CN113094244B - 一种用于数据中心的机房运行智能检测系统 - Google Patents
一种用于数据中心的机房运行智能检测系统 Download PDFInfo
- Publication number
- CN113094244B CN113094244B CN202110282241.XA CN202110282241A CN113094244B CN 113094244 B CN113094244 B CN 113094244B CN 202110282241 A CN202110282241 A CN 202110282241A CN 113094244 B CN113094244 B CN 113094244B
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- machine room
- image
- unit
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000010438 heat treatment Methods 0.000 claims abstract description 47
- 238000009423 ventilation Methods 0.000 claims abstract description 47
- 238000010276 construction Methods 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000004140 cleaning Methods 0.000 claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims description 40
- 238000012795 verification Methods 0.000 claims description 24
- 230000010354 integration Effects 0.000 claims description 18
- 238000013144 data compression Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 15
- 238000011056 performance test Methods 0.000 claims description 12
- 238000004378 air conditioning Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013524 data verification Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种用于数据中心的机房运行智能检测系统,包括:图像采集模块,获取机房内部设备图像,并判断设备是否满足施工工艺要求;功能检测模块,对机房内部设备进行运行检测;数据采集模块,采集机房内的电气数据、暖通数据以及弱电数据;数据处理模块,对所述数据采集模块采集的数据进行清洗分类处理,且判断机房运行是否合格,并在机房运行合格时,将处理后的数据进行存储;故障查找模块,快速查找故障原因以对应的解决方案,并将查找结果传输至运维终端。通过对机房内部设备的施工工艺以及对机房内部设备的运行性能进行检测,在机房运行不合格时查找出故障原因并提供相应的解决方案,快速排除故障,达到实时检测机房运行状况的目的。
Description
技术领域
本发明涉及机房运行检测系统技术领域,特别涉及一种用于数据中心的机房运行智能检测系统。
背景技术
目前,随着信息技术的高速发展和普及,计算机系统及通信设备数量迅猛增加,机房已经成为各类企事业单位业务管理的核心平台;配置了网络设备、计算机服务器及其他通信设备的机房成为数据交换与存储的重要场所,需要特别的措施加以防护。
目前许多机房的管理不得不采用24小时专人值班来定时巡查机房场地设备,这样不仅加重了管理人员的负担,而且往往不能及时查看机房运行是否合格,且不能在出现问题的时候及时查找过账原因,排除故障,为此,我们提出一种用于数据中心的机房运行智能检测系统。
发明内容
本发明提供一种用于数据中心的机房运行智能检测系统,用以对机房内部设备的施工工艺以及对机房内部设备的运行性能进行检测,在机房运行不合格时及时查找出故障原因并提供相应的解决方案,快速排除故障,达到实时检测机房运行状况的目的。
本发明提供了一种用于数据中心的机房运行智能检测系统,包括:
图像采集模块,用于获取机房内部设备图像,并根据所述设备图像判断所述设备是否满足施工工艺要求;
功能检测模块,用于当设备满足施工工艺要求时,进行运行检测;
数据采集模块,用于采集机房内的电气数据、暖通数据以及弱电数据;
数据处理模块,用于对采集的数据进行清洗分类处理,且根据处理后的数据判断机房运行是否合格,并在机房运行合格时,将处理后的数据进行存储;
故障查找模块,用于当机房运行不合格时,查找故障原因以对应的解决方案,并将查找结果传输至运维终端。
优选的,一种用于数据中心的机房运行智能检测系统,图像采集模块包括:
图像采集单元,用于采集机房内供配电系统、空调暖通系统、弱电系统的设备安装位置的图像,以及所述供配电系统、空调暖通系统、弱电系统所用的零件型号、尺寸大小以及系统各接口的图像;
图像比对单元,用于将采集到的图像与预设要求图像进行比对,判断所述机房内供配电系统、空调暖通系统、弱电系统的设备施工工艺是否满足施工工艺要求。
优选的,一种用于数据中心的机房运行智能检测系统,功能检测模块包括:
