CN115456224B - 基于数字孪生的数据中心智慧运维系统 - Google Patents
基于数字孪生的数据中心智慧运维系统 Download PDFInfo
- Publication number
- CN115456224B CN115456224B CN202211402372.8A CN202211402372A CN115456224B CN 115456224 B CN115456224 B CN 115456224B CN 202211402372 A CN202211402372 A CN 202211402372A CN 115456224 B CN115456224 B CN 115456224B
- Authority
- CN
- China
- Prior art keywords
- data
- operating
- similarity
- central control
- control module
- 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
Links
Images
Classifications
-
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及数据处理技术领域,尤其涉及一种基于数字孪生的数据中心智慧运维系统,包括用以获取运行设备的运行数据的数据获取模块,用以设置运行参数阈值并对运行数据是否符合标准进行判定的中控模块,用以将运行数据储存至数据标签对应的数据集或将运行数据进行剔除的数据处理模块,用以对运行数据进行储存的数据库模块,用以对数据处理模块剔除的数据进行储存的数据回收模块,用以对中控模块判定不符合标准的运行数据对应的运行设备进行锁定,本发明提高了数据中心智慧运维系统的运行速度,并提高了对运行设备故障的预测能力。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于数字孪生的数据中心智慧运维系统。
背景技术
目前,随着新一轮科技革命和产业改革的蓬勃发展,产业正在加速向数字化、网络化、智能化、软件、数据、平台、服务、智能等多元化主导特征的扩展,加快工业互联网建设和应用已成为符合产业发展的趋势。
数据中心运维服务深度结合工业互联网,以满足大数据技术和新一代智能维护需求,助力企业实现数字化、智能化的成功转型。
中国专利申请公开号:CN113572260A公开了一种基于数字孪生技术的分布式能源站智慧运维系统,其公开的技术方案中,包括数据采集网关、物联平台、物模型模块、数据融合模块、故障诊断模块、决策管控模块和显示模块,所述数据采集网关与物联平台连接,所述物联平台和物模型模块均与数据融合模块连接,所述故障诊断模块与物联平台连接,所述数据融合模块和故障诊断模块均与决策管控模块连接,所述显示模块与决策管控模块连接,该发明可以实现设备故障的定量分析和精准定位,进而提高设备故障诊断的精准性,实现能源站设备的智慧运维。
然而,现有技术中,由于未对采集的数据进行分类,导致数据运维系统的运行速度较慢,且对运行设备的故障预测精度较低。
发明内容
为此,本发明提供一种基于数字孪生的数据中心智慧运维系统,用以克服现有技术中未对采集的数据进行分类,导致数据运维系统的运行速度较慢,且对运行设备的故障预测精度较低的问题。
为实现上述目的,本发明提供一种基于数字孪生的数据中心智慧运维系统,包括:
数据获取模块,用以通过数字孪生技术获取运行设备的运行数据;
中控模块,其与所述数据获取模块相连,用以为所述运行设备的运行参数设置阈值,并根据运行参数阈值对所述数据获取模块获取的运行数据是否符合标准进行判定,以及根据运行设备的锁定次数对运行设备对应的运行参数阈值进行调节;
数据处理模块,其与所述中控模块相连,用以提取中控模块判定符合标准的所述运行数据中的关键词,确定关键词与数据标签的相似度S并根据相似度S与预设相似度S0的比对结果判定将运行数据储存至数据标签对应的数据集或将运行数据进行剔除;
数据库模块,其与所述数据处理模块相连,用以对所述运行数据的关键词与数据标签的相似度符合标准的运行数据进行储存,其包含若干所述数据标签,所述数据标签用以对运行数据进行分类;
数据回收模块,其与所述数据处理模块相连,用以对数据处理模块剔除的数据进行储存;
故障锁定模块,其与所述中控模块相连,用以对中控模块判定不符合标准的运行数据对应的运行设备进行锁定,并统计各所述运行设备的锁定次数N,根据锁定次数N与预设锁定次数N0的比对结果判定是否需对运行设备进行维护。
