CN112560146A - 基于bim的电网数据运维方法、装置、设备及存储介质 - Google Patents
基于bim的电网数据运维方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112560146A CN112560146A CN202011498806.XA CN202011498806A CN112560146A CN 112560146 A CN112560146 A CN 112560146A CN 202011498806 A CN202011498806 A CN 202011498806A CN 112560146 A CN112560146 A CN 112560146A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- bim
- data
- dimensional model
- model
- 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
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 103
- 238000013461 design Methods 0.000 claims abstract description 28
- 238000010801 machine learning Methods 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Structural Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Civil Engineering (AREA)
- Computer Graphics (AREA)
Abstract
本申请涉及基于BIM的电网数据运维方法、装置、设备及存储介质,该方法包括:获取电网机房的BIM三维模型;BIM三维模型是根据电网机房的设计方案建立的;BIM三维模型的数据库存储有设备标识和设备标识对应的传感器采集数据;根据设备标识获取预设时间段内的传感器采集数据;根据已训练的分析匹配模型中的分析模块对传感器采集数据进行分析,得到分析结果;根据已训练的分析匹配模型中的匹配模块对分析结果进行匹配,得到分析结果对应的运维方案。如此,可以提高电网机房运维管理的智能化水平。
Description
技术领域
本申请涉及建筑工程技术领域,特别涉及一种基于BIM的电网数据运维方法、装置、设备及存储介质。
背景技术
目前,运维管理是在传统的房屋管理基础上演变而来的新兴行业。近年来,随着经济和城市化建设的快速发展,特别是随着人们生活和工作环境水平的不断提高,建筑实体功能多样化的不断发展,使得运维管理成为一门科学,其内涵已经超出了传统定性描述和评价的范畴,发展成为整合人员、设施以及技术等关键资源的管理系统工程。运维管理是整合人员、设施和技术,对人员工作、生活空间进行规划、整合和维护管理,满足人员在工作中的基本需求,支持企业的基本活动过程,增加投资收益。
例如,一幢电网机房建筑在其生命周期的费用消耗中,约80%的部分是发生在其使用阶段,其中主要的费用构成因素有:抵押贷款的利息支出、租金、重新使用的投入、保险、税金、能源消耗、服务费用、维修、建筑维护和清洁等等。在机房的建筑物的平均使用年限达到7年以后,这些使用阶段发生的费用就会超过该建筑物最初的建筑安装的造价,然后,这些费用总额就以一种不均匀的抬高比例增长,在一幢电网机房建筑物的使用年限达到50年以后,建筑物的造价和使用阶段的总的维护费用这两者之间的比例可以达到1︰9。
因此,智能化的运维管理将会给业主和运营商带来极大的经济效益。
发明内容
本申请实施例提供了一种基于BIM的电网数据运维方法、装置、设备及存储介质,可以提高电网机房运维管理的智能化水平。
一方面,本申请实施例提供了一种基于BIM的电网数据运维方法,包括:
获取电网机房的BIM三维模型;BIM三维模型是根据电网机房的设计方案建立的;BIM三维模型的数据库存储有设备标识和设备标识对应的传感器采集数据;
根据设备标识获取预设时间段内的传感器采集数据;
根据已训练的分析匹配模型中的分析模块对传感器采集数据进行分析,得到分析结果;
根据已训练的分析匹配模型中的匹配模块对分析结果进行匹配,得到分析结果对应的运维方案。
可选的,获取电网机房的BIM三维模型,包括:
获取电网机房的设计方案;设计方案包括机房图纸、设备清单和设备位置信息;
根据设备清单建立每台设备的三维模型,得到设备三维模型;
根据机房图纸和缩放比例建立机房三维模型;
根据设备位置信息和缩放比例,在机房三维模型中加载设备三维模型,得到BIM三维模型。
可选的,还包括获取已训练的分析匹配模型的步骤;
获取已训练的分析匹配模型,包括:
