CN116911807A - 一种智慧燃气数据中心流程可视化管理方法和物联网系统 - Google Patents
一种智慧燃气数据中心流程可视化管理方法和物联网系统 Download PDFInfo
- Publication number
- CN116911807A CN116911807A CN202311175809.3A CN202311175809A CN116911807A CN 116911807 A CN116911807 A CN 116911807A CN 202311175809 A CN202311175809 A CN 202311175809A CN 116911807 A CN116911807 A CN 116911807A
- Authority
- CN
- China
- Prior art keywords
- data
- gas
- platform
- intelligent gas
- visual
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 143
- 230000000007 visual effect Effects 0.000 title claims abstract description 107
- 238000012545 processing Methods 0.000 claims abstract description 114
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000005070 sampling Methods 0.000 claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000009825 accumulation Methods 0.000 claims description 43
- 238000012800 visualization Methods 0.000 claims description 21
- 238000013480 data collection Methods 0.000 abstract description 14
- 230000005856 abnormality Effects 0.000 abstract description 9
- 239000007789 gas Substances 0.000 description 341
- 238000004458 analytical method Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 13
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 239000002737 fuel gas Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000002547 anomalous effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- 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
- G06F16/9024—Graphs; Linked lists
-
- 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
- G06F16/904—Browsing; Visualisation therefor
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
- G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
- G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种智慧燃气数据中心流程可视化管理方法和物联网系统,该方法由智慧燃气管理平台执行,包括:获取数据采集特征和第一抽样数据;获取数据汇总特征和第二抽样数据;获取第一任务列表和第二任务列表,确定第一任务列表的第一处理特征,以及确定第二任务列表的第二处理特征和排队特征;基于数据采集特征、数据汇总特征、第一处理特征、第二处理特征和排队特征确定预估特征;根据第一抽样数据、第二抽样数据以及预估特征,生成第一可视化数据;控制至少一个目标平台对第一可视化数据进行显示。该方法能够在对燃气数据处理分析过程实时监测的同时,展现发生异常时的异常数据,通过可视化的方式更好地对异常数据进行预警。
Description
技术领域
本说明书涉及数据可视化领域,尤其涉及一种智慧燃气数据中心流程可视化管理方法和物联网系统。
背景技术
随着燃气业务进入大数据时代,燃气管网运行管理的过程中需要处理大量燃气数据。由于燃气数据的来源广泛,数据源本身、网络传输、数据处理进程各流程出现问题均会影响数据处理质量,有必要对燃气数据分析处理过程进行可视化管理,以在数据处理流程异常时以可视化的形式进行预警。
CN103345400B提供了一种数据处理方法与装置,该申请通过根据注入的数据提供可视化运算组件,可以使燃气数据的监测通过可视化形式进行,但没有涉及在燃气数据各流程发生异常时的可视化预警。
因此,提供一种智慧燃气数据中心流程可视化管理方法和物联网系统,从而能够通过可视化的形式,更好地对异常数据进行预警。
发明内容
本发明的发明内容包括一种智慧燃气数据中心流程可视化管理方法,该方法能够在对燃气数据处理分析过程实时监测的同时,展现发生异常时的异常数据,通过可视化的方式更好地对异常数据进行预警。
该方法由智慧燃气管理平台执行,包括:获取数据采集特征和第一抽样数据;获取数据汇总特征和第二抽样数据;获取第一任务列表和第二任务列表,确定所述第一任务列表的第一处理特征,以及确定所述第二任务列表的第二处理特征和排队特征;其中,所述第一任务列表包括至少一个燃气任务,所述第二任务列表包括至少一个待处理燃气任务;基于所述数据采集特征、所述数据汇总特征、所述第一处理特征、所述第二处理特征和所述排队特征确定所述预估特征,所述预估特征至少包括所述至少一个燃气任务的预估完成时间,以及所述至少一个待处理燃气任务的预估排队时间;根据所述第一抽样数据、所述第二抽样数据以及所述预估特征,生成第一可视化数据;控制至少一个目标平台对所述第一可视化数据进行显示。
本发明的发明内容还包括一种智慧燃气数据中心流程可视化管理物联网系统,所述系统包括智慧燃气管理平台,所述智慧燃气管理平台包括智慧燃气数据中心,所述智慧燃气管理平台被配置为执行以下操作:通过所述智慧燃气数据中心获取数据采集特征和第一抽样数据;通过所述智慧燃气数据中心获取数据汇总特征和第二抽样数据;通过所述智慧燃气数据中心获取第一任务列表和第二任务列表;确定所述第一任务列表的第一处理特征,以及确定所述第二任务列表的第二处理特征和排队特征;其中,所述第一任务列表包括至少一个燃气任务,所述第二任务列表包括至少一个待处理燃气任务;基于所述数据采集特征、所述数据汇总特征、所述第一处理特征、所述第二处理特征和所述排队特征确定所述预估特征,所述预估特征至少包括所述至少一个燃气任务的预估完成时间,以及所述至少一个待处理燃气任务的预估排队时间;根据所述第一抽样数据、所述第二抽样数据以及所述预估特征,生成第一可视化数据;控制至少一个目标平台对所述第一可视化数据进行显示。
