CN115935705A - 一种基于多源数据的工控信息数字化管理系统及方法 - Google Patents
一种基于多源数据的工控信息数字化管理系统及方法 Download PDFInfo
- Publication number
- CN115935705A CN115935705A CN202310023956.2A CN202310023956A CN115935705A CN 115935705 A CN115935705 A CN 115935705A CN 202310023956 A CN202310023956 A CN 202310023956A CN 115935705 A CN115935705 A CN 115935705A
- Authority
- CN
- China
- Prior art keywords
- electric equipment
- level
- module
- equipment
- adjustment
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多源数据的工控信息数字化管理系统及方法,涉及工控管理技术领域。所述系统包括多源数据获取模块、等级划分模块、预测模型构建分析模块、数据提取分析模块、优化调整模块和反馈管理模块;所述多源数据获取模块的输出端与所述等级划分模块的输入端相连接;所述等级划分模块的输出端与所述预测模型构建分析模块的输入端相连接;所述预测模型构建分析模块的输出端与所述数据提取分析模块的输入端相连接;所述数据提取分析模块的输出端与所述优化调整模块的输入端相连接;所述优化调整模块的输出端与所述反馈管理模块的输入端相连接。本发明还提供了一种基于多源数据的工控信息数字化管理方法,用以具体分析。
Description
技术领域
本发明涉及工控管理技术领域,具体为一种基于多源数据的工控信息数字化管理系统及方法。
背景技术
随着信息科技的发展,工控主机、嵌入式技术已被应用到诸多行业中,在医院的信息管理系统中以及医疗设备中都发挥着重要作用,是医院信息服务走向智能服务的关键硬件。
嵌入式工控主机,其实只是作为一个信息处理硬件,嵌入到应用系统中的计算机。与通用计算机相比,嵌入式计算机的系统和功能软件能一体化集成到计算机硬件系统,实现对其他设备的控制、监视与管理,并具有更高质量,更高品质与更高性能,结合网络通信技术应用于医院信息管理系统中,可从根本上实现对医院人流、物流、信息流的综合管控,对在医院活动各阶段产生的数据进行采集、处理、存储、提取、传输、汇总,加工成各种信息,从而实现医院的全面、自动化管理。
然而,当医院遇到一些突发事故例如大型交通事故、重大灾害事故和严重流行性疾病导致的大量人员伤亡的情况时,可能会存在医院因无法对各种电力设备的使用作出应急调整,使得医院的电力系统面临瘫痪的情况,在一定程度上,给医院和患者就医带来了极大的不便,不利于实现对医院全面智能化的管理。
发明内容
本发明的目的在于提供一种基于多源数据的工控信息数字化管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于多源数据的工控信息数字化管理方法,所述方法包括以下步骤:
步骤S1:获取工控主机下各种用电设备的历史使用信息,构建设备重要性等级划分模型,基于各种用电设备的使用信息对各种用电设备进行重要性等级划分;
步骤S2:构建突发事故预测模型,得到产生突发事故的概率预测值;
步骤S3:设置产生突发事故的概率阈值,当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据,计算得到各级用电设备当前的用电总量;
步骤S4:设置各级用电设备在突发事故下的总电量阈值,当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型,确定各级用电设备调整后的工作时间;
步骤S5:系统将各级用电设备调整后的工作时间反馈至工控主机,工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整。
进一步的,在步骤S1中,所述构建设备重要性等级划分模型包括:
获取工控主机下的各种用电设备的历史使用信息,所述历史使用信息包括各种用电设备的占地面积、在各科室中的使用频率、使用时长和使用需求量;
构建设备重要性划分模型:
其中,表示第i种用电设备的重要性得分;表示第i种用电设备的占地面积;表示第i种用电设备在各科室中的使用频率;表示第i种用电设备在各科室中的使用时长;表示第i种用电设备在各科室中的使用需求量;表示误差项;、、、分别表示各种用电设备的占地面积、在各科室中的使用频率、使用时长和使用需求量的回归系数;
设置一级用电设备与二级用电设备重要性的分界值,记为;设置二级用电设备与三级用电设备重要性的分界值,记为;设置各种用电设备的重要性阈值,记为;
