CN114217586A - 数据采集方法、装置、存储介质及电子设备 - Google Patents
数据采集方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114217586A CN114217586A CN202111523174.2A CN202111523174A CN114217586A CN 114217586 A CN114217586 A CN 114217586A CN 202111523174 A CN202111523174 A CN 202111523174A CN 114217586 A CN114217586 A CN 114217586A
- Authority
- CN
- China
- Prior art keywords
- manifold
- data
- node
- target
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 239000012530 fluid Substances 0.000 claims description 166
- 238000006073 displacement reaction Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 description 24
- 238000013480 data collection Methods 0.000 description 11
- 239000004576 sand Substances 0.000 description 11
- 238000009826 distribution Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 239000003054 catalyst Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 4
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012847 principal component analysis method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开涉及一种数据采集方法、装置、存储介质及电子设备,以在不安装管汇传感器的前提下,实现工业管汇数据的采集。该方法包括:接收管汇场景下目标设备发送的工业数据,所述工业数据包括所述目标设备通过传感器采集的数据;获取所述管汇场景对应的管汇拓扑结构,所述管汇拓扑结构是通过扫描所述管汇场景中的实际管汇得到的;基于所述工业数据和所述管汇拓扑结构,确定所述管汇场景下管汇节点和除所述目标设备外的设备节点的工业数据;将所述管汇节点和所述设备节点的工业数据转发至云平台。
Description
技术领域
本公开涉及工业技术领域,具体地,涉及一种数据采集方法、装置、存储介质及电子设备。
背景技术
随着工业互联网技术的快速发展,用于预测性维护、生产效率优化、安全保障、生产优化等不同工业过程的智慧化应用,越来越多的应用于工业企业。而构建智慧化应用的前提是可以采集到工业数据。
相关技术主要通过不同类型的工业传感器采集工业数据。而在管汇数据的采集场景下,管道内部难以安装传感器,并且由于管道量大,需要安装的传感器较多,因此通过传感器采集管汇数据的难度较高,从而影响管汇数据的采集效率。
发明内容
本公开的目的是提供一种数据采集方法、装置、存储介质及电子设备,以在不安装管汇传感器的前提下,基于管汇拓扑结构和管汇端点数据进行计算的方式,实现管汇数据的实时准确采集,减少管汇数据采集下的设备改造成本,同时提高管汇数据采集的效率。
为了实现上述目的,第一方面,本公开提供一种接收管汇场景下目标设备发送的工业数据,所述工业数据包括所述目标设备通过传感器采集的数据;
获取所述管汇场景对应的管汇拓扑结构,所述管汇拓扑结构是通过扫描所述管汇场景中的实际管汇得到的;
基于所述工业数据和所述管汇拓扑结构,确定所述管汇场景下管汇节点和除所述目标设备外的设备节点的工业数据;
将所述管汇节点和所述设备节点的工业数据转发至云平台。
可选地,所述基于所述工业数据和所述管汇拓扑结构,确定所述管汇场景下管汇节点和除所述目标设备外的设备节点的工业数据,包括:
将所述目标设备作为初始的起点设备节点,循环执行以下过程:
基于所述起点设备节点的标识信息,在所述管汇拓扑结构中确定将所述起点设备节点作为起点的目标管汇线路,并基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,其中所述工业数据包括用于唯一标识所述目标设备的标识信息,且所述管汇拓扑结构中各节点具有用于唯一标识所述节点的标识信息;
若所述设备终点不是所述管汇场景下的目标设备终点,则将所述设备终点作为新的起点设备节点,直到所述设备终点为所述管汇场景下的目标设备终点。
可选地,所述目标设备为多个,所述基于所述起点设备节点的标识信息,在所述管汇拓扑结构中确定将所述起点设备节点作为起点的目标管汇线路,包括:
在将多个所述目标设备作为起点设备节点的情况下,基于所述起点设备节点的标识信息,在所述管汇拓扑结构中确定将所述起点设备节点作为起点的多条目标管汇线路;
所述基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,包括:
在所述多条目标管汇线路的设备终点相同的情况下,将所述起点设备节点的工业数据作为与所述起点设备节点处于同一管汇线路的中间管汇节点的工业数据,并基于多个所述起点设备节点的工业数据,确定所述终点设备的工业数据,其中所述工业数据为排量或作业时间。
可选地,所述工业数据包括所述起点设备节点的时间戳,所述基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,包括:
在所述目标管汇线路中,确定所述中间管汇节点与所述起点设备节点之间的第一距离,并确定所述设备终点与所述起点设备节点之间的第二距离;
基于所述目标管汇线路中流体的流速和所述第一距离,计算第一流动时间,并基于所述起点设备节点的时间戳和所述第一流动时间,确定所述中间管汇节点的时间戳;
