CN116823072A - 一种基于物联网数据孪生的智能运营平台 - Google Patents

Abstract

本申请涉及物联网和数字孪生技术领域，公开了一种基于物联网数据孪生的智能运营平台，包括：配置为接收物联网设备回传的物联网数据的数据采集模块、配置为对接收到的物联网数据进行数据解析并生成镜像数据包的镜像数据生成模块、配置为基于运营指令调取目标应用服务器对应的镜像数据并发送至孪生服务器的运营管理模块、基于接收到的镜像数据包生成孪生模型的孪生服务器，运营管理模块还配置为基于生成的孪生模型调取对应的孪生数据包，并基于运营指令对孪生数据包进行数据提取。本申请的一种基于物联网数据孪生的智能运营平台，基础结构简单，实现方式便利，能够满足更为直观和深层次地对物联网设备进行监测、管理的需求。

Description

一种基于物联网数据孪生的智能运营平台

技术领域

本申请涉及物联网和数字孪生技术领域，具体是一种基于物联网数据孪生的智能运营平台。

背景技术

物理网设备是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。

对于物联网整个结构网络的运营管理，单纯的通过数据采集以及对采集到的数据进行浅层次的分析，已经逐渐无法满足日益增长的使用需求，这些需求，一般是为了满足设备研发、设备改进、工艺改进以及设备监测等目的，可以看出，这类需求对于提高设备运行效率和工艺效果具有显著的促进作用。因此，更为详尽和完善的物理网管理运营平台的研究与实现，是十分有必要的。

发明内容

本申请的目的在于提供一种基于物联网数据孪生的智能运营平台，以满足更为直观和深层次地对物联网设备进行监测、管理的需求。

为实现上述目的，本申请公开了以下技术方案：

一种基于物联网数据孪生的智能运营平台，包括数据采集模块、镜像数据生成模块、孪生服务器和运营管理模块；

所述数据采集模块配置为接收物联网设备回传的物联网数据；

所述镜像数据生成模块配置为对接收到的所述物联网数据进行数据解析，并生成镜像数据包；

所述运营管理模块配置为基于运营指令调取目标应用服务器对应的镜像数据，并发送至所述孪生服务器；

所述孪生服务器基于接收到的所述镜像数据包生成孪生模型；

所述运营管理模块还配置为基于生成的所述孪生模型调取对应的孪生数据包，并基于运营指令对所述孪生数据包进行数据提取。

在一种实施方式中，所述运营管理模块还配置为根据运营需求基于所述物联网数据进行数据调整得到运营数据，并将该运营数据发送至所述镜像数据生成模块生成对应的镜像数据包，以及将所述运营数据对应的镜像数据包发送至所述孪生服务器并读取所述孪生服务器基于该运营数据生成的孪生模型对应的孪生数据包进行运营分析。

在一种实施方式中，所述镜像数据包包括数据特征和与所述数据特征中的数据相对应的硬件特征，所述数据特征包括结果参数值P和运行过程数据A_T，所述硬件特征用于体现所述数据特征对应的硬件配置和运行程序。

在一种实施方式中，所述镜像数据生成模块还配置为通过预设的数据适配算法对所述运营数据对应的数据特征包进行数据调整使调整后的数据支持目标应用服务器对应的硬件配置。

在一种实施方式中，所述数据适配算法为A_Tn＝ρ₁*A_tn+ρ₂*A_t(n+1)，其中，ρ₁和ρ₂均为修正系数，且ρ₁+ρ₂＝1，A_tn为所述运营数据对应的在tn时间节点时的运行节点数据，A_t(n+1)为所述运营数据对应的在t(n+1)时间节点时的运行节点数据。

在一种实施方式中，在所述数据适配算法运行时，最后一个调整后的运行过程数据为A_Tlast＝ρ₁*A_tlast+ρ₂*P，其中，A_tlast为所述运营数据对应的最后一个运行节点数据。

在一种实施方式中，所述孪生服务器包括特征存储单元、特征匹配单元、模型构建单元以及虚拟运营单元；

所述特征存储单元配置为存储数据特征和特征提取策略；

所述特征匹配单元配置为基于所述镜像数据包内的数据在所述特征存储单元内匹配对应的模型参数，所述模型参数包括硬件配置、分选接口和通讯协议；

所述模型构建单元配置为基于匹配到的模型参数进行孪生模型的构建；

所述虚拟运营单元配置为基于所述镜像数据包内的数据进行虚拟运营，并产生孪生数据包。

在一种实施方式中，所述孪生服务器还包括模型数据学习单元，所述模型数据学习单元配置为基于卷积神经网络和深度学习算法深度学习并更新所述特征存储单元内的数据特征和特征提取策略。