其中,表示第i种用电设备为一级用电设备;表示第i种用电设备为二级用电设备;表示第i种用电设备为三级用电设备。
在上述技术方案中,首先,考虑到一些用电设备是需要持续使用的,一旦停止使用病人就无法进行就医治疗,例如ICU病房的呼吸机、生病体征监测仪、以及用于对病人的病情进行诊断的各种病理诊断设备等属于一级用电设备,其次,考虑到一些用电设备是可以间断使用的,短时间的停止使用不会对病人的生命造成威胁,例如放射治疗设备、核医学治疗设备、透析治疗设备等属于二级用电设备;最后,考虑到一些用电设备是可以长时间停止使用的,例如病房的空调设备、不经常使用的电梯设备等属于三级用电设备;对医院中的各种用电设备进行重要等级划分能够更好地保证系统优化调整各级用电设备的使用。
进一步的,在步骤S2中,所述构建突发事故预测模型包括:
以医院所在位置为圆心,以R为半径建立医院诊疗辐射范围S;
获取医院诊疗辐射范围S内易感人群的人口密度、发生重大灾害事故的次数和医院与交通事故多发地的距离;
构建突发事故预测模型:
其中,表示概率特征值;表示易感人群的人口密度;表示发生重大灾害事故的次数;表示医院与交通事故多发地的距离;、、表示易感人群的人口密度、发生重大灾害事故的次数和医院与交通事故多发地的距离对应的影响系数;
定义激活函数为:
其中,P表示产生突发事故的概率预测值。
在上述技术方案中,考虑到医院会遇到一些突发事故例如大型交通事故、重大灾害事故和严重流行性疾病导致的大量病患的情况;首先,所述易感人群指的是存在多次就医记录的人群,设置多次就医的阈值为一个月三次,医院诊疗辐射范围内易感人群的人口密度越大,当产生流行性疾病时,越可能会造成大量易感人群感染入院治疗;其次,医院与交通事故多发地的距离越近,当交通事故多发地产生大型事故时,距离近的医院接诊的可能性就越大;最后,医院诊疗辐射范围内发生火灾、中毒等重大灾害事故的次数越多,医院接诊的可能性就越大。
进一步的,在步骤S3中,设置产生突发事故的概率阈值,记为;
当时,判定医院诊疗辐射范围S内未发生突发事故;
当时,判定医院诊疗辐射范围S内发生突发事故,获取各级用电设备当前的使用数据;
获取一级用电设备当前的工作时间,记为;获取一级用电设备在单位时间内的总耗电量,记为;
获取二级用电设备当前的工作时间,记为;获取二级用电设备在单位时间内的总耗电量,记为;
获取三级用电设备当前的工作时间,记为;获取三级用电设备在单位时间内的总耗电量,记为;
计算各级用电设备当前的用电总量:
其中,表示各级用电设备当前的用电总量。
进一步的,在步骤S4中,
设置各级用电设备在突发情况下的总电量阈值,记为;
当时,不对各级用电设备进行优化调整;
当时,构建设备优化调整模型;
所述构建设备优化调整模型包括:
计算各级用电设备的用电量差值=;
若,对三级用电设备当前的工作时间进行调整,计算三级用电设备调整后的工作时间:
其中,表示三级用电设备调整后的工作时间;
若,将三级用电设备全部关闭,并对二级用电设备当前的工作时间进行调整,计算二级用电设备调整后的工作时间:
其中,表示二级用电设备调整后的工作时间。
在上述技术方案中,当产生突发事故时,势必会伴随大量医疗用电设备的使用,使得医院的电力系统负载运行,本申请通过设置各级用电设备在突发情况下的总电量阈值,对比各级用电设备当前的用电总量,得到各级用电设备的用电量差值,基于各级用电设备在单位时间内的总耗电量,来调整各级设备的工作时间,以满足医院的电力系统能够正常运行,避免电力系统瘫痪。
一种基于多源数据的工控信息数字化管理系统,所述系统包括多源数据获取模块、等级划分模块、预测模型构建分析模块、数据提取分析模块、优化调整模块和反馈管理模块;
所述多源数据获取模块用于获取工控主机下各种用电设备的历史使用信息;所述等级划分模块用于构建设备重要性等级划分模型,基于各种用电设备的历史使用信息对各种用电设备进行重要性等级划分;所述预测模型构建分析模块用于构建突发事故预测模型,得到产生突发事故的概率预测值;所述数据提取分析模块用于当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据,计算得到各级用电设备当前的用电总量;所述优化调整模块用于当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型,确定各级用电设备调整后的工作时间;所述反馈管理模块用于将各级用电设备调整后的工作时间反馈至工控主机,工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整;
所述多源数据获取模块的输出端与所述等级划分模块的输入端相连接;所述等级划分模块的输出端与所述预测模型构建分析模块的输入端相连接;所述预测模型构建分析模块的输出端与所述数据提取分析模块的输入端相连接;所述数据提取分析模块的输出端与所述优化调整模块的输入端相连接;所述优化调整模块的输出端与所述反馈管理模块的输入端相连接。
