CN111083212A - 一种高速采集数据自动计算的方法 - Google Patents
一种高速采集数据自动计算的方法 Download PDFInfo
- Publication number
- CN111083212A CN111083212A CN201911249104.5A CN201911249104A CN111083212A CN 111083212 A CN111083212 A CN 111083212A CN 201911249104 A CN201911249104 A CN 201911249104A CN 111083212 A CN111083212 A CN 111083212A
- Authority
- CN
- China
- Prior art keywords
- data
- calculation
- parameter
- cloud server
- formula
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 308
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000010438 heat treatment Methods 0.000 claims description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 31
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000003780 insertion Methods 0.000 claims description 6
- 230000037431 insertion Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000008014 freezing Effects 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 230000003139 buffering effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 description 6
- IYMAXBFPHPZYIK-BQBZGAKWSA-N Arg-Gly-Asp Chemical compound NC(N)=NCCC[C@H](N)C(=O)NCC(=O)N[C@@H](CC(O)=O)C(O)=O IYMAXBFPHPZYIK-BQBZGAKWSA-N 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明属于云计算设备与方法技术领域，涉及一种高速采集数据自动计算的方法；具体步骤为：(1)设定计算公式和公式涉及的参数、参数的数值范围，(2)开启设备并核验设备是否正常开启，(3)获取仪器的采集数据，(4)数据汇总到云端服务器MQ数据队列，(5)筛选采集的数据是否属于计算公式所需参数值，(6)根据计算公式从MQ数据队列、数据队列缓存区获取数据进行计算，(7)核验计算的结果是否存在异常，(8)将计算结果保存到数据库；该方法步骤完善，使用数据时不必再执行二次处理，直接从缓存区、数据库中获取数据，用户根据实际情况采用现有计算公式或者自设定计算公式对数据进行处理，简化了计算过程，数据处理效率高。
Description
技术领域：
本发明属于云计算设备与方法技术领域，涉及一种设备的数据采集、将采集到的数据传送到云端服务器，云端服务器对数据计算存储结果的方法，具体涉及一种高速采集数据自动计算的方法，本发明能够通过模拟量和开关量数据配合公式对设备采集的数据进行实时解析，实现对多种设备的远程监控和管理等。
背景技术：
云计算(cloud computing)是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期，简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。因而，云计算又称为网格计算。通过这项技术，可以在很短的时间内(几秒种)完成对数以万计的数据的处理，从而达到强大的网络服务。
在现有技术中，公开号为CN107947366A的中国专利，公开了一种的数据处理方法和数据处理装置，涉及电力数据处理技术领域。其中，数据处理方法应用于数据处理设备，所述数据处理设备连接有数据应用设备，所述方法包括：对接收到的电力数据进行解析处理，以得到解析数据，判断所述解析数据是否满足预设条件，若满足预设条件，则将满足预设条件的解析数据存储于数据采集设备的存储器，并发送至所述数据应用设备，通过上述方法，以改善现有的数据应用设备中存在工作效率低的问题；公开号为CN107121581B的中国专利，公开了一种数据采集系统的数据处理方法，通过利用上位机发送的抽点系数，计数器模块将产生标志信号，将它延迟一个时钟控制乘累加器核进行数据流水线乘累加操作，这样便可利用该信号标志输出数据中的有效数据，利用FPGA具有对数据进行位操作的能力舍去乘累加器计算结果的部分低位替代除法操作达到节省硬件资源的目的；