单机性能测试单元,用于对机房内部供配电系统、空调暖通系统、弱电系统设备的各部件进行单独测试,并得到单机性能测试数据;
系统联动测试单元,用于在所述机房内部供配电系统、空调暖通系统、弱电系统设备的各部件单独测试完成后对各个系统的联动功能进行测试,并得到联动功能测试数据;
单点故障及应急场景模拟单元,用于在各个系统的联动功能测试完成后,测试系统在单点故障时和应急场景下的抗风险能力,并得到抗风险能力测试数据;
功能判断单元,用于将所述单机性能测试数据、联动功能测试数据以及抗风险能力测试数据与对应的预设阈值进行判断;
结果输出单元,用于根据判断结果,确定所述单机性能测试数据、联动功能测试数据以及抗风险能力测试数据中任意一项在不满足预设阈值时,输出机房运行功能不合格。
优选的,一种用于数据中心的机房运行智能检测系统,数据采集模块包括:
数据配置单元,用于定义配置文件,其中,所述配置文件包括所述电气数据、暖通数据以及弱电数据的参数;
指令生成单元,用于根据所述配置文件,开启对机房内部电气设备、暖通设备以及弱电设备的数据采集任务,并根据所述数据采集任务,生成任务采集控制指令;
数据采集单元,用于根据所述任务采集控制指令,获取所述机房内部电气设备、暖通设备以及弱电设备在执行工作时的运行数据,并对采集到的数据与对应的设备之间建立映射关系。
优选的,一种用于数据中心的机房运行智能检测系统,数据处理模块包括:
数据整合单元,用于将采集到的所述电气数据、暖通数据以及弱电数据通过数据整合的方式整合至预设数据库,得到整合数据;
其中,所述数据整合包括基本整合、追加整合和合并整合;
数据格式化单元,用于根据预设的格式化规则对所述预设数据库中的所述整合数据进行格式化处理,得到待清洗数据;
数据获取单元,用于根据采集到的所述电气数据、暖通数据以及弱电数据获取机房内部电气设备、暖通设备以及弱电设备的历史工作性能参数的平均值,并根据所述历史工作性能参数的平均值计算边界调整参数;
第一计算单元,用于根据所述边界调整参数计算采集到的所述电气数据、暖通数据以及弱电数据的正常上界值以及正常下界值,并根据所述正常上界值以及正常下界值确定机房内部电气设备、暖通设备以及弱电设备正常工作时参数的波动范围,得到目标参数范围;
数据清洗单元,用于根据所述目标参数范围对所述待清洗数据进行清洗,剔除所述待清洗数据中不在所述目标范围内的数据,得到目标数据;
检验准备单元,用于获取所述目标数据,并确定所述目标数据的数据量,以及确定与所述数据量对应的校验规则;
其中,所述校验规则包括全字段校验规则、行信息校验规则、类型校验规则以及值校验规则;
数据校验单元,用于根据所述校验规则将所述目标数据与预设的标准数据进行有效性校验;
数据判定单元,用于当所述目标数据与预设的标准数据一致时,判断所述目标数据有效,否则判定目标数据无效;
第二计算单元,用于当所述目标数据有效时,根据所述目标数据生成初始相似度矩阵,并根据预设聚类算法以及所述初始相似度矩阵确定所述目标数据对应的目标准则函数;
数据训练单元,用于根据所述目标准则函数,从所述目标数据中确定数据分类特征,并对所述分类特征进行预处理,得到训练数据,同时,根据所述训练数据和预设的特征方案对所述目标数据进行训练,得到所述目标数据对应的特征值;
其中,所述预设的特征方案包括用于将所述目标数据分类时对应的参数;
目标方案确定单元,用于根据所述特征值对所述训练数据以及特征方案的参数进行调整,得到目标分类方案;
数据分类单元,用于根据所述目标分类方案对所述目标数据进行分类,得到最终的分类结果。
优选的,一种用于数据中心的机房运行智能检测系统,数据处理模块,还包括:
数据编码单元,用于获取清洗分类后的数据,并确定每一类中数据的数据信息,基于每一类中数据的数据信息对应的编码方式对每一类中数据的数据信息进行编码,得到每一类数据信息分别对应的编码数据;
数据压缩单元,用于将每一类中数据的数据信息分别对应的编码数据进行压缩处理,得到每一类数据对应的数据压缩包;
数据存储单元,用于获取所述数据压缩包的字节容量,并根据所述字节容量查找出用于存储所述数据压缩包的目标存储盘;
所述数据存储单元,还用于从所述目标存储盘中确定目标存储区域,并将所述数据压缩包存储至所述目标存储区域。
优选的,一种用于数据中心的机房运行智能检测系统,故障查找模块包括:
数据获取单元,用于当机房运行不合格时,获取机房内部设备的运行数据,并根据所述运行数据确定机房内部设备发生故障的故障类型;
数据匹配单元,用于根据所述故障类型从故障历史数据库中,检索是否存在与所述故障类型相匹配的故障原因以及对应的故障解决方案;
数据传输单元,用于在匹配成功时,将所述故障类型对应的故障原因以及对应的故障解决方案传输至运维终端;
原因排查单元,用于当匹配失败时,按照预设的故障原因对应的概率值的高低推荐最优故障原因以及相应的故障解决方案,并基于最优故障原因和相应的故障解决方案生成故障报表;
所述数据传输单元,还用于将生成的所述故障报表传输至所述运维终端。
优选的,一种用于数据中心的机房运行智能检测系统,图像采集模块还包括:
图像数据确定单元,用于根据获取到的机房内部设备图像,确定所述机房内部图像的幅面尺寸以及当前图像的分辨率;
第一数据比较单元,用于将确定的分辨率与预设分辨率进行比较,判断机房内部设备图像的分辨率是否合格;
区域锁定单元,用于当分辨率不合格时,根据获取到的机房内部设备图像锁定图像中的关键区域;
图像处理单元,用于对锁定的关键区域进行清晰度强调处理;
第三计算单元,用于计算经过清晰度强调处理后设备图像的当前清晰度:
其中,α表示经过清晰度强调处理后设备图像的当前清晰度;β表示清晰度调节因子,且取值范围为(0.56,0.85);δ表示机房设备图像调整清晰度之前图像的清晰度;ε表示机房设备图像调整清晰度之前的图像的精密值;θ表示机房设备图像调整清晰度之后图像的精密值;μ表示机房设备所处环境的明亮程度值;σ表示机房设备图像调整清晰度之前图像的灰度值;τ表示机房设备图像调整清晰度之后图像的灰度值;t表示采集机房设备图像时的曝光时间值;
