具体实施方式
本申请实施例通过提供一种基于大数据和数字孪生的电池储能站监测方法及系统,解决了现有技术中存在电池储能站的监测不够完善,无法准确对热失控进行智能化数据分析,安全控制可靠性较低且效率不高的技术问题,达到了以大数据为驱动,以数字孪生作为手段通过多模型对电池储能站进行数字化管理和监测,提高热失控数据分析的准确性,进而提高监测效率和安全控制的可靠性的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
近年来,电化学储能技术已经在电力系统中的发电、辅助服务、输配电、可再生能源接入,分布式能源存储及终端用户等多个领域得到广泛应用,使得电池储能技术日趋成熟,成为当前研究的热点。由于电池储能技术具有提高电能质量、削峰填谷、调峰调频、提高供电能力和电网稳定性多个特征,为响应智能化的应用需求,从而对电池储能站的管理水平提出了更高的要求。但现有技术中存在电池储能站的监测不够完善,无法准确对热失控进行智能化数据分析,安全控制可靠性较低且效率不高的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于大数据和数字孪生的电池储能站监测方法,其中,所述方法应用于一种电池储能站智能监测系统,所述系统与第一仿真系统通信连接,所述方法包括:获得电池储能电站的全要素信息;根据所述全要素信息和所述第一仿真系统,构建第一数字孪生模型,其中,所述第一数字孪生模型包括三维模型、数据模型和机理模型,且模型之间存在连接关系;通过对所述第一数字孪生模型进行动态更新,获得第二数字孪生模型;获得所述电池储能电站的失效行为数据;根据所述失效行为数据,构建第一电站监测模型,其中,所述第一电站监测模型包括监测模型、分析模型和报警模型,且模型之间存在连接关系;根据所述第二数字孪生模型和所述第一电站监测模型对所述电池储能电站进行智能监测。
在介绍了本申请基本原理后,下面结合附图,对本申请的实施例进行描述。本领域普通技术人员可知,随着技术的发展和新场景的出现,本申请实施例提供的技术方案对于类似的技术问题同样适用。
实施例一
如图1所示,本申请实施例提供了一种基于大数据和数字孪生的电池储能站监测方法,其中,所述方法应用于一种电池储能站智能监测系统,所述系统与第一仿真系统通信连接,所述方法包括:
步骤S100:获得电池储能电站的全要素信息;
具体而言,所述全要素信息是对所述电池储能电站中所有要素进行采集获得的信息,其中,所述全要素信息为电池储能电站物理实体的各个组成部件信息、所处空间环境要素等信息,从而根据全要素信息进行数字化的仿真,通过对全要素信息进行采集进而为之后进行数字孪生建模提供比对基础,提高建模准确性。
步骤S200:根据所述全要素信息和所述第一仿真系统,构建第一数字孪生模型,其中,所述第一数字孪生模型包括三维模型、数据模型和机理模型,且模型之间存在连接关系;
具体而言,所述第一数字孪生模型是将电池储能电站的所有要素的物理实体进行虚拟空间的映射,并且能够准确反应电池储能电站实体的集合形状、外观等、并且还包括物理特性,能够与物理实体进行同步,进而实现准确的预测,其中,数字孪生是对真实锂离子电池储能系统物理对象或过程的动态和持续更新的表示。
进一步的,所述三维模型可以通过三维几何建模软件建立,支持各部件的造型、装配体效果、运检作业指导的流程、以及交互界面的设计,支持模型库导入导出、支持光照与透明等渲染效果,还支持支持设备三维模型与动态的生产数据的融合展示。所述数据模型包括设备信息模型、管理信息模型和业务规则模型等,基础数据准备,开展大数据采集、清洗、处理和接入模型等工作;所述机理模型是根据单体电池失效机理、电池组电均衡机理、储能系统热失控机理、储能系统电力运行机理等进行建模获得的。进一步的,所述三维模型、数据模型和机理模型之间包括一定的连接关系,其中,所述三维模型通过对电站的物理参数进行数字化构建,进而将构建的数字化结构输送至机理模型中进行机理构建,且机理模型在进行数字化电站建立时,需要通过所述数据模型对进行数字训练以输入至所述机理模型中,从而通过模型之间的连接关系,提高数字化建立的数字准确性,达到了通过建立储能站数字孪生模型,对蓄电池、PCS换流器和交流系统进行图形化、可视化、交互化虚拟展现,为对锂电池储能系统控制保护功能的正确性和可靠性进行测试提供精准映射的虚拟环境。
