CN115063754B - 基于人工智能的设备监测方法、装置、设备及存储介质 - Google Patents

基于人工智能的设备监测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115063754B
CN115063754B CN202210990276.3A CN202210990276A CN115063754B CN 115063754 B CN115063754 B CN 115063754B CN 202210990276 A CN202210990276 A CN 202210990276A CN 115063754 B CN115063754 B CN 115063754B
Authority
CN
China
Prior art keywords
operation data
monitored
data
information
electric 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.)
Active
Application number
CN202210990276.3A
Other languages
English (en)
Other versions
CN115063754A (zh
Inventor
马戈
王青春
黄启洋
罗盈盈
叶鸿儒
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.)
China Industrial Internet Research Institute
Original Assignee
China Industrial Internet Research Institute
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 China Industrial Internet Research Institute filed Critical China Industrial Internet Research Institute
Priority to CN202210990276.3A priority Critical patent/CN115063754B/zh
Publication of CN115063754A publication Critical patent/CN115063754A/zh
Application granted granted Critical
Publication of CN115063754B publication Critical patent/CN115063754B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开一种基于人工智能的设备监测方法、装置、设备及存储介质。本发明通过获取待监测用电设备的设备图像信息，并采集待监测用电设备的运行数据，然后根据设备图像信息对运行数据进行筛选，获得目标运行数据，再根据目标运行数据对待监测用电设备进行异常监测。本发明通过获取待监测用电设备的设备图像信息，并采集待监测用电设备的运行数据，并根据设备图像信息对运行数据进行筛选，相较于现有的直接通过采集的运行数据判断用电设备是否异常，本发明上述方式能够有效地对待监测用电设备的运行数据进行筛选，再根据目标运行数据对待监测用电设备进行异常监测，从而能够对用电设备进行实时有效地监测，及时避免用电设备由于异常产生的损坏。

Description

基于人工智能的设备监测方法、装置、设备及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于人工智能的设备监测方法、装置、设备及存储介质。
背景技术
随着工业的发展，对用电量的需求也越来越大，用电设备的用电安全更加重要。现有用电设备在使用过程中经常会出现不合理使用，导致用电设备过载，会引起用电设备烧坏，存在一定的安全隐患。因此，如何对设备进行实时有效地监测，及时避免设备由于异常产生的损坏，成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于人工智能的设备监测方法、装置、设备及存储介质，旨在解决如何对设备进行实时有效地监测，及时避免设备由于异常产生的损坏的技术问题。
为实现上述目的，本发明提供了一种基于人工智能的设备监测方法，所述基于人工智能的设备监测方法包括以下步骤：
