CN114547000A - 设备运行时长的计算方法、装置、设备及存储介质 - Google Patents

设备运行时长的计算方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114547000A
CN114547000A CN202210080749.6A CN202210080749A CN114547000A CN 114547000 A CN114547000 A CN 114547000A CN 202210080749 A CN202210080749 A CN 202210080749A CN 114547000 A CN114547000 A CN 114547000A
Authority
CN
China
Prior art keywords
time
sequence
determining
abnormal
running
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.)
Granted
Application number
CN202210080749.6A
Other languages
English (en)
Other versions
CN114547000B (zh
Inventor
宋韶旭
陈鹏宇
苏云祥
王建民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202210080749.6A priority Critical patent/CN114547000B/zh
Publication of CN114547000A publication Critical patent/CN114547000A/zh
Application granted granted Critical
Publication of CN114547000B publication Critical patent/CN114547000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/02—Registering or indicating working or idle time only
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本申请实施例提供一种设备运行时长的计算方法、装置、设备及存储介质，先确定第一设备的运行数据序列和第一时间序列，第一时间序列中包括多个采集时刻，运行数据序列中包括在多个采集时刻采集得到的运行数据；根据运行数据序列和第一时间序列，在第一时间序列中确定异常时间，并在第一时间序列中去除异常时间得到第二时间序列；根据第二时间序列确定第一设备的开机时刻和关机时刻；根据开机时刻和关机时刻，确定第一设备的运行时长。提高了确定设备运行时长的准确度。

Description

设备运行时长的计算方法、装置、设备及存储介质
技术领域
本申请涉及设备管理技术领域，具体涉及一种设备运行时长的计算方法、装置、设备及存储介质。
背景技术
在工业设备管理中，为了确定设备的运行情况，通常需要统计设备的运行时长。
在相关技术中，一般通过设备传感器回传的时间序列数据统计设备的运行时长。具体是统计所有相邻数据点的时间间隔，确定所有时间间隔的均值和标准差，根据均值和标准差确定设备的开关机时刻，再根据开关机时刻确定设备的运行时长。该方法只适用于正态分布的时间间隔数据，若时间间隔数据不符合正态分布，则无法通过该方法准确统计设备的运行时长，导致统计设备运行时长的准确度较低。
发明内容
本申请涉及一种设备运行时长的计算方法、装置、设备及存储介质，提高了统计设备运行时长的准确度。
第一方面，本申请实施例提供一种设备运行时长的计算方法，包括：
确定第一设备的运行数据序列和第一时间序列，所述第一时间序列中包括多个采集时刻，所述运行数据序列中包括在所述多个采集时刻采集得到的运行数据；
根据所述运行数据序列和所述第一时间序列，在所述第一时间序列中确定异常时间，并在所述第一时间序列中去除所述异常时间得到第二时间序列；
根据所述第二时间序列确定所述第一设备的开机时刻和关机时刻；
根据所述开机时刻和所述关机时刻，确定所述第一设备的运行时长。
在一种可能的实施方式中，根据所述运行数据序列和所述第一时间序列，在所述第一时间序列中确定异常时间，包括：
根据所述运行数据序列和所述第一时间序列，确定异常点数量；
若所述异常点数量小于第一阈值，则根据所述运行数据序列，在所述第一时间序列中确定所述异常时间；
若所述异常点数量大于或等于所述第一阈值，则根据所述第一时间序列，在所述第一时间序列中确定所述异常时间。
在一种可能的实施方式中，根据所述运行数据序列和所述第一时间序列，确定异常点数量，包括：
根据所述运行数据序列中每两个运行数据之间的差值，在所述第一运行数据中确定多个突变运行数据对应的第一突变序号，所述第一突变序号为所述突变运行数据在所述运行数据序列中的序号；
根据所述第一时间序列中每两个时间之间的时间差，在所述第一时间序列中确定多个突变时间对应的第二突变序号，所述第二突变序号为所述突变时间在所述第一时间序列中的序号；
获取所述第一突变序号和所述第二突变序号的并集，并将所述并集中包括的突变序号的数量确定为所述异常点数量。
在一种可能的实施方式中，根据所述运行数据序列，在所述第一时间序列中确定所述异常时间，包括：
获取所述运行数据序列中各运行数据的K阶差分，所述K为大于或等于1的整数；
