CN114254055A - 机房设备的故障分析方法、装置、计算机设备、存储介质 - Google Patents
机房设备的故障分析方法、装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN114254055A CN114254055A CN202111588739.5A CN202111588739A CN114254055A CN 114254055 A CN114254055 A CN 114254055A CN 202111588739 A CN202111588739 A CN 202111588739A CN 114254055 A CN114254055 A CN 114254055A
- Authority
- CN
- China
- Prior art keywords
- fault
- machine room
- equipment
- abnormal data
- data
- 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
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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及大数据技术领域,特别是涉及一种机房设备的故障分析方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括:通过获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。这样,大大提高了机房设备的故障分析的效率。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种机房设备的故障分析方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着大数据技术的发展,对于数据中心的要求也越来越高,因此,需要对数据中心所在的机房设备进行巡检,以确保数据中心的正常运行。其中,对于巡检得到的巡检数据,常常需要发送至后台监控系统,并通过后台监控系统对巡检数据进行显示,再通过运维技术人员对巡检数据进行处理,以实现对机房设备的监控。
然而,传统方式中,只能依赖于运维技术人员对多处告警信号进行人为的分析,当产生多处告警信号时,难以迅速确定故障原因,存在对机房设备的故障分析效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种机房设备的故障分析方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种机房设备的故障分析方法。所述方法包括:
获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据;
若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态;
基于所述故障模拟运行状态、以及各个异常数据,根据所述数字仿真模型中的故障映射关系,确定机房设备中的故障位置;
从多个异常数据中确定与各所述故障位置相关的相关异常数据,并基于所述相关异常数据,确定机房设备的故障原因。
第二方面,本申请还提供了一种机房设备的故障分析装置。所述装置包括:
获取模块,用于获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据;
模拟模块,用于若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态;
第一确定模块,用于基于所述故障模拟运行状态、以及各个异常数据,根据所述数字仿真模型中的故障映射关系,确定机房设备中的故障位置;
第二确定模块,用于从多个异常数据中确定与各所述故障位置相关的相关异常数据,并基于所述相关异常数据,确定机房设备的故障原因。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据;
若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态;
基于所述故障模拟运行状态、以及各个异常数据,根据所述数字仿真模型中的故障映射关系,确定机房设备中的故障位置;
从多个异常数据中确定与各所述故障位置相关的相关异常数据,并基于所述相关异常数据,确定机房设备的故障原因。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据;
若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态;
基于所述故障模拟运行状态、以及各个异常数据,根据所述数字仿真模型中的故障映射关系,确定机房设备中的故障位置;
从多个异常数据中确定与各所述故障位置相关的相关异常数据,并基于所述相关异常数据,确定机房设备的故障原因。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据;
若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态;
