CN115729940A - 一种基于能源行业时序数据处理模型方法 - Google Patents
一种基于能源行业时序数据处理模型方法 Download PDFInfo
- Publication number
- CN115729940A CN115729940A CN202211518261.3A CN202211518261A CN115729940A CN 115729940 A CN115729940 A CN 115729940A CN 202211518261 A CN202211518261 A CN 202211518261A CN 115729940 A CN115729940 A CN 115729940A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis result
- production system
- model
- energy industry
- 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
Landscapes
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于能源行业时序数据处理模型方法,其特征在于:包括以下步骤:S1:通过在生产系统上设置传感器,监测生产过程中各个关键节点之间的运行状态并采集各种数据;S2:对采集的数据进行集合成数据列;S3:对数据列通过数据分析模型进行分析;S4:测量采集生产系统的数据;S5:根据采集到的数据构建三维模型;S6:在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中;解决了现有的能源行业时序数据处理后,分析处理情况显示不直观,使得工作人员无法直观的根据生产系统中的各个关键节点进行综合考量等技术问题。
Description
技术领域
本发明属于能源行业技术领域,尤其涉及一种基于能源行业时序数据处理模型方法。
背景技术
能源是指能够提供能量的资源。这里的能量通常指热能、电能、光能、机械能、化学能等。可以为人类提供动能,机械能和能量的物质。能源种类繁多,而且经过人类不断的开发与研究,更多新型能源已经开始能够满足人类需求。根据不同的划分方式,能源也可分为不同的类型,来自地球外部天体的能源(主要是太阳能)。除直接辐射外,并为风能、水能、生物能和矿物能源等的产生提供基础。人类所需能量的绝大部分都直接或间接地来自太阳。正是各种植物通过光合作用把太阳能转变成化学能在植物体内贮存下来。煤炭、石油、天然气等化石燃料也是由古代埋在地下的动植物经过漫长的地质年代形成的。它们实质上是由古代生物固定下来的太阳能。此外,水能、风能、波浪能、海流能等也都是由太阳能转换来的。地球本身蕴藏的能量。通常指与地球内部的热能有关的能源和与原子核反应有关的能源,如原子核能、地热能等。温泉和火山爆发喷出的岩浆就是地热的表现。地球可分为地壳、地幔和地核三层,它是一个大热库。地壳就是地球表面的一层,一般厚度为几公里至70公里不等。地壳下面是地幔,它大部分是熔融状的岩浆,厚度为2900公里。火山爆发一般是这部分岩浆喷出。地球内部为地核,地核中心温度为2000度。可见,地球上的地热资源贮量也很大,地球和其他天体相互作用而产生的能量,如潮汐能。
时序数据处理应用于智慧城市、物联网、车联网、工业互联网领域的过程数据采集、过程控制,并与过程管理建立一个数据链路,属于工业数据治理的新兴领域。时序数据是指时间序列数据。是按时间顺序记录的数据列,在同一数据列中的各个数据必须是同口径的,要求具有可比性。时序数据可以是时期数,也可以时点数,时序数据管理主要通过对时序数据的采集、处理和分析帮助企业实时监控企业的生产与经营过程。时序数据在应用上特点也很明显,比如数据往往只保留一定时长,需要做降频采样、插值、实时计算、聚合等操作,关心的是一段时间的趋势,而不是某一特定时间的值等。现有的能源行业时序数据处理后,分析处理情况显示不直观,使得工作人员无法直观的根据生产系统中的各个关键节点进行综合考量。
发明内容
本发明要解决的技术问题是:提供一种基于能源行业时序数据处理模型方法,以解决现有的能源行业时序数据处理后,分析处理情况显示不直观,使得工作人员无法直观的根据生产系统中的各个关键节点进行综合考量等技术问题。
本发明技术方案是:
一种基于能源行业时序数据处理模型方法,包括以下步骤:
S1:通过在生产系统上设置传感器,监测生产过程中各个关键节点之间的运行状态并采集各种数据;
S2:对采集的数据进行集合成数据列;
S3:对数据列通过数据分析模型进行分析;
S4:测量采集生产系统的数据;
S5:根据采集到的数据构建三维模型;
S6:在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中。