总而言之，现阶段采集、处理数据的方式是获取数据并存储数据，使用数据的时候需要软件后台进行二次计算，无法支持多个参数利用公式进行计算后存储到大数据平台，从而影响软件的效率和造成软件的臃肿，造成数据计算的延迟；现有远程监控云平台存在采集的设备数据量大，设备的计算参数多，并且对计算出的数据需要进行预警，而常规的计算公式就无法满足计算需求，无法实现设备的采集周期内两个差值的计算、设备开机状态下的计算、设备数据变化状态下的计算和设备计算下的预警；因此设计一种能快速精确的的解析计算数据云计算方法，从而实现对远程设备的实时监控。
发明内容：
本发明的目的在于快速精确的解析PC端采集到的设备数据，设计一种高速采集数据自动计算的方法，利用计算公式对模拟量直接计算得出需要的数据，并存储获得的数据，从而避免了使用时数据的大量复杂计算。利用开关量能够直接获取设备或其部件的开关状态。有效实现对远程设备实时的监控。
为了实现上述目的，本发明涉及的一种高速采集数据自动计算的方法，其具体工艺步骤如下：
(一)参数设定：云端服务器设置计算公式和公式涉及的参数、参数的数值范围，并给设备设置参数；云端服务器能够将采集的数据带入计算公式进行计算，并将计算获取的结果存储到数据库中；
(二)设备开启：开启设备，云端服务器核验设备是否正常开启；
(三)数据采集：设备正常开启后，云端服务器使用Modbus协议或者PLC通信协议通过网络从仪器设备中采集数据；
(四)数据汇总到云端服务器：云端服务器将采集的数据存储到MQ数据队列；
所述MQ数据队列是一种线性表，所述MQ数据队列只允许在表的前端进行删除操作，在表的后端进行插入操作；所述MQ数据队列进行插入操作的端称为队尾，进行删除操作的端称为队头；
(五)数据筛选：云端服务器使用筛选器筛选MQ数据队列中数据是否属于数据库中计算公式所需要的参数值，如果属于计算公式则进行计算，如果不属于则不处理；
(六)数据处理计算：
云端服务器根据计算公式从MQ数据队列中调取出数据进行计算；
(1)若计算公式的自变量参数对应的具体数值都能够从MQ数据队列中获取得到，则将计算公式自变量参数的具体值带入计算公式进行计算，得到计算结果，并将计算结果存储到云端服务器的数据库中；
(2)若计算公式的自变量参数对应的具体数值不能够全从MQ数据队列中获取得到：即存在一个或者一个以上的自变量参数对应的具体数值能够全从MQ数据队列中获取得到，该自变量参数简称为实时参数；同时也存在一个或者一个以上的自变量参数对应的具体数值不能够全从MQ数据队列中获取得到，该自变量参数简称为前次参数；此时，云端服务器检索云端服务器的数据队列缓存区，寻找前次参数对应的具体数值；
(a)若云端服务器能够从数据队列缓存区获取前次参数对应的具体数值，则将实时参数、前次参数的具体值带入计算公式，得到计算结果，并将计算结果存储到云端服务器的数据库；
(b)若云端服务器不能够从数据队列缓存区获取前次参数对应的具体数值，则将实时参数的具体值存储到数据队列缓存区，缓存区的实时参数值作为下一次运算的前次参数值；
(七)计算结果检测：将计算结果值与数据库设定的参数的数值范围进行对比，当计算结果值属于数值范围，则此次采集的数据正常；当计算结果值大于或者小于数值范围，则此次采集的数据异常，云端服务器的数据库存储异常数据并将此次的测量的数据标记为报警提示信息；
(八)数据保存：若是已经获取到计算结果，将计算结果存储到数据库中，并清空数据队列缓存区中计算公式涉及的参数，若是参数不全无法获取到计算结果，则将MQ数据队列中获取到的实时参数存储到数据队列缓存区中。
本发明与现有技术相比，所设计的高速采集数据自动计算的方法工艺完备，科学合理，将计算完的数据直接存储到云端服务器的数据库。避免了数据使用时的繁琐处理过程；使用者通过云端服务器设置计算公式和参数标识，采集到的数据根据云端服务器公式和参数标识进行计算，并将计算获取的结果直接存储到云端服务器的数据库中，使用数据时不必再执行二次处理，可以直接从缓存区、数据库中获取数据；支持各种自设定的计算公式(比如制热量、制冷量、开关状态等等)、支持所有现有数学公式和三元公式，用户可以根据实际情况设计计算公式，并将获取的数据带入计算公式进行计算，简化了计算过程，数据处理效率高。
附图说明：
图1为本发明涉及的高速采集数据自动计算的方法的工艺流程框图。
图2为本发明涉及的需要使用前次计算结果的高速采集数据自动计算的方法的工艺流程框图。
具体实施方式：
下面通过实施例并结合附图对本发明作进一步说明。
实施例1：本实施例涉及的高速采集数据自动计算的方法，需要通过设备采集的数据分为两种，一种为模拟量数据，另外一种为开关量数据，分别对应的不同的数字类型和布尔类型；高速采集数据自动计算的方法首先实现的是布尔类型的判断，其次利用普通的数学公式计算获得计算数据，将获取到的数据直接存储到云端服务器的数据库中，具体工艺步骤如下：
(一)参数设定：云端服务器设置计算公式和公式涉及的参数、参数的数值范围，并给设备设置参数；云端服务器能够将采集的数据带入计算公式进行计算，并将计算获取的结果存储到数据库中；计算公式具体表现形式设置如下：
(1)计算公式组成
计算公式由三部分组成，包括计算标识符、分割符(@)和参数与运算符组合；
示例：mix@60*[10001]
其中计算标识符为mix，@为分隔符,60*[10001]为参数与运算符组合，参数必须填写在“[]”中；
(2)计算公式具体应用
(a)equal类公式
判断布尔型变量(bool)类型值，如设备运行状态、制冷制热模式,