获取训练数据;训练数据包括电网机房内所有设备的历史运维数据;历史运维数据包括预设时间内的传感器历史采集数据和传感器历史采集数据对应的历史运维方案;
构建预设机器学习模型,将预设机器学习模型确定为当前机器学习模型;预设机器学习模型包括分析模块和匹配模块;
通过BIM三维模型加载传感器历史采集数据,基于分析模块,对传感器历史采集数据进行分析,得到历史分析结果;
基于匹配模块,对历史分析结果进行匹配,得到预测运维方案;
基于预测运维方案和历史运维方案确定损失值;
当损失值大于预设阈值时,基于损失值进行反向传播,对当前机器学习模型进行更新以得到更新后的机器学习模型,将更新后的机器学习模型重新确定为当前机器学习模型;直至损失值小于预设阈值时,得到已训练的分析匹配模型。
可选的,运维方案包括运维人数和运维措施;
得到分析结果对应的运维方案之后,方法还包括:
基于运维人数、运维措施和设备标识对应的设备类型,确定运维成本信息。
另一方面,本申请实施例提供了一种基于BIM的电网数据运维装置,包括:
第一获取模块,用于获取电网机房的BIM三维模型;BIM三维模型是根据电网机房的设计方案建立的;BIM三维模型的数据库存储有设备标识和设备标识对应的传感器采集数据;
第二获取模块,用于根据设备标识获取预设时间段内的传感器采集数据;
确定模块,用于根据已训练的分析匹配模型中的分析模块对传感器采集数据进行分析,得到分析结果;
确定模块,还用于根据已训练的分析匹配模型中的匹配模块对分析结果进行匹配,得到分析结果对应的运维方案。
可选的,第一获取模块,还用于获取电网机房的设计方案;设计方案包括机房图纸、设备清单和设备位置信息;根据设备清单建立每台设备的三维模型,得到设备三维模型;根据机房图纸和缩放比例建立机房三维模型;根据设备位置信息和缩放比例,在机房三维模型中加载设备三维模型,得到BIM三维模型。
可选的,还包括第三获取模块,用于获取已训练的分析匹配模型;
第三获取模块,用于获取训练数据;训练数据包括电网机房内所有设备的历史运维数据;历史运维数据包括预设时间内的传感器历史采集数据和传感器历史采集数据对应的历史运维方案;构建预设机器学习模型,将预设机器学习模型确定为当前机器学习模型;预设机器学习模型包括分析模块和匹配模块;通过BIM三维模型加载传感器历史采集数据,基于分析模块,对传感器历史采集数据进行分析,得到历史分析结果;基于匹配模块,对历史分析结果进行匹配,得到预测运维方案;基于预测运维方案和历史运维方案确定损失值;当损失值大于预设阈值时,基于损失值进行反向传播,对当前机器学习模型进行更新以得到更新后的机器学习模型,将更新后的机器学习模型重新确定为当前机器学习模型;直至损失值小于预设阈值时,得到已训练的分析匹配模型。
可选的,运维方案包括运维人数和运维措施;
确定模块,还用于基于维人数、运维措施和设备标识对应的设备类型,确定运维成本信息。
另一方面,本申请实施例提供了一种设备,设备包括处理器和存储器,存储器中存储有至少一条指令或至少一段程序,至少一条指令或至少一段程序由处理器加载并执行上述的基于BIM的电网数据运维方法。
另一方面,本申请实施例提供了一种计算机存储介质,存储介质中存储有至少一条指令或至少一段程序,至少一条指令或至少一段程序由处理器加载并执行以实现上述的基于BIM的电网数据运维方法。
本申请实施例提供的基于BIM的电网数据运维方法、装置、设备及存储介质具有如下有益效果:
通过获取电网机房的BIM三维模型;BIM三维模型是根据电网机房的设计方案建立的;BIM三维模型的数据库存储有设备标识和设备标识对应的传感器采集数据;根据设备标识获取预设时间段内的传感器采集数据;根据已训练的分析匹配模型中的分析模块对传感器采集数据进行分析,得到分析结果;根据已训练的分析匹配模型中的匹配模块对分析结果进行匹配,得到分析结果对应的运维方案。如此,可以提高电网机房运维管理的智能化水平。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种基于BIM的电网数据运维方法的流程示意图;
图2是本申请实施例提供的一种基于BIM的电网数据运维装置的结构示意图;
图3是本申请实施例提供的一种基于BIM的电网数据运维方法的服务器的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
建筑信息模型(Building Information Modeling,BIM)是一种应用于工程设计、建造、管理的数据化工具,通过对建筑的数据化、信息化模型整合,在项目策划、运行和维护的全生命周期过程中进行共享和传递,使工程技术人员对各种建筑信息作出正确理解和高效应对,为设计团队以及包括建筑、运营单位在内的各方建设主体提供协同工作的基础,在提高生产效率、节约成本和缩短工期方面发挥重要作用。
