CN116866391B - 一种基于大数据的能源数据采集方法及系统 - Google Patents
一种基于大数据的能源数据采集方法及系统 Download PDFInfo
- Publication number
- CN116866391B CN116866391B CN202311119920.0A CN202311119920A CN116866391B CN 116866391 B CN116866391 B CN 116866391B CN 202311119920 A CN202311119920 A CN 202311119920A CN 116866391 B CN116866391 B CN 116866391B
- Authority
- CN
- China
- Prior art keywords
- acquisition
- data
- node
- current
- fault
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims description 50
- 238000012795 verification Methods 0.000 claims description 34
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 230000005856 abnormality Effects 0.000 claims description 15
- 238000013480 data collection Methods 0.000 claims description 13
- 230000006855 networking Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012106 screening analysis Methods 0.000 claims description 4
- 238000010224 classification analysis Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000005611 electricity Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Abstract
本申请公开了一种基于大数据的能源数据采集方法及系统,其中,基于大数据的能源数据采集系统,包括多个采集节点、综合管理中心和多个采集分管中心;采集分管中心包括通信单元、配置单元、分析单元和存储单元,通信单元:根据入网信息与采集节点建立通信通道;配置单元:对采集节点进行运行配置;分析单元:对当前设备数据进行故障分析,获得故障结果;对当前采集数据进行异常分析,获得异常结果,当异常结果为无异常,将当前采集数据、采集时间和采集节点信息作为能源数据上传至综合管理中心;存储单元:存储分管信息库和运行数据库。本申请能有效地避免设备故障和/或当前影响因子对采集数据造成影响,保障数据采集和数据分析的有序性和准确性。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种基于大数据的能源数据采集方法及系统。
背景技术
随着社会工业化、智能化程度的不断加深,人们的生产、生活越来越依赖于机器和智能设备,对能源的需求也越来越高,同时能源的成本和节能减排的要求也在不断增高。而在能源的日常使用过程中所产生的大量能源数据是研究能源效率利用最大化,对环境破环最小化的科学依据。
当前的能源采集系统仅能将能源指标进行简单汇总,从而生成各项能源指标,但无法避免设备故障和/或当前影响因子对采集数据造成影响,也无法保障数据采集和数据分析的有序性和准确性。
发明内容
本申请的目的在于提供一种基于大数据的能源数据采集方法及系统,能有效地避免设备故障和/或当前影响因子对采集数据造成影响,保障了数据采集和数据分析的有序性和准确性。
为达到上述目的,本申请提供一种基于大数据的能源数据采集系统,包括:多个采集节点、综合管理中心和多个采集分管中心;一个采集节点包括多个采集设备;其中,采集节点:用于发送注册请求,接收入网信息;根据运行配置开始运行,当到达故障检测项的运行时间时,执行故障检测项,获取当前设备数据,并发送;当到达数据采集项的运行时间时,执行数据采集项,获取当前采集数据,并发送;综合管理中心:用于接收注册请求,根据注册请求生成入网信息,并发送;采集分管中心至少包括:通信单元、配置单元、分析单元和存储单元;其中,通信单元:用于根据入网信息与采集节点建立通信通道;配置单元:用于通过通信通道对采集节点进行运行配置,完成配置;分析单元:用于对当前设备数据进行故障分析,获得故障结果,当故障结果为故障时,向采集节点发送第一预警信息;当故障结果为无故障时,故障检测项的运行次数加一;对当前采集数据进行异常分析,获得异常结果,当异常结果为异常时,向采集节点发送第二预警信息;当异常结果为无异常时,将当前采集数据、采集时间和采集节点信息作为能源数据上传至综合管理中心,且数据采集项的运行次数加一;存储单元:用于存储分管信息库和运行数据库;其中,分管信息库包括多个采集分管中心信息,每个采集分管中心信息至少包括:采集分管中心ID、采集分管中心名称、分管区域范围、管理的采集节点的类别和每种类别的采集节点的个数;运行数据库包括:多个运行数据包,一个运行数据包对应一个采集节点;每个运行数据包均包括:故障阈值范围表和多个运行数据,每个运行数据至少包括:运行时间、运行次数、当前设备数据、当前采集数据和当前同比阈值范围。