获取待监测用电设备的设备图像信息，并采集所述待监测用电设备的运行数据；
根据所述设备图像信息对所述运行数据进行筛选，获得目标运行数据；
根据所述目标运行数据对所述待监测用电设备进行异常监测。
可选地，所述根据所述设备图像信息对所述运行数据进行筛选，获得目标运行数据的步骤，具体包括：
获取待监测用电设备所处的当前环境信息；
根据所述设备图像信息和所述当前环境信息确定所述待监测用电设备的初始状态信息；
在所述初始状态信息异常时，根据所述当前环境信息和所述设备图像信息对所述运行数据进行筛选，获得目标运行数据。
可选地，所述根据所述设备图像信息和所述当前环境信息确定所述待监测用电设备的初始状态信息的步骤，具体包括：
根据所述设备图像信息确定所述待监测用电设备的环绕信息，并根据所述环绕信息确定周围设施信息；
根据所述当前环境信息中的天气信息和温度信息确定设施条件；
在所述周围设施信息不符合所述设施条件时，判定所述待监测用电设备的初始状态信息异常。
可选地，所述在所述初始状态信息异常时，根据所述当前环境信息和所述设备图像信息对所述运行数据进行筛选，获得目标运行数据的步骤，具体包括：
在所述初始状态信息异常时，对所述运行数据进行数据分类，获得分类后的运行数据；
根据所述当前环境信息和所述设备图像信息确定所述待监测用电设备对应的运行数据阈值；
根据所述运行数据阈值对所述分类后的运行数据进行筛选，获得目标运行数据。
可选地，所述根据所述当前环境信息和所述设备图像信息确定所述待监测用电设备对应的运行数据阈值的步骤，具体包括：
在所述当前环境信息为环境正常时，根据所述设备图像信息确定周围相同类型的目标用电设备；
获取所述目标用电设备与当前时刻在同一历史时间段内的初始运行数据；
根据所述初始运行数据确定所述待监测用电设备对应的运行数据阈值。
可选地，所述根据所述初始运行数据确定所述待监测用电设备对应的运行数据阈值的步骤，具体包括：
将所述初始运行数据进行异常值处理，获得处理后的运行数据；
将所述处理后的运行数据中的最大值和最小值作为所述待监测用电设备对应的初始运行数据阈值；
对所述初始运行数据阈值按照预设调整规则进行调整，获得所述待监测用电设备对应的运行数据阈值。
可选地，所述根据所述目标运行数据对所述待监测用电设备进行异常监测的步骤，具体包括：
获取所述待监测用电设备对应的历史运行数据；
从所述历史运行数据中选取与所述目标运行数据处于同一时间段的目标历史数据；
对所述目标历史数据和所述目标运行数据进行分类，获得同一类别的目标历史数据和目标运行数据；
将所述同一类别的目标历史数据和目标运行数据进行对比，并根据对比结果对所述待监测用电设备进行异常监测。
此外，为实现上述目的，本发明还提供一种基于人工智能的设备监测装置，所述基于人工智能的设备监测装置包括：
数据获取模块，用于获取待监测用电设备的设备图像信息，并采集所述待监测用电设备的运行数据；
数据筛选模块，用于根据所述设备图像信息对所述运行数据进行筛选，获得目标运行数据；
异常监测模块，用于根据所述目标运行数据对所述待监测用电设备进行异常监测。
此外，为实现上述目的，本发明还提出一种基于人工智能的设备监测设备，所述基于人工智能的设备监测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的设备监测程序，所述基于人工智能的设备监测程序配置为实现如上文所述的基于人工智能的设备监测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于人工智能的设备监测程序，所述基于人工智能的设备监测程序被处理器执行时实现如上文所述的基于人工智能的设备监测方法的步骤。
本发明通过获取待监测用电设备的设备图像信息，并采集待监测用电设备的运行数据，然后根据设备图像信息对运行数据进行筛选，获得目标运行数据，再根据目标运行数据对待监测用电设备进行异常监测。本发明通过获取待监测用电设备的设备图像信息，并采集待监测用电设备的运行数据，并根据设备图像信息对运行数据进行筛选，相较于现有的直接通过采集的运行数据判断用电设备是否异常，本发明上述方式能够有效地对待监测用电设备的运行数据进行筛选，获得目标运行数据，再根据目标运行数据对待监测用电设备进行异常监测，从而能够对用电设备进行实时有效地监测，及时避免用电设备由于异常产生的损坏。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于人工智能的设备监测设备的结构示意图；
