CN112434078A - 一种锅炉数据的处理方法、装置、设备及存储介质 - Google Patents

一种锅炉数据的处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112434078A
CN112434078A CN202011308637.9A CN202011308637A CN112434078A CN 112434078 A CN112434078 A CN 112434078A CN 202011308637 A CN202011308637 A CN 202011308637A CN 112434078 A CN112434078 A CN 112434078A
Authority
CN
China
Prior art keywords
data
boiler
processed
boiler data
preset
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.)
Pending
Application number
CN202011308637.9A
Other languages
English (en)
Inventor
常远征
黄杰俊
谢清扬
曾宪群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Qixiang Technology Co ltd
Original Assignee
Guangzhou Qixiang Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Qixiang Technology Co ltd filed Critical Guangzhou Qixiang Technology Co ltd
Priority to CN202011308637.9A priority Critical patent/CN112434078A/zh
Publication of CN112434078A publication Critical patent/CN112434078A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明实施例公开了一种锅炉数据的处理方法、装置、设备及存储介质。其中，该方法包括：将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据；根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据；若不存在，则将所述待处理锅炉数据存储至时序数据库中。通过将锅炉数据拆解为窄表，减少数据的冗余，方便对单项数据的分析处理，实时确定数据的异常情况，提高锅炉数据的处理效率和处理精度。

Description

一种锅炉数据的处理方法、装置、设备及存储介质
技术领域
本发明实施例涉及数据处理技术，尤其涉及一种锅炉数据的处理方法、装置、设备及存储介质。
背景技术
锅炉是一种受热承压的特殊设备，其对能量的转换效率受到使用者的关注，由于转换效率涉及到生产中成本效益的问题，所以需要对锅炉的数据进行监控及优化调整。
目前传统的锅炉运营依靠司炉工个人的专业水平和经验，对锅炉的监控和数据采集处理也只能靠司炉工去进行。通过人工监控锅炉会存在设备出故障反馈不及时的情况，锅炉数据的处理效率和精度较低，浪费人力和时间，容易造成停机的风险，严重的可能出现生产事故。
发明内容
本发明实施例提供一种锅炉数据的处理方法、装置、设备及存储介质，以提高锅炉数据的处理效率和处理精度。
第一方面，本发明实施例提供了一种锅炉数据的处理方法，该方法包括：
将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据；
根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据；
若不存在，则将所述待处理锅炉数据存储至时序数据库中。
第二方面，本发明实施例还提供了一种锅炉数据的处理装置，该装置包括：
数据解析模块，用于将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据；
数据比较模块，用于根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据；
数据存储模块，用于若不存在，则将所述待处理锅炉数据存储至时序数据库中。
第三方面，本发明实施例还提供了一种锅炉数据的处理设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任意实施例所述的锅炉数据的处理方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的锅炉数据的处理方法。
本发明实施例通过传感器实时采集锅炉数据，将采集到的锅炉数据拆解为窄表形式的待处理锅炉数据，将预设时间周期内的实时待处理锅炉数据与预设锅炉数据进行比较，确定待处理锅炉数据是否存在异常，并将待处理锅炉数据存储在时序数据库中。解决了现有技术中，由人工采集锅炉数据并进行处理的问题，节约了人力和时间，方便对单项数据的分析，实现对锅炉数据的及时处理，提高锅炉数据的处理效率和处理精度。