本申请还提供一种基于大数据的能源数据采集方法,包括如下步骤:S1:综合管理中心接收采集节点发送的注册请求,根据注册请求生成入网信息,并将入网信息发送至采集节点,执行S2;其中,注册请求至少包括:采集节点ID、采集节点名称、采集节点位置和注册时间;S2:采集节点根据入网信息与采集分管中心建立通信通道,采集分管中心通过通信通道对采集节点进行运行配置,完成配置后,采集节点根据运行配置开始运行,执行S3;其中,运行配置至少包括:运行项,一个运行项对应一个运行时间和一个运行次数,运行项至少包括:故障检测项和数据采集项,且完成配置时,故障检测项的运行次数与数据采集项的运行次数相等;S3:当到达故障检测项的运行时间时,采集节点执行故障检测项,获取当前设备数据,并将当前设备数据发送至采集分管中心,由采集分管中心对当前设备数据进行故障分析,获得故障结果,其中,故障结果为故障或无故障,当故障结果为故障时,向采集节点发送第一预警信息;当故障结果为无故障时,故障检测项的运行次数加一,并执行S4;S4:当到达数据采集项的运行时间时,采集节点执行数据采集项,获取当前采集数据,并将当前采集数据发送至采集分管中心,由采集分管中心对当前采集数据进行异常分析,获得异常结果,其中,异常结果为异常或无异常,当异常结果为异常时,向采集节点发送第二预警信息;当异常结果为无异常时,将当前采集数据、采集时间和采集节点信息作为能源数据上传至综合管理中心,且数据采集项的运行次数加一,执行S3。
如上的,其中,综合管理中心根据注册请求获取入网信息,并将入网信息发送至采集节点的子步骤如下:S11:综合管理中心根据注册请求中的采集节点名称和采集节点ID对采集节点进行安全性认证,生成认证结果,若合法,则生成的认证结果为安全,执行S12;若不合法,则生成的认证结果为危险,结束流程,并向采集节点发送警报信息;S12:综合管理中心根据注册请求中的采集节点位置对多个采集分管中心进行筛选分析,确定一个采集分管中心为待通信的采集分管中心;S13:综合管理中心从待通信的采集分管中心获取实时核验信息,并将实时核验信息、采集分管中心ID和采集分管中心名称作为入网信息发送至采集节点,其中,实时核验信息至少包括:公钥和加密后的随机信息。
如上的,其中,采集节点根据入网信息与采集分管中心建立通信通道的子步骤如下:S21:采集节点根据入网信息生成入网请求,并将入网请求发送至待通信的采集分管中心,其中,入网请求至少包括:入网时间、实时核验信息、采集节点ID和采集节点名称;S22:待通信的采集分管中心接收到入网请求后,通过待通信的采集分管中心留存的私钥和实时核验信息中的公钥对加密后的随机信息进行解密,获得解密后的随机信息;S23:待通信的采集分管中心通过解密后的随机信息对采集节点进行核验分析,生成核验结果,其中,核验结果为一致或不一致;若解密后的随机信息与待通信的采集分管中心留存的随机信息相同,则生成的核验结果为一致,执行S24;若解密后的随机信息与待通信的采集分管中心留存的随机信息不相同,则生成的核验结果为不一致,结束流程,并向采集节点发送核验警报信息;S24:确定待通信的采集分管中心为采集节点所属的采集分管中心,并与采集节点建立通信通道。
如上的,其中,采集分管中心通过通信通道对采集节点进行运行配置,完成配置的子步骤如下:S21’:采集分管中心对采集节点进行分类分析,获得分类信息,其中,分类信息至少包括:节点类别和能源类别;S22’:采集分管中心根据分类信息对节点类别进行优先级计算,获得总优先级值,根据总优先级值配置采集节点在采集分管中心内的处理顺序,总优先级值越大,处理顺序越优先;S23’:采集分管中心构建初始项,并对初始项进行配置,获得运行项,配置完成。
如上的,其中,采集分管中心构建初始项,并对初始项进行配置,获得运行项,配置完成的子步骤如下:S231’:构建初始项,初始项至少包括:故障检测项和数据采集项;S232’:设置起始时间和运行间隔时间,根据起始时间和运行间隔时间对初始项的运行时间进行配置,完成配置后获得设置项,其中,运行时间为以上一个运行时间作为起始时间,向后推移一个运行间隔时间后获得的时间节点;S233’:设置起始次数和次数增量,根据起始次数和次数增量对设置项的运行次数进行配置,完成配置后获得运行项,配置完成,其中,运行次数为将上一个运行次数作为起始次数,通过起始次数加次数增量后获得的次数节点。
如上的,其中,采集分管中心对当前设备数据进行故障分析,获得故障结果的子步骤如下:S31:根据预设的故障阈值范围表对当前设备数据进行预分析,生成预分析结果,其中,故障阈值范围表至少包括:第一阈值范围、第二阈值范围和第三阈值范围;若当前设备数据位于第一阈值范围内,表示采集设备运行正常,生成的预分析结果为优,执行S34;若当前设备数据位于第二阈值范围内,表示采集设备运行趋于异常,但还未出现异常,生成的预分析结果为良,执行S32;若当前设备数据位于第三阈值范围内,表示采集设备运行已经出现异常,生成的预分析结果为差,执行S33;S32:对采集节点进行故障校核分析,获得当前故障趋势值,通过预设的故障趋势阈值对当前故障趋势值进行判断,若当前故障趋势值大于或等于故障趋势阈值,则生成的故障校核结果为异常,执行S33;若当前故障趋势值小于故障趋势阈值,则生成的故障校核结果为无异常,执行S34;S33:生成故障结果,故障结果为故障;S34:生成故障结果,故障结果为无故障。
如上的,其中,采集分管中心对当前采集数据进行异常分析,获得异常结果的子步骤如下:S41:采集分管中心接收到当前采集数据后,获取采集节点在上一个数据采集项的运行次数时获得的当前采集数据作为起始数据,通过起始数据对当前采集数据进行分析,获得当前变化幅度值;S42:获取当前影响因子,并通过当前影响因子对采集节点在上一个数据采集项的运行次数时使用的当前同比阈值范围进行优化,获得新的当前同比阈值范围;S43:利用新的当前同比阈值范围对当前变化幅度值进行分析,若当前变化幅度值位于新的当前同比阈值范围外,则生成的异常结果为异常;若当前变化幅度值位于新的当前同比阈值范围内,则生成的异常结果为无异常。
如上的,其中,当前变化幅度值的表达式如下:;其中,/>为当前采集数据中的第/>种能源类别的当前变化幅度值;/>为当前采集数据中的第/>种能源类别的采集数据的值;/>为起始数据中的第/>种能源类别的采集数据的值。
如上的,其中,采集节点在上一个数据采集项的运行次数时使用的当前同比阈值范围的表达式为:;其中,/>为正常范围的最小值;/>为正常范围的最大值。
本申请能有效地避免设备故障和/或当前影响因子对采集数据造成影响,保障数据采集和数据分析的有序性和准确性。