第四计算单元,用于根据计算得到的设备图像的当前清晰度计算判断所述设备是否满足施工工艺要求的准确率:
其中,表示所述设备满足施工工艺要求的准确率,且取值范围为(0,1];α表示经过清晰度强调处理后设备图像的当前清晰度;ω表示准确率因子,且取值范围为(0.7,0.9);η表示机房设备图像中设备的尺寸与实际尺寸的换算比例;ρ表示机房设备图像中设备的长度值;θ表示施工工艺中要求的设备长度值;l表示机房设备图像中设备的宽度值;L表示施工工艺中要求的设备宽度值;h表示机房设备图像中设备的高度值;H表示施工工艺中要求的设备高度值;γ表示获取机房设备图像时图像获取装置与设备之间形成的水平夹角值,且γ的取值范围为(0,π);ζ表示误判率,且取值范围为(0.2,0.4);
第二数据比较单元,用于将计算得到的准确率预设准确率进行比较;
结果判定单元,用于当所述准确率大于或者等于所述预设准确率,判定计算得到的准确率合格,并完成对机房内设备的施工工艺检查;
所述结果判定单元,还用于当所述准确率小于所述预设准确率时,判定计算得到的准确率不合格,并将判定结果传输至所述图像处理单元;
所述图像处理单元,用于根据接收到的判定结果再次对设备图像进行清晰度强调处理,直至计算得到的准确率大于或者等于所述预设准确率,完成对机房内设备的施工工艺检查。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种用于数据中心的机房运行智能检测系统的结构图;
图2为本发明实施例中一种用于数据中心的机房运行智能检测系统中图像采集模块的结构图;
图3为本发明实施例中一种用于数据中心的机房运行智能检测系统中功能检测模块的结构图;
图4为本发明实施例中一种用于数据中心的机房运行智能检测系统中数据采集模块的结构图;
图5为本发明实施例中一种用于数据中心的机房运行智能检测系统中数据处理模块的结构图;
图6为本发明实施例中一种用于数据中心的机房运行智能检测系统中故障查找模块的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种用于数据中心的机房运行智能检测系统,如图1所示,包括:
图像采集模块,用于获取机房内部设备图像,并根据所述设备图像判断所述设备是否满足施工工艺要求;
功能检测模块,用于当设备满足施工工艺要求时,进行运行检测;
数据采集模块,用于采集机房内的电气数据、暖通数据以及弱电数据;
数据处理模块,用于对采集的数据进行清洗分类处理,且根据处理后的数据判断机房运行是否合格,并在机房运行合格时,将处理后的数据进行存储;
故障查找模块,用于当机房运行不合格时,速查找故障原因以对应的解决方案,并将查找结果传输至运维终端。
该实施例中,施工工艺要求指的是不带载条件下,根据施工招标文件、设计图纸和相关规范标准对机房楼中设施设备的现状进行检查,查看各部件的安装位置、安装工艺、施工质量以及设备的品牌、型号、性能参数等要求是否满足设计和相关规范要求;
带载条件下,确定设备在机房内的运行性能参数、功耗值以及安全系数是否满足设计和相关规范要求。
该实施例中,数据进行清洗指的是对采集到的设备的运行数据中的异常数据进行清除,其中异常数据可以是运行数据中的某段缺失部分数据的数据段、不符合设备历史运行数据范围的数据。
该实施例中,运维终端指的是根据查找到的故障原因以及解决方案对机房设备进行维修。
上述技术方案的有益效果是:通过对机房内部设备的施工工艺以及对机房内部设备的运行性能进行检测,在机房运行不合格时及时查找出故障原因并提供相应的解决方案,快速排除故障,达到实时检测机房运行状况的目的。
实施例2:
在上述实施例1的基础上,本实施例提供了一种用于数据中心的机房运行智能检测系统,如图2所示,图像采集模块包括:
图像采集单元,用于采集机房内供配电系统、空调暖通系统、弱电系统的设备安装位置的图像,以及所述供配电系统、空调暖通系统、弱电系统所用的零件型号、尺寸大小以及系统各接口的图像;
图像比对单元,用于将采集到的图像与预设要求图像进行比对,判断所述机房内供配电系统、空调暖通系统、弱电系统的设备施工工艺是否满足施工工艺要求。
上述技术方案的有益效果是:通过采集机房内部设备的图像,并与预设的要求图像进行比对,准确判断出机房设备是否满足施工工艺要求,便于在施工工艺合格的条件下,准确的对机房内部的设备运行情况进行检测,提高了检测的准确率。
实施例3:
在上述实施例1的基础上,本实施例提供了一种用于数据中心的机房运行智能检测系统,如图3所示,功能检测模块包括:
单机性能测试单元,用于对机房内部供配电系统、空调暖通系统、弱电系统设备的各部件进行单独测试,并得到单机性能测试数据;
系统联动测试单元,用于在所述机房内部供配电系统、空调暖通系统、弱电系统设备的各部件单独测试完成后对各个系统的联动功能进行测试,并得到联动功能测试数据;
单点故障及应急场景模拟单元,用于在各个系统的联动功能测试完成后,测试系统在单点故障时和应急场景下的抗风险能力,并得到抗风险能力测试数据;
功能判断单元,用于将所述单机性能测试数据、联动功能测试数据以及抗风险能力测试数据与对应的预设阈值进行判断;
结果输出单元,用于根据判断结果,确定所述单机性能测试数据、联动功能测试数据以及抗风险能力测试数据中任意一项在不满足预设阈值时,输出机房运行功能不合格。
该实施例中,联动功能进行测试指的是在机房内部相互连接的设备在相互作用下对整体的运行状况进行检测。
该实施例中,单点故障指的是机房设备内某个设备或某个零件出现的故障。