进一步地,所述数据库模块包含若干与所述运行设备对应的数据存储单元,所述数据存储单元用以储存对应的运行设备的运行数据;所述数据存储单元中存储有若干所述数据标签,各所述数据标签均设有对应的一级相关度数据集、二级相关度数据集和三级相关度数据集,其中,所述一级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为一级相关度的数据,所述二级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为二级相关度的数据,所述三级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为三级相关度的数据。
进一步地,所述数据处理模块将所述数据获取模块获取的运行数据进行分类和剔除,所述数据处理模块提取所述中控模块判定符合标准的运行数据中的关键词,计算关键词与对应的所述数据存储单元中的数据标签的相似度S,数据处理模块将S与预设相似度S0进行比对,
当S≥S0时,所述数据处理模块判定关键词与该数据标签的相似度符合标准,并将该关键词对应的运行数据储存至该数据标签下;
当S<S0时,所述数据处理模块判定关键词与该数据标签的相似度不符合标准,并继续计算关键词与数据标签的相似度直至遍历对应的所述数据存储单元中各数据标签。
进一步地,所述数据处理模块计算所述关键词与对应的所述数据存储单元中的所述数据标签的相似度直至存在关键词与任一数据标签的相似度符合标准或直至遍历对应的所述数据存储单元中各数据标签,若关键词与任一对应的所述数据存储单元中数据标签的相似度均不符合标准,则数据处理模块判定该关键词对应的运行数据为无用数据并将该运行数据进行剔除。
进一步地,所述数据处理模块中设有第一预设相似度对比参量S1和第二预设相似度对比参量S2,其中S0<S1<S2,所述数据处理模块将关键词与对应的所述数据存储单元中的所述数据标签的相似度符合标准的运行数据进行分类储存,在进行分类储存时,根据关键词与对应的所述数据存储单元中各数据标签计算的相似度的最高值Smax判定关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度,其中,
当Smax≥S2时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为一级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的一级相关度数据集中;
当S1≤Smax<S2时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为二级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的二级相关度数据集中;
当Smax<S1时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为三级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的三级相关度数据集中。
进一步地,所述中控模块将所述数据获取模块获取的任一运行数据与该运行数据对应的运行参数阈值进行比对,其中,
当所述数据获取模块获取的任一运行数据未超出其对应的运行参数阈值时,所述中控模块判定该运行数据符合标准,所述数据处理模块将该运行数据储存至所述数据库模块或剔除至所述数据回收模块;
当所述数据获取模块获取的任一运行数据超出其对应的运行参数阈值时,所述中控模块判定该运行数据不符合标准,所述故障锁定模块对该运行数据对应的运行设备进行锁定。
进一步地,所述故障锁定模块中设有预设锁定次数N0,故障锁定模块统计各所述运行设备的锁定次数N,并将N与预设锁定次数N0进行比对,其中,
当N>N0时,所述故障锁定模块判定锁定次数N对应的运行设备锁定次数超过预设标准,需对该运行设备进行维护,所述中控模块在该运行设备维护后调节该运行设备对应的运行参数阈值;
当N≤N0时,所述故障锁定模块判定锁定次数N对应的运行设备锁定次数符合预设标准,无需对该运行设备进行维护。
进一步地,所述中控模块中设有第一预设锁定次数差值ΔN1、第二预设锁定次数差值ΔN2、第一预设阈值调节系数e1、第二预设阈值调节系数e2和第三预设阈值调节系数e3,其中,ΔN1<ΔN2,0.9<e1<e2<e3<1,所述中控模块对维护后的运行设备对应的运行参数阈值进行调节时,计算运行设备的锁定次数N与预设锁定次数N0的差值ΔN,设定ΔN=N-N0,中控模块将ΔN分别与ΔN1和ΔN2进行比对,
当ΔN≥ΔN2时,所述中控模块选用e1将维护后的运行设备对应的运行参数阈值调节至对应值;
当ΔN1≤ΔN<ΔN2时,所述中控模块选用e2将维护后的运行设备对应的运行参数阈值调节至对应值;
当ΔN<ΔN1时,所述中控模块选用e3将维护后的运行设备对应的运行参数阈值调节至对应值。