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仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为基于大数据的能源数据采集系统一种实施例的结构示意图;
图2为基于大数据的能源数据采集方法一种实施例的流程图。
具体实施方式
下面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。
如图1所示,本申请提供一种基于大数据的能源数据采集系统,包括:多个采集节点1、综合管理中心2和多个采集分管中心3;一个采集节点1包括多个采集设备。
其中,采集节点1:用于发送注册请求,接收入网信息;根据运行配置开始运行,当到达故障检测项的运行时间时,执行故障检测项,获取当前设备数据,并发送;当到达数据采集项的运行时间时,执行数据采集项,获取当前采集数据,并发送。
综合管理中心2:用于接收注册请求,根据注册请求生成入网信息,并发送。
采集分管中心3至少包括:通信单元、配置单元、分析单元和存储单元。
其中,通信单元:用于根据入网信息与采集节点建立通信通道。
配置单元:用于通过通信通道对采集节点进行运行配置,完成配置。
分析单元:用于对当前设备数据进行故障分析,获得故障结果,当故障结果为故障时,向采集节点发送第一预警信息;当故障结果为无故障时,故障检测项的运行次数加一;对当前采集数据进行异常分析,获得异常结果,当异常结果为异常时,向采集节点发送第二预警信息;当异常结果为无异常时,将当前采集数据、采集时间和采集节点信息作为能源数据上传至综合管理中心,且数据采集项的运行次数加一。
存储单元:用于存储分管信息库和运行数据库;其中,分管信息库包括多个采集分管中心信息,每个采集分管中心信息至少包括:采集分管中心ID、采集分管中心名称、分管区域范围、管理的采集节点的类别和每种类别的采集节点的个数;运行数据库包括:多个运行数据包,一个运行数据包对应一个采集节点;每个运行数据包均包括:故障阈值范围表和多个运行数据,每个运行数据至少包括:运行时间、运行次数、当前设备数据、当前采集数据和当前同比阈值范围。
具体的,与采集分管中心3建立通信通道的采集节点1均为该采集分管中心3管理的采集节点1。
如图2所示,本申请提供一种基于大数据的能源数据采集方法,包括如下步骤:
S1:综合管理中心接收采集节点发送的注册请求,根据注册请求生成入网信息,并将入网信息发送至采集节点,执行S2;其中,注册请求至少包括:采集节点ID、采集节点名称、采集节点位置和注册时间。
其中,注册时间为采集节点发送注册请求的时间。
进一步的,综合管理中心根据注册请求获取入网信息,并将入网信息发送至采集节点的子步骤如下:
S11:综合管理中心根据注册请求中的采集节点名称和采集节点ID对采集节点进行安全性认证,生成认证结果,若合法,则生成的认证结果为安全,执行S12;若不合法,则生成的认证结果为危险,结束流程,并向采集节点发送警报信息。
具体的,作为一个实施例,综合管理中心通过自身的认证单元根据采集节点名称和采集节点ID对采集节点进行安全性认证,确定当前的采集节点的合法性,并生成认证结果,若合法,则生成的认证结果为安全;若不合法,则生成的认证结果为危险。
作为另一个实施例,综合管理中心根据采集节点名称和采集节点ID生成认证信息,并将认证信息发送至第三方平台,通过第三方平台对认证信息进行安全性认证,生成认证结果,并将认证结果发送至综合管理中心,若合法,则生成的认证结果为安全;若不合法,则生成的认证结果为危险。作为一个实施例,第三方平台为现有的官方认证平台。
S12:综合管理中心根据注册请求中的采集节点位置对多个采集分管中心进行筛选分析,确定一个采集分管中心为待通信的采集分管中心。
进一步的,综合管理中心根据注册请求中的采集节点位置对多个采集分管中心进行筛选分析,确定一个采集分管中心为待通信的采集分管中心的子步骤如下:
S121:根据采集节点位置和预设的归属半径确定归属区域。
具体的,归属区域为以采集节点位置为圆心,以预设的归属半径为半径获得的圆所覆盖的区域。其中,归属半径的具体值根据实际情况设定。
进一步的,归属半径的表达式如下:
;
其中,为归属半径;/>为采集节点位置的坐标;/>为归属区域边缘上的任意位置的坐标。
S122:根据采集节点位置获取多个待归属区域。
具体的,根据采集节点位置对分管信息库中的分管区域范围进行遍历,并判断分管区域范围与归属区域在面积上是否存在相交面积,若存在,则将该分管区域范围作为待归属区域,若不存在,则剔除。
S123:对多个待归属区域进行筛选,将与归属区域的相交面积最大的待归属区域所对应的采集分管中心作为待通信的采集分管中心。
具体的,作为一个实施例,待归属区域包括:待归属区域A、待归属区域B和待归属区域C。待归属区域A与归属区域之间的相交面积为Sa,待归属区域B与归属区域之间的相交面积为Sb,待归属区域C与归属区域之间的相交面积为Sc,其中,Sa>Sc>Sb,则确定待归属区域A所对应的采集分管中心为待通信的采集分管中心。
S13:综合管理中心从待通信的采集分管中心获取实时核验信息,并将实时核验信息、采集分管中心ID和采集分管中心名称作为入网信息发送至采集节点,其中,实时核验信息至少包括:公钥和加密后的随机信息。
具体的,随机信息为采集分管中心接收到综合管理中心获取实时核验信息的指令后随机生成的信息,该信息可以为数字、文字或符号中一种或多种,且采集分管中心每次随机生成的信息不同。
S2:采集节点根据入网信息与采集分管中心建立通信通道,采集分管中心通过通信通道对采集节点进行运行配置,完成配置后,采集节点根据运行配置开始运行,执行S3;其中,运行配置至少包括:运行项,一个运行项对应一个运行时间和一个运行次数,运行项至少包括:故障检测项和数据采集项,且完成配置时,故障检测项的运行次数与数据采集项的运行次数相等。
进一步的,采集节点根据入网信息与采集分管中心建立通信通道的子步骤如下:
S21:采集节点根据入网信息生成入网请求,并将入网请求发送至待通信的采集分管中心,其中,入网请求至少包括:入网时间、实时核验信息、采集节点ID和采集节点名称。
具体的,入网时间为采集节点发送入网请求的时间。