上述技术方案的有益效果是:通过对机房内部设备先进行单独测试,且在单独测试合格的条件下进行联动功能测试,确保了对单个设备和整体的性能进行准确的检测,同时在联动测试合格后验证机房出现故障和应急是的抗风险能力,确保了在机房运行过程中对机房进行全面的检测。
实施例4:
在上述实施例1的基础上,本实施例提供了一种用于数据中心的机房运行智能检测系统,如图4所示,数据采集模块包括:
数据配置单元,用于定义配置文件,其中,所述配置文件包括所述电气数据、暖通数据以及弱电数据的参数;
指令生成单元,用于根据所述配置文件,开启对机房内部电气设备、暖通设备以及弱电设备的数据采集任务,并根据所述数据采集任务,生成任务采集控制指令;
数据采集单元,用于根据所述任务采集控制指令,获取所述机房内部电气设备、暖通设备以及弱电设备在执行工作时的运行数据,并对采集到的数据与对应的设备之间建立映射关系。
该实施例中,配置文件内部包含需要获取机房内部各设备运行数据的标准参数,在对设备进行数据采集时,配置文件为数据采集提供了采集标准。
该实施例中,任务采集控制指令指的是来控制数据采集装置对机房内设备运行时的运行数据进行采集,控制数据采集装置的开启与停止。
该实施例中,映射关系指的是将采集到的设备的运行数据与设备进行一一对应,便于将采集到的运行数据与设备进行关联。
上述技术方案的有益效果是:通过配置文件对机房内部的设备进行数据采集,为分析机房设备运行状况提供了便利,便于根据数据发现机房内部设备是否发生故障,从而实现对机房运行状况的检测。
实施例5:
在上述实施例1的基础上,本实施例提供了一种用于数据中心的机房运行智能检测系统,如图5所示,数据处理模块包括:
数据整合单元,用于将采集到的所述电气数据、暖通数据以及弱电数据通过数据整合的方式整合至预设数据库,得到整合数据;
其中,所述数据整合包括基本整合、追加整合和合并整合;
数据格式化单元,用于根据预设的格式化规则对所述预设数据库中的所述整合数据进行格式化处理,得到待清洗数据;
第一数据获取单元,用于根据采集到的所述电气数据、暖通数据以及弱电数据获取机房内部电气设备、暖通设备以及弱电设备的历史工作性能参数的平均值,并根据所述历史工作性能参数的平均值计算边界调整参数;
第一计算单元,用于根据所述边界调整参数计算采集到的所述电气数据、暖通数据以及弱电数据的正常上界值以及正常下界值,并根据所述正常上界值以及正常下界值确定机房内部电气设备、暖通设备以及弱电设备正常工作时参数的波动范围,得到目标参数范围;
数据清洗单元,用于根据所述目标参数范围对所述待清洗数据进行清洗,剔除所述待清洗数据中不在所述目标范围内的数据,得到目标数据;
检验准备单元,用于获取所述目标数据,并确定所述目标数据的数据量,以及确定与所述数据量对应的校验规则;
其中,所述校验规则包括全字段校验规则、行信息校验规则、类型校验规则以及值校验规则;
数据校验单元,用于根据所述校验规则将所述目标数据与预设的标准数据进行有效性校验;
数据判定单元,用于当所述目标数据与预设的标准数据一致时,判断所述目标数据有效,否则判定目标数据无效;
第二计算单元,用于当所述目标数据有效时,根据所述目标数据生成初始相似度矩阵,并根据预设聚类算法以及所述初始相似度矩阵确定所述目标数据对应的目标准则函数;
数据训练单元,用于根据所述目标准则函数,从所述目标数据中确定数据分类特征,并对所述分类特征进行预处理,得到训练数据,同时,根据所述训练数据和预设的特征方案对所述目标数据进行训练,得到所述目标数据对应的特征值;
其中,所述预设的特征方案包括用于将所述目标数据分类时对应的参数;
目标方案确定单元,用于根据所述特征值对所述训练数据以及特征方案的参数进行调整,得到目标分类方案;
数据分类单元,用于根据所述目标分类方案对所述目标数据进行分类,得到最终的分类结果。
该实施例中,预设数据库是提前设定好的,用于放置对机房内电气数据、暖通数据以及弱电数据整合好后的整合数据,便于对机房内的设备进行分析。
该实施例中,预设的格式化规则包括:字符串格式化、数据格式化。
该实施例中,历史工作性能参数的平均值指的是对机房内部设备的历史工作参数进行计算,得到其工作性能参数的平均值。
该实施例中,边界调整参数指的是对机房内部设备在工作是的运行参数进行调节,确定机房内部设备运行参数的正常上下限值。
该实施例中,波动范围指的是机房内部设备在运行时,设备运行参数的上下变化区域。
该实施例中,目标数据指的是将机房内部设备的运行数据中不满足波动范围的数据进行剔除后得到的最终数据,目标数据为机房内部设备在运行时的有效数据。
该实施例中,预设的标准数据是预先设定好的,是用来判断清洗处理后设备的运行数据是否有效。
该实施例中,初始相似度矩阵指的是将目标数据放置于相似度矩阵中,便于根据目标数据确定用于数据分类的目标准则函数。
该实施例中,目标准则函数指的是用来从目标数据中确定需要分类的分类特征,实现根据分类特征将设备的运行数据进行分类。
该实施例中,数据分类特征指的是用来区分各个数据类别的标识信息,一个类别对应一个分类特征。
上述技术方案的有益效果是:通过将采集到的机房内部设备的运行数据进行清洗,并判断清洗后的数据是否有效,在有效的条件下将清洗后的数据进行分类,便于在对机房设备的运行状况检测时,快速根据数据类型匹配对应的设备,同时,便于根据数据类型,判断出机房设备发生故障的故障类型,提高了运维终端快速查找故障原因的速率,实现对机房运行的实时检测。
实施例6:
在上述实施例1的基础上,本实施例提供了一种用于数据中心的机房运行智能检测系统,如图5所示,数据处理模块,还包括:
数据编码单元,用于获取清洗分类后的数据,并确定每一类中数据的数据信息,基于每一类中数据的数据信息对应的编码方式对每一类中数据的数据信息进行编码,得到每一类数据信息分别对应的编码数据;
