CN116863664A - 燃气设备的实时监测方法以及燃气设备监测系统 - Google Patents
燃气设备的实时监测方法以及燃气设备监测系统 Download PDFInfo
- Publication number
- CN116863664A CN116863664A CN202310848299.5A CN202310848299A CN116863664A CN 116863664 A CN116863664 A CN 116863664A CN 202310848299 A CN202310848299 A CN 202310848299A CN 116863664 A CN116863664 A CN 116863664A
- Authority
- CN
- China
- Prior art keywords
- data
- working condition
- alarm
- equipment
- condition data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000005856 abnormality Effects 0.000 claims abstract description 30
- 238000006243 chemical reaction Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 239000007788 liquid Substances 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000005477 standard model Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 238000010295 mobile communication Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 108060001621 Isoprenylcysteine carboxyl methyltransferase Proteins 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请涉及一种燃气设备的实时监测方法以及燃气设备监测系统，通过在Flink流引擎中，根据预设的时间窗口内对按照预设的间隔时间进行实时上传工况数据进行有效性判断，若该数据判断为有效工况数据，则根据转换规则将其转化为Flink流式格式数据，接着分别利用预设的报警类及故障类指标规则判定模型对转化后的有效工况数据中的对应数据进行判断，并相应输出报警类指标以及故障类指标，并将这两个指标与对应燃气设备的其他维度信息生成设备异常告警信息，最后将设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。采用本方法，可在高效实时的处理大规模的工况数据的同时，保证其告警判断的正确性。
Description
技术领域
本申请涉及燃气安全技术领域，特别是涉及一种燃气设备的实时监测方法以及燃气设备监测系统。
背景技术
燃气设备是一个非常重要的能源设备，燃气设备的工况数据对于燃气设备的性能和安全性具有重要影响。传统的燃气设备通常使用传感器来监测燃气设备的工况数据，但是传感器的数据传输速度通常较慢，并且容易受到干扰。同时，燃气设备工况数据通常以流的形式传输，导致数据量庞大且难以处理。
随着现阶段物联网技术快速发展，燃气设备的智能化、数字化和物联网化成为了燃气行业的重要趋势，而实时监测和分析燃气设备的工况数据则成为实现这一趋势的关键。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实时处理庞大数据且对其进行精准告警判断的燃气设备的实时监测方法以及燃气设备监测系统。
一种燃气设备的实时监测方法，所述方法包括：
获取工况数据，所述工况数据由燃气设备按照预设的间隔时间进行实时上传；
在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断；
若判断为有效时间窗口，则根据转换规则将时间窗口内的所述有效工况数据转化为Flink流式格式数据；
分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对所述转化后的有效工况数据中的对应指标进行判断，并相应输出报警类指标以及故障类指标；
采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据所述其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
在其中一实施例中，所述工况数据由燃气设备根据燃气工况协议上报标准模型将接收到的工况原始数据进行转换得到；
所述工况数据包括燃气设备的传感器指标、报警状态值、故障状态标识以及设备信息。
