CN111190067A - 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 - Google Patents
基于物联网的餐饮消毒设备使用监控方法、服务器及系统 Download PDFInfo
- Publication number
- CN111190067A CN111190067A CN202010071079.2A CN202010071079A CN111190067A CN 111190067 A CN111190067 A CN 111190067A CN 202010071079 A CN202010071079 A CN 202010071079A CN 111190067 A CN111190067 A CN 111190067A
- Authority
- CN
- China
- Prior art keywords
- equipment
- identified
- value
- disinfection
- current
- 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
- 238000004659 sterilization and disinfection Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 230000000737 periodic effect Effects 0.000 claims abstract description 41
- 230000000249 desinfective effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 101000703737 Arabidopsis thaliana RNA polymerase sigma factor sigA Proteins 0.000 description 1
- 101000634105 Arabidopsis thaliana RNA polymerase sigma factor sigB Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 235000009561 snack bars Nutrition 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0007—Frequency selective voltage or current level measuring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/02—Measuring effective values, i.e. root-mean-square values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Apparatus For Disinfection Or Sterilisation (AREA)
Abstract
本发明公开了基于物联网的餐饮消毒设备使用监控方法、服务器及系统,采集待识别设备的运行状态数据,从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是,则进入下一步,如果否,则继续对待识别设备的运行状态数据进行采集;根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是,则进入下一步;如果否,则继续对待识别设备的运行状态数据进行采集;根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式。
Description
技术领域
本公开涉及消毒设备识别技术领域,特别是涉及基于物联网的餐饮消毒设备使用监控方法、服务器及系统。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术,并不必然构成现有技术。
随着人们生活水平的提高和城市工作节奏的加快,越来越多的人们选择在外就餐,饮食卫生与安全日益成为人们关注的焦点。国家相关卫生标准规定:接触直接入口食品的餐(饮)具使用前必须洗净并消毒。但有些中小型餐饮店、快餐店、小吃店等,虽然配置了餐具消毒设备,却为了节约成本,并不开启使用,达不到消毒的目的,给人们的健康和疾病的传播带来极大的安全隐患。
国家各级卫生部门经常开展专项行动来检查和整治餐饮行业的卫生状况,费时费力,但由于小型餐饮店点多面广,经营灵活,而整治行动不可能全天候24小时不间断监管,因此行动结束后往往卫生又恢复以前脏乱的状态,收效甚微。
在实现本公开的过程中,发明人发现现有技术中存在以下技术问题:
近年来,各地监管部门探索建立信息化的餐饮行业监管系统来解决上述问题,如在各门店安装摄像头采集视频信息,或收集从业人员的资格信息等,上传至监管平台来进行统一监控,实现高效管理。但是从设备运行状态本身去建立监管规则还未见报道,而且从设备运行状态进行商家行为监管实际上是一种行之有效的方法。
发明内容