进一步地,所述中控模块根据所述运行设备的锁定次数N与预设锁定次数N0的差值ΔN选用对应的阈值调节系数对维护后的运行设备对应的运行参数阈值进行调节,当所述中控模块选用第m预设阈值调节系数em将维护后的运行设备对应的运行参数阈值调节至对应值时,设定m=1,2,3,中控模块将维护后的运行设备对应的运行参数阈值中的阈值上限调节至D1,设定D1=D01×em,中控模块将维护后的运行设备对应的运行参数阈值中的阈值下限调节至D2,设定D2=D02×(2-em),其中,D01为调节前的运行设备对应的运行参数阈值中的阈值上限,D02为调节前的运行设备对应的运行参数阈值中的阈值下限,其中,D02<D01,D2<D1。
进一步地,所述中控模块将维护后的运行设备对应的所述数据存储单元中的所述数据标签的预设相似度S0调节至对应值,
当ΔN≥ΔN2时,所述中控模块选用e1将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当ΔN1≤ΔN<ΔN2时,所述中控模块选用e2将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当ΔN<ΔN1时,所述中控模块选用e3将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当所述中控模块选用第m预设阈值调节系数em将维护后的运行设备对应的所述数据存储单元中的所述数据标签的预设相似度S0调节至对应值时,设定m=1,2,3,中控模块将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至S0',设定S0'=S0×em。
与现有技术相比,本发明的有益效果在于,本发明通过在数据库模块中设置若干与运行设备对应的数据存储单元,将与该运行设备相关的运行数据储存至对应的数据存储单元,通过以上方式对数据进行初步分类,在故障锁定模块锁定运行设备时,可以快速调取运行设备的运行数据,提高了本发明所述系统的运行速度,进而提高了对运行设备故障的响应速度。
进一步地,本发明通过在数据存储单元中设置若干数据标签,以对运行数据进行分类储存,在调用数据时,可根据数据标签对数据进行快速调用,且数据标签设有对应的一级相关度数据集、二级相关度数据集和三级相关度数据集,数据处理模块根据关键词与数据标签的相似度将运行数据储存至对应的数据集,在调用数据时,可根据实际需要调用不同数据集中的数据,进一步提高了本发明所述系统的运行速度。
进一步地,本发明通过中控模块对所述运行设备的运行参数设置阈值,并根据运行参数阈值对所述数据获取模块获取的运行数据是否符合标准进行判定,以对运行数据进行储存或剔除,通过对无用数据的剔除,减少了数据中心智慧运维系统的运算速度,进一步提高了本发明所述系统的运行速度。
进一步地,本发明通过中控模块对所述运行设备的运行参数阈值进行调节,减小了阈值范围,以提高对锁定次数超过预设锁定次数的运行设备的运行参数的控制精度,提高了本发明所述系统对运行设备的故障预测精度。
进一步地,本发明通过数据处理模块提取运行数据中的关键词,计算关键词与数据标签的相似度S,数据处理模块将S与预设相似度S0进行比对并根据比对结果对运行数据进行分类,通过以上技术方案,提高了本发明所述系统对数据分类的精准度。
进一步地,本发明中控模块将维护后的运行设备对应的所述数据存储单元中的所述数据标签的预设相似度S0调节至对应值,相似度调低后,增加了维护后的运行设备对应的运行数据的储存量,当对该运行设备进行故障溯源时,能够调用更多的相关数据,提高了本发明所述系统对运行设备的故障预测精度。
附图说明
图1为本发明实施例基于数字孪生的数据中心智慧运维系统的结构框图;
图2为本发明实施例基于数字孪生的数据中心智慧运维系统中数据模块的结构框图;
图3为本发明实施例基于数字孪生的数据中心智慧运维系统中数据存储单元的结构框图;
图4为本发明实施例基于数字孪生的数据中心智慧运维系统中数据标签的结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1至图4所示,其中,图1为本发明实施例基于数字孪生的数据中心智慧运维系统的结构框图,图2为本发明实施例基于数字孪生的数据中心智慧运维系统中数据模块的结构框图,图3为本发明实施例基于数字孪生的数据中心智慧运维系统中数据存储单元的结构框图,图4为本发明实施例基于数字孪生的数据中心智慧运维系统中数据标签的结构框图,本发明所述基于数字孪生的数据中心智慧运维系统包括:
数据获取模块,用以通过数字孪生技术获取运行设备的运行数据;
中控模块,其与所述数据获取模块相连,用以为所述运行设备的运行参数设置阈值,并根据运行参数阈值对所述数据获取模块获取的运行数据是否符合标准进行判定,以及根据运行设备的锁定次数对运行设备对应的运行参数阈值进行调节;
数据处理模块,其与所述中控模块相连,用以提取中控模块判定符合标准的所述运行数据中的关键词,确定关键词与数据标签的相似度S并根据相似度S与预设相似度S0的比对结果判定将运行数据储存至数据标签对应的数据集或将运行数据进行剔除;