在其中一实施例中，所述燃气设备上传工况数据的间隔时间根据该燃气设备的设备状态进行计算得到；
所述设备状态包括所述燃气设备的位置及环境状态、电量及用电状态以及重要程度状态进行计算得到。
在其中一实施例中，所述在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断包括：
若在预设的时间窗口内累计接收到的工况数据数量满足预设条数，则判断该时间窗口内的工况数据为有效工况数据；
若在预设的时间窗口内累计接收到的工况数据数量不满足预设条数，则判断该时间窗口内的工况数据为无效工况数据，则不对其进行处理；
其中，预设条数根据预设的时间窗口以及燃气设备对应预设的上传工况数据的间隔时间进行计算得到。
在其中一实施例中，所述利用预设的报警类指标规则判定模型对所述转化后的有效工况数据中的对应数据进行判断，输出报警类指标包括：
在所述转化后的有效工况数据中提取与报警类指标相关的多个报警数据；
分别对不同的报警数据采用对应的第一阈值和第二阈值进行判断，若所述报警数据大于所述第一阈值则为报警类指标，若所述报警数据小于所述第一阈值且大于所述第二阈值则为模糊类指标，多所述报警指标小于所述第二阈值则为正常类指标；
其中，所述报警数据包括所述工况信息中的浓度数据、温度数据、湿度数据、液位数据、振动数据以及电压数据。
在其中一实施例中，所述第一阈值和第二阈值根据对应报警数据的历史数据采用FCM聚类算法进行计算得到。
在其中一实施例中，所述利用预设的故障类指标规则判定模型对所述转化后的有效工况数据中的对应数据进行判断，输出故障类指标包括：
在所述转化后的有效工况数据中提取与故障类指标相关的多个故障数据；
分别对各所述故障数据进行二分类判断，若所述故障数据为1，则该故障数据为故障类指标，若所述故障数据为0，则该故障数据为正常类指标；
其中，所述故障数据包括传感器脱落标识数据、温度传感器故障标识数据、震动传感器故障标识数据、通信设备故障标识数据以及位置设备故障标识数据。
在其中一实施例中，将所述设备异常告警信息采用预设的告警方式进行告警中，所述预设的告警方式包括：
将所述设备异常告警信息发送至预设上位机，所述上位机包括移动通讯设备、终端设备；
或，根据所述设备异常告警信息发送告警指令至对应的报警设备；
或，根据所述设备异常告警信息发送告警指令或停止指令至对应的燃气设备，使得该燃气设备根据所述告警指令或停止指令进行自动报警或停止运行。
在其中一实施例中，在Flink流引擎中，在预设的时间窗口内接收到的多条工况数据可来自于不同的多个燃气设备，在对所述工况数据进行有效性判断之前：
根据各条工况数据中的设备信息对多条工况数据进行分组，各组工况数据分别对应不同的燃气设备；
对每一组工况数据分别进行有效性判断。
一种燃气设备监测系统，包括多个燃气设备以及监测平台；
各所述燃气设备发送实时工况数据至所述监测平台；
所述监测平台根据上述的燃气设备的实时监测方法对各所述工况数据进行处理。
一种燃气设备的实时监测装置，所述装置包括：
工况数据获取模块，用于获取工况数据，所述工况数据由燃气设备按照预设的间隔时间进行实时上传；
数据有效性判断模块，用于在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断；
有效工况数据转换模块，用于若判断为有效时间窗口，则根据转换规则将时间串口内的所述有效工况数据转化为Flink流式格式数据；
报警及故障类指标判断模块，用于分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对所述转化后的有效工况数据中的对应数据进行判断，并相应输出报警类指标以及故障类指标；
异常告警信息生成模块，用于采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据所述其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
告警模块，用于将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取工况数据，所述工况数据由燃气设备按照预设的间隔时间进行实时上传；
在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断；
若判断为有效时间窗口，则根据转换规则将时间窗口内的所述有效工况数据转化为Flink流式格式数据；
分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对所述转化后的有效工况数据中的对应指标进行判断，并相应输出报警类指标以及故障类指标；
采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据所述其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取工况数据，所述工况数据由燃气设备按照预设的间隔时间进行实时上传；