步骤S300:通过对所述第一数字孪生模型进行动态更新,获得第二数字孪生模型;
具体而言,通过对电池储能电站的历史数据进行分析,从而确定实时运行的主要特征,由于在实际环境的动态运行下与静态运行下会出现一些数据的偏差,或者周围环境会对其实时运行状态产生影响,因此,需要基于各种因素影响的情况下对数字孪生模型进行动态更新,根据更新数据以保持数字孪生模型的使用性,因此,通过对所述第一数字孪生模型的动态更新能够提高数字孪生模型构建的准确性,提高安全控制的可靠性。
步骤S400:获得所述电池储能电站的失效行为数据;
具体而言,所述电池储能电站的失效行为数据是通过将所述电池储能电站的历史行为数据和数字孪生模型中获得的虚拟模拟行为数据综合进行失效分析获得的数据信息,由于模型之间具有连接关系,可以完成模型之间的数据传输和处理,因此,通过数字孪生模型中的机理模型对单体电池失效机理、电池组电均衡机理、储能系统热失控机理、储能系统电力运行机理等进行失效行为的分析并集合物理实体的主要行为数据,从而保证了数据来源的可靠性和准确性。
步骤S500:根据所述失效行为数据,构建第一电站监测模型,其中,所述第一电站监测模型包括监测模型、分析模型和报警模型,且模型之间存在连接关系;
具体而言,所述第一电站监测模型基于失效行为数据对所述电池储能电站进行监测,从而完成对应的失效预测、评估、诊断、分析等,其中,所述第一电站监测模型中又包括了多个模型以实现综合的监测,实现运行阶段应用的多功能的在线检测、预测和预警。
进一步的,根据锂电池失效机理,研究循环容量损失、内阻增加、内短路、热失控、日历失效等失效行为对应的监测量及检测技术,研究监测量趋势变化与预测分析模型,根据锂电池热失控机理,研究热失控行为对应的监测量及检测技术,研究热失控预测模型,根据电池组均衡机理,研究电池组不平衡状态监测模型,研究储能系统的主要设备状态监测与诊断分析模型,根据热扩散和烟气扩散机理,研究储能系统热失控监测与评估分析模型。其中,监测模型、分析模型和报警模型之间存在连接关系,模型之间的可以实现数据的传输从而为其他模型的分析提供决策数据,详细来说,通过监测模型进行数据的监测并将检测数据传输至连接的所述分析模型进行数据的功能化或风险分析,进一步的将分析的数据输入所述报警模型中进行报警风险识别,实现模型连接的多应用功能,包括基础管理、试验支持和运行支持等功能,全面实现锂电池储能系统的仿真、试验、监视、告警、分析、预测、预警、优化等应用,进而通过多应用功能实现综合监测。
步骤S600:根据所述第二数字孪生模型和所述第一电站监测模型对所述电池储能电站进行智能监测。
具体而言,通过所述第二数字孪生模型对电池储能电站物理世界、虚拟空间的相互映射、协同交互,进而构建形成基于数据驱动、软件定义、平台支撑、虚实交互的储能系统数字孪生体,基于动态更新后的数字孪生模型,使得系统能够精准映射、模拟仿真、虚实交互、智能干预等,更好地推动储能锂离子电池的失效分析、在线检测、状态预测和预警以及热失控行为研究。进行智能监测最终实现储能系统从设计、建设到管理的全过程、全要素数字化和虚拟化、全状态实时化和可视化、运检协同化和智能化,实现储能系统全时、多域、量化的全景视图和各领域视图,实现储能运行状态可监测、可分析、可评价、可推演、可预测,达到了提高热失控数据分析的准确性,进而提高监测效率和安全控制的可靠性的技术效果。
进一步而言,如图2所示,所述根据所述全要素信息和所述第一仿真系统,构建第一数字孪生模型,其中,所述第一数字孪生模型包括三维模型、数据模型和机理模型,且模型之间存在连接关系,本申请实施例步骤S200还包括:
步骤S210:通过对所述三维模型进行质量评估,获得第一评估结果;
步骤S220:根据所述第一评估结果判断所述三维模型的质量是否满足预设质量需求;
步骤S230:当所述三维模型的质量不满足所述预设质量需求时,获得第一更新指令;
步骤S240:构建纹理特征库、环境素材库和光照添加库;
步骤S250:根据所述第一更新指令,基于所述纹理特征库、所述环境素材库和所述光照添加库对所述三维模型进行渲染更新。