为了解决现有技术的不足,本公开提供了基于物联网的餐饮消毒设备使用监控方法、服务器及系统;
第一方面,本公开提供了基于物联网的餐饮消毒设备使用监控方法;
基于物联网的餐饮消毒设备使用监控方法,包括:
采集待识别设备的运行状态数据,从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;
根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是,则进入下一步,如果否,则继续对待识别设备的运行状态数据进行采集;
根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是,则进入下一步;如果否,则继续对待识别设备的运行状态数据进行采集;
根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式。
第二方面,本公开还提供了基于物联网的餐饮消毒设备使用监控服务器;
基于物联网的餐饮消毒设备使用监控服务器,包括:
特征提取模块,其被配置为:采集待识别设备的运行状态数据,从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;
工作状态开启判断模块,其被配置为:根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是,则进入下一步,如果否,则继续对待识别设备的运行状态数据进行采集;
工作状态稳定性判断模块,其被配置为:根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是,则进入下一步;如果否,则继续对待识别设备的运行状态数据进行采集;
消毒设备及其工作模式识别模块,其被配置为:根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式。
第三方面,本公开还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述方法的步骤。
第四方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述方法的步骤。
第五方面,本公开还提供了基于物联网的餐饮消毒设备使用监控系统;
基于物联网的餐饮消毒设备使用监控系统,包括:客户端、云服务器、路由器、智能插座和待识别设备;
所述消毒设备的电源线插入智能插座,所述智能插座连接电源,所述智能插座采集待识别设备的运行状态数据,将采集的运行状态数据通过路由器上传给云服务器;
所述云服务器接收采集的运行状态数据,所述云服务器从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是处于工作状态,则根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是处于稳定的工作状态,则根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式,并将处理后得到的待识别设备的识别结果和工作模式反馈给客户端。
与现有技术相比,本公开的有益效果是:
本公开通过采集待识别设备的周期电流值、N次谐波、电流有效值和功率值特征,实现对消毒设备的识别和消毒设备的工作模式识别,周期电流值、N次谐波、电流有效值和功率值特征是消毒设备自身具备的个性化特征,区别于其他的电气设备,能够实现对消毒设备的精确识别,和消毒设备工作模式的精确识别。
本公开通过对处于工作状态,以及处于稳定工作状态的待识别设备才进行设备精确识别和消毒设备工作模式识别,这样可以节省服务器的工作压力,避免对所有的噪音数据都进行识别的大工作量。
系统采用的智能插座具有体积小,插拔方便,无需改动供电线路的特点。现在每个餐饮店基本都有WIFI无线路由,系统采用WIFI无线通讯方式无需重新布线。采用设备识别算法可有效的获取消毒设备的运行信息,为卫生监管部门掌握餐饮店的经营状况提供真实有效的技术支撑。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为第一个实施例的方法流程图;
图2为第一个实施例的hx散点分布示意图;
图3为第一个实施例的识别流程示意图;
图4为第五个实施例的系统结构图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
不同的电气设备由不同的电气元件组成,从而不同的电气设备有自己的参数特征,例如:阻抗特性、功率特性、功率因数、周期电流、32次谐波、启动电流特性等,在使用过程中表现为电流、相位、谐波、电压波动等运行数据都具有不同于其他设备的特点,消毒设备亦是如此。通过一定的技术手段,将特征提取并进行分析,就可以判断出设备类型,设备正常工作与否,设备具体工作模式。这一过程称为设备(负荷)识别。
设备识别的研究面临实时数据获取困难等诸多现实问题,然而随着物联网技术的发展,使设备感知、万物互联成为可能。物联网内的传感器、采集器等智能终端采集用电设备的各种电气参数信息并通过互联网将数据实时传送至监管平台,为进行设备识别提供数据支撑。
实施例一,本实施例提供了基于物联网的餐饮消毒设备使用监控方法;