以下介绍本申请一种基于BIM的电网数据运维方法的具体实施例,图1是本申请实施例提供的一种基于BIM的电网数据运维方法的流程示意图,本说明书提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示,该方法可以包括:
S101:获取电网机房的BIM三维模型;BIM三维模型是根据电网机房的设计方案建立的;BIM三维模型的数据库存储有设备标识和设备标识对应的传感器采集数据。
S103:根据设备标识获取预设时间段内的传感器采集数据。
本申请实施例中,电网机房的设计方案是指设计该电网机房时的方案,根据电网机房的设计方案在BIM平台中建立BIM三维模型,BIM三维模型的数据库存储有该机房内所有设备的设备标识和设备标识对应的传感器采集数据;传感器采集数据是由安装在设备上的传感器,在设备运行时采集得到的;存储传感器位置和对应的设备标识,可以在设备上粘贴二维码信息条方便日常管理。当需要对某个设备进行运维时,可以根据设备标识获取预设时间段内的传感器采集数据,预设时间段可以根据维护周期确定。
一种可选的获取电网机房的BIM三维模型的实施方式中,包括:
获取电网机房的设计方案;设计方案包括机房图纸、设备清单和设备位置信息,设备清单包括电网机房中,所使用到的设备的清单的数据,包括电网机房内的暖通设备、机柜、机柜内设备的设备标识、设备型号、厂家和联系人等信息及线缆等数据;
根据设备清单建立每台设备的三维模型,得到设备三维模型;设备三维模型是指在三维设计平台中,根据设备清单中具体设备尺寸建立的每一台设备的三维模型;
根据机房图纸和缩放比例建立机房三维模型;机房三维模型是指该电网机房场地对应的三维模型,即电网机房的空间的三维模型;
根据设备位置信息和缩放比例,在机房三维模型中加载设备三维模型,得到BIM三维模型;设备位置信息是指该电网机房内的设备摆放以及安装的具体位置的信息;在加载设备三维模型时,可以录入传感器的位置以及对应的设备标识。
具体的,使用电网机房的设计图纸,等比例缩放建立该机房三维模型,再根据设备位置信息,加载设备三维模型,建立模型后,通过数据接口导出,再应用三维插件对三维模型进行再编程后导入到系统中,通过分层、分区域、分视角进行模型加载,加上对颜色进行渐进化处理,使得系统可以在浏览器中流畅运行该BIM三维模型。优选地,减少现场作业量,提高工作效率。将机房管理模型导出成FBX文件,进一步地,将该FBX文件导入3Dmax或Navisworks,对所需部位的施工工艺进行模拟,可从不同角度观看整个模型,室内详细到设备、线缆及接口件,全方位可以清晰明了观看模型的整体性及局部性,并生成施工运维演示动画,进行动画交底,便于指导以后的工作。
S105:根据已训练的分析匹配模型中的分析模块对传感器采集数据进行分析,得到分析结果。
本申请实施例中,根据已训练的分析匹配模型中的分析模块对传感器采集数据进行分析,得到分析结果;其中,已训练的分析匹配模型可以采用现有神经网络模型的结构或者改进后的模型结构进行训练后得到,分析结果可以包括数据是否正常、是否需要进行保养、是否需要进行维修等。
一种可选的实施方式中,步骤105之前,该方法还包括获取已训练的分析匹配模型的步骤;具体包括:获取训练数据;训练数据包括电网机房内所有设备的历史运维数据;历史运维数据包括预设时间内的传感器历史采集数据和传感器历史采集数据对应的历史运维方案;构建预设机器学习模型,将预设机器学习模型确定为当前机器学习模型;预设机器学习模型包括分析模块和匹配模块;通过BIM三维模型加载传感器历史采集数据,基于分析模块,对传感器历史采集数据进行分析,得到历史分析结果;该步骤中,也可以只加载传感器历史采集数据中存在故障或告警时的数据;基于匹配模块,对历史分析结果进行匹配,得到预测运维方案;基于预测运维方案和历史运维方案确定损失值;当损失值大于预设阈值时,基于损失值进行反向传播,对当前机器学习模型进行更新以得到更新后的机器学习模型,将更新后的机器学习模型重新确定为当前机器学习模型;直至损失值小于预设阈值时,得到已训练的分析匹配模型。
需要说明的是,在其他实施例中,也可以根据设备型号将历史运维数据进行分类,然后在进行训练,如此,在实际使用时,可以调取对应的模型进行分析匹配,从而可以获得更加准确的运维方案。
一种可选的实施方式中,通过固定于某设备上的温度传感器以及温度监测模块将实时采集的数据反馈至用于可视化预警的BIM可视模块后,采用已训练的分析匹配模型中的分析模块进行分析,得到分析结果。
S107:根据已训练的分析匹配模型中的匹配模块对分析结果进行匹配,得到分析结果对应的运维方案。
本申请实施例中,根据已训练的分析匹配模型中的匹配模块对分析结果进行匹配,得到分析结果对应的运维方案,运维方案可以包括对设备采取的运维措施和运维人数。
一种可选的实施方式中,在得到分析结果对应的运维方案之后,该方法还包括:基于运维人数、运维措施和设备标识对应的设备类型,确定运维成本信息。