根据所述运行数据序列中各运行数据的K阶差分，在所述第一时间序列中确定多个待选异常时间；
获取每个待选异常时间对所述运行数据序列的干扰度；
根据每个待选异常时间对所述运行数据序列的干扰度，在所述多个待选异常时间中确定所述异常时间。
在一种可能的实施方式中，这对任意一个待选异常时间；获取所述待选异常时间对所述运行数据序列的干扰度，包括：
在所述运行数据序列中确定第一子序列和第二子序列，所述待选异常时间为所述第一子序列中的首个运行数据，所述异常待选时间为所述第二子序列中最后一个运行数据；
根据所述待选异常时间与所述第一子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第一子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第一子序列的第一干扰度；
根据所述待选异常时间与所述第二子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第二子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第二子序列的第二干扰度；
若所述第一干扰度和所述第二干扰度均大于或等于干扰度阈值，则确定所述待选异常时间对所述运行数据序列的干扰度大于或等于所述干扰度阈值。
在一种可能的实施方式中，根据所述第一时间序列，在所述第一时间序列中确定所述异常时间，包括：
获取所述第一时间序列中每个时间的局部异常因子；
将局部异常因子大于1的时间确定为所述异常时间。
在一种可能的实施方式中，根据所述第二时间序列确定所述第一设备的开机时刻和关机时刻，包括：
获取所述第二时间序列中各时间之间的时间差，得到时间差序列；
获取所述时间差序列的均值和标准差；
根据所述均值和所述标准差，确定所述开机时刻和所述关机时刻。
第二方面，本申请实施例提供一种设备运行时长的计算装置，包括：第一确定模块、第二确定模块、第三确定模块和第四确定模块，其中，
第一确定模块用于，确定第一设备的运行数据序列和第一时间序列，所述第一时间序列中包括多个采集时刻，所述运行数据序列中包括在所述多个采集时刻采集得到的运行数据；
第二确定模块用于，根据所述运行数据序列和所述第一时间序列，在所述第一时间序列中确定异常时间，并在所述第一时间序列中去除所述异常时间得到第二时间序列；
第三确定模块用于，根据所述第二时间序列确定所述第一设备的开机时刻和关机时刻；
第四确定模块用于，根据所述开机时刻和所述关机时刻，确定所述第一设备的运行时长。
在一种可能的实施方式中，所述第二确定模块具体用于：
根据所述运行数据序列和所述第一时间序列，确定异常点数量；
若所述异常点数量小于第一阈值，则根据所述运行数据序列，在所述第一时间序列中确定所述异常时间；
若所述异常点数量大于或等于所述第一阈值，则根据所述第一时间序列，在所述第一时间序列中确定所述异常时间。
在一种可能的实施方式中，所述第二确定模块具体用于：
根据所述运行数据序列中每两个运行数据之间的差值，在所述第一运行数据中确定多个突变运行数据对应的第一突变序号，所述第一突变序号为所述突变运行数据在所述运行数据序列中的序号；
根据所述第一时间序列中每两个时间之间的时间差，在所述第一时间序列中确定多个突变时间对应的第二突变序号，所述第二突变序号为所述突变时间在所述第一时间序列中的序号；
获取所述第一突变序号和所述第二突变序号的并集，并将所述并集中包括的突变序号的数量确定为所述异常点数量
在一种可能的实施方式中，所述第二确定模块具体用于：
获取所述运行数据序列中各运行数据的K阶差分，所述K为大于或等于1的整数；
根据所述运行数据序列中各运行数据的K阶差分，在所述第一时间序列中确定多个待选异常时间；
获取每个待选异常时间对所述运行数据序列的干扰度；
根据每个待选异常时间对所述运行数据序列的干扰度，在所述多个待选异常时间中确定所述异常时间。
在一种可能的实施方式中，所述第二确定模块具体用于：
在所述运行数据序列中确定第一子序列和第二子序列，所述待选异常时间为所述第一子序列中的首个运行数据，所述异常待选时间为所述第二子序列中最后一个运行数据；
根据所述待选异常时间与所述第一子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第一子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第一子序列的第一干扰度；
根据所述待选异常时间与所述第二子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第二子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第二子序列的第二干扰度；
若所述第一干扰度和所述第二干扰度均大于或等于干扰度阈值，则确定所述待选异常时间对所述运行数据序列的干扰度大于或等于所述干扰度阈值。
在一种可能的实施方式中，所述第二确定模块具体用于：
获取所述第一时间序列中每个时间的局部异常因子；
将局部异常因子大于1的时间确定为所述异常时间。
在一种可能的实施方式中，所述第三确定模块具体用于：
获取所述第二时间序列中各时间之间的时间差，得到时间差序列；
获取所述时间差序列的均值和标准差；
根据所述均值和所述标准差，确定所述开机时刻和所述关机时刻。
第三方面，本申请实施例提供一种设备运行时长的计算设备，包括：处理器、存储器，