步骤S6所述在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中的方法包括:
S61:每隔一个处理周期,进行一次时序数据处理;
S62:在新的数据列以及分析结果加载至虚拟各个关键节点之间的补充信息中,将之前的数据列以及分析结果进行替换;
S63:将替换的之前的数据列以及分析结果进行保存在系统中。
步骤S2所述对采集的数据进行集合成数据列的方法包括:
S21:将一定时间范围内的相关数据进行提取;
S22:将一定时间范围内的相关数据进行集合。
步骤S63将替换的之前的数据列以及分析结果进行保存在系统中的步骤后,当操作人员需要查询之前的某个关键节点的历史数据列以及分析结果时登录系统,通过构建的虚拟三维模型中的对应关键节点的补充信息中查找到历史数据列以及分析结果。
步骤S1通过在生产系统上设置传感器,监测生产过程中各个关键节点之间的运行状态、采集各种数据时:采集的数据包括压力、温度、及液位时序数据,通过这些时序数据对各个生产系统中的关键节点进行分析,得到产能分析结果、能耗分析结果、故障分析结果以及安全隐患分析结果。
步骤S4测量采集生产系统的数据,包括设备、装置的型号、历史运行数据以及设备与设备之间的连接情况,用以构建生产系统虚拟三维模型。
步骤S61所述每隔一个处理周期,进行一次时序数据处理时,处理周期人为进行设置,根据生产的需要进行调整。
步骤S5根据采集到的数据构建三维模型时,虚拟三维模型以现实生产系统为参照进行建立。
本发明的有益效果:
本发明基于能源行业时序数据处理模型方法,通过测量采集生产系统的数据,用以构建生产系统虚拟三维模型,在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中,从而使得工作人员可以在虚拟三维模型中,直观的对各个关键节点的分析信息进行综合考量,从而相较于现有的方法而言,能够直接将分析处理情况显示出来,方便进行后续的处理。
解决了现有的能源行业时序数据处理后,分析处理情况显示不直观,使得工作人员无法直观的根据生产系统中的各个关键节点进行综合考量等技术问题。
附图说明
图1为本发明流程示意图;
图2为本发明具体实施方式中对采集的数据进行集合成数据列的步骤图;
图3为本发明具体实施方式中虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中的步骤图。
具体实施方式
请参阅图1至图3,本发明提供一种技术方案:一种基于能源行业时序数据处理模型方法,包括以下步骤:
S1:通过在生产系统上设置的传感器,监测生产过程中各个关键节点之间的运行状态、采集各种数据;
S2:对采集的数据进行集合成数据列;
S3:通过对数据列通过数据分析模型进行分析;
S4:测量采集生产系统的数据;
S5:根据采集到的数据构建三维模型;
S6:在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中。
进一步,S6在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中的步骤包括:S61:每隔一个处理周期,进行一次时序数据处理;S62:在新的数据列以及分析结果加载至虚拟各个关键节点之间的补充信息中,将之前的数据列以及分析结果进行替换;S63:将替换的之前的数据列以及分析结果进行保存在系统中,能够及时更新时序数据处理分析信息。
进一步,S2对采集的数据进行集合成数据列的步骤包括:S21:将一定时间范围内的相关数据进行提取的步骤与S22:然后将一定时间范围内的相关数据进行集合,能够形成能源行业生产流程的时序数据。
进一步,S63将替换的之前的数据列以及分析结果进行保存在系统中的步骤后,当操作人员需要查询之前的某个关键节点的历史数据列以及分析结果时,可以登录系统,通过构建的虚拟三维模型中的对应关键节点的补充信息中查找到历史数据列以及分析结果,方便对某一重要节点的历史数据列以及分析结果进行查找。
进一步,S1通过在生产系统上设置的传感器,监测生产过程中各个关键节点之间的运行状态、采集各种数据的步骤中采集的数据包括压力、温度、液位等缓变类的时序数据,通过这些时序数据,能够对各个生产系统中的关键节点进行分析,得到产能分析结果、能耗分析结果、故障分析结果以及安全隐患分析结果,根据这些分析结果对生产系统进行调整。
进一步,S4测量采集生产系统的数据包括设备、装置的型号、历史运行数据以及设备与设备之间的连接情况等数据用以构建生产系统虚拟三维模型,使得虚拟三维模型与现实生产系统相对应。
进一步,S61每隔一个处理周期,进行一次时序数据处理的步骤中处理周期可以人为进行设置,可以根据生产的需要进行调整,使得时序数据获取的时间范围,可以根据生产的需要进行调节。
进一步,S5根据采集到的数据构建三维模型的步骤中,虚拟三维模型以现实生产系统为参照进行建立,使得虚拟三维模型上的虚拟节点能够对应现实生产系统的各个重要节点。