示例1：
螺杆机的开机监测，设置参数10049为开机、参数10050为停机；
标准参数中“设备运行状态判断”，系统默认，设定参数10049的值1为运行、0为停止；
为符合系统默认设定，“设备运行状态判断”的公式应为“equal@[10049]”，系统会判定参数10049上传的值为1时表示设备开机、为0时表示设备为关机。
示例2：
RGD机型的制冷热设备状态监测，参数10039表示主机制冷制热状，标准参数中“制冷制热模式判断”，系统默认，设定参数10039的值1为制热、0为制冷；
为符合系统默认设定，则“制冷制热模式判断”的公式应为“equal@[10039]”，系统会判定参数10039上传的值为1时表示设备制热、为0时表示设备制冷；
示例3：对于一些机型的监测参数，如果上传的参数10001表示主机运行状态，标准参数中“设备运行状态判断”，系统默认，参数10001的值0为运行、1为停止；
为符合系统默认设定，当无法直接利用equal计算标识符时，或可用mix计算标识符来做转化，公式设置为“mix@1-[10001]”；
当设备上传参数10001的值为0是，设备为运行状态时，通过公式计算1-0＝1得到，对应了标准参数“设备运行状态判断”中的参数值为1时表示运行、为0时表示停止的系统设置。
(b)sub类公式
sub类公式为计算差值，如用电量、用水量、用蒸汽量、用燃气量；
示例1：RGD机型的耗电量监测，参数10028表示主机耗电量累计；
为计算时刻的耗电量，需要当前时刻结束值减去当前时刻开始值，公式设置为“sub@[10028]”；
(c)mix类公式
mix类公式为混合计算，支持加、减、乘、除运算符混合运算，如制冷量、制热量、COP等；
示例1：RGD机型的制冷量监测，计算公式为冷水入口温度与冷水出口温度的差值，乘以冷冻侧流量，乘以计算系数：监测冷水出口温度参数10001、冷水入口温度参数10002、冷冻侧流量参数10005和计算系数1.163，设置制冷量的计算公式为“mix@1.163*[10005]*([10001]-[10002])”；
示例2：RHP机型的监测参数，参数10113表示设备累计运行时间，系统默认存储的运行时间、制冷时间、制热时间的单位为分钟，则设置标准参数“运行时间”的公式为“mix@60*[10113]”；
(3)公式计算注释说明
(a)在mix计算标识符中的公式，如果公式比较复杂，应需按计算顺序加入相应括号，以免数据计算不正确；
(b)所有公式设定的参数应包含在“[]”中；
(c)如若要设备参与计算，标准参数必须设置“设备运行状态判断”和“制冷制热模式判断”的参数；如果设备能耗相关参数未设定，系统默认计算结果为0；
(二)设备开启：开启设备，云端服务器核验设备是否正常开启；
(三)数据采集：设备正常开启后，云端服务器使用Modbus协议或者PLC通信协议通过网络从仪器设备中采集数据；
(四)数据汇总到云端服务器：云端服务器将采集的数据存储到MQ数据队列；
所述MQ数据队列是一种线性表，所述MQ数据队列只允许在表的前端进行删除操作，在表的后端进行插入操作；所述MQ数据队列进行插入操作的端称为队尾，进行删除操作的端称为队头；
(五)数据筛选：云端服务器使用筛选器筛选MQ数据队列中数据是否属于数据库中计算公式所需要的参数值，如果属于计算公式则进行计算，如果不属于则不处理；
(六)数据处理计算：
云端服务器根据计算公式从MQ数据队列中调取出数据进行计算；
(1)若计算公式的自变量参数对应的具体数值都能够从MQ数据队列中获取得到，则将计算公式自变量参数的具体值带入计算公式进行计算，得到计算结果，并将计算结果存储到云端服务器的数据库中；
(2)若计算公式的自变量参数对应的具体数值不能够全从MQ数据队列中获取得到，即存在一个或者一个以上的自变量参数对应的具体数值能够全从MQ数据队列中获取得到(该自变量参数简称为实时参数)，同时也存在一个或者一个以上的自变量参数对应的具体数值不能够全从MQ数据队列中获取得到(该自变量参数简称为前次参数)，此时，云端服务器检索云端服务器的数据队列缓存区，寻找前次参数对应的具体数值，
(a)若云端服务器能够从数据队列缓存区获取前次参数对应的具体数值，则将实时参数、前次参数的具体值带入计算公式，得到计算结果，并将计算结果存储到云端服务器的数据库；
(b)若云端服务器不能够从数据队列缓存区获取前次参数对应的具体数值，则将实时参数的具体值存储到数据队列缓存区，缓存区的实时参数值作为下一次运算的前次参数值；
(七)计算结果检测：将计算结果值与数据库设定的参数的数值范围进行对比，当计算结果值属于数值范围，则此次采集的数据正常；当计算结果值大于或者小于数值范围，则此次采集的数据异常，云端服务器的数据库存储异常数据并将此次的测量的数据标记为报警提示信息；
(八)数据保存：若是已经获取到计算结果，将计算结果存储到数据库中，并清空数据队列缓存区中计算公式涉及的参数，若是参数不全无法获取到计算结果，则将MQ数据队列中获取到的实时参数存储到数据队列缓存区中。
实施例2：
应用实施例1所述的高速采集数据自动计算的方法计算制热量，其具体工作过程为：
(一)参数设定：通过云端服务器设置制热量的计算公式和公式涉及的参数含义、制热量Q范围设置为30-35J，并给制热设备设置参数标识，制热量的具体公式为：
Q＝1.163*(80/60)*(T1-T2)
参数Q为制热量，单位为焦耳