数据库模块,其与所述数据处理模块相连,用以对所述运行数据的关键词与数据标签的相似度符合标准的运行数据进行储存,其包含若干所述数据标签,所述数据标签用以对运行数据进行分类;
数据回收模块,其与所述数据处理模块相连,用以对数据处理模块剔除的数据进行储存;
故障锁定模块,其与所述中控模块相连,用以对中控模块判定不符合标准的运行数据对应的运行设备进行锁定,并统计各所述运行设备的锁定次数N,根据锁定次数N与预设锁定次数N0的比对结果判定是否需对运行设备进行维护。
具体而言,所述数据库模块包含若干与所述运行设备对应的数据存储单元,所述数据存储单元用以储存对应的运行设备的运行数据;所述数据存储单元中存储有若干所述数据标签,各所述数据标签均设有对应的一级相关度数据集、二级相关度数据集和三级相关度数据集,其中,所述一级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为一级相关度的数据,所述二级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为二级相关度的数据,所述三级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为三级相关度的数据。本发明通过在数据库模块中设置若干与运行设备对应的数据存储单元,将与该运行设备相关的运行数据储存至对应的数据存储单元,通过以上方式对数据进行初步分类,在故障锁定模块锁定运行设备时,可以快速调取运行设备的运行数据,提高了本发明所述系统的运行速度,进而提高了对运行设备故障的响应速度。
本发明通过在数据存储单元中设置若干数据标签,以对运行数据进行分类储存,在调用数据时,可根据数据标签对数据进行快速调用,且数据标签设有对应的一级相关度数据集、二级相关度数据集和三级相关度数据集,数据处理模块根据关键词与数据标签的相似度将运行数据储存至对应的数据集,在调用数据时,可根据实际需要调用不同数据集中的数据,进一步提高了本发明所述系统的运行速度。
具体而言,所述数据处理模块将所述数据获取模块获取的运行数据进行分类和剔除,所述数据处理模块提取所述中控模块判定符合标准的运行数据中的关键词,计算关键词与对应的所述数据存储单元中的数据标签的相似度S,数据处理模块将S与预设相似度S0进行比对,
当S≥S0时,所述数据处理模块判定关键词与该数据标签的相似度符合标准,并将该关键词对应的运行数据储存至该数据标签下;
当S<S0时,所述数据处理模块判定关键词与该数据标签的相似度不符合标准,并继续计算关键词与数据标签的相似度直至遍历对应的所述数据存储单元中各数据标签。
本发明通过数据处理模块提取运行数据中的关键词,计算关键词与数据标签的相似度S,数据处理模块将S与预设相似度S0进行比对并根据比对结果对运行数据进行分类,通过以上技术方案,提高了本发明所述系统对数据分类的精准度。
本领域技术人员可以理解的是,本实施例计算关键词与数据标签的相似度的方法可选用语义分析的方式进行计算,或选用词向量的方式进行计算,能够获取关键词与数据标签的相似度即可,以实际需要进行设定,本实施例不对具体的关键词与数据标签的相似度的计算方法进行限定。
具体而言,所述数据处理模块计算所述关键词与对应的所述数据存储单元中的所述数据标签的相似度直至存在关键词与任一数据标签的相似度符合标准或直至遍历对应的所述数据存储单元中各数据标签,若关键词与任一对应的所述数据存储单元中数据标签的相似度均不符合标准,则数据处理模块判定该关键词对应的运行数据为无用数据并将该运行数据进行剔除。
具体而言,所述数据处理模块中设有第一预设相似度对比参量S1和第二预设相似度对比参量S2,其中S0<S1<S2,所述数据处理模块将关键词与对应的所述数据存储单元中的所述数据标签的相似度符合标准的运行数据进行分类储存,在进行分类储存时,根据关键词与对应的所述数据存储单元中各数据标签计算的相似度的最高值Smax判定关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度,其中,
当Smax≥S2时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为一级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的一级相关度数据集中;
当S1≤Smax<S2时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为二级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的二级相关度数据集中;