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面所述的设备运行时长的计算方法。
第四方面，本申请实施例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中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第一方面所述的设备运行时长的计算方法。
第五方面，本申请实施例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第一方面所述的设备运行时长的计算方法。
本申请实施例提供一种设备运行时长的计算方法、装置、设备及存储介质，先确定第一设备的运行数据序列和第一时间序列，第一时间序列中包括多个采集时刻，运行数据序列中包括在多个采集时刻采集得到的运行数据；根据运行数据序列和第一时间序列，在第一时间序列中确定异常时间，并在第一时间序列中去除异常时间得到第二时间序列；根据第二时间序列确定第一设备的开机时刻和关机时刻；根据开机时刻和关机时刻，确定第一设备的运行时长。通过去除时间序列中的异常时间点，使得时间序列的时间间隔数据接近正态分布，进而提高了采用均值和标准差确定设备开关机时刻的准确度，根据准确的开关机时间点可以准确推断设备运行时长。
附图说明
图1为本申请实施例提供的一种应用场景示意图；
图2为本申请实施例提供的一种设备运行时长的计算方法的流程示意图一；
图3为本申请实施例提供的一种设备运行时长的计算方法的流程示意图二；
图4为本申请实施例提供的一种设备运行时长的计算方法的流程示意图三；
图5为本申请实施例提供的一种设备运行时长的计算装置的结构示意图；
图6为本申请实施例提供的一种设备运行时长的计算设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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。
为了便于理解，下面结合图1，对本申请实施例所适用的应用场景进行说明。
图1为本申请实施例提供的一种应用场景示意图。请参见图1，包括管理设备101和多个工业设备102。工业设备102可以向管理设备101发送时间数据和运行数据，管理设备101可以接收并分析工业设备102发送的时间数据和运行数据，以确定工业设备是否正常运行、以及确定工业设备的运行时长。
在相关技术中，管理设备通过统计所有相邻时间序列数据点的时间间隔，确定所有时间间隔的均值和标准差，再根据均值和标准差确定设备的运行时长。该方法只适用于正态分布的时间间隔数据，在生产场景中，由于设备存在意外关机、自动重启、开关机时间附近存在噪声，时间间隔数据严重偏离正态分布，则无法通过该方法准确统计设备的运行时长，导致统计设备运行时长的准确度较低。
为了解决上述技术问题，本申请实施例提供一种设备运行时长的计算方法，该方法通过去除时间序列中的异常点，使得时间序列的时间间隔数据接近正态分布，进而提高了采用均值和标准差确定设备开关机时间点的准确度，根据准确的开关机时间点可以准确推断设备运行时长。
下面，通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是，下面几个实施例可以独立存在，也可以相互结合，对于相同或相似的内容，在不同的实施例中不再重复说明。
图2为本申请实施例提供的一种设备运行时长的计算方法的流程示意图一。请参见图2，该方法可以包括：
S201、确定第一设备的运行数据序列和第一时间序列。
本申请实施例的执行主体可以为终端设备，也可以为设置在终端设备中的设备运行时长的计算装置，该设备运行时长的计算装置可以通过软件实现，也可以通过软件和硬件的结合实现。例如，该终端设备可以为图1中的管理设备101。
第一时间序列中可以包括多个采集时刻，第一时间序列可以为时间戳序列。
运行数据序列中可以包括在多个采集时刻采集得到的运行数据。
例如，第一时间序列可以为T(t1,t2,t3,……,tN)，运行数据序列可以为Y(y1,y2,y3,……,yN)，其中，y1是t1时刻采集的数据，y2是t2时刻采集的数据，y3是t3时刻采集的数据，以此类推，yN是tN时刻采集的数据。
例如，当第一设备为车辆时，运行数据可以是车辆行驶里程，也可以是车辆的速度。
S202、根据运行数据序列和第一时间序列，在第一时间序列中确定异常时间，并在第一时间序列中去除异常时间得到第二时间序列。
可以通过以下方式根据运行数据序列和第一时间序列，在第一时间序列中确定异常时间：
根据所述运行数据序列和所述第一时间序列，确定异常点数量；若所述异常点数量小于第一阈值，则根据所述运行数据序列，在所述第一时间序列中确定所述异常时间；若所述异常点数量大于或等于所述第一阈值，则根据所述第一时间序列，在所述第一时间序列中确定所述异常时间。
第一阈值可以为异常点数量占所有数据点的百分比。例如，第一阈值可以为3％，若运行数据序列中的数据点数量为100个，则在异常点数量小于3的时候，根据运行数据序列，在第一时间序列中确定异常时间；在异常点数量大于等于3的时候，根据第一时间序列，在第一时间序列中确定异常时间。
可以通过以下方式根据运行数据序列和第一时间序列，确定异常点数量：
根据所述运行数据序列中每两个运行数据之间的差值，在所述第一运行数据中确定多个突变运行数据对应的第一突变序号，所述第一突变序号为所述突变运行数据在所述运行数据序列中的序号；根据所述第一时间序列中每两个时间之间的时间差，在所述第一时间序列中确定多个突变时间对应的第二突变序号，所述第二突变序号为所述突变时间在所述第一时间序列中的序号；获取所述第一突变序号和所述第二突变序号的并集，并将所述并集中包括的突变序号的数量确定为所述异常点数量。