参数T1代表总管热水出口温度，单位为摄氏度；
参数T2代表总管热水进口温度，单位为摄氏度；
(二)设备开启：开启设备，云端服务器核验设备是否正常开启；云端服务器接收到设备参数标识信号后，根据获取的设备参数标识值与设定的设备应用三元运算公式判断制热设备是否开启正常；
(所述三元运算公式的表达式为：x＝＝y？公式1：公式2；可以解释为x-y＝＝0则获取公式1的值，x-y！＝0.则获取公式2的值)
(三)数据采集：设备正常开启后，云端服务器使用Modbus协议或者PLC通信协议通过网络从制热设备中采集温度数据；
(四)数据汇总到云端服务器：云端服务器将采集的温度数据存储到MQ数据队列；
(五)数据筛选：云端服务器使用筛选器筛选MQ数据队列中数据是否属于制热量计算公式中T1、T2所需要的具体数值，如果属于制热量计算公式中T1、T2的值，则筛选器筛选MQ数据队列中数据能够用于制热量计算，如果不属于则不处理；
(六)数据处理类型的判断和计算：
云端服务器根据制热量计算公式从MQ数据队列中调取出数据进行计算；
制热量计算公式的参数T1、T2对应的具体数值都能够从MQ数据队列中获取得到，则将T1、T2对应的具体数值带入制热量计算公式进行计算，得到计算结果Q，并将计算结果Q存储到云端服务器的数据库中；
(七)计算结果检测：将计算结果值Q与数据库设定的制热量Q范围(30-35J)进行对比，当计算结果值属于数值范围，则此次采集的数据正常；当计算结果值大于或者小于数值范围，则此次采集的数据异常，云端服务器的数据库存储异常数据并将此次的测量的数据标记为报警提示信息；
(八)数据保存：若是已经获取到计算结果，将计算结果存储到数据库中，并清空缓存中计算公式涉及的参数，若是参数不全无法获取到计算结果，则将MQ数据队列中获取到的实时参数存储到数据队列缓存区中。
本实施例涉及的一种应用高速采集数据自动计算方法的制热量计算系统：包括制热设备、温度传感器和云端服务器，两个温度传感器分别安装在制热设备加热管道进水口和出水口出，制热设备、温度传感器与云端服务器连接，温度传感器将采集的数据传输给云端服务器；云端服务器包括参数设定模块、MQ数据队列模块、数据队列缓存区、数据库和计算模块；参数设定模块用于设定运行所用的计算公式和公式涉及的参数标识、参数的数值范围、设置设备参数标识，并将设定的数据传输给计算模块；参数设定模块与计算模块连接通讯；MQ数据队列模块用于存储温度传感器采集的数据，MQ数据队列模块分别与温度传感器、计算模块连接通讯；数据队列缓存区用于缓存数据，数据队列缓存区与计算模块连接通讯；计算模块用于判别温度传感器是否正常工作、调取MQ数据队列模块和数据队列缓存区的数据进行计算、并将计算的结果存储至数据库、将本次计算用不到的数据存储至数据队列缓存区用于后续计算；计算模块与数据库连接通讯，数据库用于存储计算结果。
实施例3：
当采集数据计算需要用到前次计算结果时，所述的高速采集数据自动计算的方法其具体过程为：
(一)参数设定：将仪器设备开关参数设定值、用于数据处理的计算公式导入云端服务器，定义计算公式参数和运算符的含义、类型和数值范围，生成计算公式队列，计算公式队列包含数据计算的类型An值，所述的计算公式采用现有的计算公式或者自定义的计算公式；
比如用水量公式c＝b-a，a代表初始水量，b代表结束水量；
(二)设备开启状态的获取：云端服务器接收到从设备传输来的设备开关参数值后，应用计算机程序的三元运算公式，将设备开关参数值与仪器设备开关参数设定值进行对比，当设备开关参数值与仪器设备开关参数设定值相等，则设备已经开启，否则设备开启异常；
(所述三元运算公式的表达式为：x＝＝y？公式1：公式2；可以解释为x-y＝＝0则获取公式1的值，x-y！＝0.则获取公式2的值。)
(三)数据采集：设备正常开启后，云端服务器使用Modbus协议或者PLC通信协议通过网络从仪器设备中采集数据；
(四)数据汇总到云端服务器：云端服务器将采集的数据使用筛选器筛选和进行类型定义,并将定义后的数据汇总到MQ数据队列，即将数据存储到MQ数据队列中；(比如用水量c＝b-a的计算，将检测到初始水量定义为a,将检测到的结束水量定义为b,)；
(五)数据处理类型的判断和计算
(1)获取数据计算的类型值：从计算公式队列中调取出数据计算的类型An对应的数值；
(2)执行判断计算：在云端服务器上设置数据计算的类型值A＝1，根据开关量的设定值A与数据计算的类型An值进行对比判断，确定计算公式计算类型，即当A与An数值相等时，则公式计算类型属于同批次采集的数据计算,执行步骤(3)，当A与An数值不相等时，则公式计算类型属于不同批次采集的数据计算，执行步骤(4)；
(3)同批次采集的数据计算：当公式计算类型属于同批次采集的数据计算时，云端服务器从MQ数据队列中调取计算公式的各项参数值进行计算，得出计算结果值；
比如用水量的首次计算：从MQ数据队列中调取首次初始水量a1、结束水量b1，将a1值赋予a,将b1值赋予b,根据计算公式c＝b-a，计算出首次用水量c1；
(4)不同批次采集的数据计算：当公式计算类型属于不同批次采集的数据计算时，云端服务器根据计算公式的各项参数的数据类型进行数据调取，若计算公式涉及的参数B属于前一批次的数据，云端服务器直接从储存有前一批次数据的缓存区内调取Bn参数值，将Bn参数值赋予给计算公式的参数B；若计算公式涉及的参数B属于前m批次的数据而不在缓存区内，则参数B属于保存于云端服务器的数据库中前m批次的数据，则云端服务器从数据库中调取参数值赋予给计算公式的参数B，最后根据计算公式进行计算，得出计算结果值；