在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断；
若判断为有效时间窗口，则根据转换规则将时间窗口内的所述有效工况数据转化为Flink流式格式数据；
分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对所述转化后的有效工况数据中的对应指标进行判断，并相应输出报警类指标以及故障类指标；
采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据所述其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
上述燃气设备的实时监测方法以及燃气设备监测系统，通过在Flink流引擎中，根据预设的时间窗口内对按照预设的间隔时间进行实时上传工况数据进行有效性判断，若该数据判断为有效工况数据，则根据转换规则将其转化为Flink流式格式数据，接着分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对转化后的有效工况数据中的对应数据进行判断，并相应输出报警类指标以及故障类指标，并将这两个指标与采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息生成设备异常告警信息，最后将设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。采用本方法，可在高效实时的处理大规模的工况数据的同时，保证其告警判断的正确性。
附图说明
图1为一个实施例中燃气设备的实时监测方法的流程示意图；
图2为一个实施例中在Flink流计算引擎中工况数据的具体处理流程示意图；
图3为一个实施例中燃气设备的实时监测装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
随着城镇化的不断加快，城市规模急剧扩大，燃气作为城市第二大命脉能源，燃气的使用也急剧变多，而近年因燃气在使用过程中，泄漏或设备不稳定等所造成一些无法挽回的后果。所以，对各燃气设备进行实时监控是非常有必要的。燃气设备的工况数据对于燃气设备的性能和安全性具有重要影响，而通过对燃气设备上报的工况数据进行实时分析可以实现对其进行监管。传统的燃气设备通常使用传感器来监测燃气设备的工况数据，但是传感器的数据传输速度通常较慢，并且容易受到干扰。同时，燃气设备工况数据通常以流的形式传输，导致数据量庞大且难以处理。
针对上述问题，在一个实施例中，如图1所示，提供了一种燃气设备的实时监测方法，具体包括：
步骤S100，获取工况数据，该工况数据由燃气设备按照预设的间隔时间进行实时上传；
步骤S110，在Flink流引擎中，根据预设的时间窗口对工况数据进行有效性判断；
步骤S120，若判断为有效时间窗口，则根据转换规则将时间窗口内的有效工况数据转化为Flink流式格式数据；
步骤S130，分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对转化后的有效工况数据中的对应指标进行判断，并相应输出报警类指标以及故障类指标；
步骤S140，采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
步骤S150，将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
在本实施例中，利用Flink流引擎对燃气设备上报的工况数据进行处理，以保证数据处理的实时及高效性，分别采用两个指标规则判定模型对工况数据中对应的数据进行判断以保证告警的准确性，另外，根据不同燃气设备的自身状态从而确定上报工况数据的间隔时间，一方面可以减少不必要的告警判断，一方面可以减少计算内存提高效率。
在本实施例中，实际上本方法实施于多个燃气设备和数据处理平台也就是监测平台中。
在步骤S100中，接收到的工况数据为燃气设备上报而来，而在燃气设备端通过一条数据传输通道，将由传感器设备接收到的原始数据采用工况数据标准模型进行解析后，再将其格式进行转换得到工况数据，再将该工况数据发送至Kafka消息中间件中，由Kafka消息中间件按照预设的间隔时间将缓存的工况数据发送至监测平台。
由于并不是所有燃气设备接收到的原始数据都需要上报，只需要上报其中一部分数据，所以在本实施例中，通过采用一个工况数据标准模型对原始数据进行筛选，选取其中需要进行上报的数据并对其进行编排处理后，相应生成工况数据。
具体的，工况数据包括燃气设备的传感器指标、报警状态值、故障状态标识以及设备信息。进一步的，向监测平台发送的传感器指标包括：传感器标识si、电池量bc、上报周期rp、工作模式wd、心跳标识hi、位置经纬度pll等；报警状态值包括：浓度值cv、温度值tv、湿度值hv、液位值lv、振动值vv与电压值mv等；故障状态标识包括：传感器脱落故障sf、温度传感器故障tf、震动传感器故障vf、通信设备故障cf与位置设备故障pf等。