图2为本发明基于人工智能的设备监测方法第一实施例的流程示意图；
图3为本发明基于人工智能的设备监测方法第二实施例的流程示意图；
图4为本发明基于人工智能的设备监测方法第三实施例的流程示意图；
图5为本发明基于人工智能的设备监测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于人工智能的设备监测设备结构示意图。
如图1所示，该基于人工智能的设备监测设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于人工智能的设备监测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于人工智能的设备监测程序。
在图1所示的基于人工智能的设备监测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于人工智能的设备监测设备中的处理器1001、存储器1005可以设置在基于人工智能的设备监测设备中，所述基于人工智能的设备监测设备通过处理器1001调用存储器1005中存储的基于人工智能的设备监测程序，并执行本发明实施例提供的基于人工智能的设备监测方法。
基于上述基于人工智能的设备监测设备，本发明实施例提供了一种基于人工智能的设备监测方法，参照图2，图2为本发明基于人工智能的设备监测方法第一实施例的流程示意图。
本实施例中，所述基于人工智能的设备监测方法包括以下步骤：
步骤S10：获取待监测用电设备的设备图像信息，并采集所述待监测用电设备的运行数据；
需要说明的是，本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备，例如手机、平板电脑、个人电脑等，或者是一种能够实现上述功能的电子设备或基于人工智能的设备监测设备。以下以所述基于人工智能的设备监测设备为例，对本实施例及下述各实施例进行说明。
可理解的是，待监测用电设备是指需要进行异常监测的用电设备，用电设备可以指各种需要使用电能进行工作的设备，例如：电脑、空调，或者用于工业生产的设备等。设备图像信息是指包含待检测用电设备的图像信息，具体可通过摄像头采集，还可通过其他方式采集，本实施例对此不做具体限制。
应理解的是，待监测用电设备的运行数据是指待监测用电设备在运行过程中的数据，具体可包括：电压数据、电流数据、能耗数据等，本实施例对此不做具体限制。
步骤S20：根据所述设备图像信息对所述运行数据进行筛选，获得目标运行数据；
在具体实现中，本实施例可根据设备图像信息对运行数据进行筛选，即将明显错误的运行数据进行删除，得到目标运行数据，具体可根据设备图像信息中的设备个数对运行数据进行筛选，还可根据设备图像信息中的设备状态进行筛选，本实施例对此不做具体限制。
步骤S30：根据所述目标运行数据对所述待监测用电设备进行异常监测。
进一步地，为了精确对待监测用电设备进行异常监测，在本实施例中，所述步骤S30包括：获取所述待监测用电设备对应的历史运行数据；从所述历史运行数据中选取与所述目标运行数据处于同一时间段的目标历史数据；对所述目标历史数据和所述目标运行数据进行分类，获得同一类别的目标历史数据和目标运行数据；将所述同一类别的目标历史数据和目标运行数据进行对比，并根据对比结果对所述待监测用电设备进行异常监测。
可理解的是，历史运行数据是指待监测用电设备在历史时间段内的运行数据，并且是正常的运行数据，然后从历史运行数据中选取与目标运行数据处于同一时间段的目标历史数据，例如：在8:00~9:00采集到的目标运行数据，目标历史数据也必须是在8:00~9:00这一时间段内采集的，可以是前一天，或者是前两天等，本实施例对此不做具体限制。
在具体实现中，需要对目标历史数据和目标运行数据进行分类，获得同一类别的目标历史数据和目标运行数据，类别可包括电流、电压、能耗等，可将同一类别的目标历史数据和目标运行数据进行对比，得到的对比结果是两种数据之间的差值，在两种数据差距过大时，说明待监测用电设备出现异常，在两种数据差距不大时，说明待监测用电设备没有出现异常，具体地是否差距过大可通过设置预设阈值进行判断，并且每类运行数据可根据实际情况设置不同的阈值，例如：对于能耗这一类别，在同一时刻的目标历史数据和目标运行数据之间的差值大于20时，说明待监测用电设备出现异常，此时可以及时关闭待监测用电设备，并向工作人员提醒，以使工作人员及时对异常情况进行处理。