本发明的发明内容进一步包括一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上述实施例中任一项所述的智慧燃气数据中心流程可视化管理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的智慧燃气数据中心流程可视化管理物联网系统的示例性平台结构图;
图2是根据本说明书一些实施例所示的一种智慧燃气数据中心流程可视化管理方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定第二可视化数据的示例性示意图;
图4是根据本说明书一些实施例所示的确定第三可视化数据的示例性流程图;
图5是根据本说明书一些实施例所示的确定预警标记的示例性流程图。
附图标记说明:100、智慧燃气数据中心流程可视化管理物联网系统;110、智慧燃气用户平台;120、智慧燃气服务平台;130、智慧燃气管理平台;131、燃气业务管理分平台;132、智慧燃气数据中心;132-1、服务信息数据库;132-2、管理信息数据库;132-3、传感信息数据库;133、非燃气业务管理分平台;140、智慧燃气传感网络平台;150、智慧燃气对象平台;步骤210-步骤260为流程步骤;311、第一抽样数据;312、第二抽样数据;313、历史概率数据;320、预分析模型;321、预处理层;332、数据采集特征;331、燃气数据处理特征;333、数据汇总特征;322、分析层;340、可疑数据及其对应的异常概率;350、第二可视化数据;410、预估特征;411、预估完成时间;412、预估排队时间;420、预警标记;421、第一预警标记;422、第二预警标记;430、第三可视化数据;510、数据流图谱;510-1、节点;510-2、边;520、流图模型;530、至少一个目标平台的积累程度。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
由于燃气数据的来源广泛,且对燃气数据的处理流程是在不同燃气平台的不同模块间实现,数据源本身、网络传输、数据处理进程各流程出现问题均会影响数据处理质量,有必要对燃气数据分析处理过程进行可视化管理,以在数据处理流程异常时以可视化的形式进行预警。现有技术中提供了使燃气数据的监测通过可视化形式进行的方法,但没有涉及如何在燃气数据各流程发生异常时以可视化形式进行预警。因此,本说明书一些实施例,通过获取燃气数据中心的燃气数据采集特征、燃气数据汇总特征、第一抽样数据和第二抽样数据,确定异常数据及其对应的异常概率并根据预估特征确定预警标记,可以实现智慧燃气物联网平台数据以及燃气任务执行情况的可视化,在燃气流程出现异常或数据处理超时的情况下以可视化的形式进行预警。
图1是根据本说明书一些实施例所示的智慧燃气数据中心流程可视化管理物联网系统的示例性平台结构图。
如图1所示,在智慧燃气数据中心流程可视化管理物联网系统100中可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气管理平台130、智慧燃气传感网络平台140以及智慧燃气对象平台150。
智慧燃气用户平台110可以是用于与用户进行交互的平台。在一些实施例中,智慧燃气用户平台110可以被配置为终端设备。
智慧燃气服务平台120可以是用于将用户的需求与控制信息传达出去的平台。例如,智慧燃气服务平台120可以从智慧燃气管理平台130获取燃气信息,并发送至智慧燃气用户平台110。
智慧燃气管理平台130可以是统筹、协调各功能平台之间的联系和协作,并汇聚着物联网全部的信息,为物联网运行体系提供感知管理和控制管理功能的平台。在一些实施例中,智慧燃气管理平台130可以包括燃气业务管理分平台131、智慧燃气数据中心132和非燃气业务管理分平台133。
燃气业务管理分平台131可以是用于管理燃气业务的平台。在一些实施例中,燃气业务管理分平台131可以用于进行燃气安全管理、燃气设备管理、燃气运营管理。
非燃气业务管理分平台133可以是用于管理非燃气业务的平台。在一些实施例中,非燃气业务管理分平台133可以用于进行产品业务管理、数据业务管理、渠道业务管理。
智慧燃气数据中心132可以用于存储和管理智慧燃气数据中心流程可视化管理物联网系统100的所有运行信息。在一些实施例中,智慧燃气数据中心132可以被配置为存储设备,用于存储与燃气信息相关的数据等。
在一些实施例中,智慧燃气数据中心132可以包括服务信息数据库132-1、管理信息数据库132-2、传感信息数据库132-3。服务信息数据库132-1用于存储服务信息数据,包括燃气用户服务数据、政府用户服务数据、监管用户服务数据、非燃气用户服务数据。管理信息数据库132-2用于存储管理信息数据,包括燃气设备管理数据、燃气安全管理数据、燃气运营管理数据、非燃气业务管理数据。传感信息数据库132-3用于存储传感信息数据,包括燃气设备传感数据、燃气安全传感数据、燃气运营传感数据、非燃气业务传感数据。在一些实施例中,智慧燃气数据中心132可以获取智慧燃气管理平台的数据存储情况的可视化数据,例如各数据库、各分平台的数据存储负载情况等。
管理信息数据库132-2分别与传感信息数据库132-3和服务信息数据库132-1双向交互,传感信息数据库132-3与智慧燃气传感网络平台140进行信息交互,服务信息数据库132-1与智慧燃气服务平台120进行信息交互。燃气业务管理分平台131、非燃气业务管理分平台133与管理信息数据库132-2进行信息交互,从管理信息数据库132-2获取对应的管理数据,并将管理指令发送至管理信息数据库132-2,由管理信息数据库132-2根据指令需要,进一步发送至服务信息数据库132-1或传感信息数据库132-3,实现信息对外传输。
在一些实施例中,智慧燃气管理平台130可以通过智慧燃气数据中心132分别与智慧燃气服务平台120、智慧燃气传感网络平台140进行信息交互。例如,智慧燃气数据中心132可以将燃气数据传输信息发送至智慧燃气服务平台。又例如,智慧燃气数据中心可以发送获取燃气数据传输信息的指令至智慧燃气传感网络平台140以获取燃气数据传输信息。
在一些实施例中,智慧燃气管理平台130(例如,智慧燃气数据中心132)可以用于获取数据采集特征和第一抽样数据;获取数据汇总特征和第二抽样数据;获取第一任务列表和第二任务列表,确定第一任务列表的第一处理特征,以及确定第二任务列表的第二处理特征和排队特征;基于数据采集特征、数据汇总特征、第一处理特征、第二处理特征和排队特征确定预估特征;根据第一抽样数据、第二抽样数据以及预估特征,生成第一可视化数据;并将第一可视化数据发送至智慧燃气用户平台、智慧燃气服务平台、智慧燃气传感网络平台和智慧燃气对象平台中的至少一个,控制至少一个目标平台对第一可视化数据进行显示。
智慧燃气传感网络平台140可以是对传感通信进行管理的功能平台。在一些实施例中,智慧燃气传感网络平台140可以被配置为通信网络和网关。在一些实施例中,智慧燃气数据中心132可以获取智慧燃气传感网络平台140的数据传输情况,例如,不同时段、不同传感网络分平台的数据负载情况等。
智慧燃气对象平台150可以是感知信息生成和控制信息执行的功能平台。在一些实施例中,智慧燃气对象平台150可以被配置为各类燃气设备和监测设备。在一些实施例中,智慧燃气数据中心132可以获取智慧燃气对象平台150的多个设备的监测数据,例如,每个设备的参数、工作状态、上传数据的频率等。
本说明书一些实施例,基于智慧燃气数据中心流程可视化管理物联网系统100,可以在智慧燃气对象平台150与智慧燃气用户平台110之间形成信息运行闭环,并在智慧燃气管理平台130的统一管理下协调、规律运行,实现燃气数据及燃气任务的可视化、智能化。