具体的，工况数据标准模型可以定义为：
在公式(1)中，n为设备个数，下标i为n个设备中任意一个，ES为传感器指标，EW为报警状态值，EF为故障状态标识。
在其中一实施例中，燃气设备上报的业务指标如图2所示。而字段定义例如：工作模式：1、连续监测；2、周期监测(低功耗模式，默认)。心跳标识：设备内部的计数器值。报警状态：1、浓度报警；2、温度报警；3、湿度报警；4、液位报警；5、振动报警；6、位置报警；7、低电压报警。故障状态：1、燃气传感器脱落；2、温度传感器设备故障；3、震动传感器设备故障；4、通信设备故障；5、位置设备故障等。
由于进行监测的燃气设备本身的新旧状态，所处的环境均不相同，导致有一些燃气设备需要进行严格的监控，而有一些燃气设备自身状态良好并不需要太频繁的监控，所以针对这种情况，以及为了更有效的延长设备电池使用寿命，在本实施例中，不同的燃气设备的上报间隔时间是不一样的，根据设备情况确定上报间隔时间有效的延长的设备的电池使用寿命的同时，还实现了对不同设备的实施相应的监管程度，有效的提高了监测平台的效率，同时保证了监测的有效性。
在本实施例中，燃气设备上传工况数据的间隔时间根据该燃气设备的设备状态进行计算得到，其中，设备状态包括燃气设备的位置及环境状态、电量及用电状态以及重要程度状态进行计算得到。
具体的，燃气设备的位置及环境状态进一步还包括燃气设备所处位置特性，环境的危险性，温度及湿度，燃气设备的重要程度具体包括设备本身的重要性，老化程度。燃气设备的电量及用电状态具体为电量余额以及电量损耗速率。
在本实施例中，各燃气设备的上传工况数据的间隔时间具体采用以下公式进行计算得到：
在公式(2)中，a、b、c、d、e、f、g以及i均为指标调整权重参数，可根据具体情况进行分别调整，n表示燃气设备数量，下标i为n个设备中任意一个，LT为位置特性，DL为危险性，IL为重要性，AL为老化程度，ES为环境恶劣程度，TL为温度，HL为湿度，BB为电量余额，BLR为电量损耗速率。其中，LT为位置特性，DL为危险性，IL为重要性，AL为老化程度，ES为环境恶劣程度均为根据对应的评分规则从0到10由业内专人给出。
在步骤S110中，为了保证上传工况数据的实时性，在本实施例中采用了Flink流引擎对工况数据进行实时处理，为了提高后续告警判断的准确率，对预设的时间窗口内接收到的所有工况数据进行处理。
由于，一个监测平台需要同时对多个燃气设备进行监测，所以在预设的时间窗口内接收到的多条工况数据可来自于不同的多个燃气设备，在对工况数据进行有效性判断之前，先根据各条工况数据中的设备信息对多条工况数据进行分组，各组工况数据分别对应不同的燃气设备，再对每一组工况数据分别进行有效性判断。
在本实施例中，在Flink流引擎中，根据预设的时间窗口对工况数据进行有效性判断包括：若在预设的时间窗口内累计接收到的工况数据数量满足预设条数，则判断该时间窗口内的工况数据为有效工况数据，若在预设的时间窗口内累计接收到的工况数据数量不满足预设条数，则判断该时间窗口内的工况数据为无效工况数据，则不对其进行处理。其中，预设条数根据预设的时间窗口以及燃气设备对应预设的上传工况数据的间隔时间进行计算得到。
具体的，在Flink流引擎中采用Window算子来进行流式数据的实时计算，对设备进行分组后采用滑动窗口计算方式，设定窗口步长a(单位：min)，设定滑动频率1min，以及设定窗口数据时间差判定规则+记录数判定规则，来校验当前时间窗口的有效性。
进一步的，采用时间窗口有效性判定基础模型来判定其窗口的有效性，其模型表示为：
在公式(3)中，b表示窗口有效时长阈值，c表示窗口有效记录数阈值，dt表示窗口数据时间差，dc表示窗口数据记录数，wo,wn分别表示有效窗口和无效窗口。
在步骤S120中，在Flink流引擎中采用Flink数据结构转换模型，将Kafka中间件中上报的实时工况数据，通过设定数据流转化规则转换为Flink流式处理数据结构DataStream。其中，数据流转化规则如：转换规则+过滤机制+数据字典映射。
具体的，数据结构转换基础模型：输入→转化(转换+过滤+字典映射)→输出，表示为：
在公式(4)中，n表示设备个数，m表示实时数据量，i为n个设备中任意一个，j为m条数据中的任意一条，Input表示Flink输入，Tranform表示转换规则，Filter表示过滤机制，Dict表示数据字典映射，Output表示Flink输出，箭头表示数据转换方向。
接着，在步骤S130中，利用预设的报警类指标规则判定模型对转化后的有效工况数据中的对应数据进行判断，输出报警类指标包括：在转化后的有效工况数据中提取与报警类指标相关的多个报警数据，分别对不同的报警数据采用对应的第一阈值和第二阈值进行判断，若报警数据大于第一阈值则为报警类指标，若报警数据小于第一阈值且大于所述第二阈值则为模糊类指标，多报警指标小于第二阈值则为正常类指标。其中，报警数据包括工况信息中的浓度数据、温度数据、湿度数据、液位数据、振动数据以及电压数据。