附图说明
图1是本发明实施例一中的一种锅炉数据的处理方法的流程示意图；
图2是本发明实施例二中的一种锅炉数据的处理方法的流程示意图；
图3是本发明实施例三中的一种锅炉数据的处理装置的结构框图；
图4是本发明实施例四中的一种锅炉数据的处理设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种锅炉数据的处理方法的流程示意图，本实施例可适用于自动处理锅炉数据的情况，该方法可以由一种锅炉数据的处理装置来执行。如图1所示，该方法具体包括如下步骤：
步骤110、将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据。
其中，可以通过传感器技术实时采集锅炉数据，如温度传感器、压力传感器、电压电流传感器和氧化锆传感器等多种传感器，以秒级频率采集锅炉本体温度、节能器出烟温度、锅炉本体压力、冷凝器进出水温度、节能器进出水温度和冷凝器出烟温度等多项锅炉重要运行数据。通过无线传感器网络把采集的锅炉数据集中至本地传感器网关，传感器网关可以选择集成CAT1(LTEUE-Category1，用户设备支持LTE网络传输速率的等级)通信模块移动网络、WIFI(Wireless Fidelity，无线网络)通信模块无线网络或RJ45(RegisteredJack-45，已注册插孔)接口有线网络，把多项锅炉数据实时打包上传至云平台，得到实时采集的锅炉数据包。当锅炉数据包传输至云平台后，云平台把锅炉数据包拆解成最小颗粒度的窄表形式，得到待处理锅炉数据。例如，可以将锅炉数据包中的数据分解成单个字段的窄表形式，减少数据冗余，便于对单项数据的分析处理。
本实施例中，可选的，在将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据之后，还包括：根据锅炉数据包的数据信息，为锅炉数据包对应的窄表形式的待处理锅炉数据增加关联标识。
具体的，以窄表形式存储的数据容易丢失数据与数据之间的关联性，因此，可以为同一批上传的待处理锅炉数据增添关联标识。例如，可以为同一锅炉数据包中的待处理锅炉数据增加相同的关联标识。关联标识是数据的标识信息，可以根据锅炉数据包的数据信息确定关联标识，数据信息可以包括数据采集时间、上传时间或采集设备型号等信息。例如，可以根据标识锅炉数据的上传时间或采集时间等批次信息确定关联标识。在将数据分解为窄表后，在每个窄表上增加一个关联标识，表示该窄表所对应的待处理锅炉数据的批次。这样设置的有益效果在于，标记数据与数据之间的关联性，避免数据混乱，提高数据处理的精度，有利于得到同批次的锅炉数据。
步骤120、根据预设时间周期，将待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据。
其中，预先设置一个时间周期，根据预设时间周期确定是否进行异常数据的检测。若到达预设时间周期，则将在预设时间周期内的待处理锅炉数据与预设锅炉数据进行比较。预设锅炉数据可以是正常锅炉数据的范围或异常锅炉数据的范围。确定待处理锅炉数据是否位于预设锅炉数据的范围内，进而确定待处理锅炉数据是否为异常数据。在锅炉数据的上传过程中进行异常数据的判断，确定实时采集的锅炉数据包中是否存在异常数据。
本实施例中，可选的，根据预设时间周期，将待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据，包括：将预设时间周期内待处理锅炉数据的数据流打包，与预设锅炉数据进行比较；根据比较结果，确定实时采集的锅炉数据包中是否存在异常数据。
具体的，采用流式传输的方式上传锅炉数据包，例如，可以采用Apache Flink(Apache软件基金会开发的开源流处理框架)或其他开源流处理框架。锅炉数据包以数据流的形式上传至云平台并拆解为窄表的待处理锅炉数据，当到达预设时间周期时，将一个预设时间周期内的待处理锅炉数据的数据流进行打包，将打包后数据包中的待处理锅炉数据与预设锅炉数据进行比较。例如，预设锅炉数据为异常数据范围，确定打包后数据包中的待处理锅炉数据是否位于预设锅炉数据的范围之内，若是，则确定该待处理锅炉数据为异常数据，即该待处理锅炉数据所对应的锅炉数据包中存在异常数据。这样设置的有益效果在于，以流式数据的形式打包待处理锅炉数据，可以实现在锅炉数据包上传时实时对锅炉数据进行异常检测，提高异常数据的检测效率，保障锅炉的安全运行。
本实施例中，可选的，在根据预设时间周期，将待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据之后，还包括：若实时采集的锅炉数据包中存在异常数据，则根据预设的异常类型发出警告信息；将异常数据和异常类型存储至异常数据库中，并将待处理锅炉数据以窄表的形式存储至时序数据库中。