本申请实施例中,通过电网机房设计方案,建立出对应的BIM三维模型,能够在需要对设备进行运维时,利用三维模型的统计功能,有助于建立设施设备基本信息库与台帐,定义设施设备保养周期等属性信息,建立设施设备维护计划;对设施设备运行状态进行巡检管理并生成运行记录、故障记录等信息,根据生成的保养计划自动提示到期需保养的设施设备;对出现故障的设备从维修申请,到派工、维修、完工验收等实现过程化管理;运维参与方在BIM三维模型的设备三维模型中录入第三方监测设备商的传感器位置和设备表示,能够及时获取传感器采集数据从而确定设备的运行状态,并确定出对应的运维方案。另外,在应对火灾、非法侵入、自然灾害、重大安全事故和公共卫生事故等危害人们生命财产安全的各种突发事件时,建立起应急及长效的技术防范保障体系,并且使用工具软件计算行走路径和疏散时间,能通过三维动画模拟过程。
此外,BIM可以协助应急响应人员定位和识别潜在的突发事件,并且通过图形界面准确确定其危险发生的位置。BIM中的空间信息也可以用于识别疏散线路和环境危险之间的隐藏关系,从而降低应急决策制定的不确定性。根据BIM在运维管理中的应用,BIM可以在应急人员到达之前,向其提供详细的信息。在应急响应方面,BIM不仅可以用来培养紧急情况下运维管理人员的应急响应能力,也可以作为一个模拟工具,来评估突发事件导致的损失,并且对响应计划进行讨论和测试。
本申请实施例还提供了一种基于BIM的电网数据运维装置,图2是本申请实施例提供的一种基于BIM的电网数据运维装置的结构示意图,如图2所示,该装置包括:
第一获取模块201,用于获取电网机房的BIM三维模型;BIM三维模型是根据电网机房的设计方案建立的;BIM三维模型的数据库存储有设备标识和设备标识对应的传感器采集数据;
第二获取模块202,用于根据设备标识获取预设时间段内的传感器采集数据;
确定模块203,用于根据已训练的分析匹配模型中的分析模块对传感器采集数据进行分析,得到分析结果;
确定模块203,还用于根据已训练的分析匹配模型中的匹配模块对分析结果进行匹配,得到分析结果对应的运维方案。
一种可选的实施方式中,第一获取模块201,还用于获取电网机房的设计方案;设计方案包括机房图纸、设备清单和设备位置信息;根据设备清单建立每台设备的三维模型,得到设备三维模型;根据机房图纸和缩放比例建立机房三维模型;根据设备位置信息和缩放比例,在机房三维模型中加载设备三维模型,得到BIM三维模型。
一种可选的实施方式中,还包括第三获取模块,用于获取已训练的分析匹配模型;第三获取模块,用于获取训练数据;训练数据包括电网机房内所有设备的历史运维数据;历史运维数据包括预设时间内的传感器历史采集数据和传感器历史采集数据对应的历史运维方案;构建预设机器学习模型,将预设机器学习模型确定为当前机器学习模型;预设机器学习模型包括分析模块和匹配模块;通过BIM三维模型加载传感器历史采集数据,基于分析模块,对传感器历史采集数据进行分析,得到历史分析结果;基于匹配模块,对历史分析结果进行匹配,得到预测运维方案;基于预测运维方案和历史运维方案确定损失值;当损失值大于预设阈值时,基于损失值进行反向传播,对当前机器学习模型进行更新以得到更新后的机器学习模型,将更新后的机器学习模型重新确定为当前机器学习模型;直至损失值小于预设阈值时,得到已训练的分析匹配模型。
一种可选的实施方式中,运维方案包括运维人数和运维措施;确定模块203,还用于基于维人数、运维措施和设备标识对应的设备类型,确定运维成本信息。
本申请实施例中的装置与方法实施例基于同样地申请构思。
本申请实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图3是本申请实施例提供的一种基于BIM的电网数据运维方法的服务器的硬件结构框图。如图3所示,该服务器300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central Processing Units,CPU)310(处理器310可以包括但不限于微处理器NCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器330,一个或一个以上存储应用程序323或数据322的存储介质320(例如一个或一个以上海量存储设备)。其中,存储器330和存储介质320可以是短暂存储或持久存储。存储在存储介质320的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器310可以设置为与存储介质320通信,在服务器300上执行存储介质320中的一系列指令操作。服务器300还可以包括一个或一个以上电源360,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口340,和/或,一个或一个以上操作系统321,例如Windows,Mac OS,Unix,Linux,FreeBSD等等。