进一步的,所述等级划分模块包括等级划分模型构建单元和等级划分模型分析单元;
所述等级划分模型构建单元用于构建设备重要性等级划分模型;
所述等级划分模型分析单元用于基于各种用电设备的历史使用信息对各种用电设备进行重要性等级划分;
所述预测模型构建分析模块包括预测模型构建单元和预测模型分析单元;
所述预测模型构建单元用于构建突发事故预测模型;
所述预测模型分析单元用于得到产生突发事故的概率预测值。
进一步的,所述数据提取分析模块包括当前数据获取单元和数据分析单元;
所述当前数据获取单元用于当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据;
所述数据分析单元用于计算得到各级用电设备当前的用电总量。
进一步的,所述优化调整模块包括用于优化调整模型构建单元和优化调整模型分析单元;
所述优化调整模型构建单元用于当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型;
所述优化调整模型分析单元用于确定各级用电设备调整后的工作时间。
进一步的,所述反馈管理模块包括数据反馈单元和智能管理单元;
所述数据反馈单元用于将各级用电设备调整后的工作时间反馈至工控主机;
所述智能管理单元用于工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整。
与现有技术相比,本发明所达到的有益效果是:本发明能够基于工控主机下各种用电设备的历史使用信息,构建设备重要性等级划分模型,对各种用电设备进行重要性等级划分;能够对突发事故进行预测,并在产生突发事故的情况下,对各级用电设备的工作时间进行优化调整,以保证医院电力系统的正常运行,缓解医院在发生突发事故情况下的用电压力,在一定程度上,促进实现对医院全面智能化的管理。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于多源数据的工控信息数字化管理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:
一种基于多源数据的工控信息数字化管理方法,所述方法包括以下步骤:
步骤S1:获取工控主机下各种用电设备的历史使用信息,构建设备重要性等级划分模型,基于各种用电设备的使用信息对各种用电设备进行重要性等级划分;
步骤S2:构建突发事故预测模型,得到产生突发事故的概率预测值;
步骤S3:设置产生突发事故的概率阈值,当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据,计算得到各级用电设备当前的用电总量;
步骤S4:设置各级用电设备在突发事故下的总电量阈值,当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型,确定各级用电设备调整后的工作时间;
步骤S5:系统将各级用电设备调整后的工作时间反馈至工控主机,工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整。
进一步的,在步骤S1中,所述构建设备重要性等级划分模型包括:
获取工控主机下的各种用电设备的历史使用信息,所述历史使用信息包括各种用电设备的占地面积、在各科室中的使用频率、使用时长和使用需求量;
构建设备重要性划分模型:
其中,表示第i种用电设备的重要性得分;表示第i种用电设备的占地面积;表示第i种用电设备在各科室中的使用频率;表示第i种用电设备在各科室中的使用时长;表示第i种用电设备在各科室中的使用需求量;表示误差项;、、、分别表示各种用电设备的占地面积、在各科室中的使用频率、使用时长和使用需求量的回归系数;
设置一级用电设备与二级用电设备重要性的分界值,记为;设置二级用电设备与三级用电设备重要性的分界值,记为;设置各种用电设备的重要性阈值,记为;
其中,表示第i种用电设备为一级用电设备;表示第i种用电设备为二级用电设备;表示第i种用电设备为三级用电设备。
进一步的,在步骤S2中,所述构建突发事故预测模型包括:
以医院所在位置为圆心,以R为半径建立医院诊疗辐射范围S;
获取医院诊疗辐射范围S内易感人群的人口密度、发生重大灾害事故的次数和医院与交通事故多发地的距离;
构建突发事故预测模型:
其中,表示概率特征值;表示易感人群的人口密度;表示发生重大灾害事故的次数;表示医院与交通事故多发地的距离;、、表示易感人群的人口密度、发生重大灾害事故的次数和医院与交通事故多发地的距离对应的影响系数;
定义激活函数为:
其中,P表示产生突发事故的概率预测值。
进一步的,在步骤S3中,设置产生突发事故的概率阈值,记为;
当时,判定医院诊疗辐射范围S内未发生突发事故;
当时,判定医院诊疗辐射范围S内发生突发事故,获取各级用电设备当前的使用数据;