本实施例通过通过获取待监测用电设备的设备图像信息，并采集待监测用电设备的运行数据，然后根据设备图像信息对运行数据进行筛选，获得目标运行数据，再根据目标运行数据对待监测用电设备进行异常监测。本实施例通过获取待监测用电设备的设备图像信息，并采集待监测用电设备的运行数据，并根据设备图像信息对运行数据进行筛选，相较于现有的直接通过采集的运行数据判断用电设备是否异常，本实施例上述方式能够有效地对待监测用电设备的运行数据进行筛选，获得目标运行数据，再根据目标运行数据对待监测用电设备进行异常监测，从而能够对用电设备进行实时有效地监测，及时避免用电设备由于异常产生的损坏。
参考图3，图3为本发明基于人工智能的设备监测方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S20包括：
步骤S201：获取待监测用电设备所处的当前环境信息；
需要说明的是，当前环境信息是指在当前时刻下待监测用电设备所处的环境信息，例如：天气信息、温度信息等，本实施例对此不做具体限制。
步骤S202：根据所述设备图像信息和所述当前环境信息确定所述待监测用电设备的初始状态信息；
应理解的是，初始状态信息是指初步判断待监测用电设备的状态是否异常的信息，具体可分解设备图像信息和当前环境信息确定。
进一步地，为了精确确定初始状态信息，在本实施例中，所述步骤S202包括：根据所述设备图像信息确定所述待监测用电设备的环绕信息，并根据所述环绕信息确定周围设施信息；根据所述当前环境信息中的天气信息和温度信息确定设施条件；在所述周围设施信息不符合所述设施条件时，判定所述待监测用电设备的初始状态信息异常。
可理解的是，待监测用电设备的环绕信息是指待监测用电设备四周的建筑物信息，然后可根据环绕信息确定周围设施信息，周围设施信息是指待监测用电设备的四周的设施信息，例如：待监测用电设备的上方是否有遮挡物，待监测用电设备的四周是否被环绕等，还可包括其他信息，本实施例对此不做具体限制。
应理解的是，本实施例可根据当前环境信息中的天气信息和温度信息确定设施条件，例如：在天气信息为雨天时，温度信息为低温，并且环境潮湿时，此时可设定设施条件为待监测用电设备的上方有遮挡物，并且待监测用电设备的电源接口不能裸露在接触到雨水的位置，对于其他的设施条件可根据实际情况进行设置，本实施例对此不做具体限制。
在具体实现中，在周围设施信息不符合设施条件时，可判定待监测用电设备的初始状态信息异常；在周围设施信息符合设施条件时，可判定待监测用电设备的初始状态信息正常，此时只需要实时获取待监测用电设备的能耗数据，然后判断能耗数据是否异常，具体判断方式可以是与预先设置的能耗阈值进行对比，在能耗数据大于预设能耗阈值时，判定待监测用电设备异常，对于具体的预设能耗阈值可根据待监测设备的型号进行设置，本实施例对此不做具体限制。
步骤S203：在所述初始状态信息异常时，根据所述当前环境信息和所述设备图像信息对所述运行数据进行筛选，获得目标运行数据。
可理解的是，在初始状态信息异常时，可根据当前环境信息和设备图像信息对运行数据进行筛选，也就是将明显错误的运行数据进行删除，得到目标运行数据。
本实施例通过获取待监测用电设备所处的当前环境信息，然后根据设备图像信息和当前环境信息确定待监测用电设备的初始状态信息，在初始状态信息异常时，根据当前环境信息和所设备图像信息对运行数据进行筛选，获得目标运行数据。本实施例根据设备图像信息和当前环境信息确定待监测用电设备的初始状态信息，能够初步判断待监测用电设备是否异常，从而能够节省判断待监测用电设备的最终监测结果所耗费的时间，并且根据当前环境信息和所设备图像信息对运行数据进行筛选，从而能够使得获得的目标运行数据更加精确，再根据目标运行数据对待监测用电设备进行异常监测，从而能够对用电设备进行实时有效地监测，及时避免用电设备由于异常产生的损坏。
参考图4，图4为本发明基于人工智能的设备监测方法第三实施例的流程示意图。
基于上述各实施例，在本实施例中，所述步骤S203包括：
步骤S2031：在所述初始状态信息异常时，对所述运行数据进行数据分类，获得分类后的运行数据；
可理解的是，对运行数据进行数据分类，即按照数据的类型进行分类，类别可包括电流、电压、能耗等，即可得到分类后的运行数据。
步骤S2032：根据所述当前环境信息和所述设备图像信息确定所述待监测用电设备对应的运行数据阈值；
需要说明的是，运行数据阈值是指待监测设备在运行过程中产生的各类数据的最大值和最小值，每一类运行数据对应的运行数据阈值都不一定相同。
可理解的是，本实施例可根据当前环境信息和设备图像信息确定待监测用电设备对应的运行数据阈值。