输入输出接口340可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器300的通信供应商提供的无线网络。在一个实例中,输入输出接口340包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口340可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图3所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器300还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。
本申请的实施例还提供了一种存储介质,所述存储介质可设置于服务器之中以保存用于实现方法实施例中一种基于BIM的电网数据运维方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述基于BIM的电网数据运维方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的基于BIM的电网数据运维方法、装置、设备或存储介质的实施例可见,本申请中通过获取电网机房的BIM三维模型;BIM三维模型是根据电网机房的设计方案建立的;BIM三维模型的数据库存储有设备标识和设备标识对应的传感器采集数据;根据设备标识获取预设时间段内的传感器采集数据;根据已训练的分析匹配模型中的分析模块对传感器采集数据进行分析,得到分析结果;根据已训练的分析匹配模型中的匹配模块对分析结果进行匹配,得到分析结果对应的运维方案。如此,可以提高电网机房运维管理的智能化水平。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,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)
1.一种基于BIM的电网数据运维方法,其特征在于,包括:
获取电网机房的BIM三维模型;所述BIM三维模型是根据所述电网机房的设计方案建立的;所述BIM三维模型的数据库存储有设备标识和所述设备标识对应的传感器采集数据;
根据所述设备标识获取预设时间段内的传感器采集数据;
根据已训练的分析匹配模型中的分析模块对所述传感器采集数据进行分析,得到分析结果;
根据所述已训练的分析匹配模型中的匹配模块对所述分析结果进行匹配,得到所述分析结果对应的运维方案。
2.根据权利要求1所述的方法,其特征在于,所述获取电网机房的BIM三维模型,包括:
获取所述电网机房的设计方案;所述设计方案包括机房图纸、设备清单和设备位置信息;
根据所述设备清单建立每台设备的三维模型,得到设备三维模型;
根据所述机房图纸和缩放比例建立机房三维模型;
根据所述设备位置信息和所述缩放比例,在所述机房三维模型中加载所述设备三维模型,得到所述BIM三维模型。
3.根据权利要求1所述的方法,其特征在于,还包括获取所述已训练的分析匹配模型的步骤;
所述获取所述已训练的分析匹配模型,包括:
获取训练数据;所述训练数据包括所述电网机房内所有设备的历史运维数据;所述历史运维数据包括预设时间内的传感器历史采集数据和所述传感器历史采集数据对应的历史运维方案;
构建预设机器学习模型,将所述预设机器学习模型确定为当前机器学习模型;所述预设机器学习模型包括分析模块和匹配模块;
通过所述BIM三维模型加载所述传感器历史采集数据,基于所述分析模块,对所述传感器历史采集数据进行分析,得到历史分析结果;
基于所述匹配模块,对所述历史分析结果进行匹配,得到预测运维方案;
基于所述预测运维方案和所述历史运维方案确定损失值;
当所述损失值大于预设阈值时,基于所述损失值进行反向传播,对所述当前机器学习模型进行更新以得到更新后的机器学习模型,将所述更新后的机器学习模型重新确定为所述当前机器学习模型;直至所述损失值小于所述预设阈值时,得到所述已训练的分析匹配模型。
4.根据权利要求1所述的方法,其特征在于,所述运维方案包括运维人数和运维措施;
所述得到所述分析结果对应的运维方案之后,所述方法还包括:
基于所述运维人数、所述运维措施和所述设备标识对应的设备类型,确定运维成本信息。
5.一种基于BIM的电网数据运维装置,其特征在于,包括:
第一获取模块,用于获取电网机房的BIM三维模型;所述BIM三维模型是根据所述电网机房的设计方案建立的;所述BIM三维模型的数据库存储有设备标识和所述设备标识对应的传感器采集数据;
第二获取模块,用于根据所述设备标识获取预设时间段内的传感器采集数据;
确定模块,用于根据已训练的分析匹配模型中的分析模块对所述传感器采集数据进行分析,得到分析结果;
所述确定模块,还用于根据所述已训练的分析匹配模型中的匹配模块对所述分析结果进行匹配,得到所述分析结果对应的运维方案。