例如，可以通过ADWIN算法获取运行数据序列和第一时间序列中的异常点。若运行数据序列对应的第一突变序号为(1、3、7、12)，第一时间序列对应的第二突变序号为(1、5、7、12)，则可以确定异常点为(1、3、5、7、12)，异常点数量为5。
S203、根据第二时间序列确定第一设备的开机时刻和关机时刻。
可以通过以下方式根据第二时间序列确定第一设备的开机时刻和关机时刻：
获取所述第二时间序列中各时间之间的时间差，得到时间差序列；获取所述时间差序列的均值和标准差；根据所述均值和所述标准差，确定所述开机时刻和所述关机时刻。
例如，第二时间序列为T＝(t1,t2,t3,……,tN)，时间差序列δ(t2-t1,t3-t2,……,tN-tN-1)，记时间差序列的均值为μ(δ)，标准差为σ(δ)，则可以通过公式一确定开机时刻和关机时刻。
Figure BDA0003485769680000091
其中，K为大于0的常量，例如，K可以为3。
S204、根据开机时刻和关机时刻，确定第一设备的运行时长。
可以通过以下方式根据开机时刻和关机时刻，确定第一设备的运行时长：根据开机时刻和关机时刻确定多个开机时长，根据多个开机时长确定第一设备的运行时长。
例如，第二时间序列为(10min,80min,130min,150min)，其中，80min、150min为关机时刻，10min、130min均为开机时刻，则开机时长为70min，20min，根据时长确定第一设备的运行时长为70+20＝90min。
在图2所示的实施例中，先确定第一设备的运行数据序列和第一时间序列，第一时间序列中包括多个采集时刻，运行数据序列中包括在多个采集时刻采集得到的运行数据；根据运行数据序列和第一时间序列，在第一时间序列中确定异常时间，并在第一时间序列中去除异常时间得到第二时间序列；根据第二时间序列确定第一设备的开机时刻和关机时刻；根据开机时刻和关机时刻，确定第一设备的运行时长。通过去除时间序列中的异常时间点，使得时间序列的时间间隔数据接近正态分布，进而提高了采用均值和标准差确定设备开关机时间点的准确度，根据准确的开关机时间点可以准确推断设备运行时长。
在图2所示实施例的基础上，当选择的数据序列不同时，在第一时间序列中确定异常时间的方式也不同。下面，分别针对不同的数据序列对在第一时间序列中确定异常时间的方式进行详细说明。
图3为本申请实施例提供的一种设备运行时长的计算方法的流程示意图二。请参见图3，根据运行数据序列在第一时间序列中确定异常时间，该方法可以包括：
S301、确定第一设备的运行数据序列和第一时间序列。
需要说明的是，S301的执行过程可以参见S201的执行过程，此处不再进行赘述。
S302、根据运行数据序列和第一时间序列，确定异常点数量。
需要说明的是，S302的执行过程可以参见S202的执行过程，此处不再进行赘述。
S303、若异常点数量小于第一阈值，获取运行数据序列中各运行数据的K阶差分。
K为大于或等于1的整数。
取k阶差分的目的是保证在开关机附近取得可检测的平稳的时间序列，因此k的取值由数据的属性确定。
例如，若运行数据为行驶里程，则其K阶差分为二阶差分，其二阶差分代表行驶过程中的加速度，为平稳时间序列；若运行数据为速度数据，则其K阶差分为一阶差分，其二阶差分代表行驶过程中的加速度，为平稳时间序列。
若运行数据序列为Y(y1,y2,y3,……,yN)，则其对应的一阶差分序列为△(Y)＝(y2-y1,y3-y2,……,yN-yN-1)，对应的二阶差分序列△2(Y)是对一阶差分序列求一阶差分，△2(Y)＝(y3-2y2+y1,y4-2y3+y2,……,yN-2yN-1+yN-2)。
S304、根据运行数据序列中各运行数据的K阶差分，在第一时间序列中确定多个待选异常时间。
先根据运行数据序列中各运行数据的K阶差分，确定运行数据序列中的待选异常数据点，再根据待选异常数据点对应的时间，在第一时间序列中确定多个待选异常时间。
为了便于理解，下面，通过表1来说明运行数据序列与第一时间序列的对应关系：
表1
运行数据 第一时间
y<sub>1</sub> t<sub>1</sub>
y<sub>2</sub> t<sub>2</sub>
y<sub>3</sub> t<sub>3</sub>
y<sub>4</sub> t<sub>4</sub>
若通过各运行数据的K阶差分确定y3为待选异常数据，则t3为待选异常时间点。
对于开机过程，运行数据从0开始增大，可以将运行数据的K阶差分中为负值的点确定为待选异常数据点，并将待选异常数据点对应的第一时间序列中的点确定为待选异常时间；对于关机过程，运行数据从最大开始减小至0，可以将运行数据的K阶差分中为正值的点确定为待选异常数据点，并将待选异常数据点对应的第一时间序列中的点确定为待选异常时间。
为了准确确定异常时间，可以将待选异常时间附近的时间点也标记为待选异常时间，例如，可以将待选异常时间点后续的3个时间点均记为待选异常时间点。
S305、获取每个待选异常时间对运行数据序列的干扰度。
针对任意一个待选异常时间，可以通过以下方式获取待选异常时间对运行数据序列的干扰度：
在所述运行数据序列中确定第一子序列和第二子序列，所述待选异常时间为所述第一子序列中的首个运行数据，所述异常待选时间为所述第二子序列中最后一个运行数据。