进一步地，为了精确确定数据阈值，在本实施例中，所述步骤S2032包括：在所述当前环境信息为环境正常时，根据所述设备图像信息确定周围相同类型的目标用电设备；获取所述目标用电设备与当前时刻在同一历史时间段内的初始运行数据；根据所述初始运行数据确定所述待监测用电设备对应的运行数据阈值。
需要说明的是，本实施例中的环境正常指的是没有发生恶劣损坏待监测设备的行为，并且没有出现恶劣的天气影响时的情况。
可理解的是，在当前环境信息为环境正常时，可根据设备图像信息确定周围相同类型的目标用电设备，即与待监测设备相同类型的目标用电设备，并且本实施例可在一定的范围内对目标用电设备进行搜索，以节约成本，例如可以在以待监测设备为中心，半径为20米的范围内进行搜索，寻找与待监测设备在该范围内所有相同类型的目标用电设备。
应理解的是，需要获取目标用电设备与当前时刻在同一历史时间段内的初始运行数据，例如：当前时刻为8:30，采集初始运行数据的历史时间段需要包括8:30这一时刻，可以是8:00~9:00，也可以是8:20~8:40，可以是前一天，或者是前两天等，本实施例对此不做具体限制，但是历史时间段不能与8:30间隔太远，否则会带来太大的误差，例如2:00~14:00等。
在具体实现中，可根据初始运行数据确定待监测用电设备对应的运行数据阈值，并且运行数据阈值可包括每一类别的运行数据对应的运行数据阈值。
进一步地，为了精确确定数据阈值，在本实施例中，所述根据所述初始运行数据确定所述待监测用电设备对应的运行数据阈值的步骤，具体包括：将所述初始运行数据进行异常值处理，获得处理后的运行数据；将所述处理后的运行数据中的最大值和最小值作为所述待监测用电设备对应的初始运行数据阈值；对所述初始运行数据阈值按照预设调整规则进行调整，获得所述待监测用电设备对应的运行数据阈值。
可理解的是，异常值处理是指对初始运行数据中明显异常的数据进行删除，可以通过求得初始运行数据中的相邻几个数据之间的平均值进行异常值处理，例如相邻数据为2.1，2.2，2.7，2.4等，则2.7明显为异常数据，需要进行删除，还可通过其他防暑进行异常值处理，本实施例对此不做具体限制。
应理解的是，本实施例可将处理后的运行数据中的最大值和最小值作为待监测用电设备对应的初始运行数据阈值，并对初始运行数据阈值按照预设调整规则进行调整，预设规则可以是预先设置的将初始运行数据阈值中的最大值进行增加，最小值进行减小的规则，具体增大值和减小值可根据实际情况进行设置，本实施例对此不做具体限制，例如：初始运行数据阈值中的最大值为30，最小值为4，此时按照预设规则进行调整后，获得的运行数据阈值中的最大值可以是31，最小值可以是3。
在具体实现中，最终得到的待监测用电设备对应的运行数据阈值可包括每一类别的运行数据对应的运行数据阈值。
步骤S2033：根据所述运行数据阈值对所述分类后的运行数据进行筛选，获得目标运行数据。
可理解的是，本实施例可根据运行数据阈值对所述分类后的运行数据进行筛选，即获取每一类别的运行数据和对应类别的运行数据阈值，然后对大于运行数据阈值中的最大值的运行数据和小于运行数据阈值中的最小值的运行数据进行删除，获得目标运行数据，；例如：某一类别的运行数据包括2、3、4、10、20、30、32……，对应类别的数据阈值中的最大值是31，最小值是3，此时需要对运行数据中的2和32进行删除，获得该类别对应的目标运行数据。
在具体实现中，得到的目标运行数据可包括每一类别的目标运行数据。
本实施例通过在初始状态信息异常时，对运行数据进行数据分类，获得分类后的运行数据，然后根据当前环境信息和设备图像信息确定待监测用电设备对应的运行数据阈值，再根据运行数据阈值对分类后的运行数据进行筛选，获得目标运行数据。本实施例根据当前环境信息和设备图像信息共同确定待监测用电设备对应的运行数据阈值，能够精确确定待监测用电设备对应的运行数据阈值，然后根据运行数据阈值对分类后的运行数据进行筛选，从而能够使得获得的目标运行数据更加精确，再根据目标运行数据对待监测用电设备进行异常监测，从而能够对用电设备进行实时有效地监测，及时避免用电设备由于异常产生的损坏。
参照图5，图5为本发明基于人工智能的设备监测装置第一实施例的结构框图。
如图5所示，本发明实施例提出的基于人工智能的设备监测装置包括：
数据获取模块10，用于获取待监测用电设备的设备图像信息，并采集所述待监测用电设备的运行数据；
数据筛选模块20，用于根据所述设备图像信息对所述运行数据进行筛选，获得目标运行数据；
异常监测模块30，用于根据所述目标运行数据对所述待监测用电设备进行异常监测。