基于所述目标管汇线路中流体的流速和所述第二距离,计算第二流动时间,并基于所述起点设备节点的时间戳和所述第二流动时间,确定所述设备终点的时间戳。
可选地,所述方法还包括:
获取所述管汇场景下的历史工业数据,并确定所述历史工业数据中的第一流体数据和第二流体数据,其中所述第一流体数据为从所述目标设备获取到的流体成分数据,所述第二流体数据包括所述管汇场景下的流体指标数据或所述管汇场景下除所述目标设备外的设备和管汇中的流体成分数据;
基于所述第一流体数据和所述第二流体数据训练流体预测模型,所述流体预测模型用于根据输入的、从所述目标设备获取的流体成分数据,输出流体指标数据或对应设备和管汇中的流体成分数据;
所述基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,包括:
在所述起点设备节点的工业数据中,确定与所述第一流体数据的类型相同的目标流体数据,并将所述目标流体数据输入训练好的所述流体预测模型,得到所述目标管汇线路对应的流体指标数据或所述目标管汇线路包括的中间管汇节点和设备终点对应的流体成分数据。
可选地,所述管汇拓扑结构是通过如下方式得到的:
接收扫描终端发送的、在所述管汇场景中扫描到的实际管汇信息;
确定对所述实际管汇信息中各节点标注的端点位置信息和流体方向,其中每一所述节点具有用于唯一标识所述节点的标识信息,所述端点位置信息用于表征所述节点为起点、中间节点和终点中的一者;
基于各节点对应的所述端点位置信息和所述流体方向,建立二维表形式的管汇拓扑结构,其中所述二维表的数据为键值对数据,所述键值对数据中的键用于表征所述节点的端点位置信息,所述键值对数据中的值用于表征所述节点的标识信息。
可选地,所述接收管汇场景下目标设备发送的工业数据,包括:
通过消息队列或所述云平台的平台网关接收管汇场景下目标设备发送的工业数据;
所述将所述管汇节点和所述设备节点的工业数据转发至云平台,包括:
若通过所述消息队列接收管汇场景下目标设备发送的工业数据,则将所述管汇节点和所述设备节点的工业数据转发至所述消息队列;
若通过所述平台网关接收管汇场景下目标设备发送的工业数据,则将所述管汇节点和所述设备节点的工业数据转发至所述平台网关。
第二方面,本公开提供一种数据采集装置,所述装置包括:
第一接收模块,用于接收管汇场景下目标设备发送的工业数据,所述工业数据包括所述目标设备通过传感器采集的数据;
第一获取模块,用于获取所述管汇场景对应的管汇拓扑结构,所述管汇拓扑结构是通过扫描所述管汇场景中的实际管汇得到的;
第一确定模块,用于基于所述工业数据和所述管汇拓扑结构,确定所述管汇场景下管汇节点和除所述目标设备外的设备节点的工业数据;
转发模块,用于将所述管汇节点和所述设备节点的工业数据转发至云平台。
第三方面,本公开提供一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中任一项所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现第一方面中任一项所述方法的步骤。
通过上述技术方案,可以在不安装管汇传感器的前提下,基于管汇拓扑结构和管汇端点数据进行计算的方式,实现管汇数据的采集,减少管汇数据采集下的设备改造成本,提高管汇数据采集的效率。并且,基于目标设备的工业数据,可以实现与目标设备相同频率的实时数据采集,从而更高效地实现管汇数据的实时监控及数据分析。另外,基于目标设备的工业数据,可以提前计算后续管汇中的工业数据,在长距离输送管道的情况下,可实现针对管汇数据的精准预警。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据本公开一示例性实施例示出的一种数据采集方法的流程图;
图2是根据本公开一示例性实施例示出的一种数据采集方法中由实际管汇信息得到的拓扑图;
图3是根据本公开一示例性实施例示出的一种数据采集方法中管汇线路的示意图;
图4是根据本公开另一示例性实施例示出的一种数据采集方法中管汇线路的示意图;
图5是根据本公开另一示例性实施例示出的一种数据采集方法中管汇线路的示意图;
图6是根据本公开另一示例性实施例示出的一种数据采集方法中管汇线路的示意图;
图7是根据本公开一示例性实施例示出的一种数据采集装置的框图;
图8是根据本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
在工业4.0时代背景下,工业互联网相关技术快速发展,以设备密集型、设备中心型工业企业纷纷启动智能化、智慧化转型项目,基于传感器技术、物联网传输技术、大数据计算等技术,实现工业设备的连接、监控,并实现预测性维护、生产效率优化、安全保障、生产优化等一系列智慧化应用的落地。而实施大数据分析和建模并构建智慧化应用的前提是可以采集到工业实时数据,工业传感器(比如温度传感器、湿度传感器、压力传感器、流量传感器、光谱传感器、速度传感器、震动传感器等)和工业控制系统(比如可编程逻辑控制器PLC或者分散控制系统DCS)是工业领域数据采集的主要手段。
具体地,工业领域的数据采集场景通常包括数据采集设备和云平台。该数据采集设备部署有传感器、控制器和传输模组,从而该数据采集设备通过传感器或控制器进行数据采集,然后通过传输模组将采集的数据上传云平台,完成整个数据采集过程。针对信息化发展较慢的单位,没有足够的信息化基础进行设备改造。该设备改造指设备的智能化改造,即对原来没有数据采集、传输和控制功能的设备,增加传感器、控制器和传输模组,从而实现设备的数据可被感知、设备可被控制、数据可被上传。在管汇数据采集场景下,设备改造指的是在管汇上增加相关的传感器和传输模块。
但是,管汇场景下,管道内部难以安装部署传感器,且管道量巨大需要的传感器及网关设备(即传输模块)量很大,设备改造成本较高。发明人研究发现,针对管汇数据的采集,相关技术还采用站点采集和人工预估的方式。其中,站点采集是指在管道两端的计量站、升压站、阀室等进行采集,无法采集到实际管汇处的数据。而人工预估是人工根据经验对管汇中流体的消耗情况进行预估或做简单计算,获取模糊的管汇工业数据,需要较多的人工参与,并且不同人的预估方式不同,会导致最终得到的管汇数据的差异,无法保证管汇数据采集的效率和准确性。