获取一级用电设备当前的工作时间,记为;获取一级用电设备在单位时间内的总耗电量,记为;
获取二级用电设备当前的工作时间,记为;获取二级用电设备在单位时间内的总耗电量,记为;
获取三级用电设备当前的工作时间,记为;获取三级用电设备在单位时间内的总耗电量,记为;
计算各级用电设备当前的用电总量:
其中,表示各级用电设备当前的用电总量。
进一步的,在步骤S4中,
设置各级用电设备在突发情况下的总电量阈值,记为;
当时,不对各级用电设备进行优化调整;
当时,构建设备优化调整模型;
所述构建设备优化调整模型包括:
计算各级用电设备的用电量差值=;
若,对三级用电设备当前的工作时间进行调整,计算三级用电设备调整后的工作时间:
其中,表示三级用电设备调整后的工作时间;
若,将三级用电设备全部关闭,并对二级用电设备当前的工作时间进行调整,计算二级用电设备调整后的工作时间:
其中,表示二级用电设备调整后的工作时间。
一种基于多源数据的工控信息数字化管理系统,所述系统包括多源数据获取模块、等级划分模块、预测模型构建分析模块、数据提取分析模块、优化调整模块和反馈管理模块;
所述多源数据获取模块用于获取工控主机下各种用电设备的历史使用信息;所述等级划分模块用于构建设备重要性等级划分模型,基于各种用电设备的历史使用信息对各种用电设备进行重要性等级划分;所述预测模型构建分析模块用于构建突发事故预测模型,得到产生突发事故的概率预测值;所述数据提取分析模块用于当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据,计算得到各级用电设备当前的用电总量;所述优化调整模块用于当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型,确定各级用电设备调整后的工作时间;所述反馈管理模块用于将各级用电设备调整后的工作时间反馈至工控主机,工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整;
所述多源数据获取模块的输出端与所述等级划分模块的输入端相连接;所述等级划分模块的输出端与所述预测模型构建分析模块的输入端相连接;所述预测模型构建分析模块的输出端与所述数据提取分析模块的输入端相连接;所述数据提取分析模块的输出端与所述优化调整模块的输入端相连接;所述优化调整模块的输出端与所述反馈管理模块的输入端相连接。
进一步的,所述等级划分模块包括等级划分模型构建单元和等级划分模型分析单元;
所述等级划分模型构建单元用于构建设备重要性等级划分模型;
所述等级划分模型分析单元用于基于各种用电设备的历史使用信息对各种用电设备进行重要性等级划分;
所述预测模型构建分析模块包括预测模型构建单元和预测模型分析单元;
所述预测模型构建单元用于构建突发事故预测模型;
所述预测模型分析单元用于得到产生突发事故的概率预测值。
进一步的,所述数据提取分析模块包括当前数据获取单元和数据分析单元;
所述当前数据获取单元用于当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据;
所述数据分析单元用于计算得到各级用电设备当前的用电总量。
进一步的,所述优化调整模块包括用于优化调整模型构建单元和优化调整模型分析单元;
所述优化调整模型构建单元用于当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型;
所述优化调整模型分析单元用于确定各级用电设备调整后的工作时间。
进一步的,所述反馈管理模块包括数据反馈单元和智能管理单元;
所述数据反馈单元用于将各级用电设备调整后的工作时间反馈至工控主机;
所述智能管理单元用于工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整。
在本实施例中:
获取工控主机下的各种用电设备的历史使用信息,所述历史使用信息包括各种用电设备的占地面积、在各科室中的使用频率、使用时长和使用需求量;
构建设备重要性划分模型:
其中,表示第i种用电设备的重要性得分;表示第i种用电设备的占地面积;表示第i种用电设备在各科室中的使用频率;表示第i种用电设备在各科室中的使用时长;表示第i种用电设备在各科室中的使用需求量;表示误差项;、、、分别表示各种用电设备的占地面积、在各科室中的使用频率、使用时长和使用需求量的回归系数;
设置一级用电设备与二级用电设备重要性的分界值,记为;设置二级用电设备与三级用电设备重要性的分界值,记为;设置各种用电设备的重要性阈值,记为;
其中,表示第i种用电设备为一级用电设备;表示第i种用电设备为二级用电设备;表示第i种用电设备为三级用电设备。
以医院所在位置为圆心,以R为半径建立医院诊疗辐射范围S;
获取医院诊疗辐射范围S内易感人群的人口密度、发生重大灾害事故的次数和医院与交通事故多发地的距离;