如图1所示,基于物联网的餐饮消毒设备使用监控方法,包括:
S1:采集待识别设备的运行状态数据,从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;
S2:根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是,则进入下一步,如果否,则继续对待识别设备的运行状态数据进行采集;
S3:根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是,则进入下一步;如果否,则继续对待识别设备的运行状态数据进行采集;
S4:根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式。
所述基于物联网的餐饮消毒设备使用监控方法,还包括:
S5:对每台消毒设备单位时间内实际工作时长进行检测,若实际工作时长达到设定阈值,则不报警,如果实际工作时长未达到设定阈值,则报警。
上述步骤考虑的因素为:系统通过检测消毒设备电流有效值,确定消毒设备运行时间。根据《GB 17988-2008食具消毒柜安全和卫生要求》规定:电热型消毒时间大于等于15min,臭氧型消毒时间大于等于30min。
进一步地,所述采集待识别设备的运行状态数据,包括:电压值和电流值。
进一步地,所述S2中,根据待识别设备的电流有效值,判断待识别设备是否处于工作状态;具体步骤包括:
S21:计算待识别设备的电流有效值与预设的标准启动电流有效值的差值;
S22:判断S21的差值在设定时间范围内,是否一直大于等于零,如果是,则表示待识别设备处于工作状态;如果否,则表示待识别设备处于非工作状态。
应理解的,所述S2中,根据待识别设备的电流有效值,判断待识别设备是否处于工作状态;具体步骤包括:
待识别设备的电流有效值为Currentx;预设标准启动电流有效值为Currentstandard,其默认值为已知所有消毒设备的标准启动电流的最小值;引入变量Dcurrent。
Dcurrent=Currentx-Currentstandard (公式1)
对目标设备进行识别时,对数据库的电流有效值数据Currentx持续采样,按照公式1计算Dcurrent,并以此作为判定标准,如果
连续1个周期内Dcurrent≥0,恒成立(条件1)
则表示待识别设备已投入工作,进入下一步;如果不满足上述条件,则继续采样,重复计算过程。
进一步地,所述S3中,根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态;具体步骤包括:
根据待识别设备的周期电流值,得到周期电流最大值和周期电流最小值;
根据待识别设备当前时刻的功率值和前一时刻的功率值,计算功率变动率;
如果功率变动率在设定的范围内、周期电流最大值大于零、周期电流最小值小于零且电流有效值大于设定阈值,则表示待识别设备处于稳定的工作状态;否则,表示待识别设备处于非稳定的工作状态。
应理解的,所述S3中,根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态;具体步骤包括:
待识别设备的周期电流值为Pcurrentx、功率值为Powerx和电流有效值数据为Currentx;引入变量Pcurrentmax、Pcurrentmin、Ppower;其中,
周期电流最大值Pcurrentmax=max{Pcurrentx},(公式2)
周期电流最小值Pcurrentmin=min{Pcurrentx},(公式3)
对目标设备进行识别时,对实时数据库中的周期电流值数据Pcurrentx、电流有效值Currentx功率值Powerx持续采样,按照公式2、公式3、公式4运算,如果
满足,则认为目标设备已进入稳定状态,启动下一步在;如果不满足上述条件,则继续采样,重复计算过程。
进一步地,如图3所示,所述S4中,根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式;具体步骤包括:
S400:根据谐波次数N,将N次谐波拆分为N个数值hx,其中,x的取值范围为1到N;N为正整数;y为工作模式编号,y的取值范围为1到p;p为正整数;令y=1;
S401:令x=1;
S402:取hx和y;判断hxstandardy.l<hx<hxstandardy.h是否成立,如果成立,则记录Bx,y=0.33,进入S403;如果不成立,则记录Bx,y=-0.67,进入S403;
其中,hxstandardy.l表示所有工作模式下N次谐波的最低下限值;hxstandardy.h表示所有工作模式下N次谐波的最高上限值;Bx,y表示待识别设备的分项识别结果;
S403:令x=x+1;判断x是否小于等于N,如果是,就返回S402;如果否,就进入S404;
S404:输出∑By;其中,∑By=B1,y+B2,y+…+BN,y;∑By表示待识别设备的综合识别结果;
S405:令y=y+1;判断y是否小于等于p,如果是,就返回S401;如果否,就进入S406;
S406:如果待识别设备的综合识别结果∑By大于零,则表示待识别设备为消毒设备,且消毒设备的工作模式为y模式;否则表示待识别设备为非消毒设备;