S22:待通信的采集分管中心接收到入网请求后,通过待通信的采集分管中心留存的私钥和实时核验信息中的公钥对加密后的随机信息进行解密,获得解密后的随机信息。
S23:待通信的采集分管中心通过解密后的随机信息对采集节点进行核验分析,生成核验结果,其中,核验结果为一致或不一致;若解密后的随机信息与待通信的采集分管中心留存的随机信息相同,则生成的核验结果为一致,执行S24;若解密后的随机信息与待通信的采集分管中心留存的随机信息不相同,则生成的核验结果为不一致,结束流程,并向采集节点发送核验警报信息。
S24:确定待通信的采集分管中心为采集节点所属的采集分管中心,并与采集节点建立通信通道。
进一步的,采集分管中心通过通信通道对采集节点进行运行配置,完成配置的子步骤如下:
S21’:采集分管中心对采集节点进行分类分析,获得分类信息,其中,分类信息至少包括:节点类别和能源类别。
其中,节点类别为采集节点所属的类别,节点类别至少包括:办公区类、生活区类和生产区类。
其中,办公区类为专用于办公的区域所属的类别,例如:写字楼、政府办公区域和公共设施区域。
办公区类的细化类至少包括:写字楼类、政府办公区域类和公共设施区域类。
生活区类为专用于提供生活服务的区域所属的类别,例如:居民小区、村落区域或别墅区域。
生活区类的细化类至少包括:居民小区类、村落区域类或别墅区域类。
生产区域为商用的生产区域所属的类型,例如:养殖区域、种植区域和工厂区域。
生产区类的细化类至少包括:养殖区域类、种植区域类和工厂区域类。
能源类别为采集节点需要进行采集的能源数据的类别,能源类别至少包括:水能源、电能源和燃料能源。
具体的,采集分管中心根据采集节点ID和采集节点名称从现有的查询平台获取采集节点的节点类别,以及采集节点所涉及的能源数据的能源类别。
S22’:采集分管中心根据分类信息对节点类别进行优先级计算,获得总优先级值,根据总优先级值配置采集节点在采集分管中心内的处理顺序,总优先级值越大,处理顺序越优先。
进一步的,总优先级值的表达式如下:
;
其中,为第/>个采集节点的总优先级值;/>为第/>个采集节点的第/>种能源类别所对应的任务优先等级的值;/>为第/>个采集节点的第/>种能源类别所对应的单位采集时长的值,/>,/>为第/>个采集节点需要采集的能源类别的总数;/>为第个采集节点的细化类所对应的重要等级的值,/>为第/>个采集节点的节点类别所对应的重要等级的值。
具体的,预先设置的任务优先等级的值、细化类所对应的重要等级的值和节点类别所对应的重要等级的值的具体值根据实际情况而定。其中,值为统一单位后获得的纯粹的数据,即:无需考虑单位问题,仅根据设置的值的大小表达重要情况或优先情况。
作为一个实施例,采集分管中心管理多个采集节点,若采集分管中心在某个时间段囤积或接收到多个采集节点的当前设备数据和/或当前采集数据,则按照处理顺序对当前设备数据和/或当前采集数据进行分析,例如:采集节点A的总优先级值大于采集节点B的总优先级值,则采集分管中心先对采集节点A的当前设备数据和/或当前采集数据进行分析,至得到分析结果(例如:故障结果和/或异常结果)后,再对采集节点B的当前设备数据和/或当前采集数据进行分析。
S23’:采集分管中心构建初始项,并对初始项进行配置,获得运行项,配置完成。
进一步的,采集分管中心构建初始项,并对初始项进行配置,获得运行项,配置完成的子步骤如下:
S231’:构建初始项,初始项至少包括:故障检测项和数据采集项。
具体的,故障检测项:用于获取采集节点的当前设备数据。
数据采集项:用于获取采集节点的当前采集数据。
S232’:设置起始时间和运行间隔时间,根据起始时间和运行间隔时间对初始项的运行时间进行配置,完成配置后获得设置项,其中,运行时间为以上一个运行时间作为起始时间,向后推移一个运行间隔时间后获得的时间节点。
具体的,第一个运行时间为完成配置后,采集节点第一次通过通信通道向采集分管中心发送当前设备数据和/或当前采集数据的时间。第二个运行时间为以第一个运行时间作为起始时间,向后推移一个运行间隔时间后获得的时间节点。
运行间隔时间为采集节点上一次通过通信通道向采集分管中心发送当前设备数据和/或当前采集数据的时间与采集节点下一次通过通信通道向采集分管中心发送当前设备数据和/或当前采集数据的时间之间的间隔时间。
例如,上一次的运行时间为,下一次的运行时间/>为以上一次的运行时间/>作为起始时间,向后推移一个运行间隔时间/>后得到的时间节点。运行间隔时间的具体值根据实际情况而定,可以为x秒、x分钟、x小时、x天、x周、x月、x季度或x年。
进一步的,作为一个实施例,故障检测项的起始时间和数据采集项的起始时间相同。
进一步的,作为另一个实施例,故障检测项的起始时间和数据采集项的起始时间不同,且故障检测项的起始时间位于数据采集项的起始时间之前。
进一步的,作为一个实施例,故障检测项的运行间隔时间和数据采集项的运行间隔时间相等。
进一步的,作为另一个实施例,故障检测项的运行间隔时间和数据采集项的运行间隔时间不相等。
本申请优选为:故障检测项的起始时间和数据采集项的起始时间不同,且故障检测项的起始时间位于数据采集项的起始时间之前;故障检测项的运行间隔时间和数据采集项的运行间隔时间相等。
S233’:设置起始次数和次数增量,根据起始次数和次数增量对设置项的运行次数进行配置,完成配置后获得运行项,配置完成,其中,运行次数为将上一个运行次数作为起始次数,通过起始次数加次数增量后获得的次数节点。
进一步的,运行次数的表达式如下:
;
其中,为运行次数;/>为起始次数;/>为次数增量。
具体的,第一个运行次数为完成配置后,采集节点第一次通过通信通道向采集分管中心发送当前设备数据和/或当前采集数据的次数。第二个运行次数为将第一个运行次数作为起始次数,通过第一个运行次数加次数增量后获得的次数节点。
次数增量为采集节点上一次通过通信通道向采集分管中心发送当前设备数据和/或当前采集数据的次数与采集节点下一次通过通信通道向采集分管中心发送当前设备数据和/或当前采集数据的次数之间的变化值。
进一步的,故障检测项的起始次数和数据采集项的起始次数相同;故障检测项的次数增量和数据采集项的次数增量相同。