具体的，预设锅炉数据可以是异常数据的范围，也可以是正常数据的范围，将待处理锅炉数据与预设锅炉数据进行比较，根据比较结果，确定实时采集的锅炉数据包中是否存在异常的待处理锅炉数据。例如，预设锅炉数据为正常数据的范围，待处理锅炉数据位于正常数据范围之外，则该待处理锅炉数据异常。云平台中预设有不同的异常类型，可以根据锅炉数据的具体数值划分异常类型。若实时采集的锅炉数据包中存在异常数据，则可以根据预设的异常类型确定异常数据的异常类型，例如，异常数据为0，则确定的异常类型可以是设备中断。在确定异常数据和异常类型后，可以向用户发出异常类型的警告信息，提示用户进行查看。在得到异常数据和对应的异常类型后，将异常数据和异常类型关联保存在异常数据库中，以窄表的形式进行保存，并将上传的待处理锅炉数据以窄表的形式保存至时序数据库中，时序数据库中的待处理锅炉数据可以包括正常数据，也可以包括异常数据。这样设置的有益效果在于，可以实时得到锅炉的异常情况，有利于及时进行排查，提高锅炉运行的安全和数据处理的效率，并方便用户后续对数据进行查看。
步骤130、若不存在，则将待处理锅炉数据存储至时序数据库中。
其中，若确定实时采集的锅炉数据包中不存在异常数据，则将待处理锅炉数据以窄表形式存储在时序数据库中。由于数据以秒级收集，数据量会增长迅速，因此使用时序数据库。
本实施例中，可选的，在将待处理锅炉数据存储至时序数据库中之后，还包括：响应于锅炉数据查询指令，获取待查询锅炉数据的标识信息；从时序数据库中查询与标识信息一致的关联标识，确定标记有关联标识的待处理锅炉数据为待查询锅炉数据。
具体的，用户在将待处理锅炉数据存储后，可以随时对时序数据库中的待处理锅炉数据进行查询。用户可以发出锅炉数据查询指令，云平台响应到锅炉数据查询指令，获取指令中待查询锅炉数据的标识信息，标识信息可以是待处理锅炉数据的关联标识。确定待处理锅炉数据的标识信息，从时序数据库中查找与该标识信息一致的关联标识，标记有该关联标识的待处理锅炉数据即为用户想要查询的待查询锅炉数据。这样设置的有益效果在于，用户可以随时对数据进行查看，得到待查询锅炉数据后，可以根据实际需求对数据进行处理，提高了对锅炉数据处理的灵活性，且通过标识信息进行查询，提高了数据查询的精度。
本实施例的技术方案，通过传感器实时采集锅炉数据，将采集到的锅炉数据拆解为窄表形式的待处理锅炉数据，将预设时间周期的实时待处理锅炉数据与预设锅炉数据进行比较，确定锅炉数据是否存在异常，并将待处理锅炉数据存储在时序数据库中。解决了现有技术中，由人工采集锅炉数据并进行处理的问题，节约了人力和时间，方便对单项数据的分析，实现对锅炉数据的及时处理，提高锅炉数据的处理效率和处理精度。
实施例二
图2为本发明实施例二所提供的一种锅炉数据的处理方法的流程示意图，本实施例以上述实施例为基础进行进一步的优化，该方法可以由一种锅炉数据的处理装置来执行。如图2所示，该方法具体包括如下步骤：
步骤210、将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据。
步骤220、根据预设时间周期，将待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据。
步骤230、若不存在，则将待处理锅炉数据存储至时序数据库中。
步骤240、将时序数据库中的待处理锅炉数据作为历史数据输入预设的锅炉数据预测模型中，得到锅炉运行的目标数据。
其中，已经存入时序数据库中的待处理锅炉数据可以是历史数据，可以根据历史数据预测锅炉运行的目标数据，目标数据是锅炉运行过程中在当前时间之后的时间里所要采集的锅炉数据。可以将历史数据输入到预设的锅炉数据预测模型中，输出结果即为目标数据，锅炉数据预测模型用于预测锅炉运行过程中的目标数据。
本实施例中，可选的，将时序数据库中的待处理锅炉数据作为历史数据输入预设的锅炉数据预测模型中，得到锅炉运行的目标数据，包括：根据预设的数据预测周期，确定时序数据库中的待处理锅炉数据为历史数据；将历史数据输入到预先训练的锅炉数据预测模型中，得到锅炉在预测时间内的目标数据。
具体的，可以预先设置一个数据预测周期，每隔一个数据预测周期就预测一次目标数据。当到达数据预测周期时，可以获取时序数据库中当前存储的所有待处理锅炉数据作为历史数据。因此，每预测一次，历史数据的数据量就越大，预测结果就越准确。将获取到的历史数据输入到预先训练好的锅炉数据预测模型中，由锅炉数据预测模型输出预测时间内的目标数据，预测时间可以是指定的所要预测的目标数据的采集时间。例如，预测时间可以是从当前时间开始的24小时，则预测的目标数据为24小时之后锅炉运行的数据。云平台可以使用Google(谷歌)的机器学习框架TensorFlow(一种人工智能学习系统)进行监督学习，在充分学习后，平台可以对锅炉进行仿真，得到锅炉数据预测模型，拥有预测锅炉以后的运行数据等能力。可以基于预设的锅炉诊断规则，根据采集或预测到的锅炉数据，对锅炉的运行健康进行诊断分析，提供专业的数据支持，避免了工作人员专业水平和经验参差不齐，导致误判和误操作的问题。也可以针对数据的分析给出提高锅炉运行效率的建议，减少锅炉使用的成本，提高锅炉数据的处理效率。
本发明实施例通过传感器实时采集锅炉数据，将采集到的锅炉数据拆解为窄表形式的待处理锅炉数据，将预设时间周期的实时待处理锅炉数据与预设锅炉数据进行比较，确定锅炉数据是否存在异常，并将待处理锅炉数据存储在时序数据库中。根据存储的待处理锅炉数据和预先训练的数据预测模型，可以得到预测的锅炉数据。解决了现有技术中，由人工采集锅炉数据并进行处理的问题，节约了人力和时间，实现对锅炉数据的及时处理，提高锅炉数据的处理效率和处理精度。
实施例三
图3为本发明实施例三所提供的一种锅炉数据的处理装置的结构框图，可执行本发明任意实施例所提供的一种锅炉数据的处理方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置具体包括：