本实施例通过通过获取待监测用电设备的设备图像信息，并采集待监测用电设备的运行数据，然后根据设备图像信息对运行数据进行筛选，获得目标运行数据，再根据目标运行数据对待监测用电设备进行异常监测。本实施例通过获取待监测用电设备的设备图像信息，并采集待监测用电设备的运行数据，并根据设备图像信息对运行数据进行筛选，相较于现有的直接通过采集的运行数据判断用电设备是否异常，本实施例上述方式能够有效地对待监测用电设备的运行数据进行筛选，获得目标运行数据，再根据目标运行数据对待监测用电设备进行异常监测，从而能够对用电设备进行实时有效地监测，及时避免用电设备由于异常产生的损坏。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于人工智能的设备监测方法，此处不再赘述。
基于本发明上述基于人工智能的设备监测装置第一实施例，提出本发明基于人工智能的设备监测装置的第二实施例。
在本实施例中，所述数据筛选模块20，还用于获取待监测用电设备所处的当前环境信息；根据所述设备图像信息和所述当前环境信息确定所述待监测用电设备的初始状态信息；在所述初始状态信息异常时，根据所述当前环境信息和所述设备图像信息对所述运行数据进行筛选，获得目标运行数据。
进一步地，所述数据筛选模块20，还用于根据所述设备图像信息确定所述待监测用电设备的环绕信息，并根据所述环绕信息确定周围设施信息；根据所述当前环境信息中的天气信息和温度信息确定设施条件；在所述周围设施信息不符合所述设施条件时，判定所述待监测用电设备的初始状态信息异常。
进一步地，所述数据筛选模块20，还用于在所述初始状态信息异常时，对所述运行数据进行数据分类，获得分类后的运行数据；根据所述当前环境信息和所述设备图像信息确定所述待监测用电设备对应的运行数据阈值；根据所述运行数据阈值对所述分类后的运行数据进行筛选，获得目标运行数据。
进一步地，所述数据筛选模块20，还用于在所述当前环境信息为环境正常时，根据所述设备图像信息确定周围相同类型的目标用电设备；获取所述目标用电设备与当前时刻在同一历史时间段内的初始运行数据；根据所述初始运行数据确定所述待监测用电设备对应的运行数据阈值。
进一步地，所述数据筛选模块20，还用于将所述初始运行数据进行异常值处理，获得处理后的运行数据；将所述处理后的运行数据中的最大值和最小值作为所述待监测用电设备对应的初始运行数据阈值；对所述初始运行数据阈值按照预设调整规则进行调整，获得所述待监测用电设备对应的运行数据阈值。
进一步地，所述异常监测模块30，还用于获取所述待监测用电设备对应的历史运行数据；从所述历史运行数据中选取与所述目标运行数据处于同一时间段的目标历史数据；对所述目标历史数据和所述目标运行数据进行分类，获得同一类别的目标历史数据和目标运行数据；将所述同一类别的目标历史数据和目标运行数据进行对比，并根据对比结果对所述待监测用电设备进行异常监测。
本发明基于人工智能的设备监测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于人工智能的设备监测程序，所述基于人工智能的设备监测程序被处理器执行时实现如上文所述的基于人工智能的设备监测方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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一个存储介质（如只读存储器/随机存取存储器、磁碟、光盘）中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种基于人工智能的设备监测方法，其特征在于，所述基于人工智能的设备监测方法包括以下步骤：
获取待监测用电设备的设备图像信息，并采集所述待监测用电设备的运行数据；
根据所述设备图像信息对所述运行数据进行筛选，获得目标运行数据；
根据所述目标运行数据对所述待监测用电设备进行异常监测；
所述根据所述设备图像信息对所述运行数据进行筛选，获得目标运行数据的步骤，具体包括：
获取待监测用电设备所处的当前环境信息；
根据所述设备图像信息和所述当前环境信息确定所述待监测用电设备的初始状态信息；
在所述初始状态信息异常时，根据所述当前环境信息和所述设备图像信息对所述运行数据进行筛选，获得目标运行数据；
所述根据所述设备图像信息和所述当前环境信息确定所述待监测用电设备的初始状态信息的步骤，具体包括：
根据所述设备图像信息确定所述待监测用电设备的环绕信息，并根据所述环绕信息确定周围设施信息；