当Smax<S1时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为三级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的三级相关度数据集中。
具体而言,所述中控模块将所述数据获取模块获取的任一运行数据与该运行数据对应的运行参数阈值进行比对,其中,
当所述数据获取模块获取的任一运行数据未超出其对应的运行参数阈值时,所述中控模块判定该运行数据符合标准,所述数据处理模块将该运行数据储存至所述数据库模块或剔除至所述数据回收模块;
当所述数据获取模块获取的任一运行数据超出其对应的运行参数阈值时,所述中控模块判定该运行数据不符合标准,所述故障锁定模块对该运行数据对应的运行设备进行锁定。
本发明通过中控模块对所述运行设备的运行参数设置阈值,并根据运行参数阈值对所述数据获取模块获取的运行数据是否符合标准进行判定,以对运行数据进行储存或剔除,通过对无用数据的剔除,减少了数据中心智慧运维系统的运算速度,进一步提高了本发明所述系统的运行速度。
具体而言,所述故障锁定模块中设有预设锁定次数N0,故障锁定模块统计各所述运行设备的锁定次数N,并将N与预设锁定次数N0进行比对,其中,
当N>N0时,所述故障锁定模块判定锁定次数N对应的运行设备锁定次数超过预设标准,需对该运行设备进行维护,所述中控模块在该运行设备维护后调节该运行设备对应的运行参数阈值;
当N≤N0时,所述故障锁定模块判定锁定次数N对应的运行设备锁定次数符合预设标准,无需对该运行设备进行维护。
具体而言,所述中控模块中设有第一预设锁定次数差值ΔN1、第二预设锁定次数差值ΔN2、第一预设阈值调节系数e1、第二预设阈值调节系数e2和第三预设阈值调节系数e3,其中,ΔN1<ΔN2,0.9<e1<e2<e3<1,所述中控模块对维护后的运行设备对应的运行参数阈值进行调节时,计算运行设备的锁定次数N与预设锁定次数N0的差值ΔN,设定ΔN=N-N0,中控模块将ΔN分别与ΔN1和ΔN2进行比对,
当ΔN≥ΔN2时,所述中控模块选用e1将维护后的运行设备对应的运行参数阈值调节至对应值;
当ΔN1≤ΔN<ΔN2时,所述中控模块选用e2将维护后的运行设备对应的运行参数阈值调节至对应值;
当ΔN<ΔN1时,所述中控模块选用e3将维护后的运行设备对应的运行参数阈值调节至对应值。
具体而言,所述中控模块根据所述运行设备的锁定次数N与预设锁定次数N0的差值ΔN选用对应的阈值调节系数对维护后的运行设备对应的运行参数阈值进行调节,当所述中控模块选用第m预设阈值调节系数em将维护后的运行设备对应的运行参数阈值调节至对应值时,设定m=1,2,3,中控模块将维护后的运行设备对应的运行参数阈值中的阈值上限调节至D1,设定D1=D01×em,中控模块将维护后的运行设备对应的运行参数阈值中的阈值下限调节至D2,设定D2=D02×(2-em),其中,D01为调节前的运行设备对应的运行参数阈值中的阈值上限,D02为调节前的运行设备对应的运行参数阈值中的阈值下限,其中,D02<D01,D2<D1。
具体而言,所述中控模块将维护后的运行设备对应的所述数据存储单元中的所述数据标签的预设相似度S0调节至对应值,
当ΔN≥ΔN2时,所述中控模块选用e1将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当ΔN1≤ΔN<ΔN2时,所述中控模块选用e2将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当ΔN<ΔN1时,所述中控模块选用e3将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当所述中控模块选用第m预设阈值调节系数em将维护后的运行设备对应的所述数据存储单元中的所述数据标签的预设相似度S0调节至对应值时,设定m=1,2,3,中控模块将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至S0',设定S0'=S0×em。
本发明通过中控模块对所述运行设备的运行参数阈值进行调节,减小了阈值范围,以提高对锁定次数超过预设锁定次数的运行设备的运行参数的控制精度,提高了本发明所述系统对运行设备的故障预测精度。
本发明中控模块将维护后的运行设备对应的所述数据存储单元中的所述数据标签的预设相似度S0调节至对应值,相似度调低后,增加了维护后的运行设备对应的运行数据的储存量,当对该运行设备进行故障溯源时,能够调用更多的相关数据,提高了本发明所述系统对运行设备的故障预测精度。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于数字孪生的数据中心智慧运维系统,其特征在于,包括:
数据获取模块,用以通过数字孪生技术获取运行设备的运行数据;