但是,在工业场景下,管汇的安装、连接往往十分复杂,内部的组成成分复杂多变,流量和压力需要精细的监控和控制,并且管汇的安全及寿命管理对于输油、化工、钻探等工业领域十分重要,因此如何精确采集管汇数据进行分析,以对管汇进行安全监控、健康管理和预测性维护显得尤为重要。进一步,如何低成本的精确采集管汇数据更是值得关注的问题。
有鉴于此,本公开提供一种数据采集方法,以在不安装管汇传感器的前提下,基于管汇拓扑结构和管汇端点数据进行计算的方式,实现管汇数据的实时准确采集,减少管汇数据采集下的设备改造成本,同时提高管汇数据采集的效率。
图1是根据本公开一示例性实施例示出的一种数据采集方法的流程图。参照图1,该数据采集方法包括以下步骤:
步骤101,接收管汇场景下目标设备发送的工业数据,该工业数据包括目标设备通过传感器采集的数据。
步骤102,获取管汇场景对应的管汇拓扑结构,该管汇拓扑结构是通过扫描管汇场景中的实际管汇得到的。
步骤103,基于工业数据和管汇拓扑结构,确定管汇场景下管汇节点和除目标设备外的设备节点的工业数据。
步骤104,将管汇节点和设备节点的工业数据转发至云平台。
示例地,管汇场景可以包括通过管汇线路进行流体传输的各种工业场景,比如水力压裂、石油运输等,本公开实施例对此不作限定。目标设备可以是管汇场景下的起点设备,该目标设备可以方便地部署各种类型的传感器进行数据采集,比如水力压裂场景下的压裂车,或者其他工业场景下的混砂车、水泵等。工业数据用于描述工业过程的相关信息,比如可以是时间戳、经度、纬度、砂比、砂浓度、排量、液体添加济量、搅拌机转数、油压、砂密度、流体温度等,本公开实施例对此不作限定。
在可能的方式中,在步骤101之前,可以通过如下方式得到管汇拓扑结构:先接收扫描终端发送的、在管汇场景中扫描到的实际管汇信息,然后确定对该实际管汇信息中各节点标注的端点位置信息和流体方向,其中每一节点具有用于唯一标识节点的标识信息,端点位置信息用于表征节点为起点、中间节点和终点中的一者,最后基于各节点对应的端点位置信息和流体方向,建立二维表形式的管汇拓扑结构,其中二维表的数据为键值对数据,键值对数据中的键用于表征节点的端点位置信息,键值对数据中的值用于表征节点的标识信息。
也即是说,可以通过扫描终端在管汇场景下扫描实际管汇信息,从而建立二维表形式的管汇拓扑结构。由此,云平台可以存储有管汇场景下的管汇拓扑结构,那么当云平台接收到该管汇场景下的目标设备发送的工业数据后,可以读取预先存储的管汇拓扑结构进行后续工业数据的计算。
示例地,参照图2,通过扫描终端扫描到的实际管汇信息能够生成对应的拓扑图,从而可以确定管汇场景下有哪些设备和管汇线路以及设备与管汇之间的连接关系。但是,云平台基于实际管汇信息无法确定管道中流体的流向,从而无法确定哪些节点是起点以及哪些节点是终点,而后续计算管汇节点和各设备节点的工业数据需要明确流体的流向以及管道中的起点和终点,因此本公开实施例中,可以先通过可视化界面对实际管汇信息中各节点人工标注端点位置信息和流体方向。
应当理解的是,一个管汇场景由多条单一管汇线路组成,单一管汇线路的起点和终点均为具体的设备节点,且起点和终点之间包括至少一个管汇节点。比如,参照图2,该管汇场景包括20条单一管汇线路。为了便于计算管汇节点和各设备节点的工业数据,本公开实施例中端点位置信息针对单一管汇线路,而不针对整个管汇场景。因此,在实际应用中,在得到实际管汇信息后,可以先基于该实际管汇信息确定管汇场景包括的多条单一管汇线路,然后针对每条单一管汇线路中的节点标注端点位置信息和流体方向。
例如,参照图3,从起点到终点的一条单一管汇线路。参照图4,从起点到第一终点设备为第一条,起点到第二终点设备为第二条,第一件直管及三通在两条线路都有出现,共两条单一管汇线路。参照图5,从第一起点设备到终点为第一条,第二起点设备到终点为第二条,三通、三通后的直管以及终点设备在两条线路都有出现,共两条单一管汇线路。参照图6,包括分流装置,该分流装备作为左侧2条线路的终点以及右侧3条线路的起点,共五条单一管汇线路。
在得到多条单一管汇线路后,可以针对每条单一管汇线路中的节点标注端点位置信息和流体方向。比如,参照图2,在单一管汇线路A1中,标注起点为压裂车B1,中间节点包括3个弯头(图2中以曲线示意)、2个直管(图2中以直线示意)和1个旋塞阀(图2中以内里带叉的圆形示意),终点为管汇橇C1。而在单一管汇线路A7中,标注管汇橇C1为起点,中间节点包括2个弯头和1个直管,终点为管汇橇C2。
标注端点位置信息和流体方向后,云平台可以获取到对各节点标注的端点位置信息和流体方向,然后可以建立二维表形式的管汇拓扑结构。例如,可以建立二维表形式的管汇拓扑结构为:{(起点:设备11;管汇:直管21;管汇:弯头31;管汇:直管22;管汇:弯头32;管汇:直管33;终点:设备12);(起点:设备11;管汇:直管21;管汇:三通41;管汇:直管22;终点:设备12);(起点:设备11;管汇:直管21;管汇:三通41;管汇:直管23;终点:设备13);……}。其中,二维表中的数据为JSON格式的键值对数据,该键值对数据中的键(Key)用于表征节点的端点位置信息,该键值对数据中的值(Value)用于表征节点的标识信息。比如,二维表中的键值对“起点:设备11”,键为“起点”,表明端点位置信息,值为“设备11”表示标识信息。
由此,云平台中预先存储管汇场景下的管汇拓扑结构,从而可以基于管汇拓扑结构和管汇端点数据进行计算的方式,实现管汇数据的实时准确采集,减少管汇数据采集下的设备改造成本,同时提高管汇数据采集的效率。
上文已有说明,一个管汇场景由多条单一管汇线路组成,而本公开实施例中管汇拓扑结构可以是由针对单一管汇线路标注的端点位置信息生成的,因此在基于目标设备发送的工业数据和管汇拓扑结构,确定管汇场景下管汇节点和除目标设备外的设备节点的工业数据时,可以从目标设备开始针对单一管汇线路进行依次计算。
也即是说,在可能的方式中,基于目标设备发送的工业数据和管汇拓扑结构,确定管汇场景下管汇节点和除目标设备外的设备节点的工业数据可以是:将目标设备作为初始的起点设备节点,循环执行以下过程:基于起点设备节点的标识信息,在管汇拓扑结构中确定将起点设备节点作为起点的目标管汇线路,并基于起点设备节点的工业数据,确定目标管汇线路包括的中间管汇节点和设备终点的工业数据,其中工业数据包括用于唯一标识目标设备的标识信息,且管汇拓扑结构中各节点具有用于唯一标识节点的标识信息,若设备终点不是管汇场景下的目标设备终点,则将设备终点作为新的起点设备节点,直到设备终点为管汇场景下的目标设备终点。