S3:当到达故障检测项的运行时间时,采集节点执行故障检测项,获取当前设备数据,并将当前设备数据发送至采集分管中心,由采集分管中心对当前设备数据进行故障分析,获得故障结果,其中,故障结果为故障或无故障,当故障结果为故障时,向采集节点发送第一预警信息;当故障结果为无故障时,故障检测项的运行次数加一,并执行S4。
进一步的,若故障检测项的运行时间与数据采集项的运行时间相同,即:同时到达,则对故障检测项的运行次数与数据采集项的运行次数进行判断,若故障检测项的运行次数等于数据采集项的运行次数时,则先执行故障检测项,完成故障检测项后再执行数据采集项;若故障检测项的运行次数大于数据采集项的运行次数,则先执行数据采集项,完成数据采集项后再执行故障检测项;若故障检测项的运行次数小于数据采集项的运行次数时,则先执行故障检测项,完成故障检测项后再执行数据采集项。
进一步的,采集分管中心对当前设备数据进行故障分析,获得故障结果的子步骤如下:
S31:根据预设的故障阈值范围表对当前设备数据进行预分析,生成预分析结果,其中,故障阈值范围表至少包括:第一阈值范围、第二阈值范围和第三阈值范围;若当前设备数据位于第一阈值范围内,表示采集设备运行正常,生成的预分析结果为优,执行S34;若当前设备数据位于第二阈值范围内,表示采集设备运行趋于异常,但还未出现异常,生成的预分析结果为良,执行S32;若当前设备数据位于第三阈值范围内,表示采集设备运行已经出现异常,生成的预分析结果为差,执行S33。
进一步的,不同设备类别的采集设备的第一阈值范围、第二阈值范围和第三阈值范围可以相同,也可以不同,本申请优选为不同,能提高故障分析的准确性。
具体的,设备类别至少包括:水能源采集类、电能源采集类和燃料能源采集类。一种能源类别对应一种设备类别。
进一步的,不同设备型号的采集设备的第一阈值范围、第二阈值范围和第三阈值范围可以相同,也可以不同,本申请优选为不同,能提高故障分析的准确性。
具体的,一种设备类别具有多种设备型号,每种设备型号的设备参数具有一定的差异性,因此,根据不同设备型号分别对该设备型号的第一阈值范围、第二阈值范围和第三阈值范围进行设置,能进一步提高故障分析的准确性。
其中,第一阈值范围、第二阈值范围和第三阈值范围的具体值根据多次实验或实际使用中的采集设备的实际状态获得。
S32:对采集节点进行故障校核分析,获得当前故障趋势值,通过预设的故障趋势阈值对当前故障趋势值进行判断,若当前故障趋势值大于或等于故障趋势阈值,则生成的故障校核结果为异常,执行S33;若当前故障趋势值小于故障趋势阈值,则生成的故障校核结果为无异常,执行S34。
具体的,将设备类别和设备型号均与采集节点中可能存在异常的采集设备相同,且使用年限相同和/或相近的已经发生过故障的多个采集设备作为样本设备,获取样本设备的多个设备故障数据作为样本数据,并求取所有样本数据的变化趋势的平均值作为故障趋势阈值。
进一步的,对采集节点进行故障校核分析,获得当前故障趋势值的子步骤如下:
S321:设置校核时间区间和分割时间,其中,校核时间区间为分割时间的倍数。
具体的,校核时间区间为:;/>为进行故障校核分析的起始时间,即:采集分管中心获取采集节点的第一个待校核数据的时间节点;/>为进行故障校核分析的终止时间,即:采集分管中心获取采集节点的最后一个待校核数据的时间节点。/>位于/>之前。
S322:利用分割时间将校核时间区间分割为多个校核节点,且下一个校核节点的时间节点为以上一个校核节点的时间节点为起始节点,并向后推移一个分割时间后获得的时间节点。
S323:获取每个校核节点的设备数据作为待校核数据,并对所有的待校核数据进行分析,获得当前故障趋势值,其中,待校核数据中包括多个参数。
进一步的,当前故障趋势值的表达式如下:
;
其中,为当前故障趋势值;/>为第/>个待校核数据的第/>类参数的值;/>为第/>个待校核数据的第/>类参数的值;/>,/>为待校核数据的总个数;/>,为待校核数据中的参数的类别总数。
S324:通过预设的故障趋势阈值对当前故障趋势值进行判断,若当前故障趋势值大于或等于故障趋势阈值,则生成的故障校核结果为异常,执行S33;若当前故障趋势值小于故障趋势阈值,则生成的故障校核结果为无异常,执行S34。
S33:生成故障结果,故障结果为故障。
具体的,当故障结果为故障,向采集节点发送第一预警信息,其中,第一预警信息至少包括:发生故障的采集设备的编号和故障结果。
S34:生成故障结果,故障结果为无故障。
具体的,当故障结果为无故障,故障检测项的运行次数加一,执行S4。
S4:当到达数据采集项的运行时间时,采集节点执行数据采集项,获取当前采集数据,并将当前采集数据发送至采集分管中心,由采集分管中心对当前采集数据进行异常分析,获得异常结果,其中,异常结果为异常或无异常,当异常结果为异常时,向采集节点发送第二预警信息;当异常结果为无异常时,将当前采集数据、采集时间和采集节点信息作为能源数据上传至综合管理中心,且数据采集项的运行次数加一,执行S3。
进一步的,采集分管中心对当前采集数据进行异常分析,获得异常结果的子步骤如下:
S41:采集分管中心接收到当前采集数据后,获取采集节点在上一个数据采集项的运行次数时获得的当前采集数据作为起始数据,通过起始数据对当前采集数据进行分析,获得当前变化幅度值。
进一步的,当前变化幅度值的表达式如下:
;
其中,为当前采集数据中的第/>种能源类别的当前变化幅度值;/>为当前采集数据中的第/>种能源类别的采集数据的值;/>为起始数据中的第/>种能源类别的采集数据的值。
S42:获取当前影响因子,并通过当前影响因子对采集节点在上一个数据采集项的运行次数时使用的当前同比阈值范围进行优化,获得新的当前同比阈值范围。
具体的,当前影响因子为当前时间节点,会对采集节点的相应的能源数据的生产、消耗和/或采集造成影响的因子,例如:当前时间节点,采集节点所在区域温度升高或降低,会造成空调和风扇类的电子设备的使用数量和使用时长增大,会对用电量产生影响,则温度的变化值为电能源的影响因子。当前时间节点,采集节点为生产旺季,需要生产的商品增多,则使用生产类的设备的时长和数量增多,会对用电量、用水量和/或燃料用量产生影响,则商品的生产增量为水能源、电能源和/或燃料能源的影响因子。一种能源类别的影响因子为一个或多个。