中控模块,其与所述数据获取模块相连,用以为所述运行设备的运行参数设置阈值,并根据运行参数阈值对所述数据获取模块获取的运行数据是否符合标准进行判定,以及根据运行设备的锁定次数对运行设备对应的运行参数阈值进行调节;
数据处理模块,其与所述中控模块相连,用以提取中控模块判定符合标准的所述运行数据中的关键词,确定关键词与数据标签的相似度S并根据相似度S与预设相似度S0的比对结果判定将运行数据储存至数据标签对应的数据集或将运行数据进行剔除;
数据库模块,其与所述数据处理模块相连,用以对所述运行数据的关键词与数据标签的相似度符合标准的运行数据进行储存,其包含若干所述数据标签,所述数据标签用以对运行数据进行分类;
数据回收模块,其与所述数据处理模块相连,用以对数据处理模块剔除的数据进行储存;
故障锁定模块,其与所述中控模块相连,用以对中控模块判定不符合标准的运行数据对应的运行设备进行锁定,并统计各所述运行设备的锁定次数N,根据锁定次数N与预设锁定次数N0的比对结果判定是否需对运行设备进行维护;
所述数据库模块包含若干与所述运行设备对应的数据存储单元,所述数据存储单元用以储存对应的运行设备的运行数据;所述数据存储单元中存储有若干所述数据标签,各所述数据标签均设有对应的一级相关度数据集、二级相关度数据集和三级相关度数据集,其中,所述一级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为一级相关度的数据,所述二级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为二级相关度的数据,所述三级相关度数据集用以储存关键词与数据标签的相似度符合标准的数据中与对应的数据标签的相关度为三级相关度的数据;
所述数据处理模块将所述数据获取模块获取的运行数据进行分类和剔除,所述数据处理模块提取所述中控模块判定符合标准的运行数据中的关键词,计算关键词与对应的所述数据存储单元中的数据标签的相似度S,数据处理模块将S与预设相似度S0进行比对,
当S≥S0时,所述数据处理模块判定关键词与该数据标签的相似度符合标准,并将该关键词对应的运行数据储存至该数据标签下;
当S<S0时,所述数据处理模块判定关键词与该数据标签的相似度不符合标准,并继续计算关键词与数据标签的相似度直至遍历对应的所述数据存储单元中各数据标签;
所述数据处理模块计算所述关键词与对应的所述数据存储单元中的所述数据标签的相似度直至存在关键词与任一数据标签的相似度符合标准或直至遍历对应的所述数据存储单元中各数据标签,若关键词与任一对应的所述数据存储单元中数据标签的相似度均不符合标准,则数据处理模块判定该关键词对应的运行数据为无用数据并将该运行数据进行剔除;
所述数据处理模块中设有第一预设相似度对比参量S1和第二预设相似度对比参量S2,其中S0<S1<S2,所述数据处理模块将关键词与对应的所述数据存储单元中的所述数据标签的相似度符合标准的运行数据进行分类储存,在进行分类储存时,根据关键词与对应的所述数据存储单元中各数据标签计算的相似度的最高值Smax判定关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度,其中,
当Smax≥S2时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为一级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的一级相关度数据集中;
当S1≤Smax<S2时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为二级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的二级相关度数据集中;
当Smax<S1时,所述数据处理模块将该关键词对应的运行数据与相似度的最高值Smax对应的数据标签的相关度设定为三级相关度,并将该关键词对应的运行数据储存至相似度的最高值Smax对应的数据标签的三级相关度数据集中;
所述中控模块将所述数据获取模块获取的任一运行数据与该运行数据对应的运行参数阈值进行比对,其中,
当所述数据获取模块获取的任一运行数据未超出其对应的运行参数阈值时,所述中控模块判定该运行数据符合标准,所述数据处理模块将该运行数据储存至所述数据库模块或剔除至所述数据回收模块;
当所述数据获取模块获取的任一运行数据超出其对应的运行参数阈值时,所述中控模块判定该运行数据不符合标准,所述故障锁定模块对该运行数据对应的运行设备进行锁定;
所述故障锁定模块中设有预设锁定次数N0,故障锁定模块统计各所述运行设备的锁定次数N,并将N与预设锁定次数N0进行比对,其中,
当N>N0时,所述故障锁定模块判定锁定次数N对应的运行设备锁定次数超过预设标准,需对该运行设备进行维护,所述中控模块在该运行设备维护后调节该运行设备对应的运行参数阈值;