基于所述故障模拟运行状态、以及各个异常数据,根据所述数字仿真模型中的故障映射关系,确定机房设备中的故障位置;
从多个异常数据中确定与各所述故障位置相关的相关异常数据,并基于所述相关异常数据,确定机房设备的故障原因。
上述机房设备的故障分析方法、装置、计算机设备、存储介质和计算机程序产品,通过获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。这样,基于该故障模拟运行状态能够清晰直观的反映现实机房运行状态。基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。这样,能够快速定位在虚拟机房中引起多个告警信号的故障位置,从而,对应得到现实机房中的故障位置。从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。这样,通过与故障位置相关的相关异常数据对故障原因进行分析,能够排除与故障位置无关的异常数据的干扰,从而,能够准确且有效的确定故障原因,大大提高了机房设备的故障分析的效率。
附图说明
图1为一个实施例中机房设备的故障分析方法的应用环境图;
图2为一个实施例中机房设备的故障分析方法的流程示意图;
图3为一个实施例中巡检机器人结构示意图;
图4为一个实施例中监控系统界面示意图;
图5为另一个实施例中机房设备的故障分析方法的流程示意图;
图6为一个实施例中机房设备的故障分析装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的机房设备的故障分析方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102和服务器104可单独用于执行机房设备的故障分析方法,也可协同用于执行该机房设备的故障分析方法。以终端102单独用于执行该机房设备的故障分析方法为例,终端102获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。若在当前检测周期内接收到多于一个告警信号,则终端102基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。终端102基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。终端102从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种机房设备的故障分析方法,以该方法应用于计算机设备为例进行说明,该计算机设备具体可以是图1中的终端或服务器,其中,该机房设备的故障分析方法,包括以下步骤:
步骤S202,获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。
其中,当前检测周期为依次对机房中所有设备进行巡检所用的时间段。机房设备为数据中心所在机房的各个设备,该目标巡检数据可以是各个设备对应的电压、电流、系统幅值、系统效率等数据。
具体地,计算机设备在当前检测周期内对机房中各个设备进行巡检所得到的多个目标巡检数据。其中,对于每个机房设备,均对应有与相应机房设备对应的多个目标巡检数据,该目标巡检数据为机房设备正常运行时所产生的数据。
步骤S204,若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。
其中,数字仿真模型基于数字孪生技术所构造的仿真模型。该数字仿真模型用于模拟构建与现实机房对应的虚拟机房,该虚拟机房中包含与现实机房设备对应的虚拟设备。
具体地,若在当前检测周期内接收到多于一个告警信号,则计算机设备获取与机房对应的数字仿真模型,并基于多个目标巡检数据和各个告警信息分别携带的异常数据,通过数字仿真模型仿真推演模拟机房设备运行,得到故障模拟运行状态。
步骤S206,基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。
其中,故障映射关系为多个异常数据与故障点之间的映射关系,用于从多个告警信号中确定引起多个告警信息的部位。该机房设备为现实机房中的各个设备。
具体地,基于模拟机房设备的故障模拟运行状态,计算机设备根据该数字仿真模型中的故障映射关系,确定与各个异常数据所对应的虚拟故障位置,计算机设备基于该虚拟故障位置确定机房设备中的故障位置。
例如,若各个异常数据分别为UPS(Uninterruptible Power Supply,不间断)输入开关柜线缆的异常数据、机械开关状态的异常数据、UPS指示灯显示的异常数据、屏幕显示设备的异常数据、UPS设备屏幕显示设备的异常数据,该各个异常数据可以用字符“0”或“1”表示、也可以用数字表示,具体不作限定。若计算机设备确定该模拟机房设备状态为故障模拟运行状态,则计算机设备基于故障映射关系,确定与UPS输入开关柜线缆的异常数据、机械开关状态的异常数据、UPS指示灯显示的异常数据、屏幕显示设备的异常数据、UPS设备屏幕显示设备的异常数据,所对应的虚拟故障位置,该虚拟故障位置为开关柜内部线缆。计算机设备将该开关柜内部线缆作为显示机房设备中的故障位置。
其中,在映射关系中,若同时出现UPS输入开关柜线缆的异常数据、机械开关状态的异常数据、UPS指示灯显示的异常数据、屏幕显示设备的异常数据、UPS设备屏幕显示设备的异常数据,则确定该机房设备中的故障位置为UPS输入开关柜内部线缆。