应当理解的是,管汇场景下的目标设备终点为流体在生产或传输闭环结束的节点,该节点后没有其他管汇,如实际应用中的井口、回收容器、化工领域的分馏塔等。
例如,参照图2,目标设备为压裂车B1,则先基于该压裂车的标识信息在管汇拓扑结构中确定将该压裂车作为起点的目标管汇线路,即目标管汇线路为A1,然后可以基于该压裂车的工业数据确定目标管汇线路A1包括的3个弯头、2个直管和1个旋塞阀(即中间管汇节点)和管汇橇C1(即设备终点)的工业数据。之后,可以判断管汇橇C1是否为管汇场景下的目标设备终点,若管汇橇C1为管汇场景下的目标设备终点,则停止计算过程,否则可以将管汇橇C1作为新的起点设备节点执行计算过程。继续参照图2,该管汇场景下的目标设备终点为井口,管汇橇C1不是目标设备终点,因此可以将该管汇橇C1作为新的起点设备节点,并基于该新的起点设备节点确定新的目标管汇线路,即可以确定新的目标管汇线路为A7。然后,可以基于管汇橇C1的工业数据,确定目标管汇线路A7中各管汇节点和设备终点的工业数据。以此类推,可以依次计算出后续管汇线路中各中间管汇节点和设备节点的工业数据。
应当理解的是,工业数据的数据类型不同,基于起点设备节点计算后续中间管汇节点和设备终点的方式也有所不同,下面对可能的方式进行说明。
针对压力数据,由于管汇线路上所有管汇及设备的压力相同,因此可以将目标设备的压力值作为后续每一个中间管汇节点和设备终点的压力值。
针对排量或作业时间,在可能的方式中,若目标设备为多个,则先基于起点设备节点的标识信息,在管汇拓扑结构中确定将起点设备节点作为起点的多条目标管汇线路。然后,在多条目标管汇线路的设备终点相同的情况下,将起点设备节点的工业数据作为与起点设备节点处于同一管汇线路的中间管汇节点的工业数据,并基于多个起点设备节点的工业数据,确定终点设备的工业数据,其中工业数据为排量或作业时间。
例如,参照图2,目标设备包括压裂车B1、B2和B3,则目标管汇线路为A1、A2和A3。该三条目标管汇线路的设备终点均是管汇橇C1。在此种情况下,针对目标管汇线路A1的中间管汇节点,其作业时间为对应的起点设备节点(即压裂车B1)的作业时间。类似的,针对目标管汇线路A2的中间管汇节点,其作业时间为对应的起点设备节点(即压裂车B2)的作业时间。针对目标管汇线路A3的中间管汇节点,其作业时间为对应的起点设备节点(即压裂车B3)的作业时间。而针对管汇橇C1(即设备终点),其作业时间为压裂车B1、B2和B3的作业时间的并集。比如,压裂车B1的作业时间为1点到1点半,压裂车B2的作业时间为1点10分到2点,压裂车B3的作业时间为1点50分到2点半,则取作业时间的并集为1点到2点半,即管汇橇C1的作业时间为1点到2点半。
而对于排量的计算,与作业时间的计算类似,针对目标管汇线路A1的中间管汇节点,其排量为对应的起点设备节点(即压裂车B1)的排量。针对目标管汇线路A2的中间管汇节点,其排量为对应的起点设备节点(即压裂车B2)的排量。针对目标管汇线路A3的中间管汇节点,其排量为对应的起点设备节点(即压裂车B3)的排量。而针对管汇橇C1(即设备终点),其排量为压裂车B1、B2和B3的排量的累加。比如,压裂车B1的排量为每分钟10立方米,压裂车B2的排量为每分钟20立方米,压裂车B3的排量为每分钟15立方米,则管汇橇C1的作业时间为三者排量的累加,即每分钟45立方米。
也即是说,单一管汇线路上的中间管汇节点和设备终点的作业时间与该管汇线路上的起点设备节点的作业时间相同。当多条管汇线路上有相同的设备终点时,可以根据管汇线路的分布情况进行作业时间的并集计算。针对排量,与作业时间的计算类似,单一管汇线路上的中间管汇节点和设备终点的排量与该管汇线路上的起点设备节点的排量相同。当多条管汇线路上有相同的设备终点时,则根据管汇线路的分布情况进行排量的累加计算。
针对时间戳,在可能的方式中,可以先在目标管汇线路中,确定中间管汇节点与起点设备节点之间的第一距离,并确定设备终点与起点设备节点之间的第二距离。然后,基于目标管汇线路中流体的流速和第一距离,计算第一流动时间,并基于起点设备节点的时间戳和第一流动时间,确定中间管汇节点的时间戳。最后,基于目标管汇线路中流体的流速和所述第二距离,计算第二流动时间,并基于起点设备节点的时间戳和第二流动时间,确定设备终点的时间戳。
也即是说,可以在起点设备节点的时间戳的基础上加上从起点设备节点到中间管汇节点或设备终点的流动时间,得到中间管汇节点或设备终点的时间戳。应当理解的是,在第一次计算过程中,起点设备节点上为目标设备,而目标设备可以设置有计时器,从而可以获取到起点设备节点的时间戳。在后续计算过程中,起点设备节点为上一次计算过程中的设备终点,并且在上一次计算过程中可以计算得到该设备终点的时间戳,从而在本次计算过程中可以获取到起点设备节点的时间戳。
示例地,流速计算公式为:[体积流量(单位为m3/h)÷管道截面积(单位为m2)]÷3600,其中,管道截面积的计算公式为:3.14×R2(R为管道截面的半径),流动时间的计算公式为:距离(单位为m)÷流速(单位为m/s),则对应节点的时间戳为起点设备节点的时间戳加流动时间而得到的时间戳。
针对流体成分,在可能的方式中,可以获取管汇场景下的历史工业数据,并确定历史工业数据中的第一流体数据和第二流体数据,其中第一流体数据为从目标设备获取到的流体成分数据,第二流体数据包括管汇场景下的流体指标数据或管汇场景下除目标设备外的设备和管汇中的流体成分数据。然后,基于第一流体数据和第二流体数据训练流体预测模型,该流体预测模型用于根据输入的、从目标设备获取的流体成分数据,输出流体指标数据或对应设备和管汇中的流体成分数据。相应地,可以在起点设备节点的工业数据中,先确定与第一流体数据的类型相同的目标流体数据,然后将目标流体数据输入训练好的流体预测模型,得到目标管汇线路对应的流体指标数据或目标管汇线路包括的中间管汇节点和设备终点对应的流体成分数据。
应当理解的是,管汇中不同成分的流体会对管汇造成不同程度的腐蚀效果,即流体的成分会影响管汇的使用状态和寿命,从而流体成分是计算管汇健康度和寿命的重要数据。并且,流体的评价参数和评价指数是工业生产的重要指标,比如化工领域的聚合反应中的熔融指数(Melt Flow Rate,MI)是衡量产品质量的重要指标。