图2是根据本说明书一些实施例所示的一种智慧燃气数据中心流程可视化管理方法的示例性流程图。在一些实施例中,流程200可以基于智慧燃气管理平台执行。如图2所示,流程200包括下述步骤:
步骤210,获取数据采集特征和第一抽样数据。
数据采集特征是指与燃气数据采集相关的特征,例如,燃气数据类型、采集频率、采集精度等。在一些实施例中,燃气数据可以是燃气管网运行管理中产生的各种数据,包括但不限于燃气设备数据、燃气使用数据、燃气工单处理数据等。在一些实施例中,燃气数据可以通过智慧燃气对象平台监测获得。
第一抽样数据是指对燃气数据进行抽样选取获得的数据。
在一些实施例中,智慧燃气管理平台可以通过预设或统计的方式获取数据采集特征。例如,智慧燃气管理平台可以对历史采集的燃气数据进行统计,从而获取数据采集特征。
在一些实施例中,智慧燃气管理平台可以对智慧燃气对象平台采集的燃气数据进行若干次抽样选取获得第一抽样数据。由于燃气数据量庞大,逐一对数据进行处理耗时过长,因此需要对采集的燃气数据进行抽样,智慧燃气管理平台对燃气数据的抽样可以是随机抽选。
在一些实施例中,抽样的次数相关于数据量以及历史类似燃气数据发生异常的统计概率,例如,数据量越大、历史类似燃气数据发生异常的统计概率越大,为保证判断的准确性,因此,需要处理的燃气数据的数据量越大,抽样的次数和抽样的数量越多。
在一些实施例中,抽样的次数相关于积累程度,积累程度的大小可以反映后续数据里异常数据的多少,异常数据越多,抽样次数越多,因此当积累程度较大时,抽样次数可以适当增加。关于积累程度的更多内容可以参见图5及其相关描述。
步骤220,获取数据汇总特征和第二抽样数据。
数据汇总特征是指对燃气数据进行汇总时的特征,例如,汇总频率、数据量、数据类型等。
第二抽样数据是指对智慧燃气传感网络平台汇总的数据进行抽样获取的数据。
在一些实施例中,智慧燃气管理平台可以通过预设或统计的方式获取数据汇总特征。
在一些实施例中,智慧燃气管理平台可以对智慧燃气传感网络平台汇总的燃气数据进行抽样选取获得第二抽样数据。获取第二抽样数据的方法于获取第一抽样数据的方法类似,可以根据数据量和/或数据的积累程度确定,具体可参见前文的相关描述。
步骤230,获取第一任务列表和第二任务列表,确定第一任务列表的第一处理特征,以及确定第二任务列表的第二处理特征和排队特征。
第一任务列表是指正在被处理的燃气任务。在一些实施例中,第一任务列表包括至少一个燃气任务。
燃气任务指对燃气数据进行处理的任务。仅作为示例,燃气任务可以包括燃气数据采集任务、燃气数据汇总任务、燃气数据分析任务等。
在一些实施例中,智慧燃气管理平台可以基于智慧燃气数据中心与其他平台的交互信息确定第一任务列表。例如,智慧燃气数据中心可以从智慧燃气传感网络平台、智慧燃气对象平台、智慧燃气用户平台、智慧燃气服务平台中的至少一个确定第一任务列表,还可以从燃气业务管理分平台、非燃气业务管理分平台中的至少一个确定第一任务列表。其中,第一任务列表可以包括燃气数据汇总任务、燃气数据采集任务、燃气数据分析任务中的至少一类。
第一处理特征是指第一任务列表中各个燃气任务的处理特征,例如,正在被处理的燃气数据类型、处理量以及当前处理情况等。
第二任务列表是指当前未被处理的燃气任务。在一些实施例中,第二任务列表包括至少一个待处理燃气任务。
在一些实施例中,智慧燃气管理平台可以基于智慧燃气数据中心与其他平台的交互信息确定第二任务列表。例如,智慧燃气数据中心可以从智慧燃气传感网络平台、智慧燃气对象平台、智慧燃气用户平台、智慧燃气服务平台中的至少一个确定第二任务列表,还可以从燃气业务管理分平台、非燃气业务管理分平台中的至少一个确定第二任务列表。其中,第二任务列表可以包括燃气数据汇总任务、燃气数据采集任务、燃气数据分析任务中的至少一类。
第二处理特征是指第二任务列表中各个燃气任务的待处理特征,例如,待处理的燃气数据类型、处理量等。
排队特征是指第二任务列表中各个燃气任务的排队位置。例如,排在第几位等。
在一些实施例中,智慧燃气管理平台可以基于第一任务列表确定第一处理特征,基于第二任务列表确定第二处理特征和排队特征。例如,智慧燃气管理平台可以对第一任务列表和/或第二任务列表中的任务信息进行统计,确定燃气任务对应的数据类型和处理量;智慧燃气管理平台可以基于预设规则确定燃气任务的排队序列,进而确定燃气任务的排队特征,其中,预设规则可以是基于任务生成时间排序、基于任务紧急程度排序等。
步骤240,基于数据采集特征、数据汇总特征、第一处理特征、第二处理特征和排队特征确定预估特征。
预估特征是指与第一任务列表和第二任务列表相关的预估信息。在一些实施例中,预估特征至少包括至少一个燃气任务的预估完成时间以及至少一个待处理燃气任务的预估排队时间。
预估完成时间是指预测的正在被处理的燃气任务的处理完成时间。
预估排队时间是指预测的对待处理燃气任务进行处理前需要等待的时间。
在一些实施例中,智慧燃气管理平台可以预先记录并保存数据采集特征、数据汇总特征、第一处理特征、第二处理特征、排队特征与预估完成时间和预估排队时间的对应关系的相关表格,通过查表的方式确定预估特征。
在一些实施例中,智慧燃气管理平台还可以通过其他方式确定预估完成时间和预估排队时间,更多详细说明可参见图4中的相关描述。
步骤250,根据第一抽样数据、第二抽样数据以及预估特征,生成第一可视化数据。
第一可视化数据可以指燃气数据的可视化信息。在一些实施例中,第一可视化数据可以包括第一抽样数据和第二抽样数据的数据量、数据类型分布、当前抽样量占数据总量比例以及各个燃气任务不同阶段的预估特征等。
在一些实施例中,智慧燃气管理平台可以根据第一抽样数据、第二抽样数据以及预估特征,确定第一抽样数据和第二抽样数据的数据量、数据类型分布、当前抽样量占数据总量比例以及各个燃气流程的预估特征并进行汇总,基于预设的第一可视化数据模板,生成第一可视化数据。
步骤260,控制至少一个目标平台对第一可视化数据进行显示。
至少一个目标平台可以包括智慧燃气对象平台、智慧燃气传感网络平台以及智慧燃气管理平台等。由于不同平台关注的数据内容不同,不同平台显示的重点可能不同。例如,智慧燃气对象平台显示的第一可视化数据包括对象平台的多个设备的可视化数据,例如每个设备的参数、工作状态、采集的数据量、上传数据的频率等;智慧燃气传感网络平台显示的第一可视化数据包括传感网络平台的数据传输情况,例如不同时段不同分平台的数据负载情况、数据传输量的大小等;智慧燃气管理平台显示的第一可视化数据包括管理平台的数据存储情况,例如智慧燃气数据中心不同数据库的存储情况(如存储负载)等。
在一些实施例中,智慧燃气管理平台可以生成显示指令,以控制至少一个目标平台对第一可视化数据进行显示。其中,显示方式可以包括但不限于文字、数字、图表、图像等。
在一些实施例中,智慧燃气管理平台还可以根据异常数据和异常概率,生成第二可视化数据,并进行显示,更多内容可以参见图3及其相关描述。
在一些实施例中,智慧燃气管理平台还可以根据预警标记,生成第三可视化数据,并进行显示,更多内容可以参见图4及其相关描述。
在本说明书的一些实施例中,通过第一抽样数据、第二抽样数据以及预估特征,生成第一可视化数据,并控制至少一个目标平台对第一可视化数据进行显示,有助于不同分平台对燃气流程可视化信息进行管理。
应当注意的是,上述有关流程的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图3是根据本说明书一些实施例所示的确定第二可视化数据的示例性示意图。
在一些实施例中,智慧燃气管理平台可以根据第一抽样数据311、第二抽样数据312、数据采集特征332和数据汇总特征333,确定可疑数据及其对应的异常概率340;基于可疑数据及其对应的异常概率340,生成第二可视化数据350;控制至少一个目标平台对第二可视化数据进行显示。