步骤S208,从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。
其中,相关异常数据为某故障位置相关联的异常数据。比如,对于UPS输入开关柜内部线缆,相关异常数据包括UPS输入开关柜线缆的异常数据、机械开关状态的异常数据、UPS指示灯显示的异常数据、屏幕显示设备的异常数据、UPS设备屏幕显示设备的异常数据。
具体地,若存在多于一个故障位置,则计算机设备从多个异常数据中确定与各该故障位置相关的相关异常数据。对于每个故障位置,计算机设备基于与相应故障位置对应的各个相关异常数据,确定与相应故障位置对应的故障原因。其中,该各个故障位置所对应的故障原因即为机房设备的故障原因。若仅存在一个故障位置,则计算机设备从多个异常数据中确定与该故障位置相关的相关异常数据,并基于该相关异常数据,确定与该故障位置对应的故障原因,该故障位置对应的故障原因即为机房设备的故障原因。
上述机房设备的故障分析方法中,通过获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。这样,基于该故障模拟运行状态能够清晰直观的反映现实机房运行状态。基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。这样,能够快速定位在虚拟机房中引起多个告警信号的故障位置,从而,对应得到现实机房中的故障位置。从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。这样,通过与故障位置相关的相关异常数据对故障原因进行分析,能够排除与故障位置无关的异常数据的干扰,从而,能够准确且有效的确定故障原因,大大提高了机房设备的故障分析的效率。
在一个实施例中,该告警信号中携带有位置信息,该方法还包括:若在该当前检测周期内仅接收到一个告警信号,则基于该告警信号中位置信息,确定故障位置。基于该故障位置,通过该数字仿真模型确定该机房设备的故障原因。
具体地,若在该当前检测周期内仅接收到一个告警信号,则计算机设备直接将该告警信号中位置信息作为机房设备的故障位置。计算机设备获取与该故障位置对应的各个相关异常数据,并对于每个相关异常数据,均获取与相应相关异常数据对应的阈值条件。计算机设备将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果。计算机设备基于各个比较结果,确定该机房设备的故障原因。
例如,若在该当前检测周期内仅接收到一个告警信号,该告警信号为UPS输入开关柜线缆所触发的告警信号。计算机设备直接将该UPS输入开关柜线缆作为机房设备的故障位置。计算机设备获取与该故障位置对应的电流异常数据和电压异常数据,并分别获取电流阈值条件和电压阈值条件。计算机设备分别将该电流异常数据与该电流阈值条件进行比较、将该电压异常数据与该电压阈值条件进行比较,得到电流比较结果为电流异常数据远远大于电流阈值,且电压比较结果为电压异常数据恒为零。计算机设备基于各个比较结果,确定机房设备故障原因为UPS输入开关柜内部线缆短路。
在本实施例中,若在该当前检测周期内仅接收到一个告警信号,则基于该告警信号中位置信息,直接确定故障位置,从而,能够迅速且直接的确定故障位置。基于该故障位置,通过该数字仿真模型确定该机房设备的故障原因。这样,能够直接准确的确定在仅接收到一个告警信号情况下的故障原因,提高了故障原因分析的效率。
在一个实施中,该方法还包括:若在当前检测周期内未接收到任何告警信号,则获取当前检测周期内的巡检数据。基于各个巡检数据,通过该数字仿真模型模拟机房设备的运行状态。
具体地,若在当前检测周期内未接收到任何告警信号,则计算机设备获取当前周期内的与各个机房设备分别对应的巡检数据。计算机设备基于各个巡检数据,通过该数字仿真模型,模拟与该当前检测周期对应的模拟机房设备的运行状态。
例如,若在当前检测周期内未接收到任何告警信号,则计算机设备获取与各个设备对应的巡检数据,如获取与高压直流输电设备(HVDC,High Voltage Direct Current)对应的电流、电压、系统负载、系统效率等巡检数据,计算机设备基于各个巡检数据,通过该数字仿真模型,模拟得到模拟机房中各个设备的运行状态,比如,基于与高压直流输电设备对应巡检数据,模拟得到模拟高压直流输电设备的运行情况、以及与其他柜体的连接情况等。
在本实施例中,若在当前检测周期内未接收到任何告警信号,则获取当前检测周期内的巡检数据。基于各个巡检数据,通过该数字仿真模型模拟机房设备的运行状态。这样,在未接收到任何告警信号时,即无故障发生时,能够基于模拟得到机房设备的运行状态,能够清楚直观的反映现实机房正常运行状态。
在一个实施例中,从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因,包括:从多个异常数据中确定与每个该故障位置分别相关的相关异常数据。对于每个故障位置,均获取与相关的相关异常数据对应的阈值条件,并将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果。基于各个比较结果,确定机房设备中各个故障位置所对应的故障原因。