根据所述当前环境信息中的天气信息和温度信息确定设施条件；
在所述周围设施信息不符合所述设施条件时，判定所述待监测用电设备的初始状态信息异常。
2.如权利要求1所述的基于人工智能的设备监测方法，其特征在于，所述在所述初始状态信息异常时，根据所述当前环境信息和所述设备图像信息对所述运行数据进行筛选，获得目标运行数据的步骤，具体包括：
在所述初始状态信息异常时，对所述运行数据进行数据分类，获得分类后的运行数据；
根据所述当前环境信息和所述设备图像信息确定所述待监测用电设备对应的运行数据阈值；
根据所述运行数据阈值对所述分类后的运行数据进行筛选，获得目标运行数据。
3.如权利要求2所述的基于人工智能的设备监测方法，其特征在于，所述根据所述当前环境信息和所述设备图像信息确定所述待监测用电设备对应的运行数据阈值的步骤，具体包括：
在所述当前环境信息为环境正常时，根据所述设备图像信息确定周围相同类型的目标用电设备；
获取所述目标用电设备与当前时刻在同一历史时间段内的初始运行数据；
根据所述初始运行数据确定所述待监测用电设备对应的运行数据阈值。
4.如权利要求3所述的基于人工智能的设备监测方法，其特征在于，所述根据所述初始运行数据确定所述待监测用电设备对应的运行数据阈值的步骤，具体包括：
将所述初始运行数据进行异常值处理，获得处理后的运行数据；
将所述处理后的运行数据中的最大值和最小值作为所述待监测用电设备对应的初始运行数据阈值；
对所述初始运行数据阈值按照预设调整规则进行调整，获得所述待监测用电设备对应的运行数据阈值。
5.如权利要求1~4中任一项所述的基于人工智能的设备监测方法，其特征在于，所述根据所述目标运行数据对所述待监测用电设备进行异常监测的步骤，具体包括：
获取所述待监测用电设备对应的历史运行数据；
从所述历史运行数据中选取与所述目标运行数据处于同一时间段的目标历史数据；
对所述目标历史数据和所述目标运行数据进行分类，获得同一类别的目标历史数据和目标运行数据；
将所述同一类别的目标历史数据和目标运行数据进行对比，并根据对比结果对所述待监测用电设备进行异常监测。
6.一种基于人工智能的设备监测装置，其特征在于，所述基于人工智能的设备监测装置包括：
数据获取模块，用于获取待监测用电设备的设备图像信息，并采集所述待监测用电设备的运行数据；
数据筛选模块，用于根据所述设备图像信息对所述运行数据进行筛选，获得目标运行数据；
异常监测模块，用于根据所述目标运行数据对所述待监测用电设备进行异常监测；
所述数据筛选模块，还用于获取待监测用电设备所处的当前环境信息；根据所述设备图像信息和所述当前环境信息确定所述待监测用电设备的初始状态信息；在所述初始状态信息异常时，根据所述当前环境信息和所述设备图像信息对所述运行数据进行筛选，获得目标运行数据；
所述数据筛选模块，还用于根据所述设备图像信息确定所述待监测用电设备的环绕信息，并根据所述环绕信息确定周围设施信息；根据所述当前环境信息中的天气信息和温度信息确定设施条件；在所述周围设施信息不符合所述设施条件时，判定所述待监测用电设备的初始状态信息异常。
7.一种基于人工智能的设备监测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的设备监测程序，所述基于人工智能的设备监测程序配置为实现如权利要求1至5中任一项所述的基于人工智能的设备监测方法的步骤。
8.一种存储介质，其特征在于，所述存储介质上存储有基于人工智能的设备监测程序，所述基于人工智能的设备监测程序被处理器执行时实现如权利要求1至5中任一项所述的基于人工智能的设备监测方法的步骤。
CN202210990276.3A 2022-08-18 2022-08-18 基于人工智能的设备监测方法、装置、设备及存储介质 Active CN115063754B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210990276.3A CN115063754B (zh) 2022-08-18 2022-08-18 基于人工智能的设备监测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210990276.3A CN115063754B (zh) 2022-08-18 2022-08-18 基于人工智能的设备监测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115063754A CN115063754A (zh) 2022-09-16