关于第一抽样数据、第二抽样数据、数据采集特征和数据汇总特征的更多内容,可以参见图2的相关描述。
可疑数据指可能存在异常的数据。仅作为示例,可疑数据可以包括但不限于数据源本身、网络传输、数据处理过程中可能存在异常的抽样数据。例如,可疑数据可以包括数据值可能异常或数据量可能异常的抽样数据。又例如,可疑数据还可以包括传输过程可能存在丢包问题的抽样数据。又例如,可疑数据还可以包括数据分布可能不合理的抽样数据。不合理指不符合正常规律。例如,与抽样数据的平均值的偏差超过两倍标准差等。
异常概率是指数据可能发生数据异常的概率。异常概率越大,可疑数据为存在异常的异常数据的可能性越高。
智慧燃气管理平台可以通过多种方式根据第一抽样数据、第二抽样数据、数据采集特征和数据汇总特征,确定可疑数据及其对应的异常概率。
在一些实施例中,智慧燃气管理平台可以采用异常值监测算法对第一抽样数据、第二抽样数据、数据采集特征和数据汇总特征进行分析处理,判断是否存在可疑数据,以及可疑数据对应的异常概率。示例性的,异常值监测算法可以包括但不限于KNN(K近邻)法、One-Class SVM等。
在一些实施例中,智慧燃气管理平台可以根据第一抽样数据311、第二抽样数据312、数据采集特征332和数据汇总特征333,通过预分析模型320,确定可疑数据及其对应的异常概率340。
预分析模型320可以用于确定可疑数据及其对应的所述异常概率。在一些实施例中,预分析模型可以为下文中自定义结构的机器学习模型。预分析模型还可以是其他结构的机器学习模型,例如,神经网络模型等。
在一些实施例中,预分析模型320的输入可以包括第一抽样数据311、第二抽样数据312、数据采集特征332和数据汇总特征333,输出可以是可疑数据及其对应的异常概率340。
在一些实施例中,预分析模型320包括预处理层321和分析层322。
预处理层321可以是循环神经网络模型等机器学习模型。
在一些实施例中,预处理层321的输入可以包括第一抽样数据311、第二抽样数据312、历史概率数据313,输出可以包括燃气数据处理特征331。
历史概率数据313可以是反映历史燃气处理数据中可能存在异常的数据及历史异常概率。例如,历史概率数据313可以包括在多组相同或相似的历史燃气处理数据中的历史可疑数据及其对应的历史异常概率,其中,历史可疑数据及其对应的历史异常概率可以由智慧燃气管理平台对历史数据分析确定。
多组相同或相似的历史燃气处理数据可以通过计算历史第一抽样数据、历史第二抽样数据与第一抽样数据、第二抽样数据的向量距离确定。
燃气数据处理特征331可以用于反映可疑数据的特征。例如,燃气数据处理特征331可以包括抽样数据中可能存在异常的初步筛选结果等。又例如,燃气数据处理特征331可以包括抽样数据中的最大值、最小值等。抽样数据可以包括第一抽样数据和第二抽样数据中的至少一种。
在一些实施例中,燃气数据处理特征可以包括第一抽样数据、第二抽样数据中被标记的部分数据以及对应的标记。其中,被标记的部分数据包括第一抽样数据和/或第二抽样数据中被判定为可能存在异常的数据,对应的标记为前述数据存在异常的概率。
分析层322可以是神经网络模型等机器学习模型。
在一些实施例中,分析层322的输入可以包括燃气数据处理特征331、数据采集特征332、数据汇总特征333,输出可以包括至少一组可疑数据及其对应的异常概率340。
在一些实施例中,预分析模型可以通过基于大量带有第一标签的第一训练样本通过联合训练得到。用于联合训练的第一训练样本包括至少一组样本第一抽样数据、样本第二抽样数据、样本数据采集特征和样本数据汇总特征。第一标签可以包括第一训练样本对应的至少一组存在异常的数据。第一训练样本可以基于历史数据获得。第一标签可以基于人工或自动标注获得。例如,第一标签可以根据历史燃气处理数据判断是否存在异常,若历史某组燃气处理数据存在异常时第一标签为1,反之为0。
示例性的联合训练过程:将第一训练样本中的样本第一抽样数据、样本第二抽样数据输入初始预处理层中,得到初始数据处理层输出的初始燃气数据处理特征,将初始预处理层的输出、样本数据采集特征和样本数据汇总特征输入初始分析层,得到至少一组初始可疑数据及对应的异常概率;根据初始分析层的输出和第一标签,构建损失函数,同时对初始预处理层的参数和初始分析层的参数进行更新,直到预设条件被满足,训练完成。其中,预设条件可以是损失函数小于阈值、收敛,或训练周期达到阈值。
在本说明书的一些实施例中,通过将预分析模型设置为预处理层和分析层,通过不同的层分别处理对应的数据,可以进一步提高数据处理效率,提高预估可疑数据的准确性。通过使用训练好的预分析模型,可以比较快速地在燃气数据正式处理前或处理中,确定可疑数据以及对应异常概率,进而形成可视化管理信息,以便其他平台能够及时针对自身感兴趣的相关可疑数据做出反馈。
第二可视化数据指针对可疑数据的特征的可视化呈现。例如,第二可视化数据可以包括是否存在可疑数据、可疑数据类型、可疑数据量占抽样数据量的比例等。可疑数据类型可以是可疑数据可能存在的异常类型。例如,可疑数据类型可以包括数据缺失、数据过大过小、数据离散性较大、数据真实性差等。
智慧燃气管理平台可以基于可疑数据和异常概率,通过多种方式生成第二可视化数据。在一些实施例中,智慧燃气管理平台可以通过对第一抽样数据和/或第二抽样数据中的可疑数据进行识别分析,确定可疑数据类型、可疑数据量,并计算可疑数据占该组抽样数据的比例。在一些实施例中,智慧燃气管理平台可以基于前述可疑数据类型、可疑数据量和可疑数据占抽样数据的比例,结合预设的第二可视化数据模板,生成第二可视化数据。
在一些实施例中,第二可视化数据还可以与平台感知度相关。
平台感知度是指目标平台对不同燃气数据的需求程度。例如,燃气数据中心会更倾向于将目标平台需求程度更高的第二可视化数据发送至该目标平台。在一些实施例中,至少一个目标平台的平台感知度可以基于不同平台自身处理的数据类型确定。
在一些实施例中,不同目标平台对不同类型的可疑数据的需求程度存在差异,因此,对于不同类型的可疑数据,智慧燃气数据中心会将相关的第二可视化数据发送至不同的目标平台。
例如,智慧燃气对象平台用于各类燃气数据,则该平台对数据本身可能存在异常的平台感知度更高。如果是数据本身可疑,智慧燃气数据中心则会将第二可视化数据推送至智慧燃气对象平台,以提示相关工作人员进一步确认智慧燃气对象平台中的采集装置是否存在老化、失效等问题。
又例如,智慧燃气服务平台汇总来自智慧燃气用户平台的反馈信息,反馈信息可能包括燃气管网设备异常、燃气使用异常等情况,因此,智慧燃气服务平台对数据值可疑的平台感知度更高。如果是数据值异常的可疑数据,则可能涉及工单维修、或与相应的燃气用户确认是否存在问题,因此需要将第二可视化数据发送至服务平台。
又例如,智慧燃气传感网络平台用于汇总传输各类数据,则智慧燃气传感网络平台对数据量可疑的平台感知度更高。如果涉及数据量异常的可疑数据,则会将第二可视化数据推送至智慧燃气传感网络平台,因此需要判断传感网络平台是否发生数据汇集等方面的异常。
在本说明书的一些实施例中,不同的平台感知度对应不同的第二可视化数据,有利于对不同的分平台有针对性的发送可视化数据,提高与燃气处理数据相关的可视化数据显示的准确性。
在一些实施例中,智慧燃气管理平台可以预估燃气数据中可能存在异常的数据,并确定存在异常的概率大小,生成第二可视化数据,并发送给至少一个后续数据处理流程的分平台进行可视化展示,不同的分平台,展示的对象不同,例如,燃气运营服务分平台的第二可视化数据用于展示给燃气工作人员,用户分平台的第二可视化数据用于展现给燃气用户,展现方式可以不同,第二可视化数据可以包括数据异常概率的大小。