具体地,若存在多于一个故障位置,则计算机设备从多个异常数据中确定与每个该故障位置分别相关的相关异常数据。对于与每个故障位置相关的每个相关异常数据,均获取与相应相关异常数据对应的阈值条件,并将与每个故障位置相关的每个相关异常数据,均与相应相关异常数据对应的阈值条件进行比较,得到与每个故障位置对应的各个比较结果。计算机设备基于与每个故障位置对应的各个比较结果,确定机房设备中各个故障位置所对应的故障原因。若仅存在一个故障位置,则计算机设备从多个异常数据中确定与该故障位置相关的相关异常数据,并获取与相关的相关异常数据对应的阈值条件。对于每个相关异常数据,计算机设备将每个相关异常数据,均与相应相关异常数据对应的阈值条件进行比较,得到该故障位置对应的各个比较结果。计算机设备基于与该故障位置对应的多个比较结果,确定机房设备中与该故障位置对应的故障原因。
例如,若存在两个故障位置分别处于A点和B点。计算机设备从多个异常数据中确定与A点分别相关的相关异常数据a(对应机房设备A)、相关异常数据c1(对应机房设备C1)、c2(对应机房设备C2)、c3(对应机房设备C3),以及确定与B点分别相关的相关异常数据b(对应机房设备B)、d1(对应机房设备D1)、d2(对应机房设备D2)、d3(对应机房设备D3)。对于A点对应的各个相关异常数据,均获取与a对应的阈值条件X、与c1对应的阈值条件L1、与c2对应的阈值条件L2、与c3对应的阈值条件L3。对于B点对应的各个相关异常数据,均获取与b对应的阈值条件Y、与d1对应的阈值条件M1、与d2对应的阈值条件M2、与d3对应的阈值条件M3。对于A点的故障原因,可以基于将a与阈值条件X进行比较的结果直接确定,也可以将a与阈值条件X的比较结果、c1与阈值条件L1的比较结果、c2与阈值条件L2的比较结果、c3与阈值条件L3的比较结果,进行综合判定确定故障原因。对于B点的故障原因,可以基于将b与阈值条件Y进行比较的结果直接确定,也可以将b与阈值条件Y的比较结果、d1与阈值条件M1的比较结果、d2与阈值条件M2的比较结果、d3与阈值条件M3的比较结果,进行综合判定确定。
在本实施例中,从多个异常数据中确定与每个该故障位置分别相关的相关异常数据。对于每个故障位置,均获取与相关的相关异常数据对应的阈值条件,并将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果。基于各个比较结果,确定机房设备中各个故障位置所对应的故障原因。这样,通过与故障位置相关的相关异常数据对故障原因进行分析,能够排除与故障位置无关的异常数据的干扰,从而,能够准确且有效的确定故障原因,大大提高了机房设备的故障分析的效率。
在一个实施例中,该数字仿真模型是基于机房、配电柜以及柜体内部部件按比例构建的。
具体地,该数字仿真模型是基于现实机房、现实配电柜以及柜体内部部件,根据数字孪生技术和3D建模手段,按比例构建的。
在本实施例中,该数字仿真模型是基于机房、配电柜以及柜体内部部件按比例构建的。这样,通过数字仿真模型能够如实且有效的反映现实机房的运行状态,即通过数字仿真模型模拟得到的模拟机房能够表征现实机房,实现了一对一的仿真模拟。
在一个实施例中,该目标巡检数据由监控系统传输得到,该监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检后上报得到。
其中,该监控系统为巡检机器人后台监控系统,该监控系统通过和车载系统的数据进行交互,实现实时监控、单站巡检任务派发、视频存储、图像智能识别、红外分析、数据报表分析、数据检索及用户交互的功能。该监控系统是基于B/S架构设计、开发的web端管理系统,在电脑可上网的前提下,可以在任何操作系统上使用,不需要安装专门的软件。
具体地,该目标巡检数据由监控系统传输得到,该监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检得到的。该巡检机器人如图3所示,该巡检机器人除了搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统,还包括有滑轨、控制箱(发送控制指令,控制机器人行动及传感器联动)、下降防撞传感器(探测下方障碍物,防止下降过程发生碰撞)等。
其中,该巡检系统的界面如图4所示,该界面分别为可见光相机检测窗口、红外线机检测区域、巡检房间三维地图、巡检任务执行状态与数据预览。该中间上部分区域为环境参数检测,左侧区域为任务及数据管理,右侧区域为机器人通信等状态。
在本实施例中,该目标巡检数据由监控系统传输得到,该监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检后上报得到。这样,通过可移动、且搭载有多个巡检系统的机器人对机房进行巡检,能够高效且实时的获取机房的各个巡检数据,及时掌握机房的运行状态。