如果出现多个待识别设备的综合识别结果∑By大于零,则认为∑By最大的模式为工作模式。
应理解的,所述S4中,根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式;具体步骤包括:
随机选取目前市面上常见的M种85L~135L消毒柜进行训练,M为正整数,分别提取32次谐波特征值,按照谐波次数拆分为32个数值hx(x=1,2,…,32)。其中,M种消毒柜中y工作模式下x次波最大值的105%记为hxstandardy.h,最小值的95%记为hxstandardy.l(设置有5%的识别阈值),X次谐波表示对应表如表1所示。
表1谐波表示对应表
谐波含义 | 基波 | 2次谐波 | 3次谐波 | … | 32次谐波 |
表示符号 | h<sub>1</sub> | h<sub>2</sub> | h<sub>3</sub> | … | h<sub>32</sub> |
y种工作模式对应表如表2所示。
表2工作模式对应表
工作模式 | 待机状态 | 紫外线 | 臭氧 | 红外线 |
表示符号 | y<sub>1</sub> | y<sub>2</sub> | y<sub>3</sub> | y<sub>4</sub> |
工作模式 | 紫外线+臭氧 | 紫外线+红外线 | 臭氧+红外线 | 紫外线+臭氧+红外线 |
表示符号 | y<sub>5</sub> | y<sub>6</sub> | y<sub>7</sub> | y<sub>8</sub> |
hx散点分布示意图如图2所示。
引入变量Bx,y和∑By,其中
x表示谐波次数,x=1,2…32;y表示工作模式,y=1,2…8。
Bx,y表示待识别设备的分项识别结果;∑By表示待识别设备的综合识别结果。
当待识别设备的x次谐波符合预置y工作模式下x次谐波的特征范围时,Bx,y记为0.33,反之记为0.67(目的是使分项识别中至少2/3以上特征值符合才能使∑By>0)。
当待识别设备的综合识别结果∑By>0,则认为待识别设备为消毒设备,且工作模式为y模式,反之认为待识别设备为非消毒设备。如果出现多个∑By>0,则认为∑By最大的模式为工作模式。
周期电流、电流有效值、功率和32次谐波作为负荷识别的特征值输入算法,支持向量机经过计算产生一个二值决策结果,初步实现分类,其结果作为随机森林计算过程的输入值。随机森林则根据少数服从多数原则由多个决策树结果投票综合决策,考虑实际应用,为进一步提高识别准确性,再用数学统计的思想对其正确率进行计算,得出分类识别有效的概率。
通过对电气参数特征值进行相关性分析,判别相似性来识别电器类型和运行状态,电器识别准确度较高,适用于嵌入到监测设备当中,无需将数据传输至终端进行处理与分析,能够满足监测系统对实时性的要求。
为避免误操作,算法还加入了异常处理机制,设置了一定的阈值,只有当超过规定阈值后才会产生告警信号。若判定为异常,根据已设定好的某一时间窗,一定时间间隔后再次确认是否异常,若此时数据恢复正常则判定为商家无意误操作,并对异常数据进行处理标记,若仍异常则告警。消毒设备还可通过新型智能插座设置定时开启功能,利用平、谷时间进行消毒,从而为商家节省电费,为电网减弱高峰用电压力。
本算法由一种算法的输出作为另一种算法的输入,较好的解决现有的处理盲目、处理时间过长等弊端,随机森林算法还有效的避免了单个决策树过度拟合或者局部最优的弊端。
历史数据库中存储有消毒设备(如消毒柜)运行的历史参数信息,并对此建立消毒设备的用电负荷模型。系统将接收上来的数据与消毒设备的负荷模型进行比对分析,就可以则判定识别接入新型智能插座的电器为消毒设备,并且能够得到消毒设备是否开启、使用时长、使用概率等用户行为信息,从而得出消毒设备是否正常工作的判断。
市面上常见餐饮行业消毒柜90%以上采用高温、臭氧、紫外线、红外线等单一功能或多种功能组合的方式来消毒,设备运行时的电气参数特点也不同,针对消毒柜这一特殊用电设备而言,其周期电流、32次谐波、功率以及电流有效值自身或组合衍生特征值与餐饮行业其他用电设备存在较大明显差异,且不同工作模式下的区别性也很大,因此可以此建立多种目标模型,以增加识别算法的准确性。除此之外。电流有效值和功率参数可作为检测消毒柜运行时间和状态变化的特征值。
实施例二,本实施例还提供了基于物联网的餐饮消毒设备使用监控服务器;
基于物联网的餐饮消毒设备使用监控服务器,包括:
特征提取模块,其被配置为:采集待识别设备的运行状态数据,从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;
工作状态开启判断模块,其被配置为:根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是,则进入下一步,如果否,则继续对待识别设备的运行状态数据进行采集;
工作状态稳定性判断模块,其被配置为:根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是,则进入下一步;如果否,则继续对待识别设备的运行状态数据进行采集;
消毒设备及其工作模式识别模块,其被配置为:根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式。