当N≤N0时,所述故障锁定模块判定锁定次数N对应的运行设备锁定次数符合预设标准,无需对该运行设备进行维护;
所述中控模块中设有第一预设锁定次数差值ΔN1、第二预设锁定次数差值ΔN2、第一预设阈值调节系数e1、第二预设阈值调节系数e2和第三预设阈值调节系数e3,其中,ΔN1<ΔN2,0.9<e1<e2<e3<1,所述中控模块对维护后的运行设备对应的运行参数阈值进行调节时,计算运行设备的锁定次数N与预设锁定次数N0的差值ΔN,设定ΔN=N-N0,中控模块将ΔN分别与ΔN1和ΔN2进行比对,
当ΔN≥ΔN2时,所述中控模块选用e1将维护后的运行设备对应的运行参数阈值调节至对应值;
当ΔN1≤ΔN<ΔN2时,所述中控模块选用e2将维护后的运行设备对应的运行参数阈值调节至对应值;
当ΔN<ΔN1时,所述中控模块选用e3将维护后的运行设备对应的运行参数阈值调节至对应值;
所述中控模块根据所述运行设备的锁定次数N与预设锁定次数N0的差值ΔN选用对应的阈值调节系数对维护后的运行设备对应的运行参数阈值进行调节,当所述中控模块选用第m预设阈值调节系数em将维护后的运行设备对应的运行参数阈值调节至对应值时,设定m=1,2,3,中控模块将维护后的运行设备对应的运行参数阈值中的阈值上限调节至D1,设定D1=D01×em,中控模块将维护后的运行设备对应的运行参数阈值中的阈值下限调节至D2,设定D2=D02×(2-em),其中,D01为调节前的运行设备对应的运行参数阈值中的阈值上限,D02为调节前的运行设备对应的运行参数阈值中的阈值下限,其中,D02<D01,D2<D1;
所述中控模块将维护后的运行设备对应的所述数据存储单元中的所述数据标签的预设相似度S0调节至对应值,
当ΔN≥ΔN2时,所述中控模块选用e1将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当ΔN1≤ΔN<ΔN2时,所述中控模块选用e2将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当ΔN<ΔN1时,所述中控模块选用e3将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至对应值;
当所述中控模块选用第m预设阈值调节系数em将维护后的运行设备对应的所述数据存储单元中的所述数据标签的预设相似度S0调节至对应值时,设定m=1,2,3,中控模块将维护后的运行设备对应的所述数据存储单元中的所述数据标签对应的预设相似度S0调节至S0',设定S0'=S0×em。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402372.8A CN115456224B (zh) | 2022-11-10 | 2022-11-10 | 基于数字孪生的数据中心智慧运维系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402372.8A CN115456224B (zh) | 2022-11-10 | 2022-11-10 | 基于数字孪生的数据中心智慧运维系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115456224A CN115456224A (zh) | 2022-12-09 |
CN115456224B true CN115456224B (zh) | 2023-04-07 |
Family
ID=84295471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211402372.8A Active CN115456224B (zh) | 2022-11-10 | 2022-11-10 | 基于数字孪生的数据中心智慧运维系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115456224B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034022A (zh) * | 2022-04-22 | 2022-09-09 | 阿里巴巴(中国)有限公司 | 数据中心的数字孪生模型生成方法及标准化处理方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007011604A (ja) * | 2005-06-29 | 2007-01-18 | It Service:Kk | 不具合診断システム及びプログラム |