进一步的,采集节点在上一个数据采集项的运行次数时使用的当前同比阈值范围的表达式为:;其中,/>为正常范围的最小值;/>为正常范围的最大值。
进一步的,若当前影响因子是导致增长的影响因子,则新的当前同比阈值范围的表达式为:;其中,/>为正常范围的最小值;/>为正常范围的最大值,/>为增长调节参数。
的具体值根据当前影响因子的具体变化值而定。
进一步的,若当前影响因子是导致减少的影响因子,则新的当前同比阈值范围的表达式为:;其中,/>为正常范围的最小值;/>为正常范围的最大值,/>为减少调节参数。
的具体值根据当前影响因子的具体变化值而定。
S43:利用新的当前同比阈值范围对当前变化幅度值进行分析,若当前变化幅度值位于新的当前同比阈值范围外,则生成的异常结果为异常,向采集节点发送第二预警信息;若当前变化幅度值位于新的当前同比阈值范围内,则生成的异常结果为无异常,将当前采集数据、采集时间和采集节点信息作为能源数据上传至综合管理中心,且数据采集项的运行次数加一,执行S3。
具体的,采集节点信息至少包括:采集节点ID和采集节点名称。
本申请能有效地避免设备故障和/或当前影响因子对采集数据造成影响,保障数据采集和数据分析的有序性和准确性。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,本申请的保护范围意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请保护范围及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种基于大数据的能源数据采集系统,其特征在于,包括:多个采集节点、综合管理中心和多个采集分管中心;一个采集节点包括多个采集设备;
其中,采集节点:用于发送注册请求,接收入网信息;根据运行配置开始运行,当到达故障检测项的运行时间时,执行故障检测项,获取当前设备数据,并发送;当到达数据采集项的运行时间时,执行数据采集项,获取当前采集数据,并发送;
综合管理中心:用于接收注册请求,根据注册请求生成入网信息,并发送;
采集分管中心至少包括:通信单元、配置单元、分析单元和存储单元;
其中,通信单元:用于根据入网信息与采集节点建立通信通道;
配置单元:用于通过通信通道对采集节点进行运行配置,完成配置;
分析单元:用于对当前设备数据进行故障分析,获得故障结果,当故障结果为故障时,向采集节点发送第一预警信息;当故障结果为无故障时,故障检测项的运行次数加一;对当前采集数据进行异常分析,获得异常结果,当异常结果为异常时,向采集节点发送第二预警信息;当异常结果为无异常时,将当前采集数据、采集时间和采集节点信息作为能源数据上传至综合管理中心,且数据采集项的运行次数加一;
存储单元:用于存储分管信息库和运行数据库;其中,分管信息库包括多个采集分管中心信息,每个采集分管中心信息至少包括:采集分管中心ID、采集分管中心名称、分管区域范围、管理的采集节点的类别和每种类别的采集节点的个数;运行数据库包括:多个运行数据包,一个运行数据包对应一个采集节点;每个运行数据包均包括:故障阈值范围表和多个运行数据,每个运行数据至少包括:运行时间、运行次数、当前设备数据、当前采集数据和当前同比阈值范围。
2.一种基于大数据的能源数据采集方法,其特征在于,包括如下步骤:
S1:综合管理中心接收采集节点发送的注册请求,根据注册请求生成入网信息,并将入网信息发送至采集节点,执行S2;其中,注册请求至少包括:采集节点ID、采集节点名称、采集节点位置和注册时间;
S2:采集节点根据入网信息与采集分管中心建立通信通道,采集分管中心通过通信通道对采集节点进行运行配置,完成配置后,采集节点根据运行配置开始运行,执行S3;其中,运行配置至少包括:运行项,一个运行项对应一个运行时间和一个运行次数,运行项至少包括:故障检测项和数据采集项,且完成配置时,故障检测项的运行次数与数据采集项的运行次数相等;
S3:当到达故障检测项的运行时间时,采集节点执行故障检测项,获取当前设备数据,并将当前设备数据发送至采集分管中心,由采集分管中心对当前设备数据进行故障分析,获得故障结果,其中,故障结果为故障或无故障,当故障结果为故障时,向采集节点发送第一预警信息;当故障结果为无故障时,故障检测项的运行次数加一,并执行S4;
S4:当到达数据采集项的运行时间时,采集节点执行数据采集项,获取当前采集数据,并将当前采集数据发送至采集分管中心,由采集分管中心对当前采集数据进行异常分析,获得异常结果,其中,异常结果为异常或无异常,当异常结果为异常时,向采集节点发送第二预警信息;当异常结果为无异常时,将当前采集数据、采集时间和采集节点信息作为能源数据上传至综合管理中心,且数据采集项的运行次数加一,执行S3。
3.根据权利要求2所述的基于大数据的能源数据采集方法,其特征在于,综合管理中心根据注册请求获取入网信息,并将入网信息发送至采集节点的子步骤如下:
S11:综合管理中心根据注册请求中的采集节点名称和采集节点ID对采集节点进行安全性认证,生成认证结果,若合法,则生成的认证结果为安全,执行S12;若不合法,则生成的认证结果为危险,结束流程,并向采集节点发送警报信息;
S12:综合管理中心根据注册请求中的采集节点位置对多个采集分管中心进行筛选分析,确定一个采集分管中心为待通信的采集分管中心;
S13:综合管理中心从待通信的采集分管中心获取实时核验信息,并将实时核验信息、采集分管中心ID和采集分管中心名称作为入网信息发送至采集节点,其中,实时核验信息至少包括:公钥和加密后的随机信息。
4.根据权利要求3所述的基于大数据的能源数据采集方法,其特征在于,采集节点根据入网信息与采集分管中心建立通信通道的子步骤如下:
S21:采集节点根据入网信息生成入网请求,并将入网请求发送至待通信的采集分管中心,其中,入网请求至少包括:入网时间、实时核验信息、采集节点ID和采集节点名称;
S22:待通信的采集分管中心接收到入网请求后,通过待通信的采集分管中心留存的私钥和实时核验信息中的公钥对加密后的随机信息进行解密,获得解密后的随机信息;