数据压缩单元,用于将每一类中数据的数据信息分别对应的编码数据进行压缩处理,得到每一类数据对应的数据压缩包;
数据存储单元,用于获取所述数据压缩包的字节容量,并根据所述字节容量查找出用于存储所述数据压缩包的目标存储盘;
所述数据存储单元,还用于从所述目标存储盘中确定目标存储区域,并将所述数据压缩包存储至所述目标存储区域。
该实施例中,数据信息指的是每一类数据中所办含的具体信息内容。
该实施例中,字节容量指的是将数据压缩处理后数据包的容量大小。
该实施例中,目标存储盘指的是用于存储数据压缩包的存储磁盘,例如电脑中有C盘、D盘、F盘等,目标存储盘为C盘。
该实施例中,目标存储区域指的是用于存储压缩包的具体位置,例如C盘中的具体某个文件夹。
上述技术方案的有益效果是:通过确定分类后的每一类数据的数据信息,并根据数据信息确定对应的编码形式,将数据进行编码压缩,并进行存储,便于为检测提供设备的历史运行数据,同时,便于根据存储的数据对设备进行分析,提高了对机房设备运行状况检测的准确度。
实施例7:
在上述实施例1的基础上,本实施例提供了一种用于数据中心的机房运行智能检测系统,如图6所示,故障查找模块包括:
第二数据获取单元,用于当机房运行不合格时,获取机房内部设备的运行数据,并根据所述运行数据确定机房内部设备发生故障的故障类型;
数据匹配单元,用于根据所述故障类型从故障历史数据库中,检索是否存在与所述故障类型相匹配的故障原因以及对应的故障解决方案;
数据传输单元,用于在匹配成功时,将所述故障类型对应的故障原因以及对应的故障解决方案传输至运维终端;
原因排查单元,用于当匹配失败时,按照预设的故障原因对应的概率值的高低推荐最优故障原因以及相应的故障解决方案,并基于最优故障原因和相应的故障解决方案生成故障报表;
所述数据传输单元,还用于将生成的所述故障报表传输至所述运维终端。
该实施例中,故障历史数据库内部存储机房设备可能发生故障的所有故障类型,是提前设定好的。
该实施例中,预设的故障原因对应的概率值是通过多次训练得到的,对机房设备可能发生的每一种故障类型赋予具体的概率值。
该实施例中,故障报表是用来记录机房设备发生故障的原因以及与故障原因对应的解决方案。
上述技术方案的有益效果是:通过获取机房设备发生故障时的运行数据,并根据运行数据确定故障类型,且根据故障类型从历史故障数据库中查找对应的故障原因以及解决方案,且在没有匹配的故障原因时,按照设备发生故障的概率从高到底进行一一排查,准确的查找出设备的故障原因以及相应的解决方案,并将故障原因以及方案传输至运维终端,便于及时发现设备的运行状况,实现对机房运行进行实时监测,且在出现故障时及时完成故障维修。
实施例8:
在上述实施例1的基础上,本实施例提供了一种用于数据中心的机房运行智能检测系统,如图2所示,图像采集模块还包括:
图像数据确定单元,用于根据获取到的机房内部设备图像,确定所述机房内部图像的幅面尺寸以及当前图像的分辨率;
第一数据比较单元,用于将确定的分辨率与预设分辨率进行比较,判断机房内部设备图像的分辨率是否合格;
区域锁定单元,用于当分辨率不合格时,根据获取到的机房内部设备图像锁定图像中的关键区域;
图像处理单元,用于对锁定的关键区域进行清晰度强调处理;
第三计算单元,用于计算经过清晰度强调处理后设备图像的当前清晰度:
其中,α表示经过清晰度强调处理后设备图像的当前清晰度;β表示清晰度调节因子,且取值范围为(0.56,0.85);δ表示机房设备图像调整清晰度之前图像的清晰度;ε表示机房设备图像调整清晰度之前的图像的精密值;θ表示机房设备图像调整清晰度之后图像的精密值;μ表示机房设备所处环境的明亮程度值;σ表示机房设备图像调整清晰度之前图像的灰度值;τ表示机房设备图像调整清晰度之后图像的灰度值;t表示采集机房设备图像时的曝光时间值;
第四计算单元,用于根据计算得到的设备图像的当前清晰度计算判断所述设备是否满足施工工艺要求的准确率:
其中,表示所述设备满足施工工艺要求的准确率,且取值范围为(0,1];α表示经过清晰度强调处理后设备图像的当前清晰度;ω表示准确率因子,且取值范围为(0.7,0.9);η表示机房设备图像中设备的尺寸与实际尺寸的换算比例;ρ表示机房设备图像中设备的长度值;θ表示施工工艺中要求的设备长度值;l表示机房设备图像中设备的宽度值;L表示施工工艺中要求的设备宽度值;h表示机房设备图像中设备的高度值;H表示施工工艺中要求的设备高度值;γ表示获取机房设备图像时图像获取装置与设备之间形成的水平夹角值,且γ的取值范围为(0,π);ζ表示误判率,且取值范围为(0.2,0.4);
第二数据比较单元,用于将计算得到的准确率预设准确率进行比较;
结果判定单元,用于当所述准确率大于或者等于所述预设准确率,判定计算得到的准确率合格,并完成对机房内设备的施工工艺检查;
所述结果判定单元,还用于当所述准确率小于所述预设准确率时,判定计算得到的准确率不合格,并将判定结果传输至所述图像处理单元;
所述图像处理单元,用于根据接收到的判定结果再次对设备图像进行清晰度强调处理,直至计算得到的准确率大于或者等于所述预设准确率,完成对机房内设备的施工工艺检查。
该实施例中,幅面尺寸指的是机房内部设备图像的长度、宽度以及图像中的设备距离图像边缘的距离。
该实施例中,清晰度强调处理指的是根据图像的当前清晰度,对图像的清晰度进行调整,使得图像更加清洗。
该实施例中,预设准确率是是经过多次训练得到的。,用来衡量计算得到的准确的程度。
该实施例中,关键区域指的是采集到的机房设备图像中,只包含设备图像的区域为称为关键区域。