一般情况下,流体的混合在容器或专用仪器中进行,如在缓冲罐或混砂车中进行流体的混合,因此管汇的中流体成分与容器或专业仪器中的成分一致,即基于容器或专业仪器中的流体成分则可以确定管汇中的流体成分。但是,当流体成分发生变化时,大多数情况下管汇中的流体成分会有一段时间的线性变化。例如,管汇中的流体为纯净水,由于工作需要从1点钟开始往里加浓度为30%的压裂砂。按理论计算,压裂砂在1点零2分会到某弯头。然后,人工检验1点零2分的时候压裂砂确实到了这个弯头处,但压裂砂的浓度为20%。接着,在1点零5分时弯头处的压裂砂浓度变成了30%。则前文所述的线性变化指的是弯头处压裂砂的浓度从20%升到30%的过程。
在此种情况下,需要预测管汇中的流体成分什么时候与容器或专业仪器中流体成分相同。比如上述举例中,需要预测到底是1点零3分达到了30%,还是1点零5分达到了30%,从而对管汇进行更精细的控制。又比如,在石化领域中,进行聚合反应的过程中,需要改变参与反应的物质成分,各成分的占比如果不准确,生产出来的产品就不合格,因此需要比较准确的判断和预测,以达到尽快调整,从而提升产品质量,减少废料的产生,节约成本。
而相关技术中需要人工定期采样化验来确定管汇中的流体数据(包括流体成分数据和流体指标数据),耗费的人力和时间较多,效率不高。因此,本公开实施例提出通过历史工业数据训练流体预测模型,从而通过流体预测模型实现自动化的流体预测,提高效率。并且,可以基于起点设备节点的目标流体数据,提前预测后续管汇中的流体数据,在长距离输送管道的情况下,可实现针对管汇数据的精准预警。
示例地,历史工业数据包括第一流体数据和第二流体数据。其中,第一流体数据为从目标设备获取到的流体成分数据,第二流体数据包括管汇场景下的流体指标数据或管汇场景下除目标设备外的设备和管汇中的流体成分数据。比如,在化工领域中的聚丙稀生产线,第一流体数据可以包括从起点设备获取到的丙稀进料流率(PPR)、主催化剂流率(MCR)、辅催化剂流率(ACR)、釜内温度(T)、压力(P)、液位(L)、釜内氢气体积浓度(H),第二流体数据可以是熔融指数(MI)。
在得到第一流体数据和第二流体数据后可以进行模型训练。应当理解的是,为了提高模型训练效率,可以先对第一流体数据和第二流体数据进行数据预处理和分析。具体地,考虑到一般情况下获取到的数据均有不同程度的缺失值,因此可以先对缺失值进行填充,从而提升数据质量,进而提高模型训练效率。比如,温度T和主催化剂流率MCR出现较多的缺失值时,可以通过均值插补、聚类插补等方式进行填充。另外,还可以判断第一流体数据和第二流体数据中是否存在异常值点,若存在异常值点,则可以对其进行剔除处理,以提升数据质量,从而提高模型训练效率。
进一步,对流体数据的预处理还可以包括通过皮尔森算法进行参数间的相关性分析,确定流体数据中具有较强线性相关性的多个数据,然后对该多个数据进行降维处理,降低特征之间的相关性。比如,在上述举例中第一流体数据包括丙稀进料流率(PPR)、主催化剂流率(MCR)、釜内氢气体积浓度(H),则通过皮尔森算法可以确定丙稀进料流率(PPR)、主催化剂流率(MCR)、釜内氢气体积浓度(H)之间有较强线性相关性,则可以对这些数据进行降维处理,降低特征之间的相关性。之后,还可以对流体数据使用主成分分析方法降维。比如,通过主成分分析方法保留第一流体数据中的3个数据作为主成分数据进行后续的模型训练。
需要说明的是,皮尔森算法和主成分分析方法的具体内容可以参照相关技术,这里不再赘述。
之后,可以基于预处理后的第一流体数据和第二流体数据训练流体预测模型。应当理解的是,本公开实施例中,由于输入模型的流体数据的类型较多,数据间的影响复杂,选择线性回归模型、逻辑回归模型等可能会产生较大的结果误差。而广义线性模型对应的数据分布为指数分布族,可以在不同数据分布下得到不同的回归模型。比如,数据分布服从高斯分布时,得到的线性最小二乘回归模型,数据分布服从伯努利分布时,得到的逻辑回归模型。并且,广义线性模型可以从连续型数据拓展到离散型数据,具有更强的广谱性,因此本公开实施例中可以选择广义线性模型(Generalized Linear Models,GLM)作为流体预测模型进行模型训练。
在训练得到流体预测模型后,可以在起点设备节点(比如目标设备)的工业数据中,确定与第一流体数据的类型相同的目标流体数据。比如,上述举例中,第一流体数据包括从起点设备获取到的丙稀进料流率(PPR)、主催化剂流率(MCR)、辅催化剂流率(ACR)、釜内温度(T)、压力(P)、液位(L)、釜内氢气体积浓度(H),则目标流体数据也对应包括这些类型的数据。然后将目标流体数据输入训练好的流体预测模型,流体预测模型可以输出目标管汇线路对应的流体指标数据或目标管汇线路包括的中间管汇节点和设备终点对应的流体成分数据。由此,可以通过流体预测模型实现自动化的流体预测,提高效率。并且,可以基于起点设备节点的目标流体数据,提前预测后续管汇中的流体数据,在长距离输送管道的情况下,可实现针对管汇数据的精准预警。
通过上述方式,可以基于工业数据和管汇拓扑结构,确定管汇场景下管汇节点和除目标设备外的设备节点的工业数据。之后,可以将该管汇节点和设备节点的工业数据转发至云平台,通过模拟数据源的方式实现管汇数据的采集,减少管汇数据采集下的设备改造成本,同时提高管汇数据采集的效率。
在可能的方式中,接收管汇场景下目标设备发送的工业数据可以是通过消息队列或云平台的平台网关接收管汇场景下目标设备发送的工业数据。相应地,将管汇节点和设备节点的工业数据转发至云平台可以是:若通过消息队列接收管汇场景下目标设备发送的工业数据,则将管汇节点和设备节点的工业数据转发至所述消息队列,若通过平台网关接收管汇场景下目标设备发送的工业数据,则将管汇节点和设备节点的工业数据转发至平台网关。
也即是说,目标设备先将工业数据发送到消息队列,云平台可以从该消息队列获取对应的工业数据。在云平台计算得到管汇场景下管汇节点和除目标设备外的设备节点的工业数据后,将计算得到的该工业数据转发至消息队列,从而模拟管汇数据源或设备数据源的数据上传操作,实现工业数据的实时准确采集,减少管汇数据采集下的设备改造成本,同时提高管汇数据采集的效率。