数据解析模块301，用于将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据；
数据比较模块302，用于根据预设时间周期，将待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据；
数据存储模块303，用于若不存在，则将待处理锅炉数据存储至时序数据库中。
可选的，数据比较模块302，具体用于：
将预设时间周期内待处理锅炉数据的数据流打包，与预设锅炉数据进行比较；
根据比较结果，确定实时采集的锅炉数据包中是否存在异常数据。
可选的，该装置还包括：
警告发出模块，用于在根据预设时间周期，将待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据之后，若实时采集的锅炉数据包中存在异常数据，则根据预设的异常类型发出警告信息；
异常数据存储模块，用于将异常数据和异常类型存储至异常数据库中，并将待处理锅炉数据以窄表的形式存储至时序数据库中。
可选的，该装置还包括：
标识增加模块，用于在将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据之后，根据锅炉数据包的数据信息，为锅炉数据包对应的窄表形式的待处理锅炉数据增加关联标识。
可选的，该装置还包括：
标识获取模块，用于在将待处理锅炉数据存储至时序数据库中之后，响应于锅炉数据查询指令，获取待查询锅炉数据的标识信息；
待查询数据确定模块，用于从时序数据库中查询与所述标识信息一致的关联标识，确定标记有关联标识的待处理锅炉数据为待查询锅炉数据。
可选的，该装置还包括：
目标数据获得模块，用于在将待处理锅炉数据存储至时序数据库中之后，将时序数据库中的待处理锅炉数据作为历史数据输入预设的锅炉数据预测模型中，得到锅炉运行的目标数据。
可选的，目标数据获得模块，具体用于：
根据预设的数据预测周期，确定时序数据库中的待处理锅炉数据为历史数据；
将历史数据输入到预先训练的锅炉数据预测模型中，得到锅炉在预测时间内的目标数据。
本发明实施例通过传感器实时采集锅炉数据，将采集到的锅炉数据拆解为窄表形式的待处理锅炉数据，将预设时间周期的实时待处理锅炉数据与预设锅炉数据进行比较，确定锅炉数据是否存在异常，并将待处理锅炉数据存储在时序数据库中。解决了现有技术中，由人工采集锅炉数据并进行处理的问题，节约了人力和时间，实现对锅炉数据的及时处理，提高锅炉数据的处理效率和处理精度。
实施例四
图4是本发明实施例四提供的一种锅炉数据的处理设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备400的框图。锅炉数据的处理设备可以是一种计算机设备，图4显示的计算机设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机设备400以通用计算设备的形式表现。计算机设备400的组件可以包括但不限于：一个或者多个处理器或者处理单元401，系统存储器402，连接不同系统组件(包括系统存储器402和处理单元401)的总线403。
总线403表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备400典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备400访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器402可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)404和/或高速缓存存储器405。计算机设备400可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统406可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块407的程序/实用工具408，可以存储在例如存储器402中，这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备400也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信，还可与一个或者多个使得用户能与该计算机设备400交互的设备通信，和/或与使得该计算机设备400能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且，计算机设备400还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器412通过总线403与计算机设备400的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元401通过运行存储在系统存储器402中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种锅炉数据的处理方法，包括：
将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据；