构建突发事故预测模型:
其中,表示概率特征值;表示易感人群的人口密度;表示发生重大灾害事故的次数;表示医院与交通事故多发地的距离;、、表示易感人群的人口密度、发生重大灾害事故的次数和医院与交通事故多发地的距离对应的影响系数;
定义激活函数为:
其中,P表示产生突发事故的概率预测值。
设置产生突发事故的概率阈值;
当产生突发事故的概率预测值P=0.85时,因为时,判定医院诊疗辐射范围S内发生突发事故,获取各级用电设备当前的使用数据;
获取一级用电设备当前的工作时间;获取一级用电设备在单位时间内的总耗电量;
获取二级用电设备当前的工作时间;获取二级用电设备在单位时间内的总耗电量;
获取三级用电设备当前的工作时间;获取三级用电设备在单位时间内的总耗电量;
计算各级用电设备当前的用电总量:
其中,表示各级用电设备当前的用电总量。
设置各级用电设备在突发情况下的总电量阈值;
因为时,构建设备优化调整模型;
所述构建设备优化调整模型包括:
计算各级用电设备的用电量差值=;
因为,对三级用电设备当前的工作时间进行调整,计算三级用电设备调整后的工作时间:
其中,表示三级用电设备调整后的工作时间。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (10)
1.一种基于多源数据的工控信息数字化管理方法,其特征在于,所述方法包括以下步骤:
步骤S1:获取工控主机下各种用电设备的历史使用信息,构建设备重要性等级划分模型,基于各种用电设备的使用信息对各种用电设备进行重要性等级划分;
步骤S2:构建突发事故预测模型,得到产生突发事故的概率预测值;
步骤S3:设置产生突发事故的概率阈值,当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据,计算得到各级用电设备当前的用电总量;
步骤S4:设置各级用电设备在突发事故下的总电量阈值,当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型,确定各级用电设备调整后的工作时间;
步骤S5:系统将各级用电设备调整后的工作时间反馈至工控主机,工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整。
2.根据权利要求1所述的一种基于多源数据的工控信息数字化管理方法,其特征在于:在步骤S1中,所述构建设备重要性等级划分模型包括:
获取工控主机下的各种用电设备的历史使用信息,所述历史使用信息包括各种用电设备的占地面积、在各科室中的使用频率、使用时长和使用需求量;
构建设备重要性划分模型:
其中,表示第i种用电设备的重要性得分;表示第i种用电设备的占地面积;表示第i种用电设备在各科室中的使用频率;表示第i种用电设备在各科室中的使用时长;表示第i种用电设备在各科室中的使用需求量;表示误差项;、、、分别表示各种用电设备的占地面积、在各科室中的使用频率、使用时长和使用需求量的回归系数;
设置一级用电设备与二级用电设备重要性的分界值,记为;设置二级用电设备与三级用电设备重要性的分界值,记为;设置各种用电设备的重要性阈值,记为;
其中,表示第i种用电设备为一级用电设备;表示第i种用电设备为二级用电设备;表示第i种用电设备为三级用电设备。
3.根据权利要求2所述的一种基于多源数据的工控信息数字化管理方法,其特征在于:在步骤S2中,所述构建突发事故预测模型包括:
以医院所在位置为圆心,以R为半径建立医院诊疗辐射范围S;
获取医院诊疗辐射范围S内易感人群的人口密度、发生重大灾害事故的次数和医院与交通事故多发地的距离;
构建突发事故预测模型:
其中,表示概率特征值;表示易感人群的人口密度;表示发生重大灾害事故的次数;表示医院与交通事故多发地的距离;、、表示易感人群的人口密度、发生重大灾害事故的次数和医院与交通事故多发地的距离对应的影响系数;
定义激活函数为:
其中,P表示产生突发事故的概率预测值。
4.根据权利要求3所述的一种基于多源数据的工控信息数字化管理方法,其特征在于:在步骤S3中,设置产生突发事故的概率阈值,记为;
当时,判定医院诊疗辐射范围S内未发生突发事故;
当时,判定医院诊疗辐射范围S内发生突发事故,获取各级用电设备当前的使用数据;
获取一级用电设备当前的工作时间,记为;获取一级用电设备在单位时间内的总耗电量,记为;
获取二级用电设备当前的工作时间,记为;获取二级用电设备在单位时间内的总耗电量,记为;
获取三级用电设备当前的工作时间,记为;获取三级用电设备在单位时间内的总耗电量,记为;
计算各级用电设备当前的用电总量:
其中,表示各级用电设备当前的用电总量。
5.根据权利要求4所述的一种基于多源数据的工控信息数字化管理方法,其特征在于:在步骤S4中,
设置各级用电设备在突发情况下的总电量阈值,记为;
当时,不对各级用电设备进行优化调整;
当时,构建设备优化调整模型;