在一种实施方式中，所述运营管理模块基于运营指令对所述孪生数据包进行数据提取具体包括：

对所述孪生模型产生的孪生数据包进行解析；

提取所述孪生数据包对应的数据元素，所述数据元素包括孪生结果数据和孪生过程数据。

有益效果：本申请的基于物联网数据孪生的智能运营平台，基础结构简单，实现方式便利，选择回传收到的物联网数据，通过镜像数据生成模块得到镜像数据包，并基于该镜像数据包生成相应的孪生模型，通过对该孪生模型对应的孪生数据包，获取物联网设备的运行情况，满足运营需求。同时，还可以进一步地通过运营数据的调整，通过孪生服务器虚拟地进行运营测试，从而实现虚拟地对物联网设备运行进行测试，提高运营管理和设备监测的效率，进而满足更为直观和深层次地对物联网设备进行监测、管理的需求。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中基于物联网数据孪生的智能运营平台的结构框图。

具体实施方式

下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

在本文中，术语“包括”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。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

物联网设备可以是一些如：通讯基站监测装置，智慧城市管理相关的传感器、监测器，工厂的生产设备等。这类设备，通常具有一个共通点，即需要对其运行进行监测，而现场监测往往很难实现或者是需要花费较大的成本来实现。而数字孪生技术，是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程，是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。基于这一技术，我们可以利用数字孪生来对这些物联网设备进行运营管理。

借由上述，本实施例公开了如考图1所示的一种基于物联网数据孪生的智能运营平台，包括数据采集模块、镜像数据生成模块、孪生服务器和运营管理模块。

具体的：所述数据采集模块配置为接收物联网设备回传的物联网数据；所述镜像数据生成模块配置为对接收到的所述物联网数据进行数据解析，并生成镜像数据包；所述运营管理模块配置为基于运营指令调取目标应用服务器对应的镜像数据，并发送至所述孪生服务器；所述孪生服务器基于接收到的所述镜像数据包生成孪生模型；所述运营管理模块还配置为基于生成的所述孪生模型调取对应的孪生数据包，并基于运营指令对所述孪生数据包进行数据提取。

通过上述的平台架构的介绍，不难看出，其基础结构简单，实现方式便利，选择回传收到的物联网数据，通过镜像数据生成模块得到镜像数据包，并基于该镜像数据包生成相应的孪生模型，通过对该孪生模型对应的孪生数据包，获取物联网设备的运行情况，满足运营需求。

进一步地，所述运营管理模块还配置为根据运营需求基于所述物联网数据进行数据调整得到运营数据，并将该运营数据发送至所述镜像数据生成模块生成对应的镜像数据包，以及将所述运营数据对应的镜像数据包发送至所述孪生服务器并读取所述孪生服务器基于该运营数据生成的孪生模型对应的孪生数据包进行运营分析。对于需要进行设备运行模拟或测试的需求而言，运营管理模块通过调整得到的运营数据，然后基于该运营数据获取孪生数据包，最后对孪生数据包进行分析，能够对设备的模拟运行结果进行获取，从而实现设备测试、设备运行模拟等，最后，再基于模拟、测试的结果判断运营数据的可行性，为物联网设备的管理提供便利。可行的是，所述运营管理模块基于运营指令对所述孪生数据包进行数据提取具体包括：

对所述孪生模型产生的孪生数据包进行解析；

提取所述孪生数据包对应的数据元素，所述数据元素包括孪生结果数据和孪生过程数据。

在本实施例中，所述镜像数据包包括数据特征和与所述数据特征中的数据相对应的硬件特征，所述数据特征包括结果参数值P和运行过程数据A_T，所述硬件特征用于体现所述数据特征对应的硬件配置和运行程序。

作为本实施例的一种优选地实施方式，为了确保运营数据的可靠性，提高模拟运行的效率，本实施例的镜像数据生成模块还配置为通过预设的数据适配算法对所述运营数据对应的数据特征包进行数据调整使调整后的数据支持目标应用服务器对应的硬件配置。所述数据适配算法为A_Tn＝ρ₁*A_tn+ρ₂*A_t(n+1)，其中，ρ₁和ρ₂均为修正系数，且ρ₁+ρ₂＝1，A_tn为所述运营数据对应的在tn时间节点时的运行节点数据，A_t(n+1)为所述运营数据对应的在t(n+1)时间节点时的运行节点数据。进一步地，在所述数据适配算法运行时，最后一个调整后的运行过程数据为A_Tlast＝ρ₁*A_tlast+ρ₂*P，其中，A_tlast为所述运营数据对应的最后一个运行节点数据。

这样做的目的是，通过修正系数来修正运行过程数据，能够降低运营数据直接生成的运行过程数据中的出错率，进而提高孪生模型在虚拟运行时，能够更为准确地达到这些运行过程数据，进而呈现出与预期的运营数据更为贴合的运行过程，提高虚拟运营的准确性和可靠性。可行的是，修正系数可以是一组静态的数值，如ρ₁＝0.3、ρ₂＝0.7，可以是一组满足ρ₁+ρ₂＝1的动态随机数值。

在本实施例中，所述孪生服务器包括特征存储单元、特征匹配单元、模型构建单元以及虚拟运营单元；

所述特征存储单元配置为存储数据特征和特征提取策略；

所述特征匹配单元配置为基于所述镜像数据包内的数据在所述特征存储单元内匹配对应的模型参数，所述模型参数包括硬件配置、分选接口和通讯协议；

所述模型构建单元配置为基于匹配到的模型参数进行孪生模型的构建；

所述虚拟运营单元配置为基于所述镜像数据包内的数据进行虚拟运营，并产生孪生数据包。

为了提高平台的适配性，以满足更多的物联网设备使用以及支持更多的数据运营需求，所述孪生服务器还包括模型数据学习单元，所述模型数据学习单元配置为基于卷积神经网络和深度学习算法深度学习并更新所述特征存储单元内的数据特征和特征提取策略。