具体而言,由于三维模型可以通过三维几何建模软件建立,为了保证三维模型的构建质量,可以对构建的三维模型进行质量评估,其中,质量评估主要是根据模型建立的设计需求进行评估,通过对几何尺寸和空间数据等多组数据进行分析,当评估结果不满足预设质量需求时,可以通过渲染进一步提高三维模型的构建质量,构建所述纹理特征库可以通过对电池储能电站进行纹理图像识别,从而基于纹理特征进行构建,所述环境素材库可以基于设计需求等级进行环境素材的筛选,当设计需求等级较高时,增加环境素材的细化程度,进而进一步完善模型质量,光照和透明度的添加能够真实的模拟物理实体的渲染效果,从而能够通过提高渲染需求满足用户需求设计等级,提高三维模型的构建质量,进一步达到了通过多因素质量分析提高监测数据准确性的技术效果。
进一步而言,如图3所示,所述通过对所述第一数字孪生模型进行动态更新,获得第二数字孪生模型,本申请实施例步骤S300还包括:
步骤S310:根据所述第一数字孪生模型,获得所述电池储能电站的数字孪生体;
步骤S320:根据所述数字孪生体,获得第一虚拟仿真数据;
步骤S330:基于传感器获得所述电池储能电站的第一运行反馈数据;
步骤S340:根据所述第一运行反馈数据和所述第一虚拟仿真数据对所述数字孪生模型进行更新,获得所述第二数字孪生模型。
具体而言,通过采集数字孪生体的虚拟仿真数据和电池储能电站的实时运行反馈数据,其中,反馈数据通过加装锂电池储能系统动环传感器和智能终端接入实现,再进行适应性的分析,当存在一定的模拟数据差时,通过对构建的模型进行动态的更新提高模型构建的准确性,进一步的,其中,更新数据以历史数据、实验决策数据、以及大数据和人工智能的结合,同时对外界环境对实际运行的差距,比如环境温度设置和材料特性限制以及操作流程变化等数据不断完成更新,提高分析质量,通过大数据分析方法和人工智能的深入结合,支持虚拟数据与真实数据的连接,使得数字孪生模型可以提供准确的智能决策,比如系统在特殊外部条件下的反应,可以通过对数字孪生体进行检测,避免了对本体的影响,将对应的检测结果作用与电池储能电站,从而获得有效决策数据的同时,还可以提高效率、节约成本。
进一步而言,其中,如图4所示,本申请实施例步骤S400还包括:
步骤S410:根据所述监测模型,获得第一失效监测数据组;
步骤S420:将所述第一失效监测数据组输入所述分析模型中进行数据分析,根据所述分析模型,获得第一数据分析结果;
步骤S430:判断所述第一数据分析结果是否满足预设报警条件;
步骤S440:当所述第一数据分析结果满足所述预设报警条件,获得第一报警信息。
具体而言,失效监测数据组是根据机理模型中的失效机理进行对应参数的提取,从而将对应的参数作为失效监测数据组,包括多组监测数据,通过监测模型对失效数据进行监测后将获得的监测数据作为输入数据输入到分析模型中进行数据分析,其中,分析模型中存储有电池储备电站的历史运行数据,从而获得数据特征,再将实时监测的数据与历史运行数据进行分析,根据其数据分析结果判断是否存在失效异常数据,当存在失效异常数据时可以进一步的进行误差分析,当减去误差系数时失效异常数据达到了提前设置的报警条件,进而报警模型获得对应报警信息实现智能化报警,进而基于模型的连接传输性能,达到了优化系统报警性能的技术效果。
进一步而言,如图5所示,其中,所述当所述第一数据分析结果满足所述预设报警条件,获得第一报警信息,本申请实施例步骤S440还包括:
步骤S441:将所述第一数据分析结果输入所述报警模型,根据所述报警模型,获得第一报警等级;
步骤S442:根据所述第一报警等级,确定第一报警方式;
步骤S443:通过对所述第一数据分析结果进行热失控风险系数预测,获得第一预测数据,其中,所述第一预测数据为热失控风险系数;
步骤S444:将所述第一预测数据作为附加信息存储至所述第一报警信息中;
步骤S445:根据所述第一报警方式和所述第一报警信息进行报警。
具体而言,当所述第一数据结果存在数据异常时,根据其数据的异常等级以及失效对应的机理进行分析,获得所述报警模型根据其异常数据的异常指数确定对应的报警等级,由于根据不同的异常指数对应不同的报警等级,当异常指数较高时表示目前失效的风险较大,采取较高的报警方式进行报警,当异常指数较低时表示存在较小的失效风险,因此采取对应等级的报警方式进行报警,其中,不同的报警等级中对应有不同的报警方式,比如报警信号的确定,报警信号频率的确定、报警发送人员的确定,其中,报警发送人员是通过连接人员管理模块进行对应管理角色的选择,根据异常数据的失效属性进行角色确定,达到了数据的有效分析和预测,实现智能化报警。