所述构建设备优化调整模型包括:
计算各级用电设备的用电量差值=;
若,对三级用电设备当前的工作时间进行调整,计算三级用电设备调整后的工作时间:
其中,表示三级用电设备调整后的工作时间;
若,将三级用电设备全部关闭,并对二级用电设备当前的工作时间进行调整,计算二级用电设备调整后的工作时间:
其中,表示二级用电设备调整后的工作时间。
6.一种基于多源数据的工控信息数字化管理系统,其特征在于:所述系统包括多源数据获取模块、等级划分模块、预测模型构建分析模块、数据提取分析模块、优化调整模块和反馈管理模块;
所述多源数据获取模块用于获取工控主机下各种用电设备的历史使用信息;所述等级划分模块用于构建设备重要性等级划分模型,基于各种用电设备的历史使用信息对各种用电设备进行重要性等级划分;所述预测模型构建分析模块用于构建突发事故预测模型,得到产生突发事故的概率预测值;所述数据提取分析模块用于当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据,计算得到各级用电设备当前的用电总量;所述优化调整模块用于当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型,确定各级用电设备调整后的工作时间;所述反馈管理模块用于将各级用电设备调整后的工作时间反馈至工控主机,工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整;
所述多源数据获取模块的输出端与所述等级划分模块的输入端相连接;所述等级划分模块的输出端与所述预测模型构建分析模块的输入端相连接;所述预测模型构建分析模块的输出端与所述数据提取分析模块的输入端相连接;所述数据提取分析模块的输出端与所述优化调整模块的输入端相连接;所述优化调整模块的输出端与所述反馈管理模块的输入端相连接。
7.根据权利要求6所述的一种基于多源数据的工控信息数字化管理系统,其特征在于:所述等级划分模块包括等级划分模型构建单元和等级划分模型分析单元;
所述等级划分模型构建单元用于构建设备重要性等级划分模型;
所述等级划分模型分析单元用于基于各种用电设备的历史使用信息对各种用电设备进行重要性等级划分;
所述预测模型构建分析模块包括预测模型构建单元和预测模型分析单元;
所述预测模型构建单元用于构建突发事故预测模型;
所述预测模型分析单元用于得到产生突发事故的概率预测值。
8.根据权利要求6所述的一种基于多源数据的工控信息数字化管理系统,其特征在于:所述数据提取分析模块包括当前数据获取单元和数据分析单元;
所述当前数据获取单元用于当产生突发事故的概率预测值超出阈值时,获取各级用电设备当前的使用数据;
所述数据分析单元用于计算得到各级用电设备当前的用电总量。
9.根据权利要求6所述的一种基于多源数据的工控信息数字化管理系统,其特征在于:所述优化调整模块包括用于优化调整模型构建单元和优化调整模型分析单元;
所述优化调整模型构建单元用于当各级用电设备当前的用电总量超出各级用电设备在突发事故下的总电量阈值时,构建设备优化调整模型;
所述优化调整模型分析单元用于确定各级用电设备调整后的工作时间。
10.根据权利要求6所述的一种基于多源数据的工控信息数字化管理系统,其特征在于:所述反馈管理模块包括数据反馈单元和智能管理单元;
所述数据反馈单元用于将各级用电设备调整后的工作时间反馈至工控主机;
所述智能管理单元用于工控主机按照各级用电设备调整后的工作时间对各级用电设备进行优化调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310023956.2A CN115935705B (zh) | 2023-01-09 | 2023-01-09 | 一种基于多源数据的工控信息数字化管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310023956.2A CN115935705B (zh) | 2023-01-09 | 2023-01-09 | 一种基于多源数据的工控信息数字化管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115935705A true CN115935705A (zh) | 2023-04-07 |
CN115935705B CN115935705B (zh) | 2023-05-30 |
Family