在本实施例中，在Flink流引擎中，从上述基于Flink数据结构转换后数据中，提取浓度值cv、温度值tv、湿度值hv、液位值lv、振动值vv与电压值mv等报警类指标，并设定FCM报警判定机制+Flink实时管道编排机制，对这些报警指标进行自动分类及报警判定。其中，实时报警判定管道编排基础模型：输入→判定→输出，如下所示：
在公式(5)中，n表示设备个数，m表示实时数据量，i为n个设备中任意一个，j为m条数据中的任意一条，FaI表示Flink报警类指标输入，FCMT表示聚类分类判定规则，FaO表示Flink报警标识输出，箭头表示指标判定转化方向。
具体的，其中判定步骤采用的FCMT报警类指标规则判定模型表示为：
在公式(6)中，x表示需要进行判断报警数据，FCMT表示聚类分类判定规则，wa,wv,wn分别表示报警类指标、模糊类指标和正常类指标，T1,T2分别表示第一阈值和第二阈值。
在本实施例中，报警类指标规则判定模型中对应各报警数据的第一阈值和第二阈值均根据对应报警数据的历史样本采用FCM聚类算法进行计算得到。通过在大量的工况数据的历史样本中提取与报警数据相关的数据，再通过以下公式为EMC目标函数模型进行计算，得到两阈值：
在公式(7)中，c表示聚类中心簇数，n表示个设备样本数，，i为n个中心簇任意一个，j为m个设备样本任意一个，μij表示样本隶属度，m表示权重系数，x表示报警类指标样本。
在本实施例中，利用预设的故障类指标规则判定模型对所述转化后的有效工况数据中的对应数据进行判断，输出故障类指标包括：在转化后的有效工况数据中提取与故障类指标相关的多个故障数据，分别对各故障数据进行二分类判断，若所述故障数据为1，则该故障数据为故障类指标，若故障数据为0，则该故障数据为正常类指标。其中，故障数据包括传感器脱落标识数据、温度传感器故障标识数据、震动传感器故障标识数据、通信设备故障标识数据以及位置设备故障标识数据。
具体的，在Flink流引擎中，从上述基于Flink数据结构转换后数据中，提取传感器脱落故障sf、温度传感器故障tf、震动传感器故障vf、通信设备故障cf与位置设备故障pf等故障类指标，并设定TowClass二分类判定机制+Flink实时管道编排机制，对这些故障指标进行自动分类及故障判定。其中，实时故障判定管道编排基础模型：输入→判定→输出，如下所示：
在公式(8)中，n表示设备个数，m表示实时数据量，i为n个设备中任意一个，j为m条数据中的任意一条，FfI表示Flink故障类指标输入，TowClass表示二分类判定规则，FfO表示Flink故障标识输出，箭头表示指标判定转化方向。
具体的，采用基于0-1阈值的TowClass二分类判定规则，将指标数据分为：故障类、正常类。其中，故障类指标规则判定模型表示为：
在公式(9)中，x表示需要进行判断故障数据，TowClass表示二分类判定规则，wf,wn分别表示故障类指标和正常类指标，0,1设为故障与正常类双阈值。
在步骤S140中，在上述步骤中，通过利用Flink流计算引擎与规则判别模型，对燃气工况数据中故障类与报警类指标进行实时判定，及时获取存在异常问题的燃气设备标识(报警标识、故障标识)，同时利用Flink的Join算子关联设备其他维度信息(如：设备厂家信息、设备类型信息、设备维护信息等)，最终通过Flink实时维度关联技术获取完整的异常燃气设备信息，并根据该异常燃气设备信息、报警类指标以及故障类指标生成设备异常告警信息。
具体的，实时异常设备维度关联模型表示为：
在公式(10)中，n为设备个数，i为n个设备中任意一个，EAI为异常设备标识，EMI为设备厂家信息，ETI为设备类型信息，EOI设备维护信息。
最后在步骤S150中，将设备异常告警信息采用预设的告警方式进行告警中，其中，预设的告警方式包括：将设备异常告警信息发送至预设上位机，上位机包括移动通讯设备、终端设备，或，根据设备异常告警信息发送告警指令至对应的报警设备，或，根据设备异常告警信息发送告警指令或停止指令至对应的燃气设备，使得该燃气设备根据所述告警指令或停止指令进行自动报警或停止运行。
具体的，用Flink流计算引擎获取异常燃气设备信息，同时实时推送报警、故障等预警监控信息到各类用户终端，如：安全人员手机、监控室内的大屏应用、报警器、燃气报警灯，还可以根据燃气设备的运行状态，实现燃气设备的自动报警和关停等操作。
在其中一实施例中，如图2所示，为在Flink流计算引擎中工况数据的具体处理流程。