进一步而言,如图6所示,本申请实施例S410还包括:
步骤S411:获得第一锂电池的容量损失数据,其中,所述容量损失数据包括可逆容量损失数据和不可逆容量损失数据;
步骤S412: 获得所述可逆容量损失数据和所述不可逆容量损失数据的数据占比信息,将所述占比信息作为第一监测数据;
步骤S413:获得所述第一锂电池的内阻变化信息,将所述内阻变化信息作为第二监测数据;步骤S414:基于所述第一监测数据和所述第二监测数据进行所述第一锂电池的容量损失评估,获得第二评估结果,所述第二评估结果为容量损失评估结果。
具体而言,根据锂电池失效机理,电池循环容量损失的进行监测量分析和检测技术的确定,一般电池的容量损失分为可逆容量损失和不可逆容量损失,可逆容量损失为经过后续的循环容量可以恢复过来的损失,不可逆的容量损失需要进一步的完成分析。因此,分别对可逆容量损失和不可逆容量损失进行损失数据的监测,基于分别在总损失容量的占比数据作为监测数据进行分析,其中,进行容量损失评估通过多个评估指标进行评估,其中多个评估指标包括根据不可逆损失的占比数据变化系数、损失数据大小、循环稳定性能指标进行评估,进一步的,评估是基于评估分析模型进行数据监督学习完成的,通过数据的智能化处理从而获得第二评估结果,根据评估结果进行失效的预测,从而完成准确、有效的评估。
进一步而言,如图7所示,其中,所述通过对所述第一数据分析结果进行热失控风险系数预测,获得第一预测数据,本申请实施例S443还包括:
步骤S4431:通过对所述第一数据分析结果进行筛选,获得多个特征参数,其中,所述多个特征参数为与热失控关联的特征数据;
步骤S4432:根据所述多个特征参数,构建多个特征曲线,其中,所述多个特征参数与所述多个特征曲线对应;
步骤S4433:根据所述多个特征曲线进行温度指标分析后进行权重计算,获得热扩散风险系数;
步骤S4434:当所述热扩散风险系数等于预设热扩散风险系数阈值时,将所述多个特征参数对应的异常数据进行预管理。
具体而言,通过监测模型和分析模型将获得的第一数据分析结果通过热失控预测模块进行热失控数据筛选,从而获得热失控的监测特征参数,比如根据热扩散原理和烟气扩散的原理,将对应的参数提取生成特征数据,其中,热失控预测模块能够调用失控风险预测模型进行数据的智能化处理,进一步的进行热失控预测的分析,根据特征参数构建特征曲线,将异常曲线进行颜色标注并将对应的异常数据根据不同的曲线类别进行权重计算,进而将计算后的数据输入到以神经网络为基础的数学模型中,通过层级的映射和输出激励的方式,完成数据的收敛学习,从而输出对应的热扩散风险系数,热扩散风险系数超过一定预设数值时对应异常参数作为电池储能电站的基准提醒数据进行预管理,从而达到了通过数字孪生体模拟的方式,提供智能决策数据的技术效果。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘,移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。
综上所述,本申请实施例所提供的一种基于大数据和数字孪生的电池储能站监测方法及系统具有如下技术效果:
1、由于采用了通过全要素信息和仿真系统分别构建包括三维模型、数据模型和机理模型,再获得数字孪生模型,再通过不断更新运行数据的方式实现数字孪生模型的动态更新,以获得更新后的数字孪生模型,进一步的,通过对电池储能电站进行失效行为分析,获得第一失效行为数据,根据失效行为数据分别构建监测模型、分析模型和报警模型,进而根据数字孪生模型和电站的综合智能化监测。达到了以大数据为驱动,以数字孪生作为手段通过多模型对电池储能站进行数字化管理和监测,提高热失控数据分析的准确性,进而提高监测效率和安全控制的可靠性的技术效果。
2、由于采用了通过构建的三维模型进行质量评估,进而提高渲染需求满足用户需求设计等级,提高三维模型的构建质量,进一步达到了通过多因素质量分析提高监测数据准确性的技术效果。