ID=85836831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310023956.2A Active CN115935705B (zh) | 2023-01-09 | 2023-01-09 | 一种基于多源数据的工控信息数字化管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115935705B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2703915A2 (de) * | 2012-08-28 | 2014-03-05 | Deutsche Telekom AG | Verfahren und System zur Fuzzy-basierten Regelung des Gesamtenergieverbrauchs mehrerer elektrischer Geräte |
CN108182554A (zh) * | 2018-02-09 | 2018-06-19 | 国网冀北电力有限公司 | 一种配电网停电风险状态感知方法 |
CN110111903A (zh) * | 2019-04-28 | 2019-08-09 | 中国疾病预防控制中心 | 一种突发公共卫生事件预测的方法及设备 |
CN110415800A (zh) * | 2019-07-30 | 2019-11-05 | 柳州市工人医院 | 一种用于突发灾害事故的应急医疗系统 |
CN112990704A (zh) * | 2021-03-15 | 2021-06-18 | 国网山东省电力公司滨州供电公司 | 一种面对突发事件的电力应急系统 |
CN213547179U (zh) * | 2020-11-12 | 2021-06-25 | 航天长峰朝阳电源有限公司 | 一种多功能小型化ups电源 |
CN113691529A (zh) * | 2021-08-24 | 2021-11-23 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于电力行业网络安全的工业控制系统及方法 |
CN113919605A (zh) * | 2021-12-13 | 2022-01-11 | 南京城建隧桥智慧管理有限公司 | 一种基于大数据的应急指挥调度管理系统及方法 |
-
2023
- 2023-01-09 CN CN202310023956.2A patent/CN115935705B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2703915A2 (de) * | 2012-08-28 | 2014-03-05 | Deutsche Telekom AG | Verfahren und System zur Fuzzy-basierten Regelung des Gesamtenergieverbrauchs mehrerer elektrischer Geräte |
CN108182554A (zh) * | 2018-02-09 | 2018-06-19 | 国网冀北电力有限公司 | 一种配电网停电风险状态感知方法 |
CN110111903A (zh) * | 2019-04-28 | 2019-08-09 | 中国疾病预防控制中心 | 一种突发公共卫生事件预测的方法及设备 |
CN110415800A (zh) * | 2019-07-30 | 2019-11-05 | 柳州市工人医院 | 一种用于突发灾害事故的应急医疗系统 |
CN213547179U (zh) * | 2020-11-12 | 2021-06-25 | 航天长峰朝阳电源有限公司 | 一种多功能小型化ups电源 |
CN112990704A (zh) * | 2021-03-15 | 2021-06-18 | 国网山东省电力公司滨州供电公司 | 一种面对突发事件的电力应急系统 |
CN113691529A (zh) * | 2021-08-24 | 2021-11-23 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于电力行业网络安全的工业控制系统及方法 |
CN113919605A (zh) * | 2021-12-13 | 2022-01-11 | 南京城建隧桥智慧管理有限公司 | 一种基于大数据的应急指挥调度管理系统及方法 |
Non-Patent Citations (1)
Title |
---|
胡赞佳: "医疗设备配电设计", 《现代建筑电气》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115935705B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wood et al. | Context-aware wireless sensor networks for assisted living and residential monitoring | |