上述燃气设备的实时监测方法中，将燃气设备产生并上报的各种工况数据，统一采集到物联网平台上，设定一定规则并对这些数据进行预处理，包括数据清洗、数据归一化、异常数据剔除等。然后，提取工况数据中的浓度、温度、湿度、液位、振动、电压等关键指标，采用FCM聚类算法对这些指标大量样本进行分类，同时设定分类机制获取这些指标阈值。利用Flink流计算技术对这些预处理过的数据进行实时采集与指标分析，并与聚类阈值进行分析比较，从而实现燃气设备的实时报警监控。具体来说，利用Flink技术进行实时流计算，需要将预处理过的燃气设备工况数据，通过设定数据结构转换规则，转化为Flink所支持的数据流模型；利用Flink提供的数据流处理API和转换算子，对数据流进行维度关联、聚合统计、指标过滤等实时计算操作；利用Flink提供的Window窗口算子，实现数据流的时间窗口计算，采用滑动窗口模型+报警阈值判定机制，对设备指标进行故障与报警判定，最终得到所需要的结果。本方法中还需要考虑实现实时报警监控的手段。针对不同的工况数据，可以采用不同的报警方式，如短信、邮件、语音等。同时，还需根据不同的报警级别，设定不同的报警策略和处理方式，以便及时有效地处理报警事件。基于Flink流计算技术的燃气设备物联网工况数据实时分析报警监控方法，可以快速准确地对燃气设备的工况进行实时监测，并在异常情况下及时报警，提高了燃气设备的安全性和智能化水平。
同时，在本方法中还定义燃气设备物联网工况数据标准模型，形成统一的燃气数据物联网传输规范，通过有效的数据标准管理，提高了来自不同厂商燃气设备数据上报效率。定义统一的物联网燃气工况数据协议，简化传输中间各个环节的数据解析流程，提高燃气数据开发效率，降低项目开发成本。设计基于模糊C均值算法(FCM)的指标分类模型，使得簇内燃气报警指标相似度最高，簇间相似度最低，有效的提高了燃气报警指标的分类准确度。建立基于Flink流引擎的实时故障与报警判定模型，通过Flink实时数据处理技术，以及二分类判定与FCM聚类分类判定规则，实现了快速故障分类与报警判定，提高了燃气设备的安全性和智能化水平。
在其中一实施例中，还提供了一种燃气设备监测系统，包括多个燃气设备以及监测平台，各燃气设备发送实时工况数据至监测平台，例如：具备数据采集、实时处理、设备预警、消息推送为一体的大数据云端服务平台。其中，监测平台根据燃气设备的实时监测方法对各工况数据进行处理。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种燃气设备的实时监测装置，包括：工况数据获取模块200、数据有效性判断模块210、有效工况数据转换模块220、报警及故障类指标判断模块230、异常告警信息生成模块240以及告警模块250，其中：
工况数据获取模块200，用于获取工况数据，所述工况数据由燃气设备按照预设的间隔时间进行实时上传；
数据有效性判断模块210，用于在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断；
有效工况数据转换模块220，用于若判断为有效时间窗口，则根据转换规则将时间窗口内的所述有效工况数据转化为Flink流式格式数据；
报警及故障类指标判断模块230，用于分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对所述转化后的有效工况数据中的对应指标进行判断，并相应输出报警类指标以及故障类指标；
异常告警信息生成模块240，用于采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据所述其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
告警模块250，用于将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
关于燃气设备的实时监测装置的具体限定可以参见上文中对于燃气设备的实时监测方法的限定，在此不再赘述。上述燃气设备的实时监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种燃气设备的实时监测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取工况数据，所述工况数据由燃气设备按照预设的间隔时间进行实时上传；
在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断；
若判断为有效时间窗口，则根据转换规则将时间窗口内的所述有效工况数据转化为Flink流式格式数据；
分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对所述转化后的有效工况数据中的对应指标进行判断，并相应输出报警类指标以及故障类指标；
采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据所述其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取工况数据，所述工况数据由燃气设备按照预设的间隔时间进行实时上传；
在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断；
若判断为有效时间窗口，则根据转换规则将时间窗口内的所述有效工况数据转化为Flink流式格式数据；
分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对所述转化后的有效工况数据中的对应指标进行判断，并相应输出报警类指标以及故障类指标；