实施例三,本实施例还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例一所述方法的步骤。
实施例四,本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一所述方法的步骤。
实施例五,本实施例还提供了基于物联网的餐饮消毒设备使用监控系统;
如图4所示,基于物联网的餐饮消毒设备使用监控系统,包括:客户端、云服务器、路由器、智能插座和待识别设备;
所述消毒设备的电源线插入智能插座,所述智能插座连接电源,所述智能插座采集待识别设备的运行状态数据,将采集的运行状态数据通过路由器上传给云服务器;
所述云服务器接收采集的运行状态数据,所述云服务器从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是处于工作状态,则根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是处于稳定的工作状态,则根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式,并将处理后得到的待识别设备的识别结果和工作模式反馈给客户端。
所述智能插座,包括:控制器,所述控制器分别与数据采集模块、北斗定位模块和无线通信模块连接。
所述数据采集模块,包括电压传感器和电流传感器,所述电压传感器和电流传感器均与控制器连接,用于对电流值和电压值进行采集;
所述北斗定位模块,用于对智能插座所在的地理位置信息进行采集,并通过无线通信模块上传给云服务器。
所述智能插座,还包括:报警模块,所述报警模块与控制器连接,所述报警模块用于对电压值和电流值进行超阈值交警。
智能插座是一种智能型物联网终端,与市面上常见的智能插座或普通插座有所不同,新型智能插座在家用交流电源插头的基础上增加了数据采集模块北斗定位模块和无线通信模块,具有数据采集、地理信息定位、无线通信、异常报警等功能,同时又可与市面上通用的两口、三口插座插头匹配,将其以物理方式直接插入墙壁电源插座,并将消毒设备(如消毒柜)的电源插头插入新型智能插座就可以正常使用,安装简单,使用方便。
智能插座将采集到的数据通过餐饮店内的WiFi无线路由器传输至相关部门监管平台的服务器。监管云平台将接收到的消毒柜运行数据进行分析、比对并判断其工作状态是否正常,如果判断出消毒柜一直未工作,或数据与正常运行状态不符,则平台给出报警信息,提示该商户的消毒设备工作异常。
一方面,该设备能够采集电路中的电压电流实时值,并据此计算出电器设备的电气参数,如:电流/压的有效值、功率、电能和32次谐波等。除此之外,该设备还可以通过北斗定位模块获得地理位置信息,将地理位置信息上传至云服务器,客户端结合地理信息系统(GIS),在地图上显示终端(即餐饮店)的位置,当有报警信息时可实时与地理位置对应。无线通信模块负责智能插座与无线路由器的通信。
WIFI无线通信是当今使用最广的一种无线网络传输技术。绝大多数餐饮店都会配置WIFI无线路由器,既满足顾客的上网需求也为本系统提供了数据传输的通信信道。新型智能插座通过无线路由器向监管系统云服务器传输设备运行参数。监管云平台具有数据存储和数据处理功能,核心设备是云端服务器,部署有数据接收程序、实时数据库、历史数据库与设备识别算法程序、数据加密算法程序。
市面上常见餐饮行业消毒柜90%以上采用高温、臭氧、紫外线、红外线等单一功能或多种功能组合的方式来消毒,设备运行时的电气参数特点也不同,针对消毒柜这一特殊用电设备而言,其周期电流、32次谐波、功率以及电流有效值自身或组合衍生特征值与餐饮行业其他用电设备存在较大明显差异,且不同工作模式下的区别性也很大,因此可以此建立多种目标模型,以增加识别算法的准确性。除此之外。电流有效值和功率参数可作为检测消毒柜运行时间和状态变化的特征值。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.基于物联网的餐饮消毒设备使用监控方法,其特征是,包括:
采集待识别设备的运行状态数据,从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;
根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是,则进入下一步,如果否,则继续对待识别设备的运行状态数据进行采集;
根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是,则进入下一步;如果否,则继续对待识别设备的运行状态数据进行采集;
根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式。
2.如权利要求1所述的方法,其特征是,还包括:对每台消毒设备单位时间内实际工作时长进行检测,若实际工作时长达到设定阈值,则不报警,如果实际工作时长未达到设定阈值,则报警。
3.如权利要求1所述的方法,其特征是,根据待识别设备的电流有效值,判断待识别设备是否处于工作状态;具体步骤包括:
S21:计算待识别设备的电流有效值与预设的标准启动电流有效值的差值;