6.根据权利要求5所述的装置,其特征在于,
所述第一获取模块,还用于获取所述电网机房的设计方案;所述设计方案包括机房图纸、设备清单和设备位置信息;根据所述设备清单建立每台设备的三维模型,得到设备三维模型;根据所述机房图纸和缩放比例建立机房三维模型;根据所述设备位置信息和所述缩放比例,在所述机房三维模型中加载所述设备三维模型,得到所述BIM三维模型。
7.根据权利要求5所述的装置,其特征在于,还包括第三获取模块,用于获取所述已训练的分析匹配模型;
所述第三获取模块,用于获取训练数据;所述训练数据包括所述电网机房内所有设备的历史运维数据;所述历史运维数据包括预设时间内的传感器历史采集数据和所述传感器历史采集数据对应的历史运维方案;构建预设机器学习模型,将所述预设机器学习模型确定为当前机器学习模型;所述预设机器学习模型包括分析模块和匹配模块;通过所述BIM三维模型加载所述传感器历史采集数据,基于所述分析模块,对所述传感器历史采集数据进行分析,得到历史分析结果;基于所述匹配模块,对所述历史分析结果进行匹配,得到预测运维方案;基于所述预测运维方案和所述历史运维方案确定损失值;当所述损失值大于预设阈值时,基于所述损失值进行反向传播,对所述当前机器学习模型进行更新以得到更新后的机器学习模型,将所述更新后的机器学习模型重新确定为所述当前机器学习模型;直至所述损失值小于所述预设阈值时,得到所述已训练的分析匹配模型。
8.根据权利要求5所述的装置,其特征在于,所述运维方案包括运维人数和运维措施;
所述确定模块,还用于基于所述维人数、所述运维措施和所述设备标识对应的设备类型,确定运维成本信息。
9.一种设备,其特征在于,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行如权利要求1-4任一项所述的基于BIM的电网数据运维方法。
10.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-4任一项所述的基于BIM的电网数据运维方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011498806.XA CN112560146A (zh) | 2020-12-16 | 2020-12-16 | 基于bim的电网数据运维方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011498806.XA CN112560146A (zh) | 2020-12-16 | 2020-12-16 | 基于bim的电网数据运维方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112560146A true CN112560146A (zh) | 2021-03-26 |
Family
ID=75063272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011498806.XA Pending CN112560146A (zh) | 2020-12-16 | 2020-12-16 | 基于bim的电网数据运维方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560146A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808367A (zh) * | 2021-09-11 | 2021-12-17 | 上海凯达安全技术工程有限公司 | 一种基于大数据服务的智慧安防系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135042A (zh) * | 2019-05-08 | 2019-08-16 | 国网江苏省电力有限公司信息通信分公司 | 一种信息机房的可视化集成管理方法 |
CN111786385A (zh) * | 2020-07-10 | 2020-10-16 | 广东电网有限责任公司 | 一种电网运维方案规划方法、系统及设备 |
CN111860900A (zh) * | 2020-08-14 | 2020-10-30 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于bim的数字孪生智慧机房管理方法、装置、设备及介质 |
-
2020
- 2020-12-16 CN CN202011498806.XA patent/CN112560146A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135042A (zh) * | 2019-05-08 | 2019-08-16 | 国网江苏省电力有限公司信息通信分公司 | 一种信息机房的可视化集成管理方法 |