综上,该基于能源行业时序数据处理模型方法,使用时,首先测量采集生产系统的数据,其中有设备、装置的型号、历史运行数据以及设备与设备之间的连接情况等数据用以构建生产系统虚拟三维模型,然后在通过在生产系统上各个重要节点设置用以检测运行状态以及运行数据的传感器,然后通过传感器监测生产过程中各个关键节点之间的运行状态、采集各种数据,将各个关键节点的传感器检测的一定时间范围内的相关数据进行提取,然后将一定时间范围内的相关数据进行集合,然后将获取的数据列输入至数据分析模型进行分析,得到产能分析结果、能耗分析结果、故障分析结果以及安全隐患分析结果,然后在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中,从而使得工作人员可以在虚拟三维模型中,直观的对各个关键节点的分析信息进行综合考量,然后系统每隔一个处理周期,进行一次时序数据处理,在新的数据列以及分析结果加载至虚拟各个关键节点之间的补充信息中,将之前的数据列以及分析结果进行替换,接着将替换的之前的数据列以及分析结果进行保存在系统中,操作人员可以登录系统,通过构建的虚拟三维模型中的对应关键节点的补充信息中查找到历史数据列以及分析结果。
Claims (8)
1.一种基于能源行业时序数据处理模型方法,其特征在于:包括以下步骤:
S1:通过在生产系统上设置传感器,监测生产过程中各个关键节点之间的运行状态并采集各种数据;
S2:对采集的数据进行集合成数据列;
S3:对数据列通过数据分析模型进行分析;
S4:测量采集生产系统的数据;
S5:根据采集到的数据构建三维模型;
S6:在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中。
2.根据权利要求1所述的一种基于能源行业时序数据处理模型方法,其特征在于:步骤S6所述在虚拟各个关键节点之间将数据列以及相关的分析结果加载至补充信息中的方法包括:
S61:每隔一个处理周期,进行一次时序数据处理;
S62:在新的数据列以及分析结果加载至虚拟各个关键节点之间的补充信息中,将之前的数据列以及分析结果进行替换;
S63:将替换的之前的数据列以及分析结果进行保存在系统中。
3.根据权利要求1所述的一种基于能源行业时序数据处理模型方法,其特征在于:步骤S2所述对采集的数据进行集合成数据列的方法包括:
S21:将一定时间范围内的相关数据进行提取;
S22:将一定时间范围内的相关数据进行集合。
4.根据权利要求2所述的一种基于能源行业时序数据处理模型方法,其特征在于:步骤S63将替换的之前的数据列以及分析结果进行保存在系统中的步骤后,当操作人员需要查询之前的某个关键节点的历史数据列以及分析结果时登录系统,通过构建的虚拟三维模型中的对应关键节点的补充信息中查找到历史数据列以及分析结果。
5.根据权利要求1所述的一种基于能源行业时序数据处理模型方法,其特征在于:步骤S1通过在生产系统上设置传感器,监测生产过程中各个关键节点之间的运行状态、采集各种数据时:采集的数据包括压力、温度、及液位时序数据,通过这些时序数据对各个生产系统中的关键节点进行分析,得到产能分析结果、能耗分析结果、故障分析结果以及安全隐患分析结果。
6.根据权利要求1所述的一种基于能源行业时序数据处理模型方法,其特征在于:步骤S4测量采集生产系统的数据,包括设备、装置的型号、历史运行数据以及设备与设备之间的连接情况,用以构建生产系统虚拟三维模型。
7.根据权利要求2所述的一种基于能源行业时序数据处理模型方法,其特征在于:步骤S61所述每隔一个处理周期,进行一次时序数据处理时,处理周期人为进行设置,根据生产的需要进行调整。
8.根据权利要求1所述的一种基于能源行业时序数据处理模型方法,其特征在于:步骤S5根据采集到的数据构建三维模型时,虚拟三维模型以现实生产系统为参照进行建立。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211518261.3A CN115729940A (zh) | 2022-11-29 | 2022-11-29 | 一种基于能源行业时序数据处理模型方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211518261.3A CN115729940A (zh) | 2022-11-29 | 2022-11-29 | 一种基于能源行业时序数据处理模型方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115729940A true CN115729940A (zh) | 2023-03-03 |
Family
