的输出端与数据存储模块93的输入端连接，海量数据模块1的输出端与大数据平台3的输入端连接，反馈模块2的输出端与大数据平台3的输入端连接，大数据平台3的输出端与数据提取模块5的输入端连接，实时数据模块4的输出端与大数据平台3实现双向连接，数据提取模块5的输出端与数据分析模块6的输入端连接，数据分析模块6的输出端与故障模型生成模块7的输入端连接，故障模型生成模块7的输出端与对比模块8的输入端连接，对比模块8的输出端均与预报警单元9和反馈模块2的输入端连接，预报警单元9的输出端与报警单元10的输入端连接，报警单元10的输出端与外部主机11的输入端连接，通过海量数据模块1将数据输入大数据平台3，配合数据提取模块5、数据分析模块6、故障模型生成模块7建立故障模型，并通过对比模块8进行对比，利用预报警单元9和报警单元10进行预报警和报警，实现设备故障前的警报，故障发生后的告警故障定位，使网管系统具备设备运行情况分析能力，提升运行维护的自动化水平。

本发明还公开了一种基于大数据平台的动力环境监控系统辅助决策方法，具体包括以下步骤：

步骤一：通过海量数据模块1提取近1年运行设备的相关运行数据，将所需数据通过U盘拷贝下来，并复制上传至大数据平台3内，利用数据提取模块5，提取设备运行状态特征值，并通过数据分析模块6分析故障发生前的特征值变化趋势，利用数据分析模块6分析得出特征值变化值输入故障模型生成模块7，然后通过故障模型生成模块7建立故障模型；

步骤二：同时开发实时数据通信接口，利用实时数据模块4将综合网管设备运行数据通过数据传输线实时传送至大数据平台3内，进而通过对比模块8与故障模型生成模块7建立的故障模型进行对比，然后在故障发生前通过预报警单元9对设备的不正常运行状态的提前进行警报；

步骤三：利用第一输入模块91输入数据，进而通过预报警模块92报警后，将不正常运行状态的数据通过数据存储模块93进行存储，并通过数据报表模块94，对数据进行整合，生成分析报表，实现数据分析结果的随需展现；

步骤四：通过预报警单元9后进入报警单元10，通过第二输入模块101输入数据，进而通过报警模块102进行报警，然后通过故障定位模块103，准确定位故障发生的原因，判断是否出现故障，设备反应是否正确，是否需要人为干预，并通过第二输出模块104输出数据。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于大数据平台的动力环境监控系统，包括海量数据模块（1）、反馈模块（2）、大数据平台（3）、实时数据模块（4）、数据提取模块（5）、数据分析模块（6）、故障模型生成模块（7）、对比模块（8）、预报警单元（9）、报警单元（10）和外部主机（11），其特征在于：所述海量数据模块（1）的输出端与大数据平台（3）的输入端连接，所述反馈模块（2）的输出端与大数据平台（3）的输入端连接，所述大数据平台（3）的输出端与数据提取模块（5）的输入端连接，所述实时数据模块（4）的输出端与大数据平台（3）实现双向连接，所述数据提取模块（5）的输出端与数据分析模块（6）的输入端连接，所述数据分析模块（6）的输出端与故障模型生成模块（7）的输入端连接，所述故障模型生成模块（7）的输出端与对比模块（8）的输入端连接，所述对比模块（8）的输出端均与预报警单元（9）和反馈模块（2）的输入端连接，所述预报警单元（9）的输出端与报警单元（10）的输入端连接，所述报警单元（10）的输出端与外部主机（11）的输入端连接。

2.根据权利要求1所述的一种基于大数据平台的动力环境监控系统，其特征在于：所述预报警单元（9）包括第一输入模块（91）、预报警模块（92）、数据存储模块（93）、数据报表模块（94）和第一输出模块（95）。

3.根据权利要求2所述的一种基于大数据平台的动力环境监控系统法，其特征在于：所述第一输入模块（91）的输出端与预报警模块（92）的输入端连接，所述预报警模块（92）的输出端与数据存储模块（93）的输入端连接。

4.根据权利要求2所述的一种基于大数据平台的动力环境监控系统，其特征在于：所述数据存储模块（93）的输出端与数据报表模块（94）的输入端连接，所述数据报表模块（94）的输出端与第一输出模块（95）的输入端连接。

5.根据权利要求1所述的一种基于大数据平台的动力环境监控系统，其特征在于：所述报警单元（10）包括第二输入模块（101）、报警模块（102）、故障定位模块（103）和第二输出模块（104）。

6.根据权利要求5所述的一种基于大数据平台的动力环境监控系统，其特征在于：所述第二输入模块（101）的输出端与报警模块（102）的输入端连接，所述报警模块（102）的输出端与故障定位模块（103）的输入端连接。

7.根据权利要求5所述的一种基于大数据平台的动力环境监控系统，其特征在于：所述故障定位模块（103）的输出端与第二输出模块（104）的输入端连接。

8.根据权利要求1-7中任意一项所述的一种基于大数据平台的动力环境监控系统，其特征在于：其辅助决策方法具体包括以下步骤：

步骤一：通过海量数据模块（1）提取近1年运行设备的相关运行数据，将所需数据通过U盘拷贝下来，并复制上传至大数据平台（3）内，利用数据提取模块（5），提取设备运行状态特征值，并通过数据分析模块（6）分析故障发生前的特征值变化趋势，利用数据分析模块（6）分析得出特征值变化值输入故障模型生成模块（7），然后通过故障模型生成模块（7）建立故障模型；

步骤二：同时开发实时数据通信接口，利用实时数据模块（4）将综合网管设备运行数据实时传送至大数据平台（3）内，进而通过对比模块（8）与故障模型生成模块（7）建立的故障模型进行对比，然后在故障发生前通过预报警单元（9）对设备的不正常运行状态的提前进行警报；

步骤三：利用第一输入模块（91）输入数据，进而通过预报警模块（92）报警后，将不正常运行状态的数据通过数据存储模块（93）进行存储，并通过数据报表模块（94），对数据进行整合，生成分析报表，实现数据分析结果的随需展现；

步骤四：通过预报警单元（9）后进入报警单元（10），通过第二输入模块（101）输入数据，进而通过报警模块（102）进行报警，然后通过故障定位模块（103），准确定位故障发生的原因，判断是否出现故障，设备反应是否正确，是否需要人为干预，并通过第二输出模块（104）输出数据。

Images