S22:判断S21的差值在设定时间范围内,是否一直大于等于零,如果是,则表示待识别设备处于工作状态;如果否,则表示待识别设备处于非工作状态。
4.如权利要求1所述的方法,其特征是,根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态;具体步骤包括:
根据待识别设备的周期电流值,得到周期电流最大值和周期电流最小值;
根据待识别设备当前时刻的功率值和前一时刻的功率值,计算功率变动率;
如果功率变动率在设定的范围内、周期电流最大值大于零、周期电流最小值小于零且电流有效值大于设定阈值,则表示待识别设备处于稳定的工作状态;否则,表示待识别设备处于非稳定的工作状态。
5.如权利要求1所述的方法,其特征是,根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式;具体步骤包括:
S400:根据谐波次数N,将N次谐波拆分为N个数值hx,其中,x的取值范围为1到N;N为正整数;y为工作模式编号,y的取值范围为1到p;p为正整数;令y=1;
S401:令x=1;
S402:取hx和y;判断hxstandardy.l<hx<hxstandardy.h是否成立,如果成立,则记录Bx,y=0.33,进入S403;如果不成立,则记录Bx,y=-0.67,进入S403;
其中,hxstandardy.l表示所有工作模式下N次谐波的最低下限值;hxstandardy.h表示所有工作模式下N次谐波的最高上限值;Bx,y表示待识别设备的分项识别结果;
S403:令x=x+1;判断x是否小于等于N,如果是,就返回S402;如果否,就进入S404;
S404:输出∑By;其中,∑By=B1,y+B2,y+…+BN,y;∑By表示待识别设备的综合识别结果;
S405:令y=y+1;判断y是否小于等于p,如果是,就返回S401;如果否,就进入S406;
S406:如果待识别设备的综合识别结果∑By大于零,则表示待识别设备为消毒设备,且消毒设备的工作模式为y模式;否则表示待识别设备为非消毒设备。
6.如权利要求5所述的方法,其特征是,如果出现多个待识别设备的综合识别结果∑By大于零,则认为∑By最大的模式为工作模式。
7.基于物联网的餐饮消毒设备使用监控服务器,其特征是,包括:
特征提取模块,其被配置为:采集待识别设备的运行状态数据,从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;
工作状态开启判断模块,其被配置为:根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是,则进入下一步,如果否,则继续对待识别设备的运行状态数据进行采集;
工作状态稳定性判断模块,其被配置为:根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是,则进入下一步;如果否,则继续对待识别设备的运行状态数据进行采集;
消毒设备及其工作模式识别模块,其被配置为:根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式。
8.一种电子设备,其特征是,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-6任一项方法所述的步骤。
9.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-6任一项方法所述的步骤。
10.基于物联网的餐饮消毒设备使用监控系统,其特征是,包括:客户端、云服务器、路由器、智能插座和待识别设备;
所述消毒设备的电源线插入智能插座,所述智能插座连接电源,所述智能插座采集待识别设备的运行状态数据,将采集的运行状态数据通过路由器上传给云服务器;
所述云服务器接收采集的运行状态数据,所述云服务器从采集的运行状态数据中提取周期电流值、N次谐波、电流有效值和功率值特征;根据待识别设备的电流有效值,判断待识别设备是否处于工作状态,如果是处于工作状态,则根据待识别设备的周期电流值、功率值和电流有效值,判断待识别设备是否处于稳定的工作状态,如果是处于稳定的工作状态,则根据消毒设备的备选工作模式和N次谐波,对待识别设备的是否为消毒设备进行识别,并识别出消毒设备的实际工作模式,并将处理后得到的待识别设备的识别结果和工作模式反馈给客户端。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010071079.2A CN111190067B (zh) | 2020-01-21 | 2020-01-21 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
PCT/CN2020/132227 WO2021147509A1 (zh) | 2020-01-21 | 2020-11-27 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010071079.2A CN111190067B (zh) | 2020-01-21 | 2020-01-21 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111190067A true CN111190067A (zh) | 2020-05-22 |