ID=85299360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211518261.3A Pending CN115729940A (zh) | 2022-11-29 | 2022-11-29 | 一种基于能源行业时序数据处理模型方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115729940A (zh) |
-
2022
- 2022-11-29 CN CN202211518261.3A patent/CN115729940A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730394B (zh) | 基于大数据的全景电网多元异构数据融合方法 | |
CN103337012B (zh) | 面向电网设备监控的多主题智能综合告警分析方法 | |
CN103233741B (zh) | 定量化评价超大型地下洞室群施工期围岩稳定性的方法 | |
CN111178758A (zh) | 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统 | |
CN203849605U (zh) | 一种智慧管网 | |
CN104460609A (zh) | 一种用于油气生产的远程监控的方法及系统 | |
CN103017732A (zh) | 输电杆塔倾斜角度在线监测方法 | |
CN116451876B (zh) | 一种基于人工智能的配电网故障预测和主动检修系统 | |
CN112576312B (zh) | 智能化综采工作面电液控支架数据收集及处理方法 | |
Martać et al. | Using internet of things in monitoring and management of dams in Serbia | |
Hongliang et al. | Management and instant query of distributed oil and gas production dynamic data | |
CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家系统 | |
CN108647860A (zh) | 基于OpenStack的电力设备状态监测与评估云平台 | |
CN110397472B (zh) | 煤与瓦斯突出的预测方法、装置及系统 | |
CN117312293B (zh) | 一种面向电力多源异构的数据治理与智能分析方法及系统 | |
Ardebili et al. | Digital twin (dt) in smart energy systems-systematic literature review of dt as a growing solution for energy internet of the things (eiot) | |
CN105900030A (zh) | 用于分析厂房内的生产和/或处理工程工序和/或工序步骤的方法、系统和计算机程序产品 | |
CN115729940A (zh) | 一种基于能源行业时序数据处理模型方法 | |
Budiarti et al. | Web scraping for automated water quality monitoring system: A case study of PDAM Surabaya | |
CN202548621U (zh) | 一种电网隧道用自动化远程监控系统 | |
Lubbe et al. | A multi-perspective analysis of microclimate dynamics for air-based solar hydrogen production | |
CN107967301A (zh) | 一种电力电缆隧道监控数据的存储、查询方法及装置 | |
CN207472322U (zh) | 一种沼气工程大数据平台系统 | |
Gu et al. | Optimal design of intelligent analysis and control system for power grid operation and maintenance | |
Atif et al. | Development of interactive dashboards and intelligent data analytics for visual decision-making in the underground mining environment: The sterkfontein cave case study |
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 |