CN111786385A (zh) * | 2020-07-10 | 2020-10-16 | 广东电网有限责任公司 | 一种电网运维方案规划方法、系统及设备 |
CN111860900A (zh) * | 2020-08-14 | 2020-10-30 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于bim的数字孪生智慧机房管理方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
张冰: ""基于BIM的地铁车站机电设备运维管理"", 《科学中国人》, 15 April 2015 (2015-04-15), pages 58 - 59 * |
赵德宁等: ""基于BIM的数字孪生智慧机房管理系统"", 《电子技术与软件工程》, no. 180, 31 May 2020 (2020-05-31), pages 169 - 170 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808367A (zh) * | 2021-09-11 | 2021-12-17 | 上海凯达安全技术工程有限公司 | 一种基于大数据服务的智慧安防系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Using the MD CAD model to develop the time–cost integrated schedule for construction projects | |
Nozhati et al. | Near-optimal planning using approximate dynamic programming to enhance post-hazard community resilience management | |
CN111860900A (zh) | 基于bim的数字孪生智慧机房管理方法、装置、设备及介质 | |
CN107018030A (zh) | 基于智能终端的移动网络故障分析系统 | |
CN114493049A (zh) | 基于数字孪生的产线优化方法、装置、电子设备及介质 | |
CN115619382B (zh) | 一种电力调度可视化管理方法及系统 | |
CN108897969A (zh) | 一种基于bim的设施维护自动调度的方法 | |
CN109117526A (zh) | 一种适用于机械系统设备维修指引数据记录及分析系统 | |
CN110445939A (zh) | 容量资源的预测方法及装置 | |
CN114021946A (zh) | 一种企业环保管家管理系统 | |
CN115062906A (zh) | 一种生产作业风险的智能评估方法及装置 | |
CN115511309A (zh) | 一种工程质量信息闭环管控方法及系统 | |
CN112560146A (zh) | 基于bim的电网数据运维方法、装置、设备及存储介质 | |
CN114565312A (zh) | 一种基于bim的输变电工程精细化施工管理方法 | |
CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
CN108664696B (zh) | 一种冷水机组运行状态的测评方法及装置 | |
CN111062827A (zh) | 一种基于人工智能模式的工程监理方法 | |
CN116523244A (zh) | 一种基于外包资源的测试人力风险预警方法 | |
CN110825466A (zh) | 一种程序卡顿的处理方法以及卡顿处理装置 | |
CN116128197A (zh) | 一种智慧机场管理系统和方法 | |
Azadeh et al. | Optimization of operator allocation in a large multi product assembly shop through unique integration of simulation and genetic algorithm | |
CN116128696A (zh) | 应急流程的检测方法、系统、电子设备及存储介质 | |
CN114462828A (zh) | 一种工程施工用安全预警监理系统及其监理方法 | |
CN115471215A (zh) | 一种业务流程处理方法及装置 | |
CN115277473A (zh) | 边缘网关的远程运维方法、装置、计算机设备、存储介质 |
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 |