或者,目标设备可以先将工业数据发送到平台网关,云平台可以从该平台网关获取对应的工业数据。在云平台计算得到管汇场景下管汇节点和除目标设备外的设备节点的工业数据后,将计算得到的该工业数据转发至平台网关,从而模拟管汇数据源或设备数据源的数据上传操作,实现工业数据的实时准确采集,减少管汇数据采集下的设备改造成本,同时提高管汇数据采集的效率。
基于同一发明构思,本公开实施例还提供一种数据采集装置,该装置可以通过软件、硬件或者两者结合的方式成为电子设备(比如上文所述的云平台)的部分或全部。参照图7,该数据采集装置700包括:
第一接收模块701,用于接收管汇场景下目标设备发送的工业数据,所述工业数据包括所述目标设备通过传感器采集的数据;
第一获取模块702,用于获取所述管汇场景对应的管汇拓扑结构,所述管汇拓扑结构是通过扫描所述管汇场景中的实际管汇得到的;
第一确定模块703,用于基于所述工业数据和所述管汇拓扑结构,确定所述管汇场景下管汇节点和除所述目标设备外的设备节点的工业数据;
转发模块704,用于将所述管汇节点和所述设备节点的工业数据转发至云平台。
可选地,所述第一确定模块703用于:
将所述目标设备作为初始的起点设备节点,循环执行以下过程:
基于所述起点设备节点的标识信息,在所述管汇拓扑结构中确定将所述起点设备节点作为起点的目标管汇线路,并基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,其中所述工业数据包括用于唯一标识所述目标设备的标识信息,且所述管汇拓扑结构中各节点具有用于唯一标识所述节点的标识信息;
当所述设备终点不是所述管汇场景下的目标设备终点时,将所述设备终点作为新的起点设备节点,直到所述设备终点为所述管汇场景下的目标设备终点。
可选地,所述目标设备为多个,所述第一确定模块703用于:
在将多个所述目标设备作为起点设备节点的情况下,基于所述起点设备节点的标识信息,在所述管汇拓扑结构中确定将所述起点设备节点作为起点的多条目标管汇线路;
在所述多条目标管汇线路的设备终点相同的情况下,将所述起点设备节点的工业数据作为与所述起点设备节点处于同一管汇线路的中间管汇节点的工业数据,并基于多个所述起点设备节点的工业数据,确定所述终点设备的工业数据,其中所述工业数据为排量或作业时间。
可选地,所述工业数据包括所述起点设备节点的时间戳,所述第一确定模块703用于:
在所述目标管汇线路中,确定所述中间管汇节点与所述起点设备节点之间的第一距离,并确定所述设备终点与所述起点设备节点之间的第二距离;
基于所述目标管汇线路中流体的流速和所述第一距离,计算第一流动时间,并基于所述起点设备节点的时间戳和所述第一流动时间,确定所述中间管汇节点的时间戳;
基于所述目标管汇线路中流体的流速和所述第二距离,计算第二流动时间,并基于所述起点设备节点的时间戳和所述第二流动时间,确定所述设备终点的时间戳。
可选地,所述装置700还包括:
第二获取模块,用于获取所述管汇场景下的历史工业数据,并确定所述历史工业数据中的第一流体数据和第二流体数据,其中所述第一流体数据为从所述目标设备获取到的流体成分数据,所述第二流体数据包括所述管汇场景下的流体指标数据或所述管汇场景下除所述目标设备外的设备和管汇中的流体成分数据;
训练模块,用于基于所述第一流体数据和所述第二流体数据训练流体预测模型,所述流体预测模型用于根据输入的、从所述目标设备获取的流体成分数据,输出流体指标数据或对应设备和管汇中的流体成分数据;
所述第一确定模块703用于:
在所述起点设备节点的工业数据中,确定与所述第一流体数据的类型相同的目标流体数据,并将所述目标流体数据输入训练好的所述流体预测模型,得到所述目标管汇线路对应的流体指标数据或所述目标管汇线路包括的中间管汇节点和设备终点对应的流体成分数据。
可选地,所述管汇拓扑结构是通过如下模块得到的:
第二接收模块,用于接收扫描终端发送的、在所述管汇场景中扫描到的实际管汇信息;
第二确定模块,用于确定对所述实际管汇信息中各节点标注的端点位置信息和流体方向,其中每一所述节点具有用于唯一标识所述节点的标识信息,所述端点位置信息用于表征所述节点为起点、中间节点和终点中的一者;
建立模块,用于基于各节点对应的所述端点位置信息和所述流体方向,建立二维表形式的管汇拓扑结构,其中所述二维表的数据为键值对数据,所述键值对数据中的键用于表征所述节点的端点位置信息,所述键值对数据中的值用于表征所述节点的标识信息。
可选地,所述第一接收模块701用于:
通过消息队列或所述云平台的平台网关接收管汇场景下目标设备发送的工业数据;
所述转发模块704用于:
当通过所述消息队列接收管汇场景下目标设备发送的工业数据时,将所述管汇节点和所述设备节点的工业数据转发至所述消息队列;
当通过所述平台网关接收管汇场景下目标设备发送的工业数据时,将所述管汇节点和所述设备节点的工业数据转发至所述平台网关。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
基于同一构思,本公开还提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现上述任一数据采集方法的步骤。
在可能的方式中,该电子设备800可以被提供为一服务器。参照图8,电子设备800包括处理器822,其数量可以为一个或多个,以及存储器832,用于存储可由处理器822执行的计算机程序。存储器832中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器822可以被配置为执行该计算机程序,以执行上述的数据采集方法。
另外,电子设备800还可以包括电源组件826和通信组件850,该电源组件826可以被配置为执行电子设备800的电源管理,该通信组件850可以被配置为实现电子设备800的通信,例如,有线或无线通信。此外,该电子设备800还可以包括输入/输出(I/O)接口858。电子设备800可以操作基于存储在存储器832的操作系统,例如Windows ServerTM,Mac OSXTM,UnixTM,LinuxTM等等。