3、由于采用了通过连接人员管理模块进行对应管理角色的选择,根据失效预测评估后异常数据的失效属性进行报警角色确定,达到了数据的有效分析和预测,实现智能化报警。
实施例二
基于与前述实施例中一种基于大数据和数字孪生的电池储能站监测方法同样发明构思,本发明还提供了一种基于大数据和数字孪生的电池储能站监测系统,如图8所示,所述系统包括:
第一获得单元11,所述第一获得单元12用于获得电池储能电站的全要素信息;
第一构建单元13,所述第一构建单元13用于根据所述全要素信息和所述第一仿真系统,构建第一数字孪生模型,其中,所述第一数字孪生模型包括三维模型、数据模型和机理模型,且模型之间存在连接关系;
第二获得单元14,所述第二获得单元14用于通过对所述第一数字孪生模型进行动态更新,获得第二数字孪生模型;
第三获得单元15,所述第三获得单元15用于获得所述电池储能电站的失效行为数据;
第二构建单元16,所述第二构建单元16用于根据所述失效行为数据,构建第一电站监测模型,其中,所述第一电站监测模型包括监测模型、分析模型和报警模型,且模型之间存在连接关系;
第一监测单元17,所述第一监测单元17用于根据所述第二数字孪生模型和所述第一电站监测模型对所述电池储能电站进行智能监测。
进一步的,所述系统还包括:
第四获得单元,所述第四获得单元用于通过对所述三维模型进行质量评估,获得第一评估结果;
第一判断单元,所述第一判断单元用于根据所述第一评估结果判断所述三维模型的质量是否满足预设质量需求;
第五获得单元,所述第五获得单元用于当所述三维模型的质量不满足所述预设质量需求时,获得第一更新指令;
第一构建单元,所述第一构建单元用于构建纹理特征库、环境素材库和光照添加库;
第一渲染单元,所述第一渲染单元用于根据所述第一更新指令,基于所述纹理特征库、所述环境素材库和所述光照添加库对所述三维模型进行渲染更新。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于根据所述第一数字孪生模型,获得所述电池储能电站的数字孪生体;
第七获得单元,所述第七获得单元用于根据所述数字孪生体,获得第一虚拟仿真数据;
第八获得单元,所述第八获得单元用于基于传感器获得所述电池储能电站的第一运行反馈数据;
第九获得单元,所述第九获得单元用于根据所述第一运行反馈数据和所述第一虚拟仿真数据对所述数字孪生模型进行更新,获得所述第二数字孪生模型。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于根据所述监测模型,获得第一失效监测数据组;
第十一获得单元,所述第十一获得单元用于将所述第一失效监测数据组输入所述分析模型中进行数据分析,根据所述分析模型,获得第一数据分析结果;
第二判断单元,所述第二判断单元用于判断所述第一数据分析结果是否满足预设报警条件;
第十二获得单元,所述第十二获得单元用于当所述第一数据分析结果满足所述预设报警条件,获得第一报警信息。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于将所述第一数据分析结果输入所述报警模型,根据所述报警模型,获得第一报警等级;
第一确定单元,所述第一确定单元用于根据所述第一报警等级,确定第一报警方式;
第十四获得单元,所述第十四获得单元用于通过对所述第一数据分析结果进行热失控风险系数预测,获得第一预测数据,其中,所述第一预测数据为热失控风险系数;
第一存储单元,所述第一存储单元用于将所述第一预测数据作为附加信息存储至所述第一报警信息中;
第一报警单元,所述第一报警单元用于根据所述第一报警方式和所述第一报警信息进行报警。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于获得第一锂电池的容量损失数据,其中,所述容量损失数据包括可逆容量损失数据和不可逆容量损失数据;
第十六获得单元,所述第十六获得单元用于 获得所述可逆容量损失数据和所述不可逆容量损失数据的数据占比信息,将所述占比信息作为第一监测数据;
第十七获得单元,所述第十七获得单元用于获得所述第一锂电池的内阻变化信息,将所述内阻变化信息作为第二监测数据;