上述技术方案的有益效果是:通过计算经过清晰度强调处理后设备图像的当前清晰度,并根据图像的当前清晰度计算判断设备是否满足施工工艺要求的准确率。在计算清晰度时,涉及图像调整以前的清晰度、调整以前的分辨率以及调整以后的分辨率,确保计算得到的图像当前的清晰度准确可靠,在计算准确率时,涉及采集到的图像中的设备尺寸与施工工艺要求的尺寸之比以及在判断时的误判率,使得计算得到的准确率准确可信,通过计算准确率,提高了在对机房设备施工工艺检验时的准确度,为检测机房运行状况提供了便利。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种用于数据中心的机房运行智能检测系统,其特征在于,包括:
图像采集模块,用于获取机房内部设备图像,并根据所述设备图像判断设备是否满足施工工艺要求;
功能检测模块,用于当设备满足施工工艺要求时,进行运行检测;
数据采集模块,用于采集机房内的电气数据、暖通数据以及弱电数据;
数据处理模块,用于对采集的数据进行清洗分类处理,且根据处理后的数据判断机房运行是否合格,并在机房运行合格时,将处理后的数据进行存储;
故障查找模块,用于当机房运行不合格时,查找故障原因以及对应的解决方案,并将查找结果传输至运维终端;
数据处理模块包括:
数据整合单元,用于将采集到的所述电气数据、暖通数据以及弱电数据通过数据整合的方式整合至预设数据库,得到整合数据;
其中,所述数据整合包括基本整合、追加整合和合并整合;
数据格式化单元,用于根据预设的格式化规则对所述预设数据库中的所述整合数据进行格式化处理,得到待清洗数据;
第一数据获取单元,用于根据采集到的所述电气数据、暖通数据以及弱电数据获取机房内部电气设备、暖通设备以及弱电设备的历史工作性能参数的平均值,并根据所述历史工作性能参数的平均值计算边界调整参数;
第一计算单元,用于根据所述边界调整参数计算采集到的所述电气数据、暖通数据以及弱电数据的正常上界值以及正常下界值,并根据所述正常上界值以及正常下界值确定机房内部电气设备、暖通设备以及弱电设备正常工作时参数的波动范围,得到目标参数范围;
数据清洗单元,用于根据所述目标参数范围对所述待清洗数据进行清洗,剔除所述待清洗数据中不在所述目标参数范围内的数据,得到目标数据;
检验准备单元,用于获取所述目标数据,并确定所述目标数据的数据量,以及确定与所述数据量对应的校验规则;
其中,所述校验规则包括全字段校验规则、行信息校验规则、类型校验规则以及值校验规则;
数据校验单元,用于根据所述校验规则将所述目标数据与预设的标准数据进行有效性校验;
数据判定单元,用于当所述目标数据与预设的标准数据一致时,判断所述目标数据有效,否则判定目标数据无效;
第二计算单元,用于当所述目标数据有效时,根据所述目标数据生成初始相似度矩阵,并根据预设聚类算法以及所述初始相似度矩阵确定所述目标数据对应的目标准则函数;
数据训练单元,用于根据所述目标准则函数,从所述目标数据中确定数据分类特征,并对所述分类特征进行预处理,得到训练数据,同时,根据所述训练数据和预设的特征方案对所述目标数据进行训练,得到所述目标数据对应的特征值;
其中,所述预设的特征方案包括用于将所述目标数据分类时对应的参数;
目标方案确定单元,用于根据所述特征值对所述训练数据以及特征方案的参数进行调整,得到目标分类方案;
数据分类单元,用于根据所述目标分类方案对所述目标数据进行分类,得到最终的分类结果。
2.根据权利要求1所述的一种用于数据中心的机房运行智能检测系统,其特征在于,图像采集模块包括:
图像采集单元,用于采集机房内供配电系统、空调暖通系统、弱电系统的设备安装位置的图像,以及所述供配电系统、空调暖通系统、弱电系统所用的零件型号、尺寸大小以及系统各接口的图像;
图像比对单元,用于将采集到的图像与预设要求图像进行比对,判断所述机房内供配电系统、空调暖通系统、弱电系统的设备施工工艺是否满足施工工艺要求。
3.根据权利要求1所述的一种用于数据中心的机房运行智能检测系统,其特征在于,功能检测模块包括:
单机性能测试单元,用于对机房内部供配电系统、空调暖通系统、弱电系统设备的各部件进行单独测试,并得到单机性能测试数据;
系统联动测试单元,用于在所述机房内部供配电系统、空调暖通系统、弱电系统设备的各部件单独测试完成后对各个系统的联动功能进行测试,并得到联动功能测试数据;
单点故障及应急场景模拟单元,用于在各个系统的联动功能测试完成后,测试系统在单点故障时和应急场景下的抗风险能力,并得到抗风险能力测试数据;
功能判断单元,用于将所述单机性能测试数据、联动功能测试数据以及抗风险能力测试数据与对应的预设阈值进行判断;
结果输出单元,用于根据判断结果,确定所述单机性能测试数据、联动功能测试数据以及抗风险能力测试数据中任意一项在不满足预设阈值时,输出机房运行功能不合格。
4.根据权利要求1所述的一种用于数据中心的机房运行智能检测系统,其特征在于,数据采集模块包括:
数据配置单元,用于定义配置文件,其中,所述配置文件包括所述电气数据、暖通数据以及弱电数据的参数;
指令生成单元,用于根据所述配置文件,开启对机房内部电气设备、暖通设备以及弱电设备的数据采集任务,并根据所述数据采集任务,生成任务采集控制指令;
数据采集单元,用于根据所述任务采集控制指令,获取所述机房内部电气设备、暖通设备以及弱电设备在执行工作时的运行数据,并对采集到的数据与对应的设备之间建立映射关系。
5.根据权利要求1所述的一种用于数据中心的机房运行智能检测系统,其特征在于,数据处理模块,还包括:
数据编码单元,用于获取清洗分类后的数据,并确定每一类中数据的数据信息,基于每一类中数据的数据信息对应的编码方式对每一类中数据的数据信息进行编码,得到每一类数据信息分别对应的编码数据;
数据压缩单元,用于将每一类中数据的数据信息分别对应的编码数据进行压缩处理,得到每一类数据对应的数据压缩包;
数据存储单元,用于获取所述数据压缩包的字节容量,并根据所述字节容量查找出用于存储所述数据压缩包的目标存储盘;