CN111190067B CN111190067B (zh) | 2021-03-19 |
Family
ID=70706426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010071079.2A Active CN111190067B (zh) | 2020-01-21 | 2020-01-21 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111190067B (zh) |
WO (1) | WO2021147509A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112904921A (zh) * | 2021-01-15 | 2021-06-04 | 北京金和网络股份有限公司 | 基于物联网的实时监测监管系统 |
WO2021147509A1 (zh) * | 2020-01-21 | 2021-07-29 | 山东建筑大学 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
CN113240332A (zh) * | 2021-06-07 | 2021-08-10 | 宁夏力成电气集团有限公司 | 一种配电系统的运行管理方法及装置 |
CN113660335A (zh) * | 2021-08-17 | 2021-11-16 | 北京计算机技术及应用研究所 | 一种基于物联网的设备精细化管理方法与系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114675734A (zh) * | 2020-12-25 | 2022-06-28 | 瑞昱半导体股份有限公司 | 具有功率管理机制的电源供应系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103001230A (zh) * | 2012-11-16 | 2013-03-27 | 天津大学 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
JP2013079853A (ja) * | 2011-10-03 | 2013-05-02 | Mitsubishi Electric Corp | 状態診断装置、状態診断システム及びプログラム |
CN204965718U (zh) * | 2015-08-17 | 2016-01-13 | 上海捷谛电力科技有限公司 | 光伏智能监控系统 |
CN110361619A (zh) * | 2019-08-16 | 2019-10-22 | 佳源科技有限公司 | 一种非侵入式用电能效监测模块 |
CN110376429A (zh) * | 2019-06-06 | 2019-10-25 | 国网浙江省电力有限公司 | 一种识别家用电器使用状态的方法 |
CN110658379A (zh) * | 2019-10-09 | 2020-01-07 | 广东美的制冷设备有限公司 | 换向组件的功率检测方法、装置、空调器以及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217308A (zh) * | 2014-09-24 | 2014-12-17 | 厦门斯坦道科学仪器股份有限公司 | 一种餐饮场所食品安全自主式监管方法和系统 |
CN105281998B (zh) * | 2015-11-12 | 2019-01-18 | 安徽建筑大学 | 健康智能家居系统的管理方法 |
CN107727145A (zh) * | 2017-10-10 | 2018-02-23 | 国网江苏省电力公司电力科学研究院 | 一种基于物联网的分布式电源状态监测装置及方法 |
CN110416995B (zh) * | 2019-05-10 | 2023-05-05 | 南昌航空大学 | 一种非侵入式负荷分解方法和装置 |
CN111190067B (zh) * | 2020-01-21 | 2021-03-19 | 山东建筑大学 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
-
2020
- 2020-01-21 CN CN202010071079.2A patent/CN111190067B/zh active Active
- 2020-11-27 WO PCT/CN2020/132227 patent/WO2021147509A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013079853A (ja) * | 2011-10-03 | 2013-05-02 | Mitsubishi Electric Corp | 状態診断装置、状態診断システム及びプログラム |