第四生成单元,所述第四生成单元用于基于所述第一监测数据和所述第二监测数据进行所述第一锂电池的容量损失评估,获得第二评估结果,所述第二评估结果为容量损失评估结果。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于通过对所述第一数据分析结果进行筛选,获得多个特征参数,其中,所述多个特征参数为与热失控关联的特征数据;
第二构建单元,所述第二构建单元用于根据所述多个特征参数,构建多个特征曲线,其中,所述多个特征参数与所述多个特征曲线对应;
第十九获得单元,所述第十九获得单元用于根据所述多个特征曲线进行温度指标分析后进行权重计算,获得热扩散风险系数;
第一管理单元,所述第一管理单元用于当所述热扩散风险系数等于预设热扩散风险系数阈值时,将所述多个特征参数对应的异常数据进行预管理。
本申请实施例可以根据上述方法示例对网络设备和终端设备进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个接收模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。通过前述对一种基于大数据和数字孪生的电池储能站监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于大数据和数字孪生的电池储能站监测系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
图9是本申请的计算设备的示意图。图9所示的计算设备90可以包括:存储器91、处理器92、输入/输出接口93。其中,存储器91、处理器92和输入/输出接口93通过内部连接通路相连,该存储器33用于存储指令,该处理器92用于执行该存储器91存储的指令,以控制输入/输出接口93接收输入的数据和信息,输出操作结果等数据。
图9是本申请另一实施例的计算设备的示意图。图9所示的计算设备90可以包括:存储器91、处理器92、输入/输出接口93。其中,存储器91、处理器92和输入/输出接口93通过内部连接通路相连,该存储器91用于存储指令,该处理器92用于执行该存储器92存储的指令,以控制输入/输出接口93接收输入的数据和信息,输出操作结果等数据。
在实现过程中,上述方法的各步骤可以通过处理器92中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的异常消息的识别方法和/或异常消息识别模型的训练方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器﹑寄存器等本领域成熟的存储介质中。该存储介质位于存储器91,处理器92读取存储器91中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
应理解,本申请实施例中,该处理器可以为中央处理单元(centralprocessingunit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor,DSP),专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
应理解,本申请实施例中,该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。处理器的一部分还可以包括非易失性随机存取存储器。例如,处理器还可以存储设备类型的信息。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机,服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line,DSL))或无线(例如红外,无线,微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够读取的任何可用介质或者是包含一个或多个可用介质集成的服务器,数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字通用光盘(Digital Video Disc,DVD))或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。