所述数据存储单元,还用于从所述目标存储盘中确定目标存储区域,并将所述数据压缩包存储至所述目标存储区域。
6.根据权利要求1所述的一种用于数据中心的机房运行智能检测系统,其特征在于,故障查找模块包括:
第二数据获取单元,用于当机房运行不合格时,获取机房内部设备的运行数据,并根据所述运行数据确定机房内部设备发生故障的故障类型;
数据匹配单元,用于根据所述故障类型从故障历史数据库中,检索是否存在与所述故障类型相匹配的故障原因以及对应的故障解决方案;
数据传输单元,用于在匹配成功时,将所述故障类型对应的故障原因以及对应的故障解决方案传输至运维终端;
原因排查单元,用于当匹配失败时,按照预设的故障原因对应的概率值的高低推荐最优故障原因以及相应的故障解决方案,并基于最优故障原因和相应的故障解决方案生成故障报表;
所述数据传输单元,还用于将生成的所述故障报表传输至所述运维终端。
7.根据权利要求1所述的一种用于数据中心的机房运行智能检测系统,其特征在于,图像采集模块包括:
图像数据确定单元,用于根据获取到的机房内部设备图像,确定所述机房内部图像的幅面尺寸以及当前图像的分辨率;
第一数据比较单元,用于将确定的分辨率与预设分辨率进行比较,判断机房内部设备图像的分辨率是否合格;
区域锁定单元,用于当分辨率不合格时,根据获取到的机房内部设备图像锁定图像中的关键区域;
图像处理单元,用于对锁定的关键区域进行清晰度强调处理;
第三计算单元,用于计算经过清晰度强调处理后设备图像的当前清晰度:
;
其中,表示经过清晰度强调处理后设备图像的当前清晰度;/>表示清晰度调节因子,且取值范围为(0.56,0.85);/>表示机房设备图像调整清晰度之前图像的清晰度;/>表示机房设备图像调整清晰度之前的图像的精密值;/>表示机房设备图像调整清晰度之后图像的精密值;/>表示机房设备所处环境的明亮程度值;/>表示机房设备图像调整清晰度之前图像的灰度值;/>表示机房设备图像调整清晰度之后图像的灰度值;/>表示采集机房设备图像时的曝光时间值;
第四计算单元,用于根据计算得到的设备图像的当前清晰度计算判断所述设备是否满足施工工艺要求的准确率:
;
其中,表示所述设备满足施工工艺要求的准确率,且取值范围为(0,1];/>表示经过清晰度强调处理后设备图像的当前清晰度;/>表示准确率因子,且取值范围为(0.7,0.9);/>表示机房设备图像中设备的尺寸与实际尺寸的换算比例;/>表示机房设备图像中设备的长度值;/>表示施工工艺中要求的设备长度值;/>表示机房设备图像中设备的宽度值;/>表示施工工艺中要求的设备宽度值;/>表示机房设备图像中设备的高度值;/>表示施工工艺中要求的设备高度值;/>表示获取机房设备图像时图像获取装置与设备之间形成的水平夹角值,且/>的取值范围为(0,/>);/>表示误判率,且取值范围为(0.2,0.4);
第二数据比较单元,用于将计算得到的准确率与预设准确率进行比较;
结果判定单元,用于当所述准确率大于或者等于所述预设准确率,判定计算得到的准确率合格,并完成对机房内设备的施工工艺检查;
所述结果判定单元,还用于当所述准确率小于所述预设准确率时,判定计算得到的准确率不合格,并将判定结果传输至所述图像处理单元;
所述图像处理单元,根据接收到的判定结果再次对设备图像进行清晰度强调处理,直至计算得到的准确率大于或者等于所述预设准确率,完成对机房内设备的施工工艺检查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110282241.XA CN113094244B (zh) | 2021-03-16 | 2021-03-16 | 一种用于数据中心的机房运行智能检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110282241.XA CN113094244B (zh) | 2021-03-16 | 2021-03-16 | 一种用于数据中心的机房运行智能检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113094244A CN113094244A (zh) | 2021-07-09 |
CN113094244B true CN113094244B (zh) | 2023-11-28 |
Family
ID=76668168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110282241.XA Active CN113094244B (zh) | 2021-03-16 | 2021-03-16 | 一种用于数据中心的机房运行智能检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113094244B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115795606A (zh) * | 2022-11-22 | 2023-03-14 | 财拓云计算(上海)有限公司 | 数据中心构建方法、数据中心和数据中心构建系统 |
CN116088394B (zh) * | 2023-03-03 | 2023-12-26 | 青岛前海智能印刷机械有限公司 | 一种基于物联网的智能弱电设备控制系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917598A (zh) * | 2010-07-21 | 2010-12-15 | 深圳市共济科技有限公司 | 一种显示真实场景的监控系统及其实现方法 |