根据所述待选异常时间与所述第一子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第一子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第一子序列的第一干扰度。
根据所述待选异常时间与所述第二子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第二子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第二子序列的第二干扰度。
若所述第一干扰度和所述第二干扰度均大于或等于干扰度阈值，则确定所述待选异常时间对所述运行数据序列的干扰度大于或等于所述干扰度阈值。
第一子序列和第二子序列中的数据数量可以相同，数据数量可以设置为10。
干扰度阈值可以设置为0.5。
例如，运行数据序列中，6为待选异常时间点，其对应的第一子序列为(6,8,9,10)，第二子序列为(1,3,5,6)；根据公式二分别计算6对第一子序列的第一干扰度d1＝0.3，以及6对第二子序列的第二干扰度d2＝0.43。
Figure BDA0003485769680000121
其中，yi表示待选异常时间，avg表示对集合内的值求均值，W\yi表示子序列中除yi以外的所有点，max表示取集合内的最大值。
S306、根据每个待选异常时间对运行数据序列的干扰度，在多个待选异常时间中确定异常时间。
可以通过以下方式根据每个待选异常时间对运行数据序列的干扰度，在多个待选时间中确定异常时间：
若待选异常时间对应的第一干扰度d1和第二干扰度d2均大于等于干扰度阈值，则可以确定待选异常时间为异常时间。
若d1≥干扰度阈值＞d2，或者d2≥干扰度阈值＞d1，或者d1，d2均小于干扰度阈值，那么待选异常时间为正常时间。S307、在第一时间序列中去除异常时间得到第二时间序列。
例如，若第一时间序列T为(t1,t2,t3,t4,t5,t6,t7,t8,t9,t10)，其中异常时间为t4，则第二时间序列T’为(t1,t2,t3,t5,t6,t7,t8,t9,t10)。
S308、根据第二时间序列确定第一设备的开机时刻和关机时刻。
需要说明的是，S308的执行过程可以参见S203的执行过程，此处不再进行赘述。
S309、根据开机时刻和关机时刻，确定第一设备的运行时长。
需要说明的是，S309的执行过程可以参见S204的执行过程，此处不再进行赘述。
在图3所示的实施例中，先确定第一设备的运行数据序列和第一时间序列；根据运行数据序列和第一时间序列，确定异常点数量；若异常点数量小于第一阈值，获取运行数据序列中各运行数据的K阶差分；根据运行数据序列中各运行数据的K阶差分，在第一时间序列中确定多个待选异常时间；获取每个待选异常时间对运行数据序列的干扰度；根据每个待选异常时间对运行数据序列的干扰度，在多个待选异常时间中确定异常时间；在第一时间序列中去除异常时间得到第二时间序列；根据第二时间序列确定第一设备的开机时刻和关机时刻；根据开机时刻和关机时刻，确定第一设备的运行时长。先通过运行数据的K阶差分，确定潜在的异常时间，再根据干扰度在潜在异常时间中确定异常时间，提高了确定异常时间的准确度；通过去除时间序列中的异常时间点，使得时间序列的时间间隔数据满足正态分布，进而提高了采用均值和标准差确定设备开关机时间点的准确度，根据准确的开关机时间点可以准确推断设备运行时长。
图4为本申请实施例提供的一种设备运行时长的计算方法的流程示意图三。请参见图4，根据第一时间序列在第一时间序列中确定异常时间，该方法包括：
S401、确定第一设备的运行数据序列和第一时间序列。
需要说明的是，S401的执行过程可以参见S201的执行过程，此处不再进行赘述。
S402、根据运行数据序列和第一时间序列，确定异常点数量。
需要说明的是，S402的执行过程可以参见S202的执行过程，此处不再进行赘述。
S403、若异常点数量大于或等于第一阈值，则获取第一时间序列中每个时间的局部异常因子。
局部异常因子是通过局部异常因子(Local Outlier Factor，LOF)算法计算得到的，具体如下：
局部异常因子等于点p的第k距离内其他点的局部可达密度与点p的局部可达密度之比的平均数。
其中，第k距离表示在距离数据点p最近的几个点中，第k个最近的点跟点p之间的距离。
点p的局部可达密度：点p的第k领域内其他点到点p的平均可达距离的倒数。
点p的第k邻域：距离点p的距离小于第k距离的区域。
点o到点p的第k可达距离为max{点o的第k距离，点o、点p之间的真实距离}。
S404、将局部异常因子大于1的时间确定为异常时间。
S405、在第一时间序列中去除异常时间得到第二时间序列。
需要说明的是，S405的执行过程可以参见S307的执行过程，此处不再进行赘述。
S406、根据第二时间序列确定第一设备的开机时刻和关机时刻。
需要说明的是，S406的执行过程可以参见S203的执行过程，此处不再进行赘述。
S407、根据开机时刻和关机时刻，确定第一设备的运行时长。
需要说明的是，S407的执行过程可以参见S204的执行过程，此处不再进行赘述。
在图4所示的实施例中，先确定第一设备的运行数据序列和第一时间序列；根据运行数据序列和第一时间序列，确定异常点数量；若异常点数量大于或等于第一阈值，则获取第一时间序列中每个时间的局部异常因子；将局部异常因子大于1的时间确定为异常时间；根据第二时间序列确定第一设备的开机时刻和关机时刻；根据开机时刻和关机时刻，确定第一设备的运行时长。通过去除时间序列中的异常时间点，使得时间序列的时间间隔数据接近正态分布，进而提高了采用均值和标准差确定设备开关机时间点的准确度，根据准确的开关机时间点可以准确推断设备运行时长。