比如用水量的第二次用量计算：从MQ数据队列中调取结束水量b2，将b2值赋予b,从缓存区中调取首次结束水量b1,将b1值赋予a,根据计算公式c＝b-a，计算出第二次用水量c2；
(六)计算结果检测：将计算结果值与云端服务器设定的计算公式中计算结果参数值的区间范围进行对比，当计算结果值属于区间范围，则此次采集的数据正常；当计算结果值大于或者小于区间范围，则此次采集的数据异常，云端服务器发出异常报警，并生成异常警报文件保存至数据库；
比如用水量结果值c1的检测：在云端服务器上设置c的正常区间范围为0<c<100,若c1<0或者c1>100，则此次采集的a1、b1和计算的c1属于的异常数据；
(七)数据保存：将此次采集的数据和计算结果上保存到数据库中，清空缓存区，将此次队列中采集的数据和计算结果放入缓存区中。
Claims (10)
1.一种高速采集数据自动计算的方法，其特征在于：具体工艺步骤如下：
(一)参数设定：云端服务器设置计算公式和公式涉及的参数、参数的数值范围，并给设备设置参数；云端服务器能够将采集的数据带入计算公式进行计算，并将计算获取的结果存储到数据库中；
(二)设备开启：开启设备，云端服务器核验设备是否正常开启；
(三)数据采集：设备正常开启后，云端服务器使用Modbus协议或者PLC通信协议通过网络从仪器设备中采集数据；
(四)数据汇总到云端服务器：云端服务器将采集的数据存储到MQ数据队列；
(五)数据筛选：云端服务器使用筛选器筛选MQ数据队列中数据是否属于数据库中计算公式所需要的参数值，如果属于计算公式则进行计算，如果不属于则不处理；
(六)数据处理计算：
云端服务器根据计算公式从MQ数据队列中调取出数据进行计算；
(1)若计算公式的自变量参数对应的具体数值都能够从MQ数据队列中获取得到，则将计算公式自变量参数的具体值带入计算公式进行计算，得到计算结果，并将计算结果存储到云端服务器的数据库中；
(2)若计算公式的自变量参数对应的具体数值不能够全从MQ数据队列中获取得到：即存在一个或者一个以上的自变量参数对应的具体数值能够全从MQ数据队列中获取得到，该自变量参数简称为实时参数；同时也存在一个或者一个以上的自变量参数对应的具体数值不能够全从MQ数据队列中获取得到，该自变量参数简称为前次参数；此时，云端服务器检索云端服务器的数据队列缓存区，寻找前次参数对应的具体数值；
(a)若云端服务器能够从数据队列缓存区获取前次参数对应的具体数值，则将实时参数、前次参数的具体值带入计算公式，得到计算结果，并将计算结果存储到云端服务器的数据库；
(b)若云端服务器不能够从数据队列缓存区获取前次参数对应的具体数值，则将实时参数的具体值存储到数据队列缓存区，缓存区的实时参数值作为下一次运算的前次参数值；
(七)计算结果检测：将计算结果值与数据库设定的参数的数值范围进行对比，当计算结果值属于数值范围，则此次采集的数据正常；当计算结果值大于或者小于数值范围，则此次采集的数据异常，云端服务器的数据库存储异常数据并将此次的测量的数据标记为报警提示信息；
(八)数据保存：若是已经获取到计算结果，将计算结果存储到数据库中，并清空数据队列缓存区中计算公式涉及的参数，若是参数不全无法获取到计算结果，则将MQ数据队列中获取到的实时参数存储到数据队列缓存区中。
2.根据权利要求1所述的一种高速采集数据自动计算的方法，其特征在于：所述计算公式由三部分组成，包括计算标识符、分割符(@)和参数与运算符组合。
3.根据权利要求2所述的一种高速采集数据自动计算的方法，其特征在于：所述计算公式的类型为equal类公式、sub类公式和mix类公式；equal类公式用于判断布尔型变量(bool)类型值；sub类公式为计算差值；mix类公式为混合计算，支持加、减、乘、除运算符混合运算。
4.根据权利要求3所述的一种高速采集数据自动计算的方法，其特征在于：所述equal类公式应用于螺杆机的开机监测，设置参数10049为开机、参数10050为停机；标准参数中“设备运行状态判断”，设定参数10049的值1为运行、0为停止；“设备运行状态判断”的公式应为“equal@[10049]”，参数10049上传的值为1时表示设备开机、为0时表示设备为关机。
5.根据权利要求3所述的一种高速采集数据自动计算的方法，其特征在于：所述sub类公式应用于RGD机型的耗电量监测，参数10028表示主机耗电量累计；为计算时刻的耗电量，公式设置为“sub@[10028]”，公式含义为将当前时刻结束值减去当前时刻开始值。
6.根据权利要求3所述的一种高速采集数据自动计算的方法，其特征在于：所述mix类公式应用于RGD机型的制冷量监测，监测冷水出口温度参数10001、冷水入口温度参数10002、冷冻侧流量参数10005和计算系数1.163，设置制冷量的计算公式为“mix@1.163*[10005]*([10001]-[10002])”，公式含义为冷水入口温度与冷水出口温度的差值乘以冷冻侧流量、再乘以计算系数。
7.根据权利要求3所述的一种高速采集数据自动计算的方法，其特征在于：所述MQ数据队列是一种线性表，所述MQ数据队列只允许在表的前端进行删除操作，在表的后端进行插入操作；所述MQ数据队列进行插入操作的端称为队尾，进行删除操作的端称为队头。