CN109062756A (zh) * | 2018-07-09 | 2018-12-21 | 何思阳 | 一种数据中心集中预警监测的方法和系统 |
WO2019036924A1 (zh) * | 2017-08-22 | 2019-02-28 | 深圳企管加企业服务有限公司 | 基于物联网的机房设备故障预警系统 |
CN109445371A (zh) * | 2018-12-07 | 2019-03-08 | 新疆信息产业有限责任公司 | 机房设备运行状态自动告警装置、系统及方法 |
CN109815998A (zh) * | 2019-01-08 | 2019-05-28 | 科大国创软件股份有限公司 | 一种基于yolo算法的ai装维巡检方法及系统 |
CN111609883A (zh) * | 2020-05-20 | 2020-09-01 | 合肥惠科达信息科技有限责任公司 | 一种基于大数据的通信机房防护监测管理系统 |
-
2021
- 2021-03-16 CN CN202110282241.XA patent/CN113094244B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917598A (zh) * | 2010-07-21 | 2010-12-15 | 深圳市共济科技有限公司 | 一种显示真实场景的监控系统及其实现方法 |
WO2019036924A1 (zh) * | 2017-08-22 | 2019-02-28 | 深圳企管加企业服务有限公司 | 基于物联网的机房设备故障预警系统 |
CN109062756A (zh) * | 2018-07-09 | 2018-12-21 | 何思阳 | 一种数据中心集中预警监测的方法和系统 |
CN109445371A (zh) * | 2018-12-07 | 2019-03-08 | 新疆信息产业有限责任公司 | 机房设备运行状态自动告警装置、系统及方法 |
CN109815998A (zh) * | 2019-01-08 | 2019-05-28 | 科大国创软件股份有限公司 | 一种基于yolo算法的ai装维巡检方法及系统 |
CN111609883A (zh) * | 2020-05-20 | 2020-09-01 | 合肥惠科达信息科技有限责任公司 | 一种基于大数据的通信机房防护监测管理系统 |
Non-Patent Citations (1)
Title |
---|
数据中心机房综合监控系统解决方案;路宗雷;李涛;;智能建筑与城市信息(08);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113094244A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111555716B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN113094244B (zh) | 一种用于数据中心的机房运行智能检测系统 | |
CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN111209434A (zh) | 一种基于多源异构数据融合的变电站设备巡检系统及方法 | |
CN115395646B (zh) | 一种数字孪生式牵引变电所智慧运维系统 | |
CN112711757B (zh) | 一种基于大数据平台的数据安全集中管控方法及系统 | |
CN111046942A (zh) | 一种道岔故障判断方法及装置 | |
CN114255784A (zh) | 一种基于声纹识别的变电站设备故障诊断方法及相关装置 | |
CN113343998A (zh) | 电力机械表计读数监测系统、方法、计算机设备及应用 | |
CN113010394B (zh) | 一种用于数据中心的机房故障检测方法 | |
CN113657747B (zh) | 一种企业安全生产标准化级别智能评定系统 | |
CN115051310A (zh) | 一种电路故障分析智能断电开关系统及方法 | |
CN117171694B (zh) | 一种基于ai技术的配电场景安全识别系统 | |
CN115984158A (zh) | 缺陷分析方法、装置、电子设备及计算机可读存储介质 | |
CN117061555A (zh) | 一种基于配电通信网智能感知数据监测系统 | |
CN107563528A (zh) | 一种加强ems系统防御与快速愈合的智能运维系统 | |
CN117113135A (zh) | 一种可对异常数据整理分类的碳排放异常监测分析系统 | |
CN116416665A (zh) | 基于安防系统的人脸识别方法、装置及存储介质 | |
CN111498630B (zh) | 一种远程的电梯检验视频辅助的诊断方法 | |
CN115439103A (zh) | 一种基于签名规范验证的工作票验证管理方法 | |
CN114358165A (zh) | 基于多源数据融合的预防光伏组件接地故障的检测方法 | |
CN114764867A (zh) | 基于图像主特征提取的风机故障诊断系统、方法及应用 | |
CN107450030B (zh) | 一种通信蓄电池遥测数据处理方法、装置及系统 | |
CN114333179B (zh) | 一种基于大数据技术的金融终端故障预判警示方法及系统 | |
CN114333180B (zh) | 一种基于区块链技术的金融自助设备检修方法 |
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 |