例如,工单派发分平台收到燃气数据中心发出的第二可视化数据,第二可视化数据提示某个区域中存在可疑数据的概率为90%,则提前通知该区域的工单执行人员做好准备。
又例如,用户通过呼叫中心管理平台咨询后,燃气数据中心通过调取用户的燃气数据进行分析,提前预估用户燃气设备存在的问题,并及时发出第二可视化数据,提醒用户。
在本说明书的一些实施例中,通过可视化显示第二可视化数据,可以使得工作人员提前评估燃气数据中心的处理结果,并预先做出安排,而不必等到所有数据全部分析处理完毕,提高处理效率。
图4是根据本说明书一些实施例所示的确定第三可视化数据的示例性示意图。
在一些实施例中,智慧燃气管理平台可以根据预估特征410,确定预警标记420;根据预警标记420,生成第三可视化数据430;控制至少一个目标平台对所述第三可视化数据进行显示。
预估特征410可以包括预估完成时间411、预估排队时间412,关于预估特征的更多内容,可以参见图2的相关描述。
预警标记指用于提示时间超时的标记。
在一些实施例中,预警标记420可以包括第一预警标记421、第二预警标记422等。其中,第一预警标记421用于提示燃气任务处理时间超时,第二预警标记422用于提示燃气任务排队时间超时。
预警标记可以通过多种方式获得。例如,智慧燃气管理平台可以判断抽样数据的预估完成时间和/或预估排队时间是否超过预设时间阈值,响应于超过预设时间阈值,则进行预警标记。预设时间阈值可以是与时间有关的阈值条件。例如,预设时间阈值可以包括预设处理时间阈值和预设排队时间阈值。其中,预设处理时间阈值、预设排队时间阈值可以基于经验或实验确定。
第一预警标记是与燃气数据的处理时间有关的标记。例如,第一预警标记可以包括燃气任务处理超时的标记。
在一些实施例中,智慧燃气管理平台可以基于预估完成时间,确定第一预警标记。
关于预估完成时间的更多内容,可以参见图2的相关描述。
在一些实施例中,智慧燃气管理平台可以基于预设算法确定预估完成时间。预设算法可以是预设的公式或映射关系等。
示例性的,预设算法可以是:
式中,预估完成时间为T,数据处理标准用时范围为,A为加权系数,A可以与抽样数据量有关,抽样数据量越大,A越大;n为可疑数据类型的数量,/>为数据为第i类可疑数据的概率,/>为第i类可疑数据的平均处理用时,/>可以根据历史数据处理中相同的历史可疑数据类型对应的历史平均处理用时确定,不同的历史可疑数据类型对应不同的历史平均处理用时。
对于不同区域的燃气报修数据、燃气维护数据、燃气巡检数据,燃气数据中心的处理时间不同,因此,不同区域的数据处理标准用时范围t0存在差异。
对于不同时间的燃气流量统计数据(可以用来作为未来燃气调峰调压的依据),燃气数据中心还需要考虑对应的不同燃气用户/不同燃气分支管线的重要程度,确定数据处理的时间,因此,不同时间的数据处理标准用时范围t0存在差异。
在一些实施例中,智慧燃气管理平台可以判断预估完成时间是否超过预设处理时间阈值,响应于是,则进行第一预警标记。
第二预警标记是与燃气数据的排队时间有关的标记。例如,第二预警标记可以包括排队超时的标记。
在一些实施例中,智慧燃气管理平台可以基于预估排队时间确定第二预警标记。
关于预估排队时间的更多内容,可以参见图2的相关描述。
在一些实施例中,对于每一组抽样数据,确定智慧燃气管理平台可以根据该组抽样数据的排队信息,确定排在任一数据前的至少一个前置数据,基于每一个前置数据的预估完成时间计算至少一个前置数据的完成时间总和,并基于前述完成时间总和确定该数据的预估排队时间。
在一些实施例中,智慧燃气管理平台可以判断预估排队时间是否超过预设排队时间阈值,响应于是,则进行第二预警标记。
在本说明书的一些实施例中,通过考虑可疑数据类型以及异常概率确定预估完成时间,可以预测出比较符合实际的完成时间,提高第一预警标记的准确性,对后续在确定预估排队时间时,提高了可靠性,进而提高第二预警标记的准确性。
在一些实施例中,智慧燃气管理平台可以基于数据流图谱,确定至少一个目标平台的积累程度;基于积累程度和所述预估特征,确定预警标记,关于该实施例的更对内容,可以参见图5的相关描述。
第三可视化数据是与每组抽样数据的预估处理时间、预估排队时间有关的可视化呈现。
可以根据预警标记,通过多种方式生成第三可视化数据。在一些实施例中,智慧燃气管理平台可以对存在处理超时的第一抽样数据做第一预警标记,对存在排队超时的第二抽样数据做第二预警标记,基于第一预警标记和第二预警标记生成第三可视化数据。其中,第三可视化数据可以包括但不限于文字、数字、图标和图像等形式。
在一些实施例中,第三可视化数据可以仅在燃气数据中心上进行显示。例如,对燃气数据中心内不同分平台间对数据的处理超时的可视化展现。又例如,对燃气数据中心给智慧燃气管理平台内的其他分平发送数据超时的可视化展现。
在本说明书的一些实施例中,在燃气数据中心处理数据的进程中,根据预估特征,确定可能发生的超时情况,并及时进行可视化形式的预警标记,以便其他分平台能够提前得知数据处理流程情况,并及时做出准备。
图5是根据本说明书一些实施例所示的确定预警标记的示意图。
在一些实施例中,智慧燃气管理平台可以根据数据采集特征332、数据汇总特征333和预估特征410,生成数据流图谱510,数据流图谱510包括节点510-1和边510-2,节点510-1表征至少一个目标平台,边510-2表征任意两个所述节点之间的数据流特征。
数据流图谱可以用于表征燃气数据在平台之间的传输关系的图谱。在一些实施例中,数据流图谱可以是由节点和边组成的数据结构,边连接节点,节点和边可以具有特征。
节点与至少一个目标平台对应。节点特征可以反映与目标平台相关的信息。例如,节点特征可以包括目标平台的平台类型、积累程度等。平台类型可以包括平台类型、积累程度等。有关至少一个目标平台的详细说明可参见图2中的相关描述。
积累程度可以反映尚未处理的可疑数据的堆积程度。积累程度越大,表示尚未处理的可疑数据越多。
在一些实施例中,积累程度还可以与预估处理时间、预估排队时间正相关,预估处理时间越久、预估排队时间越久,积累程度越大。
边可以与数据传输关系对应,例如存在数据传输关系的两个目标平台之间具有边,数据传输方向为边的方向。边特征可以反映数据传输的信息。例如,边的特征可以包括数据流特征等。
数据流特征可以表征至少一组燃气数据的数据采集特征、数据汇总特征、预估特征、预测数据排队信息。至少一组燃气数据可以是指某个时间点需要传输或正在传输的数据。
需要说明的是,预测数据排队信息与前述的抽样数据的排队信息不同,预测数据排队信息可以是边连接的两个节点中,在数据发送平台中等待传输到数据接收平台的燃气数据的排队信息。其中,数据发送平台为前述至少一个目标平台中进行数据发送的平台,数据接收平台为前述至少一个目标平台中进行数据接收的平台。有关至少一个目标平台的更多说明可参见本说明书图2中的相关描述。
在一些实施例中,预测数据排队信息可以包括目标平台在当前时刻的预测数据排队信息、未来时刻的预测数据排队信息等。当前时刻的预测数据排队信息是指当前时刻的正在等待传输的燃气数据的排队顺序。当前时刻的预测数据排队信息可以通过查询获得。
未来时刻的预测数据排队信息是指未来时刻可能需要传输的燃气数据的排队顺序。未来时刻的预测数据排队信息可以基于建模或采用各种数据分析算法,例如时序分析法等,对各个节点的燃气数据进行分析处理,预测未来时刻的预测数据排队信息。
在一些实施例中,边具有方向,节点可以具有出边和/或入边,其中入边是指向该节点的边,出边是从该节点出发指向另一节点的边。即目标平台可以向其他目标平台传输数据,可以接收由其他目标平台传输过来的数据。
在一些实施例中,数据流特征还包括数据紧急程度。
数据紧急程度可以是对燃气数据处理任务的紧急程度。例如,数据紧急程度可以用数字表示,数值越大表征数据处理任务的紧急程度越高。在一些实施例中,可以根据实际经验,基于燃气数据的类型预先设置对应的数据紧急程度,基于燃气数据。