根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据；
若不存在，则将所述待处理锅炉数据存储至时序数据库中。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的一种锅炉数据的处理方法，包括：
将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据；
根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据；
若不存在，则将所述待处理锅炉数据存储至时序数据库中。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种锅炉数据的处理方法，其特征在于，包括：
将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据；
根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据；
若不存在，则将所述待处理锅炉数据存储至时序数据库中。
2.根据权利要求1所述的方法，其特征在于，根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据，包括：
将预设时间周期内待处理锅炉数据的数据流打包，与预设锅炉数据进行比较；
根据比较结果，确定实时采集的锅炉数据包中是否存在异常数据。
3.根据权利要求1所述的方法，其特征在于，在根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据之后，还包括：
若实时采集的锅炉数据包中存在异常数据，则根据预设的异常类型发出警告信息；
将异常数据和异常类型存储至异常数据库中，并将待处理锅炉数据以窄表的形式存储至时序数据库中。
4.根据权利要求1所述的方法，其特征在于，在将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据之后，还包括：
根据锅炉数据包的数据信息，为所述锅炉数据包对应的窄表形式的待处理锅炉数据增加关联标识。
5.根据权利要求4所述的方法，其特征在于，在将所述待处理锅炉数据存储至时序数据库中之后，还包括：
响应于锅炉数据查询指令，获取待查询锅炉数据的标识信息；
从所述时序数据库中查询与所述标识信息一致的关联标识，确定标记有所述关联标识的待处理锅炉数据为待查询锅炉数据。
6.根据权利要求1所述的方法，其特征在于，在将所述待处理锅炉数据存储至时序数据库中之后，还包括：
将所述时序数据库中的待处理锅炉数据作为历史数据输入预设的锅炉数据预测模型中，得到锅炉运行的目标数据。
7.根据权利要求6所述的方法，其特征在于，将所述时序数据库中的待处理锅炉数据作为历史数据输入预设的锅炉数据预测模型中，得到锅炉运行的目标数据，包括：
根据预设的数据预测周期，确定所述时序数据库中的待处理锅炉数据为历史数据；
将所述历史数据输入到预先训练的锅炉数据预测模型中，得到锅炉在预测时间内的目标数据。
8.一种锅炉数据的处理装置，其特征在于，包括：
数据解析模块，用于将实时采集到的锅炉数据包解析为窄表形式的待处理锅炉数据；
数据比较模块，用于根据预设时间周期，将所述待处理锅炉数据与预设锅炉数据进行比较，确定实时采集的锅炉数据包中是否存在异常数据；
数据存储模块，用于若不存在，则将所述待处理锅炉数据存储至时序数据库中。
9.一种锅炉数据的处理设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的锅炉数据的处理方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的锅炉数据的处理方法。
CN202011308637.9A 2020-11-20 2020-11-20 一种锅炉数据的处理方法、装置、设备及存储介质 Pending CN112434078A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011308637.9A CN112434078A (zh) 2020-11-20 2020-11-20 一种锅炉数据的处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011308637.9A CN112434078A (zh) 2020-11-20 2020-11-20 一种锅炉数据的处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112434078A true CN112434078A (zh) 2021-03-02

Family

ID=74693039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011308637.9A Pending CN112434078A (zh) 2020-11-20 2020-11-20 一种锅炉数据的处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112434078A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114266412A (zh) * 2021-12-29 2022-04-01 浙江中控技术股份有限公司 一种焦化生产的优化方法、装置、电子设备及存储介质