图5为本申请实施例提供的一种设备运行时长的计算装置的结构示意图。请参见图5，设备运行时长的计算装置10包括第一确定模块11、第二确定模块12、第三确定模块13和第四确定模块14，其中，
第一确定模块11用于，确定第一设备的运行数据序列和第一时间序列，所述第一时间序列中包括多个采集时刻，所述运行数据序列中包括在所述多个采集时刻采集得到的运行数据；
第二确定模块12用于，根据所述运行数据序列和所述第一时间序列，在所述第一时间序列中确定异常时间，并在所述第一时间序列中去除所述异常时间得到第二时间序列；
第三确定模块13用于，根据所述第二时间序列确定所述第一设备的开机时刻和关机时刻；
第四确定模块14用于，根据所述开机时刻和所述关机时刻，确定所述第一设备的运行时长。
在一种可能的实施方式中，所述第二确定模块12具体用于：
根据所述运行数据序列和所述第一时间序列，确定异常点数量；
若所述异常点数量小于第一阈值，则根据所述运行数据序列，在所述第一时间序列中确定所述异常时间；
若所述异常点数量大于或等于所述第一阈值，则根据所述第一时间序列，在所述第一时间序列中确定所述异常时间。
在一种可能的实施方式中，所述第二确定模块12具体用于：
根据所述运行数据序列中每两个运行数据之间的差值，在所述第一运行数据中确定多个突变运行数据对应的第一突变序号，所述第一突变序号为所述突变运行数据在所述运行数据序列中的序号；
根据所述第一时间序列中每两个时间之间的时间差，在所述第一时间序列中确定多个突变时间对应的第二突变序号，所述第二突变序号为所述突变时间在所述第一时间序列中的序号；
获取所述第一突变序号和所述第二突变序号的并集，并将所述并集中包括的突变序号的数量确定为所述异常点数量
在一种可能的实施方式中，所述第二确定模块12具体用于：
获取所述运行数据序列中各运行数据的K阶差分，所述K为大于或等于1的整数；
根据所述运行数据序列中各运行数据的K阶差分，在所述第一时间序列中确定多个待选异常时间；
获取每个待选异常时间对所述运行数据序列的干扰度；
根据每个待选异常时间对所述运行数据序列的干扰度，在所述多个待选异常时间中确定所述异常时间。
在一种可能的实施方式中，所述第二确定模块12具体用于：
在所述运行数据序列中确定第一子序列和第二子序列，所述待选异常时间为所述第一子序列中的首个运行数据，所述异常待选时间为所述第二子序列中最后一个运行数据；
根据所述待选异常时间与所述第一子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第一子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第一子序列的第一干扰度；
根据所述待选异常时间与所述第二子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第二子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第二子序列的第二干扰度；
若所述第一干扰度和所述第二干扰度均大于或等于干扰度阈值，则确定所述待选异常时间对所述运行数据序列的干扰度大于或等于所述干扰度阈值。
在一种可能的实施方式中，所述第二确定模块12具体用于：
获取所述第一时间序列中每个时间的局部异常因子；
将局部异常因子大于1的时间确定为所述异常时间。
在一种可能的实施方式中，所述第三确定模块13具体用于：
获取所述第二时间序列中各时间之间的时间差，得到时间差序列；
获取所述时间差序列的均值和标准差；
根据所述均值和所述标准差，确定所述开机时刻和所述关机时刻。
本申请实施例提供的设备运行时长的计算装置10可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此次不再进行赘述。
图6为本申请实施例提供的一种设备运行时长的计算设备的结构示意图。请参见图6，设备运行时长的计算设备20可以包括：存储器21、处理器22。示例性地，存储器21、处理器22，各部分之间通过总线23相互连接。
存储器21用于存储程序指令；
处理器22用于执行该存储器所存储的程序指令，用以使得设备运行时长的计算设备20执行上述的设备运行时长的计算方法。
图6实施例所示的设备运行时长的计算设备可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当计算机执行指令被处理器执行时用于实现上述的设备运行时长的计算方法。
本申请实施例还可提供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，可实现上述设备运行时长的计算方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种设备运行时长的计算方法，其特征在于，包括：
确定第一设备的运行数据序列和第一时间序列，所述第一时间序列中包括多个采集时刻，所述运行数据序列中包括在所述多个采集时刻采集得到的运行数据；
根据所述运行数据序列和所述第一时间序列，在所述第一时间序列中确定异常时间，并在所述第一时间序列中去除所述异常时间得到第二时间序列；
根据所述第二时间序列确定所述第一设备的开机时刻和关机时刻；
根据所述开机时刻和所述关机时刻，确定所述第一设备的运行时长。