在本说明书的一些实施例中,燃气数据的处理不仅需要考虑燃气数据中是否存在可疑数据以及可疑数据量,还需考虑燃气数据的紧急程度,从而使可疑数据的分析以及可视化展现更符合实际需求。
目标平台的积累程度可以通过多种方式确定。在一些实施例中,智慧燃气管理平台可以基于数据流图谱,获取数据流图谱相同或相近的历史数据流图谱,获取历史数据流图谱在预设时间段之后的不同节点的积累程度,确定为目标平台的积累程度。预设时间段可以基于需要预测的未来时刻与当前时刻之间的时间间隔确定。示例性的,可以基于数据流图谱的节点特征、边特征构成的特征向量,并计算特征向量与历史特征向量的向量距离,将向量距离最小的历史特征向量对应的历史数据流图谱,确定为相同或相近的历史数据流图谱。
在一些实施例中,智慧燃气管理平台可以基于数据流图谱510,通过流图模型520确定至少一个目标平台的积累程度530。
流图模型可以用于预测至少一个目标平台的积累程度。流图模型可以是图神经网络模型(Graph Neural Network, GNN)或其他图模型,例如图卷积神经网络模型(GCNN),或者在图神经网络模型中增加其他处理层、修改其处理方法等。
在一些实施例中,流图模型输入可以包括数据流图谱510,流图模型的输出可以包括至少一个目标平台的积累程度。
在一些实施例中,流图模型可以基于训练数据训练获得。训练数据包括第二训练样本以及第二标签。例如,第二训练样本可以包括至少一个历史时刻的样本数据流图谱,第二标签可以为每个样本数据流图谱中至少一个样本目标平台的积累程度。样本数据流图谱的节点及其属性、边及其属性与上述说明类似。第二训练样本可以基于历史数据确定,第二标签以通过人工标注确定。其中,样本时刻是指历史时间点。
在本说明书的一些实施例中,通过数据流图谱,可以基于复杂的物理内在联系,通过流图模型,预测未来时刻不同节点的积累程度,有利于后续确定预警标记的可靠性,合理节省资源。
在一些实施例中,当有至少一个目标平台的积累程度大于积累阈值时,智慧燃气管理平台可以调整至少一个待处理燃气任务的处理顺序,基于调整后的处理顺序重新使用流图模型进行分析,直到积累程度满足预设条件。
积累阈值可以是与积累程度有关的阈值条件。积累阈值可以是基于经验或实验确定的值。
预设条件可以是用于评估是否调整待处理燃气任务的处理顺序的判定条件。例如,预设条件可以包括至少一个目标平台积累程度均小于积累阈值。
在一些实施例中,智慧燃气管理平台可以响应于至少一个节点的积累程度大于预设的积累阈值,调整至少一个待处理燃气数据的燃气处理流程中的顺序。
调整至少一个待处理燃气数据的燃气处理流程中的顺序,可以包括调整与目标节点有关的边特征,例如,调整数据流特征中的燃气数据的排队顺序。目标节点可以是积累程度大于预设积累阈值的平台对应的节点。
在一些实施例中,智慧燃气管理平台可以基于调整至少一个待处理燃气任务的处理顺序,重新构建数据流图谱,通过流图模型重新预测,直到所有节点的预测的未来时刻积累程度满足预设条件。
本说明书的一些实施例中,通过调整至少一个待处理燃气任务的处理顺序,可以提高燃气数据处理的效率,可以将非当前必须处理的燃气数据的处理计划推迟,从而可以减少资源浪费,减轻数据处理的压力。
在一些实施例中,智慧燃气管理平台可以基于未来时刻至少一个目标平台的积累程度530和预估特征410,通过多种方式确定预警标记420。例如,智慧燃气管理平台可以基于建模或采用各种数据分析算法,如回归分析法等,对至少一个目标平台的积累程度和预估特征进行分析处理,确定预警标记。
本说明书的一些实施例中,通过基于相关燃气数据构建数据流图,同时考虑数据紧急程度,利用训练好的流图模型可以更好地预测出不同平台的积累程度,进而可以根据积累程度确定是否需要调整数据分析处理的顺序,以便满足数据处理需求。
本说明书的一个或多个实施例中还提供一种计算机可读存储介质,该存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如上任一实施例所述的智慧燃气数据中心流程可视化管理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
如果本说明书引用附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
Claims (10)
1.一种智慧燃气数据中心流程可视化管理方法,其特征在于,所述方法由智慧燃气数据中心流程可视化管理物联网系统的智慧燃气管理平台执行,包括:
获取数据采集特征和第一抽样数据;
获取数据汇总特征和第二抽样数据;
获取第一任务列表和第二任务列表,确定所述第一任务列表的第一处理特征,以及确定所述第二任务列表的第二处理特征和排队特征;其中,
所述第一任务列表包括至少一个燃气任务,所述第二任务列表包括至少一个待处理燃气任务;
基于所述数据采集特征、所述数据汇总特征、所述第一处理特征、所述第二处理特征和所述排队特征确定预估特征,所述预估特征至少包括所述至少一个燃气任务的预估完成时间,以及所述至少一个待处理燃气任务的预估排队时间;
根据所述第一抽样数据、所述第二抽样数据以及所述预估特征,生成第一可视化数据;
控制至少一个目标平台对所述第一可视化数据进行显示。
2.如权利要求1所述的智慧燃气数据中心流程可视化管理方法,其特征在于,所述方法还包括:
根据所述第一抽样数据、所述第二抽样数据、所述数据采集特征和所述数据汇总特征,确定异常数据及其对应的异常概率;
基于所述异常数据和所述异常概率,生成第二可视化数据;
控制所述至少一个目标平台对所述第二可视化数据进行显示。
3.如权利要求1所述的智慧燃气数据中心流程可视化管理方法,其特征在于,所述方法还包括:
根据所述预估特征,确定预警标记;
根据所述预警标记,生成第三可视化数据;
控制所述至少一个目标平台对所述第三可视化数据进行显示。
4.如权利要求3所述的智慧燃气数据中心流程可视化管理方法,其特征在于,根据所述预估特征,确定预警标记包括:
根据所述数据采集特征、所述数据汇总特征和所述预估特征,生成数据流图谱,所述数据流图谱包括节点和边,所述节点表征至少一个目标平台,所述边表征任意两个所述节点之间的数据流特征;
基于所述数据流图谱,确定所述至少一个目标平台的积累程度;
基于所述积累程度和所述预估特征,确定所述预警标记。
5.一种智慧燃气数据中心流程可视化管理物联网系统,其特征在于,所述系统包括智慧燃气管理平台,所述智慧燃气管理平台包括智慧燃气数据中心,所述智慧燃气管理平台被配置为执行以下操作:
通过所述智慧燃气数据中心获取数据采集特征和第一抽样数据;
通过所述智慧燃气数据中心获取数据汇总特征和第二抽样数据;
通过所述智慧燃气数据中心获取第一任务列表和第二任务列表;
确定所述第一任务列表的第一处理特征,以及确定所述第二任务列表的第二处理特征和排队特征;其中,
所述第一任务列表包括至少一个燃气任务,所述第二任务列表包括至少一个待处理燃气任务;
基于所述数据采集特征、所述数据汇总特征、所述第一处理特征、所述第二处理特征和所述排队特征确定预估特征,所述预估特征至少包括所述至少一个燃气任务的预估完成时间,以及所述至少一个待处理燃气任务的预估排队时间;
根据所述第一抽样数据、所述第二抽样数据以及所述预估特征,生成第一可视化数据;
控制至少一个目标平台对所述第一可视化数据进行显示。
6.如权利要求5所述的智慧燃气数据中心流程可视化管理物联网系统,其特征在于,所述物联网系统还包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气传感网络平台和智慧燃气对象平台;