需要说明的是，在本申请所提供的实施例中，应该理解到，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

本实施例的基于物联网数据孪生的智能运营平台，在使用时，选择回传收到的物联网数据，通过镜像数据生成模块得到镜像数据包，并基于该镜像数据包生成相应的孪生模型，通过对该孪生模型对应的孪生数据包，获取物联网设备的运行情况，满足运营需求。进一步地，通过运营数据的调整，基于孪生服务器虚拟地进行运营测试，从而实现虚拟地对物联网设备运行进行测试，提高运营管理和设备监测的效率，进而满足更为直观和深层次地对物联网设备进行监测、管理的需求。

最后应说明的是：以上所述仅为本申请的优选实施例而已，并不用于限制本申请，尽管参照前述实施例对本申请进行了详细的说明，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，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种基于物联网数据孪生的智能运营平台，其特征在于，包括数据采集模块、镜像数据生成模块、孪生服务器和运营管理模块；

所述数据采集模块配置为接收物联网设备回传的物联网数据；

所述镜像数据生成模块配置为对接收到的所述物联网数据进行数据解析，并生成镜像数据包；

所述运营管理模块配置为基于运营指令调取目标应用服务器对应的镜像数据，并发送至所述孪生服务器；

所述孪生服务器基于接收到的所述镜像数据包生成孪生模型；

所述运营管理模块还配置为基于生成的所述孪生模型调取对应的孪生数据包，并基于运营指令对所述孪生数据包进行数据提取。

2.根据权利要求1所述的基于物联网数据孪生的智能运营平台，其特征在于，所述运营管理模块还配置为根据运营需求基于所述物联网数据进行数据调整得到运营数据，并将该运营数据发送至所述镜像数据生成模块生成对应的镜像数据包，以及将所述运营数据对应的镜像数据包发送至所述孪生服务器并读取所述孪生服务器基于该运营数据生成的孪生模型对应的孪生数据包进行运营分析。

3.根据权利要求2所述的基于物联网数据孪生的智能运营平台，其特征在于，所述镜像数据包包括数据特征和与所述数据特征中的数据相对应的硬件特征，所述数据特征包括结果参数值P和运行过程数据AT，所述硬件特征用于体现所述数据特征对应的硬件配置和运行程序。

4.根据权利要求3所述的基于物联网数据孪生的智能运营平台，其特征在于，所述镜像数据生成模块还配置为通过预设的数据适配算法对所述运营数据对应的数据特征包进行数据调整使调整后的数据支持目标应用服务器对应的硬件配置。

5.根据权利要求4所述的基于物联网数据孪生的智能运营平台，其特征在于，所述数据适配算法为

A_Tn＝ρ₁*A_tn+ρ₂*A_t(n+1)

A_Tn＝ρ₁*A_tn+ρ₂*A_t(n+1)，其中，ρ₁ρ₁和ρ₂均为修正系数，且ρ₁+ρ₂＝1ρ₁+ρ₂＝1，A_tn为所述运营数据对应的在tn时间节点时的运行节点数据，A_t(n+1)为所述运营数据对应的在t(n+1)时间节点时的运行节点数据。

6.根据权利要求5所述的基于物联网数据孪生的智能运营平台，其特征在于，在所述数据适配算法运行时，最后一个调整后的运行过程数据为A_Tlast＝ρ₁*A_tlast+ρ₂*P，其中，A_tlast为所述运营数据对应的最后一个运行节点数据。

7.根据权利要求1所述的基于物联网数据孪生的智能运营平台，其特征在于，所述孪生服务器包括特征存储单元、特征匹配单元、模型构建单元以及虚拟运营单元；

所述特征存储单元配置为存储数据特征和特征提取策略；

所述特征匹配单元配置为基于所述镜像数据包内的数据在所述特征存储单元内匹配对应的模型参数，所述模型参数包括硬件配置、分选接口和通讯协议；

所述模型构建单元配置为基于匹配到的模型参数进行孪生模型的构建；

所述虚拟运营单元配置为基于所述镜像数据包内的数据进行虚拟运营，并产生孪生数据包。

8.根据权利要求7所述的基于物联网数据孪生的智能运营平台，其特征在于，所述孪生服务器还包括模型数据学习单元，所述模型数据学习单元配置为基于卷积神经网络和深度学习算法深度学习并更新所述特征存储单元内的数据特征和特征提取策略。

9.根据权利要求1所述的基于物联网数据孪生的智能运营平台，其特征在于，所述运营管理模块基于运营指令对所述孪生数据包进行数据提取具体包括：

对所述孪生模型产生的孪生数据包进行解析；

提取所述孪生数据包对应的数据元素，所述数据元素包括孪生结果数据和孪生过程数据。