CN114527247A (zh) * 2021-12-20 2022-05-24 广州奇享科技有限公司 一种基于物联网的锅炉水质综合监测方法、系统及设备

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101083631A (zh) * 2006-05-31 2007-12-05 阿里巴巴公司 即时通讯中建立联系人列表、管理联系人信息的方法
CN101499075A (zh) * 2008-01-28 2009-08-05 万德洪 一种数据挖掘系统以及实现方法和应用
US20110082709A1 (en) * 2009-10-02 2011-04-07 Institute For Information Industry System and device and method for blood sugar level analysis and computer readable recording medium storing computer program performing the method
CN102468903A (zh) * 2010-11-08 2012-05-23 北京清华城市规划设计研究院 污水厂在线数据编码方法、存储方法及传输方法、以及污水厂在线数据采集存储装置
CN105930446A (zh) * 2016-04-20 2016-09-07 重庆重邮汇测通信技术有限公司 一种基于Hadoop分布式技术的电信客户标签生成方法
CN107798030A (zh) * 2017-02-17 2018-03-13 平安科技（深圳）有限公司 数据表的拆分方法和装置
CN109783784A (zh) * 2018-12-26 2019-05-21 远光软件股份有限公司 一种基于最小表单组合的数据处理方法和表单生成器
CN109934371A (zh) * 2017-12-18 2019-06-25 普华讯光（北京）科技有限公司 基于用电数据对企业进行偿付能力风险识别和预测的方法
CN110457288A (zh) * 2019-07-04 2019-11-15 平安科技（深圳）有限公司 数据模型构建方法、装置、设备及计算机可读存储介质
CN110689268A (zh) * 2019-09-29 2020-01-14 中国建设银行股份有限公司 一种提取指标的方法和装置
CN110955655A (zh) * 2018-09-26 2020-04-03 千寻位置网络有限公司 动态cmdb数据库模型存储方法和系统
CN111008817A (zh) * 2019-11-28 2020-04-14 联通(广东)产业互联网有限公司 一种iBoss业务数据处理系统及方法
CN111104394A (zh) * 2019-12-31 2020-05-05 新奥数能科技有限公司 一种能源数据仓库系统构建方法及装置
CN111583076A (zh) * 2020-05-11 2020-08-25 南京迪巴戈软件科技有限公司 一种基于网络的智能分析教务管理平台
CN111612181A (zh) * 2020-05-22 2020-09-01 哈尔滨锅炉厂有限责任公司 基于故障树的锅炉异常工况诊断及运行优化方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101083631A (zh) * 2006-05-31 2007-12-05 阿里巴巴公司 即时通讯中建立联系人列表、管理联系人信息的方法
CN101499075A (zh) * 2008-01-28 2009-08-05 万德洪 一种数据挖掘系统以及实现方法和应用
US20110082709A1 (en) * 2009-10-02 2011-04-07 Institute For Information Industry System and device and method for blood sugar level analysis and computer readable recording medium storing computer program performing the method
CN102468903A (zh) * 2010-11-08 2012-05-23 北京清华城市规划设计研究院 污水厂在线数据编码方法、存储方法及传输方法、以及污水厂在线数据采集存储装置
CN105930446A (zh) * 2016-04-20 2016-09-07 重庆重邮汇测通信技术有限公司 一种基于Hadoop分布式技术的电信客户标签生成方法
CN107798030A (zh) * 2017-02-17 2018-03-13 平安科技（深圳）有限公司 数据表的拆分方法和装置
CN109934371A (zh) * 2017-12-18 2019-06-25 普华讯光（北京）科技有限公司 基于用电数据对企业进行偿付能力风险识别和预测的方法