8.根据权利要求7所述的一种高速采集数据自动计算的方法，其特征在于：应用所述高速采集数据自动计算的方法计算制热量，其具体工作过程为：
(一)参数设定：通过云端服务器设置制热量的计算公式和公式涉及的参数含义、制热量Q范围设置为30-35J，并给制热设备设置参数标识，制热量的具体公式为：
Q＝1.163*(80/60)*(T1-T2)
参数Q为制热量，单位为焦耳
参数T1代表总管热水出口温度，单位为摄氏度；
参数T2代表总管热水进口温度，单位为摄氏度；
(二)设备开启：开启设备，云端服务器核验设备是否正常开启；云端服务器接收到设备参数标识信号后，根据获取的设备参数标识值与设定的设备应用三元运算公式判断制热设备是否开启正常；
(三)数据采集：设备正常开启后，云端服务器使用Modbus协议或者PLC通信协议通过网络从制热设备中采集温度数据；
(四)数据汇总到云端服务器：云端服务器将采集的温度数据存储到MQ数据队列；
(五)数据筛选：云端服务器使用筛选器筛选MQ数据队列中数据是否属于制热量计算公式中T1、T2所需要的具体数值，如果属于制热量计算公式中T1、T2的值，则筛选器筛选MQ数据队列中数据能够用于制热量计算，如果不属于则不处理；
(六)数据处理类型的判断和计算：
云端服务器根据制热量计算公式从MQ数据队列中调取出数据进行计算；
制热量计算公式的参数T1、T2对应的具体数值都能够从MQ数据队列中获取得到，则将T1、T2对应的具体数值带入制热量计算公式进行计算，得到计算结果Q，并将计算结果Q存储到云端服务器的数据库中；
(七)计算结果检测：将计算结果值Q与数据库设定的制热量Q范围(30-35J)进行对比，当计算结果值属于数值范围，则此次采集的数据正常；当计算结果值大于或者小于数值范围，则此次采集的数据异常，云端服务器的数据库存储异常数据并将此次的测量的数据标记为报警提示信息；
(八)数据保存：若是已经获取到计算结果，将计算结果存储到数据库中，并清空缓存中计算公式涉及的参数，若是参数不全无法获取到计算结果，则将MQ数据队列中获取到的实时参数存储到数据队列缓存区中。
9.根据权利要求8所述的一种高速采集数据自动计算的方法，其特征在于：所述应用高速采集数据自动计算方法的制热量计算系统：包括制热设备、温度传感器和云端服务器，两个温度传感器分别安装在制热设备加热管道进水口和出水口出，制热设备、温度传感器与云端服务器连接，温度传感器将采集的数据传输给云端服务器；云端服务器包括参数设定模块、MQ数据队列模块、数据队列缓存区、数据库和计算模块；
参数设定模块用于设定运行所用的计算公式和公式涉及的参数标识、参数的数值范围、设置设备参数标识，并将设定的数据传输给计算模块；参数设定模块与计算模块连接通讯；
MQ数据队列模块用于存储温度传感器采集的数据，MQ数据队列模块分别与温度传感器、计算模块连接通讯；
数据队列缓存区用于缓存数据，数据队列缓存区与计算模块连接通讯；
计算模块用于判别温度传感器是否正常工作、调取MQ数据队列模块和数据队列缓存区的数据进行计算、并将计算的结果存储至数据库、将本次计算用不到的数据存储至数据队列缓存区用于后续计算；计算模块与数据库连接通讯，
数据库用于存储计算结果。
10.根据权利要求3所述的一种高速采集数据自动计算的方法，其特征在于：所述高速采集数据自动计算的方法需要用到前次计算结果时，其具体过程为：
(一)参数设定：将仪器设备开关参数设定值、用于数据处理的计算公式导入云端服务器，定义计算公式参数和运算符的含义、类型和数值范围，生成计算公式队列，计算公式队列包含数据计算的类型An值，所述的计算公式采用现有的计算公式或者自定义的计算公式；
(二)设备开启状态的获取：云端服务器接收到从设备传输来的设备开关参数值后，应用计算机程序的三元运算公式，将设备开关参数值与仪器设备开关参数设定值进行对比，当设备开关参数值与仪器设备开关参数设定值相等，则设备已经开启，否则设备开启异常；
(三)数据采集：设备正常开启后，云端服务器使用Modbus协议或者PLC通信协议通过网络从仪器设备中采集数据；
(四)数据汇总到云端服务器：云端服务器将采集的数据使用筛选器筛选和进行类型定义,并将定义后的数据汇总到MQ数据队列，即将数据存储到MQ数据队列中；
(五)数据处理类型的判断和计算
(1)获取数据计算的类型值：从计算公式队列中调取出数据计算的类型An对应的数值；
(2)执行判断计算：在云端服务器上设置数据计算的类型值A＝1，根据开关量的设定值A与数据计算的类型An值进行对比判断，确定计算公式计算类型，即当A与An数值相等时，则公式计算类型属于同批次采集的数据计算,执行步骤(3)，当A与An数值不相等时，则公式计算类型属于不同批次采集的数据计算，执行步骤(4)；
(3)同批次采集的数据计算：当公式计算类型属于同批次采集的数据计算时，云端服务器从MQ数据队列中调取计算公式的各项参数值进行计算，得出计算结果值；
(4)不同批次采集的数据计算：当公式计算类型属于不同批次采集的数据计算时，云端服务器根据计算公式的各项参数的数据类型进行数据调取，若计算公式涉及的参数B属于前一批次的数据，云端服务器直接从储存有前一批次数据的缓存区内调取Bn参数值，将Bn参数值赋予给计算公式的参数B；若计算公式涉及的参数B属于前m批次的数据而不在缓存区内，则参数B属于保存于云端服务器的数据库中前m批次的数据，则云端服务器从数据库中调取参数值赋予给计算公式的参数B，最后根据计算公式进行计算，得出计算结果值；