CN103001230A (zh) * | 2012-11-16 | 2013-03-27 | 天津大学 | 非侵入式电力负荷监测与分解的电流模式匹配方法 |
CN204965718U (zh) * | 2015-08-17 | 2016-01-13 | 上海捷谛电力科技有限公司 | 光伏智能监控系统 |
CN110376429A (zh) * | 2019-06-06 | 2019-10-25 | 国网浙江省电力有限公司 | 一种识别家用电器使用状态的方法 |
CN110361619A (zh) * | 2019-08-16 | 2019-10-22 | 佳源科技有限公司 | 一种非侵入式用电能效监测模块 |
CN110658379A (zh) * | 2019-10-09 | 2020-01-07 | 广东美的制冷设备有限公司 | 换向组件的功率检测方法、装置、空调器以及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021147509A1 (zh) * | 2020-01-21 | 2021-07-29 | 山东建筑大学 | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 |
CN112904921A (zh) * | 2021-01-15 | 2021-06-04 | 北京金和网络股份有限公司 | 基于物联网的实时监测监管系统 |
CN113240332A (zh) * | 2021-06-07 | 2021-08-10 | 宁夏力成电气集团有限公司 | 一种配电系统的运行管理方法及装置 |
CN113660335A (zh) * | 2021-08-17 | 2021-11-16 | 北京计算机技术及应用研究所 | 一种基于物联网的设备精细化管理方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021147509A1 (zh) | 2021-07-29 |
CN111190067B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111190067B (zh) | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 | |
EP2276005A2 (en) | Apparatus state detector | |
CN105514993B (zh) | 一种电力负荷分解方法及装置 | |
CN109345409A (zh) | 一种基于宽带载波的居民用户综合能效管理方法 | |
CN105424395A (zh) | 设备故障的确定方法和装置 | |
CN108054749B (zh) | 一种非侵入式电力负荷分解方法及装置 | |
CN107424381B (zh) | 一种用于空巢老人的室内监测系统 | |
CN111242276B (zh) | 一种用于负荷电流信号识别的一维卷积神经网络构建方法 | |
CN112396098A (zh) | 非嵌入式公寓电器负荷识别分析方法、系统及应用 | |
CN108055181A (zh) | 一种智能家居无线控制系统 | |
CN116203351A (zh) | 线路阻抗异常的检测方法及系统 | |
CN114781481A (zh) | 一种基于物联网的家用光伏发电设备管理系统及其方法 | |
CN113922361B (zh) | 一种基于非侵入式配用电信息分解的安全隐患及故障保护方法 | |
CN116861316A (zh) | 一种电器监测方法及装置 | |
CN116523681A (zh) | 电动汽车的负荷分解方法、装置、电子设备及存储介质 | |
CN111736012A (zh) | 一种非侵入式电力负荷识别方法及系统 | |
CN111342463A (zh) | 基于多元外部数据的电力负荷辅助辨识方法 | |
CN113050486B (zh) | 基于工控机的电力系统边缘计算及数据分发装置 | |
CN115563583A (zh) | 基于多物理量融合的非侵入式负荷监测方法 | |
Lezhniuk et al. | Investigation and implementation of the fractal properties of electric load on civilian objects in order to efficiently predict and control electrical consumption | |
CN114186631A (zh) | 一种基于非侵入式智能终端的负荷识别方法 | |
CN112613670A (zh) | 一种基于权重分配预测电力用户需量的装置及方法 | |
CN111638649B (zh) | 电器运行安全监测方法及装置 | |
CN116866391B (zh) | 一种基于大数据的能源数据采集方法及系统 | |
CN219611948U (zh) | 一种多维度建筑能耗采集及诊断系统 |
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 |