为了便于更加清楚的了解本申请的技术方案,提供了一个更为详细实施例进行描述。如图5所示,计算机设备在当前检测周期内对机房中各个设备进行巡检所得到的多个目标巡检数据。其中,对于每个机房设备,均对应有与相应机房设备对应的多个目标巡检数据,该目标巡检数据为机房设备正常运行时所产生的数据。若在当前检测周期内未接收到任何告警信号,则计算机设备获取当前周期内的与各个机房设备分别对应的巡检数据。计算机设备基于各个巡检数据,通过该数字仿真模型,模拟与该当前检测周期对应的模拟机房设备的运行状态。其中,该数字仿真模型是基于现实机房、现实配电柜以及柜体内部部件,根据数字孪生技术和3D建模手段,按比例构建的。该目标巡检数据由监控系统传输得到,该监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检得到的。判断在当前检测周期内是否仅接收到一个告警信号(单一告警信号)。若在该当前检测周期内仅接收到一个告警信号,则计算机设备直接将该告警信号中位置信息作为机房设备的故障位置。计算机设备获取与该故障位置对应的各个相关异常数据,并对于每个相关异常数据,均获取与相应相关异常数据对应的阈值条件。计算机设备将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果。计算机设备基于各个比较结果,确定该机房设备的故障原因。若在当前检测周期内接收到多于一个告警信号,则计算机设备获取与机房对应的数字仿真模型,并基于多个目标巡检数据和各个告警信息分别携带的异常数据,通过数字仿真模型仿真推演模拟机房设备运行,得到故障模拟运行状态。基于模拟机房设备的故障模拟运行状态,计算机设备根据该数字仿真模型中的故障映射关系,确定与各个异常数据所对应的虚拟故障位置,计算机设备基于该虚拟故障位置确定机房设备中的故障位置。若存在多于一个故障位置,则计算机设备从多个异常数据中确定与每个该故障位置分别相关的相关异常数据。对于与每个故障位置相关的每个相关异常数据,均获取与相应相关异常数据对应的阈值条件,并将与每个故障位置相关的每个相关异常数据,均与相应相关异常数据对应的阈值条件进行比较,得到与每个故障位置对应的各个比较结果。计算机设备基于与每个故障位置对应的各个比较结果,确定机房设备中各个故障位置所对应的故障原因。若仅存在一个故障位置,则计算机设备从多个异常数据中确定与该故障位置相关的相关异常数据,并获取与相关的相关异常数据对应的阈值条件。对于每个相关异常数据,计算机设备将每个相关异常数据,均与相应相关异常数据对应的阈值条件进行比较,得到该故障位置对应的各个比较结果。计算机设备基于与该故障位置对应的多个比较结果,确定机房设备中与该故障位置对应的故障原因。计算机设备将故障原因反馈至监控系统(后台监控管理系统)中。
在本实施例中,通过获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。这样,基于该故障模拟运行状态能够清晰直观的反映现实机房运行状态。基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。这样,能够快速定位在虚拟机房中引起多个告警信号的故障位置,从而,对应得到现实机房中的故障位置。从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。这样,通过与故障位置相关的相关异常数据对故障原因进行分析,能够排除与故障位置无关的异常数据的干扰,从而,能够准确且有效的确定故障原因,大大提高了机房设备的故障分析的效率。此外,通过将故障原因反馈至监控系统中,有助于运维技术人员通过有利的依据做出有效的决策,同时,能够提高监控系统的智能化程度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的机房设备的故障分析方法的机房设备的故障分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个机房设备的故障分析装置实施例中的具体限定可以参见上文中对于机房设备的故障分析方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种机房设备的故障分析装置,该装置600包括:获取模块602、模拟模块604、第一确定模块606和第二确定模块608,其中:
获取模块602,用于获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。
模拟模块604,用于若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。
第一确定模块606,用于基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。
第二确定模块608,用于从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。
在一个实施例中,该第一确定模块604,用于若在该当前检测周期内仅接收到一个告警信号,则基于该告警信号中位置信息,确定故障位置。该第二确定模块608,用于基于该故障位置,通过该数字仿真模型确定该机房设备的故障原因。
在一个实施例中,该模拟模块602,用于若在当前检测周期内未接收到任何告警信号,则获取当前检测周期内的巡检数据。基于各个巡检数据,通过该数字仿真模型模拟机房设备的运行状态。
在一个实施例中,该第二确定模块608,用于从多个异常数据中确定与每个该故障位置分别相关的相关异常数据。对于每个故障位置,均获取与相关的相关异常数据对应的阈值条件,并将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果。基于各个比较结果,确定机房设备中各个故障位置所对应的故障原因。