(六)计算结果检测：将计算结果值与云端服务器设定的计算公式中计算结果参数值的区间范围进行对比，当计算结果值属于区间范围，则此次采集的数据正常；当计算结果值大于或者小于区间范围，则此次采集的数据异常，云端服务器发出异常报警，并生成异常警报文件保存至数据库；
(七)数据保存：将此次采集的数据和计算结果上保存到数据库中，清空缓存区，将此次队列中采集的数据和计算结果放入缓存区中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911249104.5A CN111083212B (zh) | 2019-12-09 | 2019-12-09 | 一种高速采集数据自动计算的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911249104.5A CN111083212B (zh) | 2019-12-09 | 2019-12-09 | 一种高速采集数据自动计算的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111083212A true CN111083212A (zh) | 2020-04-28 |
| CN111083212B CN111083212B (zh) | 2022-09-02 |
Family
ID=70313269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911249104.5A Active CN111083212B (zh) | 2019-12-09 | 2019-12-09 | 一种高速采集数据自动计算的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111083212B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115357840A (zh) * | 2022-10-24 | 2022-11-18 | 中国水利水电第七工程局有限公司 | 基于Python语言的设备计算公式的计算方法、装置及电子设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102754104A (zh) * | 2010-01-29 | 2012-10-24 | 赛门铁克公司 | 在相关计算系统之间共享计算操作结果的系统和方法 |
| CN102752360A (zh) * | 2012-03-01 | 2012-10-24 | 浙江吉利汽车研究院有限公司 | 一种基于云计算的汽车故障检测系统 |
| CN104063550A (zh) * | 2014-07-02 | 2014-09-24 | 上海中仿计算机科技有限公司 | 一种基于云计算平台的多物理场cae系统 |
| CN104780223A (zh) * | 2015-04-30 | 2015-07-15 | 广东志高空调有限公司 | 一种基于云计算技术的施工全过程监控系统及监控方法 |
| WO2016123913A1 (zh) * | 2015-02-04 | 2016-08-11 | 华为技术有限公司 | 数据处理的方法和装置 |
| CN108881475A (zh) * | 2018-07-12 | 2018-11-23 | 重庆市特种设备检测研究院 | 一种工业锅炉智能化采集系统及采集方法 |
| CN109359746A (zh) * | 2018-09-13 | 2019-02-19 | 湖北谊立舜达动力科技有限公司 | 一种基于物联网及云计算技术的柴油发动机运行状态监测装置 |
| CN109799957A (zh) * | 2019-01-08 | 2019-05-24 | 郑州云海信息技术有限公司 | 一种基于云计算平台的机械硬盘寿命预警方法和系统 |
| CN109993277A (zh) * | 2017-12-29 | 2019-07-09 | 英特尔公司 | 用于深度神经网络的计算优化机制 |
-
2019
- 2019-12-09 CN CN201911249104.5A patent/CN111083212B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102754104A (zh) * | 2010-01-29 | 2012-10-24 | 赛门铁克公司 | 在相关计算系统之间共享计算操作结果的系统和方法 |
| CN102752360A (zh) * | 2012-03-01 | 2012-10-24 | 浙江吉利汽车研究院有限公司 | 一种基于云计算的汽车故障检测系统 |
| CN104063550A (zh) * | 2014-07-02 | 2014-09-24 | 上海中仿计算机科技有限公司 | 一种基于云计算平台的多物理场cae系统 |
| WO2016123913A1 (zh) * | 2015-02-04 | 2016-08-11 | 华为技术有限公司 | 数据处理的方法和装置 |
| CN104780223A (zh) * | 2015-04-30 | 2015-07-15 | 广东志高空调有限公司 | 一种基于云计算技术的施工全过程监控系统及监控方法 |