采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据所述其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种燃气设备的实时监测方法，其特征在于，所述方法包括：
获取工况数据，所述工况数据由燃气设备按照预设的间隔时间进行实时上传；
在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断；
若判断为有效时间窗口，则根据转换规则将时间窗口内的所述有效工况数据转化为Flink流式格式数据；
分别利用预设的报警类指标规则判定模型以及故障类指标规则判定模型，对所述转化后的有效工况数据中的对应指标进行判断，并相应输出报警类指标以及故障类指标；
采用Flink流引擎中的Join算子关联对应燃气设备的其他维度信息，根据所述其他维度信息、报警类指标以及故障类指标生成设备异常告警信息；
将所述设备异常告警信息采用预设的告警方式进行告警，以实现对燃气设备的实时监测。
2.根据权利要求1所述的实时监测方法，其特征在于，所述工况数据由燃气设备根据燃气工况协议上报标准模型将接收到的工况原始数据进行转换得到；
所述工况数据包括燃气设备的传感器指标、报警状态值、故障状态标识以及设备信息。
3.根据权利要求2所述的实时监测方法，其特征在于，所述燃气设备上传工况数据的间隔时间根据该燃气设备的设备状态进行计算得到；
所述设备状态包括所述燃气设备的位置及环境状态、电量及用电状态以及重要程度状态进行计算得到。
4.根据权利要求1所述的实时监测方法，其特征在于，所述在Flink流引擎中，根据预设的时间窗口对所述工况数据进行有效性判断包括：
若在预设的时间窗口内累计接收到的工况数据数量满足预设条数，则判断该时间窗口内的工况数据为有效工况数据；
若在预设的时间窗口内累计接收到的工况数据数量不满足预设条数，则判断该时间窗口内的工况数据为无效工况数据，则不对其进行处理；
其中，预设条数根据预设的时间窗口以及燃气设备对应预设的上传工况数据的间隔时间进行计算得到。
5.根据权利要求1所述的实时监测方法，其特征在于，所述利用预设的报警类指标规则判定模型对所述转化后的有效工况数据中的对应数据进行判断，输出报警类指标包括：
在所述转化后的有效工况数据中提取与报警类指标相关的多个报警数据；
分别对不同的报警数据采用对应的第一阈值和第二阈值进行判断，若所述报警数据大于所述第一阈值则为报警类指标，若所述报警数据小于所述第一阈值且大于所述第二阈值则为模糊类指标，多所述报警指标小于所述第二阈值则为正常类指标；
其中，所述报警数据包括所述工况信息中的浓度数据、温度数据、湿度数据、液位数据、振动数据以及电压数据。
6.根据权利要求5所述的实时监测方法，其特征在于，所述第一阈值和第二阈值根据对应报警数据的历史数据采用FCM聚类算法进行计算得到。
7.根据权利要求1所述的实时监测方法，其特征在于，所述利用预设的故障类指标规则判定模型对所述转化后的有效工况数据中的对应数据进行判断，输出故障类指标包括：
在所述转化后的有效工况数据中提取与故障类指标相关的多个故障数据；
分别对各所述故障数据进行二分类判断，若所述故障数据为1，则该故障数据为故障类指标，若所述故障数据为0，则该故障数据为正常类指标；
其中，所述故障数据包括传感器脱落标识数据、温度传感器故障标识数据、震动传感器故障标识数据、通信设备故障标识数据以及位置设备故障标识数据。
8.根据权利要求1所述的实时监测方法，其特征在于，将所述设备异常告警信息采用预设的告警方式进行告警中，所述预设的告警方式包括：
将所述设备异常告警信息发送至预设上位机，所述上位机包括移动通讯设备、终端设备；
或，根据所述设备异常告警信息发送告警指令至对应的报警设备；
或，根据所述设备异常告警信息发送告警指令或停止指令至对应的燃气设备，使得该燃气设备根据所述告警指令或停止指令进行自动报警或停止运行。
9.根据权利要求1所述的实时监测方法，其特征在于，在Flink流引擎中，在预设的时间窗口内接收到的多条工况数据可来自于不同的多个燃气设备，在对所述工况数据进行有效性判断之前：
根据各条工况数据中的设备信息对多条工况数据进行分组，各组工况数据分别对应不同的燃气设备；
对每一组工况数据分别进行有效性判断。
10.一种燃气设备监测系统，其特征在于，包括多个燃气设备以及监测平台；
各所述燃气设备发送实时工况数据至所述监测平台；
所述监测平台根据上述的1-9任一项所述的燃气设备的实时监测方法对各所述工况数据进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310848299.5A CN116863664A (zh) | 2023-07-11 | 2023-07-11 | 燃气设备的实时监测方法以及燃气设备监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310848299.5A CN116863664A (zh) | 2023-07-11 | 2023-07-11 | 燃气设备的实时监测方法以及燃气设备监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116863664A true CN116863664A (zh) | 2023-10-10 |