Hoot et al. | An early warning system for overcrowding in the emergency department | |
Qian et al. | Disparities in outpatient and telehealth visits during the COVID-19 pandemic in a large integrated health care organization: retrospective cohort study | |
CN111768873A (zh) | 一种covid-19实时风险预测方法 | |
Cournane et al. | Social deprivation and hospital admission rates, length of stay and readmissions in emergency medical admissions | |
CN112559305B (zh) | 不间断电源系统内部关键模块性能预测方法、装置和设备 | |
Mocanu et al. | AmIHomCare: A complex ambient intelligent system for home medical assistance | |
JP6950008B2 (ja) | コンピュータ装置による感染症流行の予測方法、コンピュータ装置及び不揮発性読み取り可能な記憶媒体 | |
CN115935705A (zh) | 一种基于多源数据的工控信息数字化管理系统及方法 | |
Brown et al. | Benchmarking for small hospitals: size didn't matter! | |
CN113707315B (zh) | 一种面向社区的健康监测管理的方法和系统 | |
Siddiqui et al. | Integrating federated learning with IoMT for managing obesity in smart city | |
CN110827932B (zh) | 医疗数据的分类处理方法及装置、存储介质、电子设备 | |
CN113593680A (zh) | 一种用于医院拥堵缓解对策评估方法 | |
Fotiadis et al. | Intelligent patient monitoring | |
US20110145183A1 (en) | Predictor of the period of psychotic episode in individual schizophrenics and its method | |
Dimitrievski et al. | Data processing within ambient assisted living system | |
CN116805175B (zh) | 基于cim技术的医疗养老建筑运维管理系统 | |
Fletcher-Lloyd et al. | A Markov Chain Model for Identifying Changes in Daily Activity Patterns of People Living with Dementia | |
AU2021104605A4 (en) | Intelligent Medical Manipulation Auxiliary Device Used in Intensive Care | |
KR102534175B1 (ko) | 머신 러닝을 이용한 노인 요양 시설 평가등급 예측 방법, 프로그램 및 장치 | |
Mehdi et al. | An improvement energy consumption policy using communication reduction in wireless body sensor network | |
Mehdi et al. | A flexible energy management approach for smart healthcare on the internet of patients (IoP) | |
US20220254459A1 (en) | Data processing method, data processing device, computing device and computer readable storage medium | |
Liu | Design of Rural Home Smart Pension Monitoring System Based on Artificial Intelligence |
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 |