CN115063754B true CN115063754B (zh) 2022-11-01

Family

ID=83208402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210990276.3A Active CN115063754B (zh) 2022-08-18 2022-08-18 基于人工智能的设备监测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115063754B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0629787B2 (ja) * 1990-06-13 1994-04-20 新日本製鐵株式会社 稼働設備の異常発熱検出装置
CN108356818A (zh) * 2018-01-15 2018-08-03 史聪灵 一种基于机器人的综合管廊巡检系统及交互系统
CN114200877B (zh) * 2021-11-12 2024-02-27 珠海大横琴科技发展有限公司 一种用电设备的监控方法和装置
CN114485947B (zh) * 2021-12-30 2024-04-02 北京联合永道软件股份有限公司 用于户外用电设备的安防监控方法
CN114407713A (zh) * 2021-12-30 2022-04-29 广东劲天科技有限公司 基于大数据的充电桩管理系统、方法、装置及存储介质

Also Published As

Publication number Publication date
CN115063754A (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
CN104462970B (zh) 一种基于进程通信的Android应用程序权限滥用检测方法
CN107977301B (zh) 设备异常的检测方法、装置、存储介质及电子设备
CN110221145B (zh) 电力设备故障诊断方法、装置及终端设备
CN110708204A (zh) 一种基于运维知识库的异常处理方法、系统、终端及介质
CN112188531B (zh) 异常检测方法、装置、电子设备及计算机存储介质
CN108535759B (zh) 百万千瓦级核电站的远程辐射防护监控方法、装置及系统
CN108090359B (zh) 一种应用程序监测方法及应用服务器
EP3591532B1 (en) Analysis device, analysis method, and analysis program
CN114298175A (zh) 基于边缘计算的电力设备状态监测与故障预警方法及系统
CN112486970A (zh) 一种用于电力设备的运行状态评估方法及装置
CN116052084A (zh) 安全隐患管控与排查方法、装置、设备及介质
CN115063754B (zh) 基于人工智能的设备监测方法、装置、设备及存储介质
CN117112336B (zh) 智能通信设备异常检测方法、设备、存储介质及装置
CN112270337A (zh) 一种基于特征映射的异构信息获取方法及装置
CN109242321B (zh) 用户电力负荷在线分析方法及终端设备
CN116714469A (zh) 充电桩健康监测方法、装置、终端及存储介质
CN115913652A (zh) 异常访问行为检测方法及装置、电子设备及可读存储介质
CN113222370B (zh) 电力系统风险预警方法、装置、设备及存储介质
CN115503535A (zh) 安全充电方法、装置、设备及计算机可读存储介质
CN114360055A (zh) 基于人工智能的行为检测方法、设备及存储介质
CN114584391A (zh) 异常流量处理策略的生成方法、装置、设备及存储介质
CN113672449A (zh) 智能运维异常监测方法、装置、计算机设备和存储介质
CN113194191A (zh) 基于云手机的故障处理方法、装置、设备及存储介质
CN113362069A (zh) 风控模型的动态调整方法、装置、设备及可读存储介质
CN112909936A (zh) 火电机组运行状态的监测方法、装置和系统

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
GR01 Patent grant
GR01 Patent grant