Family
ID=88228211
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310848299.5A Pending CN116863664A (zh) | 2023-07-11 | 2023-07-11 | 燃气设备的实时监测方法以及燃气设备监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116863664A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117784697A (zh) * | 2024-01-31 | 2024-03-29 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网系统 |
-
2023
- 2023-07-11 CN CN202310848299.5A patent/CN116863664A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117784697A (zh) * | 2024-01-31 | 2024-03-29 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网系统 |
| CN117784697B (zh) * | 2024-01-31 | 2024-05-24 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111047082A (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN107239388A (zh) | 一种监测告警方法及系统 | |
| CN117761444B (zh) | 一种电涌保护器的寿命监测方法及系统 | |
| CN116863664A (zh) | 燃气设备的实时监测方法以及燃气设备监测系统 | |
| CN117079211B (zh) | 一种网络机房的安全监控系统及其方法 | |
| CN114997342B (zh) | 一种scr故障诊断方法、装置、设备及存储介质 | |
| CN116050930A (zh) | 监盘系统、方法、存储介质及电子设备 | |
| US20230034061A1 (en) | Method for managing proper operation of base station and system applying the method | |
| CN118312746B (zh) | 一种基于数字孪生的设备状态评价方法及系统 | |
| CN109149776A (zh) | 应用于智能电网的输电线路可靠监测系统 | |
| CN117113135A (zh) | 一种可对异常数据整理分类的碳排放异常监测分析系统 | |
| CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
| CN108039971A (zh) | 一种告警方法及装置 | |
| CN117764559A (zh) | 基于数据分析的电器柜运维检修监管预警系统 | |
| CN117560300A (zh) | 一种智能物联网流量预测与优化系统 | |
| CN111314110B (zh) | 一种用于分布式系统的故障预警方法 | |
| CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
| CN116700092A (zh) | 一种适用于工控机的运行控制智能预警系统 | |
| CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
| CN118400974B (zh) | 一种基于大数据模型分析的数据中心智慧能源管控系统 | |
| CN117495357B (zh) | 一种基于大数据的电力数据监管系统及方法 | |
| CN117493129B (zh) | 一种计算机控制设备的运行功率监测系统 | |
| CN118133947B (zh) | 用于空压机能源系统的ai处理方法及系统 | |
| US20240036963A1 (en) | Multi-contextual anomaly detection | |
| CN117302297A (zh) | 用于列车边缘通信的安全防护系统、方法、设备及介质 |
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 |