S23:待通信的采集分管中心通过解密后的随机信息对采集节点进行核验分析,生成核验结果,其中,核验结果为一致或不一致;若解密后的随机信息与待通信的采集分管中心留存的随机信息相同,则生成的核验结果为一致,执行S24;若解密后的随机信息与待通信的采集分管中心留存的随机信息不相同,则生成的核验结果为不一致,结束流程,并向采集节点发送核验警报信息;
S24:确定待通信的采集分管中心为采集节点所属的采集分管中心,并与采集节点建立通信通道。
5.根据权利要求4所述的基于大数据的能源数据采集方法,其特征在于,采集分管中心通过通信通道对采集节点进行运行配置,完成配置的子步骤如下:
S21’:采集分管中心对采集节点进行分类分析,获得分类信息,其中,分类信息至少包括:节点类别和能源类别;
S22’:采集分管中心根据分类信息对节点类别进行优先级计算,获得总优先级值,根据总优先级值配置采集节点在采集分管中心内的处理顺序,总优先级值越大,处理顺序越优先;
S23’:采集分管中心构建初始项,并对初始项进行配置,获得运行项,配置完成。
6.根据权利要求5所述的基于大数据的能源数据采集方法,其特征在于,采集分管中心构建初始项,并对初始项进行配置,获得运行项,配置完成的子步骤如下:
S231’:构建初始项,初始项至少包括:故障检测项和数据采集项;
S232’:设置起始时间和运行间隔时间,根据起始时间和运行间隔时间对初始项的运行时间进行配置,完成配置后获得设置项,其中,运行时间为以上一个运行时间作为起始时间,向后推移一个运行间隔时间后获得的时间节点;
S233’:设置起始次数和次数增量,根据起始次数和次数增量对设置项的运行次数进行配置,完成配置后获得运行项,配置完成,其中,运行次数为将上一个运行次数作为起始次数,通过起始次数加次数增量后获得的次数节点。
7.根据权利要求6所述的基于大数据的能源数据采集方法,其特征在于,采集分管中心对当前设备数据进行故障分析,获得故障结果的子步骤如下:
S31:根据预设的故障阈值范围表对当前设备数据进行预分析,生成预分析结果,其中,故障阈值范围表至少包括:第一阈值范围、第二阈值范围和第三阈值范围;若当前设备数据位于第一阈值范围内,表示采集设备运行正常,生成的预分析结果为优,执行S34;若当前设备数据位于第二阈值范围内,表示采集设备运行趋于异常,但还未出现异常,生成的预分析结果为良,执行S32;若当前设备数据位于第三阈值范围内,表示采集设备运行已经出现异常,生成的预分析结果为差,执行S33;
S32:对采集节点进行故障校核分析,获得当前故障趋势值,通过预设的故障趋势阈值对当前故障趋势值进行判断,若当前故障趋势值大于或等于故障趋势阈值,则生成的故障校核结果为异常,执行S33;若当前故障趋势值小于故障趋势阈值,则生成的故障校核结果为无异常,执行S34;
S33:生成故障结果,故障结果为故障;
S34:生成故障结果,故障结果为无故障。
8.根据权利要求7所述的基于大数据的能源数据采集方法,其特征在于,采集分管中心对当前采集数据进行异常分析,获得异常结果的子步骤如下:
S41:采集分管中心接收到当前采集数据后,获取采集节点在上一个数据采集项的运行次数时获得的当前采集数据作为起始数据,通过起始数据对当前采集数据进行分析,获得当前变化幅度值;
S42:获取当前影响因子,并通过当前影响因子对采集节点在上一个数据采集项的运行次数时使用的当前同比阈值范围进行优化,获得新的当前同比阈值范围;
S43:利用新的当前同比阈值范围对当前变化幅度值进行分析,若当前变化幅度值位于新的当前同比阈值范围外,则生成的异常结果为异常;若当前变化幅度值位于新的当前同比阈值范围内,则生成的异常结果为无异常。
9.根据权利要求8所述的基于大数据的能源数据采集方法,其特征在于,当前变化幅度值的表达式如下:
;
其中,为当前采集数据中的第/>种能源类别的当前变化幅度值;/>为当前采集数据中的第/>种能源类别的采集数据的值;/>为起始数据中的第/>种能源类别的采集数据的值。
10.根据权利要求9所述的基于大数据的能源数据采集方法,其特征在于,采集节点在上一个数据采集项的运行次数时使用的当前同比阈值范围的表达式为:
;其中,/>为正常范围的最小值;/>为正常范围的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311119920.0A CN116866391B (zh) | 2023-09-01 | 2023-09-01 | 一种基于大数据的能源数据采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311119920.0A CN116866391B (zh) | 2023-09-01 | 2023-09-01 | 一种基于大数据的能源数据采集方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116866391A CN116866391A (zh) | 2023-10-10 |
CN116866391B true CN116866391B (zh) | 2023-11-14 |
Family
ID=88225285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311119920.0A Active CN116866391B (zh) | 2023-09-01 | 2023-09-01 | 一种基于大数据的能源数据采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116866391B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106357426A (zh) * | 2016-08-26 | 2017-01-25 | 东北大学 | 一种基于工业云的大规模分布式智能数据采集系统及方法 |
CN111652485A (zh) * | 2020-05-25 | 2020-09-11 | 青海绿能数据有限公司 | 一种基于大数据平台的新能源数据采集分析系统 |
CN112231306A (zh) * | 2020-08-23 | 2021-01-15 | 山东翰林科技有限公司 | 基于大数据的能源数据分析系统及方法 |
WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
CN114460888A (zh) * | 2021-12-31 | 2022-05-10 | 郑州力通水务有限公司 | 一种智慧能源管理系统 |
CN115599367A (zh) * | 2022-10-16 | 2023-01-13 | 国网吉林省电力有限公司经济技术研究院(Cn) | 能源大数据的采集、整理及建立可视化平台的方法 |
-
2023
- 2023-09-01 CN CN202311119920.0A patent/CN116866391B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106357426A (zh) * | 2016-08-26 | 2017-01-25 | 东北大学 | 一种基于工业云的大规模分布式智能数据采集系统及方法 |
CN111652485A (zh) * | 2020-05-25 | 2020-09-11 | 青海绿能数据有限公司 | 一种基于大数据平台的新能源数据采集分析系统 |
WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
CN112231306A (zh) * | 2020-08-23 | 2021-01-15 | 山东翰林科技有限公司 | 基于大数据的能源数据分析系统及方法 |
CN114460888A (zh) * | 2021-12-31 | 2022-05-10 | 郑州力通水务有限公司 | 一种智慧能源管理系统 |
CN115599367A (zh) * | 2022-10-16 | 2023-01-13 | 国网吉林省电力有限公司经济技术研究院(Cn) | 能源大数据的采集、整理及建立可视化平台的方法 |
Non-Patent Citations (3)
Title |
---|
Data Model and Analysis for Big Data Mapping and Management in the Energy Data Platform;Mardhani Riasetiawan等;2021 International Conference on Data Science, Artificial Intelligence, and Business Analytics (DATABIA);全文 * |
Design and Implementation of Energy Internet Big Data System Based on Blockchain;Dongwei Yang等;CDMMS 2020;全文 * |
基于云技术的工业物联网数据采集平台设计与实现;陈秀新等;物联网技术;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116866391A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103869192B (zh) | 智能电网线损检测方法和系统 | |
CN111190067B (zh) | 基于物联网的餐饮消毒设备使用监控方法、服务器及系统 | |
US10455299B2 (en) | Optimized smart meter reporting schedule | |
CN104852927A (zh) | 基于多源异构的信息安全综合管理系统 | |
CN109034400A (zh) | 一种变电站异常量测数据预测平台系统 | |
CN105184394A (zh) | 基于配电网cps在线数据挖掘的优化控制方法 | |
CN112086965A (zh) | 一种低压配电网拓扑识别方法及装置 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
CN105590027A (zh) | 光伏功率异常数据的识别方法 | |
CN112491668A (zh) | 一种智能家居物联网安全监控装置 | |
CN116011827A (zh) | 一种用于重点小区的停电监测分析与预警系统及方法 | |
CN112615428A (zh) | 一种线损分析治理系统及方法 | |
CN116668482A (zh) | 一种基于人工智能的智慧楼宇二总线监控系统及方法 | |
CN113676498B (zh) | 基于分布式网络技术存取第三方信息的预言机管理系统 | |
CN116866391B (zh) | 一种基于大数据的能源数据采集方法及系统 | |
CN104978837B (zh) | 一种面向用户端变电所的报警系统及其实现方法 | |
CN116709392B (zh) | 一种大规模无线传感器网络数据融合方法 | |
CN112488738A (zh) | 基于电力大数据的居民空置住户识别方法及设备 | |
CN109599952B (zh) | 一种基于4g通信技术的配电网监控管理系统及方法 | |
CN116203351A (zh) | 线路阻抗异常的检测方法及系统 | |
CN103532233B (zh) | 基于gprs技术的用电信息采集异常精确定位系统 | |
CN114298424A (zh) | 一种基于人工智能和区块链技术的碳资产管理方法 | |
CN111199014B (zh) | 一种基于时间序列的seq2point的NILM方法及装置 | |
US20150112617A1 (en) | Real-time monitoring and analysis of energy use | |
Zhang et al. | An elderly living-alone guardianship model based on wavelet transform |
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 |