| CN109993277A (zh) * | 2017-12-29 | 2019-07-09 | 英特尔公司 | 用于深度神经网络的计算优化机制 |
| CN108881475A (zh) * | 2018-07-12 | 2018-11-23 | 重庆市特种设备检测研究院 | 一种工业锅炉智能化采集系统及采集方法 |
| CN109359746A (zh) * | 2018-09-13 | 2019-02-19 | 湖北谊立舜达动力科技有限公司 | 一种基于物联网及云计算技术的柴油发动机运行状态监测装置 |
| CN109799957A (zh) * | 2019-01-08 | 2019-05-24 | 郑州云海信息技术有限公司 | 一种基于云计算平台的机械硬盘寿命预警方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| MEIGUANG ZHENG等: "Phase Space Based Energy Consumption Model and Optimization Analysis in Clouds", 《2018 IEEE 24TH INTERNATIONAL CONFERENCE ON PARALLEL AND DISTRIBUTED SYSTEMS (ICPADS)》 * |
| 王磊等: "一种云管理平台的监控管理子系统设计方法", 《冶金自动化》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115357840A (zh) * | 2022-10-24 | 2022-11-18 | 中国水利水电第七工程局有限公司 | 基于Python语言的设备计算公式的计算方法、装置及电子设备 |
| CN115357840B (zh) * | 2022-10-24 | 2023-01-24 | 中国水利水电第七工程局有限公司 | 基于Python语言的设备计算公式的计算方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111083212B (zh) | 2022-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107449156B (zh) | 一种电热水器用水情况监测方法及电子设备 | |
| CN111083212B (zh) | 一种高速采集数据自动计算的方法 | |
| CA3005184A1 (en) | System and method for measuring and evaluating building energy performance | |
| CN116887569B (zh) | 一种数据中心能耗预测和节能调节方法、系统及存储介质 | |
| CN108072858B (zh) | 电能表质量管理方法、系统及终端设备 | |
| CN103176123A (zh) | 一种基于fpga的批量热保护器并行检测方法 | |
| CN112665107A (zh) | 制冷剂泄漏检测方法、装置及设备 | |
| CN106054107A (zh) | 快速批量电能表潜动试验装置脉冲对齐控制模块 | |
| CN104506389A (zh) | 一种高密度服务器整机稳定性测试方法 | |
| CN113783744B (zh) | 一种时延测量方法、装置、计算机设备和存储介质 | |
| CN113590393A (zh) | 一种智能设备测试方法、装置、电子设备和存储介质 | |
| CN109488473B (zh) | 发动机的在线预判系统和在线预判方法 | |
| CN116011850A (zh) | 一种磷酸铁锂智能全过程质量监管平台 | |
| CN112543110A (zh) | 一种海量配电自动化终端的网络通信模拟方法和系统 | |
| CN113051160A (zh) | 洗衣机自动测试装置、系统、方法和计算机可读存储介质 | |
| CN102141289B (zh) | 一种中央空调系统最佳开机时间诊断与分析的方法及装置 | |
| CN112069168B (zh) | 一种设备运行数据云端存储方法 | |
| CN108037356A (zh) | 一种晶体振荡器频率监测系统及方法 | |
| CN106855841B (zh) | 一种系统内存分析方法和装置 | |
| CN109086177A (zh) | 一种存储服务器散热测试方法及系统 | |
| CN103336170B (zh) | 基于命令集的空间光学遥感器功率特性的分析方法 | |
| CN114151926A (zh) | 空调化霜运行参数的测试方法及测试装置 | |
| CN108616420A (zh) | 基于网络设备缓存信息传输延时序列提取平均延时的方法 | |
| CN117704880B (zh) | 一种蒸发器的节能温度监测方法及系统 | |
| CN117155811A (zh) | 一种基于jenkins和Api接口的大数据自动化测试系统 |
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 |