所述智慧燃气管理平台将所述第一可视化数据传输至所述智慧燃气用户平台、所述智慧燃气服务平台、所述智慧燃气传感网络平台和所述智慧燃气对象平台中的至少一个,并进行显示。
7.如权利要求5所述的智慧燃气数据中心流程可视化管理物联网系统,其特征在于,所述智慧燃气管理平台还用于:
根据所述第一抽样数据、所述第二抽样数据、所述数据采集特征和所述数据汇总特征,确定异常数据及其对应的异常概率;
基于所述异常数据和所述异常概率,生成第二可视化数据;
控制所述至少一个目标平台对所述第二可视化数据进行显示。
8.如权利要求5所述的智慧燃气数据中心流程可视化管理物联网系统,其特征在于,所述智慧燃气管理平台还用于:
根据所述预估特征,确定预警标记;
根据所述预警标记,生成第三可视化数据;
控制所述至少一个目标平台对所述第三可视化数据进行显示。
9.如权利要求8所述的智慧燃气数据中心流程可视化管理物联网系统,其特征在于,所述智慧燃气管理平台进一步用于:
根据所述数据采集特征、所述数据汇总特征和所述预估特征,生成数据流图谱,所述数据流图谱包括节点和边,所述节点表征至少一个目标平台,所述边表征任意两个所述节点之间的数据流特征;
基于所述数据流图谱,确定所述至少一个目标平台的积累程度;
基于所述积累程度和所述预估特征,确定所述预警标记。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1所述的智慧燃气数据中心流程可视化管理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175809.3A CN116911807B (zh) | 2023-09-13 | 2023-09-13 | 一种智慧燃气数据中心流程可视化管理方法和物联网系统 |
US18/586,413 US20240201156A1 (en) | 2023-09-13 | 2024-02-23 | Methods and internet of things systems for visual management of smart gas data center processes |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175809.3A CN116911807B (zh) | 2023-09-13 | 2023-09-13 | 一种智慧燃气数据中心流程可视化管理方法和物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116911807A true CN116911807A (zh) | 2023-10-20 |
CN116911807B CN116911807B (zh) | 2023-12-05 |
Family
ID=88356913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311175809.3A Active CN116911807B (zh) | 2023-09-13 | 2023-09-13 | 一种智慧燃气数据中心流程可视化管理方法和物联网系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20240201156A1 (zh) |
CN (1) | CN116911807B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170102693A1 (en) * | 2013-03-04 | 2017-04-13 | Fisher-Rosemount Systems, Inc. | Data analytic services for distributed industrial performance monitoring |
US20170102694A1 (en) * | 2013-03-04 | 2017-04-13 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics platform |
CN107943668A (zh) * | 2017-12-15 | 2018-04-20 | 江苏神威云数据科技有限公司 | 计算机服务器集群日志监控方法及监控平台 |
US20190138995A1 (en) * | 2016-03-29 | 2019-05-09 | t4 Spatial, LLC | Advanced infrastructure management |
CN111324460A (zh) * | 2020-02-19 | 2020-06-23 | 云南电网有限责任公司 | 一种基于云计算平台的电力监测控制系统及方法 |
KR20200074825A (ko) * | 2018-12-17 | 2020-06-25 | 한국과학기술원 | 패턴 태깅 기술 기반 비정상 전력 데이터 판별 방법 및 시스템 |
CN112241924A (zh) * | 2020-09-22 | 2021-01-19 | 四川九门科技股份有限公司 | 一种智慧燃气系统 |
CN114019891A (zh) * | 2021-10-18 | 2022-02-08 | 天津新氢动力科技有限公司 | 一种基于智慧物联网的燃料电池叉车综合管理监控系统 |
CN115129957A (zh) * | 2022-06-20 | 2022-09-30 | 王松 | 一种配网全息数据可视化展示系统及方法 |
CN116226116A (zh) * | 2021-11-29 | 2023-06-06 | 新智我来网络科技有限公司 | 联合学习任务查看方法、装置、电子设备及存储介质 |
CN116503975A (zh) * | 2023-06-29 | 2023-07-28 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气gis的安全隐患处置方法和物联网系统 |
CN116539128A (zh) * | 2023-06-26 | 2023-08-04 | 成都秦川物联网科技股份有限公司 | 智慧燃气超声波计量仪表准确度诊断方法及物联网系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8838390B1 (en) * | 2011-02-17 | 2014-09-16 | Selman and Associates, Ltd. | System for gas detection, well data collection, and real time streaming of well logging data |
US10100629B2 (en) * | 2013-03-15 | 2018-10-16 | Wellaware Holdings, Inc. | Systems and methods for providing end-to-end monitoring and/or control of remote oil and gas production assets |
US20160356666A1 (en) * | 2015-06-02 | 2016-12-08 | Umm Al-Qura University | Intelligent leakage detection system for pipelines |
US11132355B2 (en) * | 2016-05-31 | 2021-09-28 | Time Lock Documentation LLC | Systems and methods for monitoring equipment |