2.根据权利要求1所述的方法，其特征在于，根据所述运行数据序列和所述第一时间序列，在所述第一时间序列中确定异常时间，包括：
根据所述运行数据序列和所述第一时间序列，确定异常点数量；
若所述异常点数量小于第一阈值，则根据所述运行数据序列，在所述第一时间序列中确定所述异常时间；
若所述异常点数量大于或等于所述第一阈值，则根据所述第一时间序列，在所述第一时间序列中确定所述异常时间。
3.根据权利要求2所述的方法，其特征在于，根据所述运行数据序列和所述第一时间序列，确定异常点数量，包括：
根据所述运行数据序列中每两个运行数据之间的差值，在所述第一运行数据中确定多个突变运行数据对应的第一突变序号，所述第一突变序号为所述突变运行数据在所述运行数据序列中的序号；
根据所述第一时间序列中每两个时间之间的时间差，在所述第一时间序列中确定多个突变时间对应的第二突变序号，所述第二突变序号为所述突变时间在所述第一时间序列中的序号；
获取所述第一突变序号和所述第二突变序号的并集，并将所述并集中包括的突变序号的数量确定为所述异常点数量。
4.根据权利要求2或3所述的方法，其特征在于，根据所述运行数据序列，在所述第一时间序列中确定所述异常时间，包括：
获取所述运行数据序列中各运行数据的K阶差分，所述K为大于或等于1的整数；
根据所述运行数据序列中各运行数据的K阶差分，在所述第一时间序列中确定多个待选异常时间；
获取每个待选异常时间对所述运行数据序列的干扰度；
根据每个待选异常时间对所述运行数据序列的干扰度，在所述多个待选异常时间中确定所述异常时间。
5.根据权利要求4所述的方法，其特征在于，针对任意一个待选异常时间；获取所述待选异常时间对所述运行数据序列的干扰度，包括：
在所述运行数据序列中确定第一子序列和第二子序列，所述待选异常时间为所述第一子序列中的首个运行数据，所述异常待选时间为所述第二子序列中最后一个运行数据；
根据所述待选异常时间与所述第一子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第一子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第一子序列的第一干扰度；
根据所述待选异常时间与所述第二子序列中除所述待选异常时间之外其它时间之间的差值、以及所述第二子序列中除所述待选异常时间之外其它时间的平均值与所述待选异常时间之间的最大值，确定所述待选异常时间对所述第二子序列的第二干扰度；
若所述第一干扰度和所述第二干扰度均大于或等于干扰度阈值，则确定所述待选异常时间对所述运行数据序列的干扰度大于或等于所述干扰度阈值。
6.根据权利要求2所述的方法，其特征在于，根据所述第一时间序列，在所述第一时间序列中确定所述异常时间，包括：
获取所述第一时间序列中每个时间的局部异常因子；
将局部异常因子大于1的时间确定为所述异常时间。
7.根据权利要求1-6任一项所述的方法，其特征在于，根据所述第二时间序列确定所述第一设备的开机时刻和关机时刻，包括：
获取所述第二时间序列中各时间之间的时间差，得到时间差序列；
获取所述时间差序列的均值和标准差；
根据所述均值和所述标准差，确定所述开机时刻和所述关机时刻。
8.一种设备运行时长的计算装置，其特征在于，包括：第一确定模块、第二确定模块、第三确定模块和第四确定模块，其中，
第一确定模块用于，确定第一设备的运行数据序列和第一时间序列，所述第一时间序列中包括多个采集时刻，所述运行数据序列中包括在所述多个采集时刻采集得到的运行数据；
第二确定模块用于，根据所述运行数据序列和所述第一时间序列，在所述第一时间序列中确定异常时间，并在所述第一时间序列中去除所述异常时间得到第二时间序列；
第三确定模块用于，根据所述第二时间序列确定所述第一设备的开机时刻和关机时刻；
第四确定模块用于，根据所述开机时刻和所述关机时刻，确定所述第一设备的运行时长。
9.一种设备运行时长的计算设备，其特征在于，包括：处理器、存储器，
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1-7任一项所述的设备运行时长的计算方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现权利要求1-7任一项所述的设备运行时长的计算方法。
CN202210080749.6A 2022-01-24 2022-01-24 设备运行时长的计算方法、装置、设备及存储介质 Active CN114547000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210080749.6A CN114547000B (zh) 2022-01-24 2022-01-24 设备运行时长的计算方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210080749.6A CN114547000B (zh) 2022-01-24 2022-01-24 设备运行时长的计算方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114547000A true CN114547000A (zh) 2022-05-27
CN114547000B CN114547000B (zh) 2024-09-24

Family