在另一示例性实施例中,还提供一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的数据采集方法的步骤。例如,该非临时性计算机可读存储介质可以为上述包括程序指令的存储器832,上述程序指令可由电子设备800的处理器822执行以完成上述任一数据采集方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述任一数据采集方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (10)
1.一种数据采集方法,其特征在于,所述方法包括:
接收管汇场景下目标设备发送的工业数据,所述工业数据包括所述目标设备通过传感器采集的数据;
获取所述管汇场景对应的管汇拓扑结构,所述管汇拓扑结构是通过扫描所述管汇场景中的实际管汇得到的;
基于所述工业数据和所述管汇拓扑结构,确定所述管汇场景下管汇节点和除所述目标设备外的设备节点的工业数据;
将所述管汇节点和所述设备节点的工业数据转发至云平台。
2.根据权利要求1所述的方法,其特征在于,所述基于所述工业数据和所述管汇拓扑结构,确定所述管汇场景下管汇节点和除所述目标设备外的设备节点的工业数据,包括:
将所述目标设备作为初始的起点设备节点,循环执行以下过程:
基于所述起点设备节点的标识信息,在所述管汇拓扑结构中确定将所述起点设备节点作为起点的目标管汇线路,并基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,其中所述工业数据包括用于唯一标识所述目标设备的标识信息,且所述管汇拓扑结构中各节点具有用于唯一标识所述节点的标识信息;
若所述设备终点不是所述管汇场景下的目标设备终点,则将所述设备终点作为新的起点设备节点,直到所述设备终点为所述管汇场景下的目标设备终点。
3.根据权利要求2所述的方法,其特征在于,所述目标设备为多个,所述基于所述起点设备节点的标识信息,在所述管汇拓扑结构中确定将所述起点设备节点作为起点的目标管汇线路,包括:
在将多个所述目标设备作为起点设备节点的情况下,基于所述起点设备节点的标识信息,在所述管汇拓扑结构中确定将所述起点设备节点作为起点的多条目标管汇线路;
所述基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,包括:
在所述多条目标管汇线路的设备终点相同的情况下,将所述起点设备节点的工业数据作为与所述起点设备节点处于同一管汇线路的中间管汇节点的工业数据,并基于多个所述起点设备节点的工业数据,确定所述终点设备的工业数据,其中所述工业数据为排量或作业时间。
4.根据权利要求2所述的方法,其特征在于,所述工业数据包括所述起点设备节点的时间戳,所述基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,包括:
在所述目标管汇线路中,确定所述中间管汇节点与所述起点设备节点之间的第一距离,并确定所述设备终点与所述起点设备节点之间的第二距离;
基于所述目标管汇线路中流体的流速和所述第一距离,计算第一流动时间,并基于所述起点设备节点的时间戳和所述第一流动时间,确定所述中间管汇节点的时间戳;
基于所述目标管汇线路中流体的流速和所述第二距离,计算第二流动时间,并基于所述起点设备节点的时间戳和所述第二流动时间,确定所述设备终点的时间戳。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述管汇场景下的历史工业数据,并确定所述历史工业数据中的第一流体数据和第二流体数据,其中所述第一流体数据为从所述目标设备获取到的流体成分数据,所述第二流体数据包括所述管汇场景下的流体指标数据或所述管汇场景下除所述目标设备外的设备和管汇中的流体成分数据;
基于所述第一流体数据和所述第二流体数据训练流体预测模型,所述流体预测模型用于根据输入的、从所述目标设备获取的流体成分数据,输出流体指标数据或对应设备和管汇中的流体成分数据;
所述基于所述起点设备节点的工业数据,确定所述目标管汇线路包括的中间管汇节点和设备终点的工业数据,包括:
在所述起点设备节点的工业数据中,确定与所述第一流体数据的类型相同的目标流体数据,并将所述目标流体数据输入训练好的所述流体预测模型,得到所述目标管汇线路对应的流体指标数据或所述目标管汇线路包括的中间管汇节点和设备终点对应的流体成分数据。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述管汇拓扑结构是通过如下方式得到的:
接收扫描终端发送的、在所述管汇场景中扫描到的实际管汇信息;
确定对所述实际管汇信息中各节点标注的端点位置信息和流体方向,其中每一所述节点具有用于唯一标识所述节点的标识信息,所述端点位置信息用于表征所述节点为起点、中间节点和终点中的一者;
基于各节点对应的所述端点位置信息和所述流体方向,建立二维表形式的管汇拓扑结构,其中所述二维表的数据为键值对数据,所述键值对数据中的键用于表征所述节点的端点位置信息,所述键值对数据中的值用于表征所述节点的标识信息。
7.根据权利要求1-5任一项所述的方法,其特征在于,所述接收管汇场景下目标设备发送的工业数据,包括:
通过消息队列或所述云平台的平台网关接收管汇场景下目标设备发送的工业数据;
所述将所述管汇节点和所述设备节点的工业数据转发至云平台,包括:
若通过所述消息队列接收管汇场景下目标设备发送的工业数据,则将所述管汇节点和所述设备节点的工业数据转发至所述消息队列;
若通过所述平台网关接收管汇场景下目标设备发送的工业数据,则将所述管汇节点和所述设备节点的工业数据转发至所述平台网关。
8.一种数据采集装置,其特征在于,所述装置包括:
第一接收模块,用于接收管汇场景下目标设备发送的工业数据,所述工业数据包括所述目标设备通过传感器采集的数据;
第一获取模块,用于获取所述管汇场景对应的管汇拓扑结构,所述管汇拓扑结构是通过扫描所述管汇场景中的实际管汇得到的;
第一确定模块,用于基于所述工业数据和所述管汇拓扑结构,确定所述管汇场景下管汇节点和除所述目标设备外的设备节点的工业数据;