在一个实施例中,该数字仿真模型是基于机房、配电柜以及柜体内部部件按比例构建的。
在一个实施例中,该目标巡检数据由监控系统传输得到,该监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检后上报得到。
上述机房设备的故障分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储机房设备的故障分析数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种机房设备的故障分析方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若在该当前检测周期内仅接收到一个告警信号,则基于该告警信号中位置信息,确定故障位置。基于该故障位置,通过该数字仿真模型确定该机房设备的故障原因。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若在当前检测周期内未接收到任何告警信号,则获取当前检测周期内的巡检数据。基于各个巡检数据,通过该数字仿真模型模拟机房设备的运行状态。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:从多个异常数据中确定与每个该故障位置分别相关的相关异常数据。对于每个故障位置,均获取与相关的相关异常数据对应的阈值条件,并将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果。基于各个比较结果,确定机房设备中各个故障位置所对应的故障原因。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:该数字仿真模型是基于机房、配电柜以及柜体内部部件按比例构建的。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:该目标巡检数据由监控系统传输得到,该监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检后上报得到。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若在该当前检测周期内仅接收到一个告警信号,则基于该告警信号中位置信息,确定故障位置。基于该故障位置,通过该数字仿真模型确定该机房设备的故障原因。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若在当前检测周期内未接收到任何告警信号,则获取当前检测周期内的巡检数据。基于各个巡检数据,通过该数字仿真模型模拟机房设备的运行状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从多个异常数据中确定与每个该故障位置分别相关的相关异常数据。对于每个故障位置,均获取与相关的相关异常数据对应的阈值条件,并将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果。基于各个比较结果,确定机房设备中各个故障位置所对应的故障原因。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:该数字仿真模型是基于机房、配电柜以及柜体内部部件按比例构建的。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:该目标巡检数据由监控系统传输得到,该监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检后上报得到。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据。若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态。基于该故障模拟运行状态、以及各个异常数据,根据该数字仿真模型中的故障映射关系,确定机房设备中的故障位置。从多个异常数据中确定与各该故障位置相关的相关异常数据,并基于该相关异常数据,确定机房设备的故障原因。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若在该当前检测周期内仅接收到一个告警信号,则基于该告警信号中位置信息,确定故障位置。基于该故障位置,通过该数字仿真模型确定该机房设备的故障原因。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若在当前检测周期内未接收到任何告警信号,则获取当前检测周期内的巡检数据。基于各个巡检数据,通过该数字仿真模型模拟机房设备的运行状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从多个异常数据中确定与每个该故障位置分别相关的相关异常数据。对于每个故障位置,均获取与相关的相关异常数据对应的阈值条件,并将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果。基于各个比较结果,确定机房设备中各个故障位置所对应的故障原因。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:该数字仿真模型是基于机房、配电柜以及柜体内部部件按比例构建的。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:该目标巡检数据由监控系统传输得到,该监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检后上报得到。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种机房设备的故障分析方法,其特征在于,所述方法包括:
获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据;
若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态;
基于所述故障模拟运行状态、以及各个异常数据,根据所述数字仿真模型中的故障映射关系,确定机房设备中的故障位置;
从多个异常数据中确定与各所述故障位置相关的相关异常数据,并基于所述相关异常数据,确定机房设备的故障原因。
2.根据权利要求1所述的方法,其特征在于,所述告警信号中携带有位置信息,所述方法还包括:
若在所述当前检测周期内仅接收到一个告警信号,则基于所述告警信号中位置信息,确定故障位置;
基于所述故障位置,通过所述数字仿真模型确定所述机房设备的故障原因。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若在当前检测周期内未接收到任何告警信号,则获取当前检测周期内的巡检数据;
基于各个巡检数据,通过所述数字仿真模型模拟机房设备的运行状态。
4.根据权利要求1所述的方法,其特征在于,所述从多个异常数据中确定与各所述故障位置相关的相关异常数据,并基于所述相关异常数据,确定机房设备的故障原因,包括:
从多个异常数据中确定与每个所述故障位置分别相关的相关异常数据;
对于每个故障位置,均获取与相关的相关异常数据对应的阈值条件,并将各个相关异常数据分别与各自对应的阈值条件进行比较,得到各个比较结果;
基于各个比较结果,确定机房设备中各个故障位置所对应的故障原因。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述数字仿真模型是基于机房、配电柜以及柜体内部部件按比例构建的。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述目标巡检数据由监控系统传输得到,所述监控系统中的目标巡检数据通过搭载有远程红外热像仪系统、图像采集处理系统、局放检测系统、声音采集处理系统、以及环境信息检测系统中至少一个系统的巡检机器人对机房设备进行巡检后上报得到。
7.一种机房设备的故障分析装置,其特征在于,所述装置包括:
获取模块,用于获取在当前检测周期内对机房设备进行巡检得到的多个目标巡检数据;
模拟模块,用于若在当前检测周期内接收到多于一个告警信号,则基于多个目标巡检数据和各个告警信号分别携带的异常数据,通过与机房对应的数字仿真模型模拟机房设备的故障模拟运行状态;
第一确定模块,用于基于所述故障模拟运行状态、以及各个异常数据,根据所述数字仿真模型中的故障映射关系,确定机房设备中的故障位置;
第二确定模块,用于从多个异常数据中确定与各所述故障位置相关的相关异常数据,并基于所述相关异常数据,确定机房设备的故障原因。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111588739.5A CN114254055A (zh) | 2021-12-23 | 2021-12-23 | 机房设备的故障分析方法、装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111588739.5A CN114254055A (zh) | 2021-12-23 | 2021-12-23 | 机房设备的故障分析方法、装置、计算机设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254055A true CN114254055A (zh) | 2022-03-29 |
Family
ID=80794590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111588739.5A Pending CN114254055A (zh) | 2021-12-23 | 2021-12-23 | 机房设备的故障分析方法、装置、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254055A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114826440A (zh) * | 2022-03-31 | 2022-07-29 | 文山电视调频骨干转播台 | 基于数字孪生的发射机监测故障定位方法 |
CN115333923A (zh) * | 2022-10-14 | 2022-11-11 | 成都飞机工业(集团)有限责任公司 | 一种故障点溯源分析方法、装置、设备及介质 |