ID=81671762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210080749.6A Active CN114547000B (zh) 2022-01-24 2022-01-24 设备运行时长的计算方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114547000B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115973872A (zh) * 2023-03-17 2023-04-18 徐工汉云技术股份有限公司 施工升降机异常工时修正方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108063858A (zh) * 2016-11-09 2018-05-22 厦门雅迅网络股份有限公司 一种移动终端开机提醒的控制方法及系统
CN112966222A (zh) * 2021-03-10 2021-06-15 中国民航信息网络股份有限公司 一种时间序列异常数据检测方法及相关设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108063858A (zh) * 2016-11-09 2018-05-22 厦门雅迅网络股份有限公司 一种移动终端开机提醒的控制方法及系统
CN112966222A (zh) * 2021-03-10 2021-06-15 中国民航信息网络股份有限公司 一种时间序列异常数据检测方法及相关设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PENGYU CHEN等: "IoTDQ: An Industrial IoT Data Analysis Library for Apache IoTDB", 《BIG DATA MINING AND ANALYTICS》, 31 March 2024 (2024-03-31) *
刘明华;张晋昕;: "时间序列的异常点诊断方法", 中国卫生统计, no. 04, 25 August 2011 (2011-08-25) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115973872A (zh) * 2023-03-17 2023-04-18 徐工汉云技术股份有限公司 施工升降机异常工时修正方法和装置

Also Published As

Publication number Publication date
CN114547000B (zh) 2024-09-24

Similar Documents

Publication Publication Date Title
CN111259316B (zh) 电容的剩余寿命计算方法
EP2911060A1 (en) Method and device for determining resource leakage and for predicting resource usage state
CN114547000A (zh) 设备运行时长的计算方法、装置、设备及存储介质
CN114491383B (zh) 桥梁监测的异常数据处理方法及系统
CN107944721B (zh) 一种通用的基于数据挖掘的机器学习方法、装置以及系统
CN115453356B (zh) 一种动力设备运行状态监测分析方法、系统、终端及介质
CN116701731B (zh) 一种电机生命周期内运行稳定性的动态监测预警方法
CN108009063B (zh) 一种电子设备故障阈值检测的方法
CN118133053A (zh) 一种工业数据汇集与处理系统及方法
US20080255773A1 (en) Machine condition monitoring using pattern rules
CN101290611A (zh) 数据中异常点的检测方法和装置
CN117473338B (zh) 一种核电用泵机运行监测方法及系统
CN117237678B (zh) 用电行为异常检测方法、装置、设备及存储介质
CN114755010A (zh) 一种旋转机械振动故障诊断方法及其系统
CN112659927B (zh) 车用燃料电池堆性能特征的确定方法、装置、设备和介质
CN107977626B (zh) 一种电子设备工作数据的分组方法
CN108009582B (zh) 一种电子设备标准工作指标设置的方法
CN113052272B (zh) 一种异常检测方法、装置、电子设备及存储介质
CN114083987B (zh) 电池监测参数的修正方法、装置和计算机设备
CN111075660B (zh) 一种风电机组的监测变量的频域分析方法、装置及设备
CN114760190A (zh) 一种面向服务的融合网络性能异常检测方法
CN112084648B (zh) 设备剩余使用寿命的预测方法、装置及电子设备
CN112858725A (zh) 一种车速一致性检测方法、终端设备及存储介质
CN111938594A (zh) 基于层次图模型的癫痫脑电信号异常监测系统及设备
CN117829097B (zh) 电池数据处理方法、装置、电子设备及可读存储介质

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
GR01 Patent grant
GR01 Patent grant