US20210287459A1 (en) * | 2018-09-30 | 2021-09-16 | Strong Force Intellectual Capital, Llc | Digital twin systems and methods for transportation systems |
CN111063026B (zh) * | 2019-12-26 | 2023-08-01 | 商运(江苏)科创发展有限公司 | 基于数字孪生的智能生产过程精确建模仿真系统及方法 |
CN111651858A (zh) * | 2020-04-27 | 2020-09-11 | 平安城市建设科技(深圳)有限公司 | 数字孪生模型生成方法、装置及计算机可读存储介质 |
CN112508053A (zh) * | 2020-11-10 | 2021-03-16 | 泽恩科技有限公司 | 基于集成学习框架的智能诊断方法、装置、设备及介质 |
CN112767058A (zh) * | 2021-02-05 | 2021-05-07 | 深圳市爱云信息科技有限公司 | AIOT DaaS数字孪生云平台 |
-
2022
- 2022-11-10 CN CN202211402372.8A patent/CN115456224B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034022A (zh) * | 2022-04-22 | 2022-09-09 | 阿里巴巴(中国)有限公司 | 数据中心的数字孪生模型生成方法及标准化处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115456224A (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109005173B (zh) | 一种基于交通流密度差异的车联网异常入侵检测方法 | |
US11851147B2 (en) | Spatio-temporal DP method based on ship trajectory characteristic point extraction | |
CN111325410B (zh) | 基于样本分布的通用故障预警系统及其预警方法 | |
CN111199257A (zh) | 高铁行车设备故障诊断方法及装置 | |
US6041141A (en) | Character recognition machine utilizing language processing | |
CN109633369B (zh) | 一种基于多维数据相似性匹配的电网故障诊断方法 | |
CN109035777B (zh) | 交通运行态势分析方法及系统 | |
CN116996673B (zh) | 基于通行出入管理及设备运行状态的智能云端管理系统 | |
CN112115957A (zh) | 数据流识别方法及装置、计算机存储介质 | |
CN114511568A (zh) | 基于无人机的高速公路桥梁检修方法 | |
CN110704616A (zh) | 设备告警工单识别方法及装置 | |
CN115456224B (zh) | 基于数字孪生的数据中心智慧运维系统 | |
CN115617990A (zh) | 基于深度学习算法的电力设备缺陷短文本分类方法和系统 | |
CN115776435A (zh) | 一种基于api网关的预警方法 | |
CN110062393A (zh) | 一种网络差小区智能分析方法 | |
CN114567511B (zh) | 一种基于宽度学习的轻量级恶意流量检测方法及装置 | |
CN116226747A (zh) | 数据分类模型的训练方法、数据分类方法和电子设备 | |
CN112948639B (zh) | 一种高速公路数据中台数据统一存储管理方法及系统 | |
CN114783038A (zh) | 一种未注册旅客自动标识方法、系统及电子设备 | |
CN112434901B (zh) | 无人机交通巡逻方案的智能重决策方法和系统 | |
CN113449326A (zh) | 一种基于多源异构数据处理的工业大数据分析系统 | |
Kontaki et al. | Continuous trend-based classification of streaming time series | |
CN114265837A (zh) | 一种站端交互数据特征提取方法 | |
CN114266490A (zh) | 一种高效且精确的综合交通运输网络安全风险点辨识方法 | |
CN113326688A (zh) | 一种基于思想政治词语查重处理方法和装置 |
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 |