CN116071049A (zh) * | 2023-03-06 | 2023-05-05 | 广州疆海科技有限公司 | 储能设备故障排除方法、装置、计算机设备和存储介质 |
CN117035747A (zh) * | 2023-10-09 | 2023-11-10 | 国网山东省电力公司博兴县供电公司 | 一种机房多系统故障诊断处理方法、系统、设备及介质 |
-
2021
- 2021-12-23 CN CN202111588739.5A patent/CN114254055A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114826440A (zh) * | 2022-03-31 | 2022-07-29 | 文山电视调频骨干转播台 | 基于数字孪生的发射机监测故障定位方法 |
CN114826440B (zh) * | 2022-03-31 | 2023-11-24 | 文山电视调频骨干转播台 | 基于数字孪生的发射机监测故障定位方法 |
CN115333923A (zh) * | 2022-10-14 | 2022-11-11 | 成都飞机工业(集团)有限责任公司 | 一种故障点溯源分析方法、装置、设备及介质 |
CN115333923B (zh) * | 2022-10-14 | 2023-03-14 | 成都飞机工业(集团)有限责任公司 | 一种故障点溯源分析方法、装置、设备及介质 |
CN116071049A (zh) * | 2023-03-06 | 2023-05-05 | 广州疆海科技有限公司 | 储能设备故障排除方法、装置、计算机设备和存储介质 |
CN116071049B (zh) * | 2023-03-06 | 2023-12-12 | 广州疆海科技有限公司 | 储能设备故障排除方法、装置、计算机设备和存储介质 |
CN117035747A (zh) * | 2023-10-09 | 2023-11-10 | 国网山东省电力公司博兴县供电公司 | 一种机房多系统故障诊断处理方法、系统、设备及介质 |
CN117035747B (zh) * | 2023-10-09 | 2024-02-02 | 国网山东省电力公司博兴县供电公司 | 一种机房多系统故障诊断处理方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114254055A (zh) | 机房设备的故障分析方法、装置、计算机设备、存储介质 | |
CN114143220B (zh) | 实时数据可视化平台 | |
CN111612346A (zh) | 消防安全监测方法、装置、计算机设备和存储介质 | |
CN112766210A (zh) | 建筑施工的安全监控方法、装置及存储介质 | |
EP4116906A1 (en) | Method for warehouse storage-location monitoring, computer device, and non-volatile storage medium | |
CN112084096B (zh) | 冷通道密闭管理方法、装置及终端设备 | |
CN115313625A (zh) | 变电站监测方法和系统 | |
CN114398354A (zh) | 数据监测方法、装置、电子设备及存储介质 | |
CN112947172A (zh) | 一种面向园区的智慧消防远程监控系统及方法 | |
CN117041029A (zh) | 网络设备故障处理方法、装置、电子设备及存储介质 | |
CN112463612A (zh) | 巡检方法、装置、电子设备和介质 | |
CN109581126A (zh) | 一种电力带电检测系统及方法 | |
CN110826201B (zh) | 一种用于数据中心运维管理系统的三维可视化平台 | |
CN116187774A (zh) | 一种数据中心人工智能运维管理系统 | |
CN112186901A (zh) | 一种变电站全景感知监控方法及系统 | |
CN115145788A (zh) | 一种针对智能运维系统的检测数据生成方法和装置 | |
CN117289797A (zh) | 一种基于元宇宙技术的变电站巡视信息交互方法及系统 | |
CN111614504A (zh) | 基于时间序列和故障树分析的电网调控数据中心业务特性故障定位方法及系统 | |
CN114034972B (zh) | 基于图像数据的智能电缆故障确定方法和装置 | |
CN115499327A (zh) | 三维可视化数据中心管理的方法、设备、介质及程序产品 | |
CN116404751A (zh) | 设备状态监测方法、装置、设备、存储介质和计算机产品 | |
CN116227911A (zh) | 故障停电事件的风险监测预警方法、装置、设备及介质 | |
CN114387391A (zh) | 变电站设备的安全监测方法、装置、计算机设备和介质 | |
CN114198863A (zh) | 机房空调的故障检测方法、装置、计算机设备、存储介质 | |
CN106209462A (zh) | 基于智能视频技术的智慧金融管理系统 |
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 |