转发模块,用于将所述管汇节点和所述设备节点的工业数据转发至云平台。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523174.2A CN114217586A (zh) | 2021-12-13 | 2021-12-13 | 数据采集方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523174.2A CN114217586A (zh) | 2021-12-13 | 2021-12-13 | 数据采集方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114217586A true CN114217586A (zh) | 2022-03-22 |
Family
ID=80701467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111523174.2A Pending CN114217586A (zh) | 2021-12-13 | 2021-12-13 | 数据采集方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114217586A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024001003A1 (zh) * | 2022-06-30 | 2024-01-04 | 烟台杰瑞石油装备技术有限公司 | 确定管汇设备损耗方法和装置、电子设备和存储介质 |
-
2021
- 2021-12-13 CN CN202111523174.2A patent/CN114217586A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024001003A1 (zh) * | 2022-06-30 | 2024-01-04 | 烟台杰瑞石油装备技术有限公司 | 确定管汇设备损耗方法和装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190323321A1 (en) | Systems and methods for cloud-based automatic configuration of remote terminal units | |
CN102174994B (zh) | 城市供水管网事故爆管在线定位系统 | |
JP2021051769A (ja) | 供給組成を推測するためのデータクレンジングシステムおよび方法 | |
CN111684238B (zh) | 用于实时发现和解决湿气文丘里流量计问题的系统和方法 | |
CN104063588B (zh) | 基于多源数据融合的管道腐蚀缺陷尺寸的预测方法 | |
US11842307B2 (en) | Systems and methods for cloud-based commissioning of well devices | |
US11120371B2 (en) | Systems and methods for cloud-based asset management and analysis regarding well devices | |
US9803472B2 (en) | Systems and methods for self configuration of remote terminal units | |
CN105527915A (zh) | 一种火电厂实时水务监测系统及监测方法 | |
EA005278B1 (ru) | Способ обнаружения и коррекции дефектности датчика в системе добычи нефти и газа | |
CN111475913A (zh) | 一种蒸汽动力系统的运行操作优化方法及系统 | |
CN114217586A (zh) | 数据采集方法、装置、存储介质及电子设备 | |
CN114493393A (zh) | 一种基于人工智能现场计算的多维度压力容器健康监测系统及其方法 | |
CN103061750A (zh) | 一种有杆泵抽油井井下动态液位在线测量方法 | |
Zheng et al. | Deeppipe: A hybrid intelligent framework for real-time batch tracking of multi-product pipelines | |
CN113803647B (zh) | 一种基于知识特征与混合模型融合的管道泄漏检测方法 | |
CN113112024B (zh) | 一种随机多裂纹随机扩展的预测与控制方法及系统 | |
RU2165642C2 (ru) | Автоматизированная информационная система для непрерывного контроля за работой насосно-трубопроводного комплекса для перекачки воды и нефтепродуктов | |
Asli et al. | Minimum night flow (MNF) and corrosion control in compliance with internet of things (IoT) for water systems | |
CN115493093A (zh) | 一种基于力学仿真的蒸汽供热管网漏损定位方法及系统 | |
CN113837451A (zh) | 油气管道的数字孪生体构建方法、装置、设备及存储介质 | |
US20240103497A1 (en) | Systems and methods for uncertainty measurement and reporting for emissions | |
Gupta et al. | Automated learning based water management and healthcare system using cloud computing and IoT | |
CN113439201A (zh) | 对供应网络中的泄漏的探测 | |
CN116757441B (zh) | 一种基于人工智能的污水流量自动监控预警方法、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 |