CN110955655A (zh) * 2018-09-26 2020-04-03 千寻位置网络有限公司 动态cmdb数据库模型存储方法和系统
CN109783784A (zh) * 2018-12-26 2019-05-21 远光软件股份有限公司 一种基于最小表单组合的数据处理方法和表单生成器
CN110457288A (zh) * 2019-07-04 2019-11-15 平安科技（深圳）有限公司 数据模型构建方法、装置、设备及计算机可读存储介质
CN110689268A (zh) * 2019-09-29 2020-01-14 中国建设银行股份有限公司 一种提取指标的方法和装置
CN111008817A (zh) * 2019-11-28 2020-04-14 联通(广东)产业互联网有限公司 一种iBoss业务数据处理系统及方法
CN111104394A (zh) * 2019-12-31 2020-05-05 新奥数能科技有限公司 一种能源数据仓库系统构建方法及装置
CN111583076A (zh) * 2020-05-11 2020-08-25 南京迪巴戈软件科技有限公司 一种基于网络的智能分析教务管理平台
CN111612181A (zh) * 2020-05-22 2020-09-01 哈尔滨锅炉厂有限责任公司 基于故障树的锅炉异常工况诊断及运行优化方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114527247A (zh) * 2021-12-20 2022-05-24 广州奇享科技有限公司 一种基于物联网的锅炉水质综合监测方法、系统及设备
CN114527247B (zh) * 2021-12-20 2023-12-22 广州迪森数字能源科技有限公司 一种基于物联网的锅炉水质综合监测方法、系统及设备
CN114266412A (zh) * 2021-12-29 2022-04-01 浙江中控技术股份有限公司 一种焦化生产的优化方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US11796993B2 (en) Systems, methods, and devices for equipment monitoring and fault prediction
CN110430260A (zh) 一种基于大数据云计算支撑的机器人云平台及工作方法
US10498585B2 (en) Sensor data analytics and alarm management
CN112434078A (zh) 一种锅炉数据的处理方法、装置、设备及存储介质
CN104350435A (zh) Plc平台上用于设备状态监控、诊断以及时间-故障/服务预测的嵌置预报
WO2021027213A1 (zh) 检测方法、装置、电子设备和计算机可读介质
CN115640915B (zh) 一种智慧燃气管网压缩机安全管理方法和物联网系统
KR20180054413A (ko) 농작물 생산 효율 최적화 방법 및 장치
CN112199252B (zh) 一种异常监控方法、装置及电子设备
CN108540304B (zh) 基于工业大数据的远程采集监视系统及方法
JP6482743B1 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
CN110971488A (zh) 一种数据处理方法、装置、服务器和存储介质
CN104863798A (zh) 基于分布式存储的风电机组状态监测系统及其监测方法
WO2022033224A1 (zh) 人员可靠性评估方法、系统、计算机设备及存储介质
CN117933784A (zh) 一种基于粮情数据与保管方式的粮食质量预测方法及装置
CN110765486B (zh) 一种资产故障识别方法
CN113123955B (zh) 柱塞泵异常检测方法、装置、存储介质及电子设备
JPWO2019049521A1 (ja) リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム
RU121944U1 (ru) Автоматизированная система выявления неисправных датчиков среди датчиков, предназначенных для контроля технологических процессов
CN115765182A (zh) 基于时序数据库的数字孪生方法及装置
CN111509855A (zh) 一种多功能数字化、互联网开关电源及其控制方法
US20220318593A1 (en) System for generating natural language comment texts for multi-variate time series
CN115310681A (zh) 锅炉运行安全预测方法、装置、介质及电子设备
JP2020035297A (ja) 機器状態監視装置及びプログラム
CN114165430A (zh) 基于边缘计算的机泵健康监测方法、系统、设备及介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210302