US20220398665A1 (en) * | 2021-06-11 | 2022-12-15 | Honeywell International Inc. | Dashboard visualization for a portfolio of assets |
US20230195095A1 (en) * | 2021-12-17 | 2023-06-22 | Honeywell International Inc. | Industrial knowledge graph and contextualization |
-
2023
- 2023-09-13 CN CN202311175809.3A patent/CN116911807B/zh active Active
-
2024
- 2024-02-23 US US18/586,413 patent/US20240201156A1/en active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170102693A1 (en) * | 2013-03-04 | 2017-04-13 | Fisher-Rosemount Systems, Inc. | Data analytic services for distributed industrial performance monitoring |
US20170102694A1 (en) * | 2013-03-04 | 2017-04-13 | Fisher-Rosemount Systems, Inc. | Distributed industrial performance monitoring and analytics platform |
US20190138995A1 (en) * | 2016-03-29 | 2019-05-09 | t4 Spatial, LLC | Advanced infrastructure management |
CN107943668A (zh) * | 2017-12-15 | 2018-04-20 | 江苏神威云数据科技有限公司 | 计算机服务器集群日志监控方法及监控平台 |
KR20200074825A (ko) * | 2018-12-17 | 2020-06-25 | 한국과학기술원 | 패턴 태깅 기술 기반 비정상 전력 데이터 판별 방법 및 시스템 |
CN111324460A (zh) * | 2020-02-19 | 2020-06-23 | 云南电网有限责任公司 | 一种基于云计算平台的电力监测控制系统及方法 |
CN112241924A (zh) * | 2020-09-22 | 2021-01-19 | 四川九门科技股份有限公司 | 一种智慧燃气系统 |
CN114019891A (zh) * | 2021-10-18 | 2022-02-08 | 天津新氢动力科技有限公司 | 一种基于智慧物联网的燃料电池叉车综合管理监控系统 |
CN116226116A (zh) * | 2021-11-29 | 2023-06-06 | 新智我来网络科技有限公司 | 联合学习任务查看方法、装置、电子设备及存储介质 |
CN115129957A (zh) * | 2022-06-20 | 2022-09-30 | 王松 | 一种配网全息数据可视化展示系统及方法 |
CN116539128A (zh) * | 2023-06-26 | 2023-08-04 | 成都秦川物联网科技股份有限公司 | 智慧燃气超声波计量仪表准确度诊断方法及物联网系统 |
CN116503975A (zh) * | 2023-06-29 | 2023-07-28 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气gis的安全隐患处置方法和物联网系统 |
Non-Patent Citations (3)
Title |
---|
MACKER A. 等: "ARDUINO Based LPG Gas Monitoring Automatic Cylinder Booking with Alert System", 《2018 2ND INTERNATIONAL CONFERENCE ON TRENDS IN ELECTRONICS AND INFORMATICS (ICOEI)》, pages 1209 - 1212 * |
乔武康 等: "基于万物互联的智慧燃气体系建设", 《创新世界周刊》, no. 11, pages 14 - 21 * |
邵泽华: "智能燃气表云平台研究", 《煤气与热力》, vol. 38, no. 03, pages 30 - 34 * |
Also Published As
Publication number | Publication date |
---|---|
CN116911807B (zh) | 2023-12-05 |
US20240201156A1 (en) | 2024-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116862199A (zh) | 基于大数据和云计算的建筑施工优化系统 | |
CN117010863A (zh) | 一种基于物联网技术的市政管网健康度在线监测系统和方法 | |
JP6933899B2 (ja) | プラント運転支援装置、プラント運転支援方法、及びプラント運転支援プログラム | |
US10152879B2 (en) | Method, apparatus, and system for monitoring manufacturing equipment | |
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
US10963797B2 (en) | System for analyzing machine data | |
KR101941854B1 (ko) | 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법 | |
CN116681250A (zh) | 一种基于人工智能的建筑工程进度监管系统 | |
US20130282333A1 (en) | Service port explorer | |
CN117371952B (zh) | 一种多项目协同管理系统 | |
CN117055502A (zh) | 基于物联网和大数据分析的智能控制系统 | |
CN118089287B (zh) | 一种基于智能算法的冷水机能效优化系统 | |
CN117035419B (zh) | 企业项目实施智能管理系统及方法 | |
CN115907446A (zh) | 一种基建工程施工进度的智能管控评估系统 | |
CN118071159B (zh) | 一种基于gpt的智慧园区安全应急管理系统及方法 | |
CN118037014B (zh) | 基于物联网的道路施工监测系统 | |
Tsarkova | Technical Diagnostics of Equipment Using Data Mining Technologies | |
CN117974212A (zh) | 供应链管理方法、系统、电子设备及存储介质 | |
CN116737804B (zh) | 基于智慧燃气物联网的燃气数据分级处理方法和系统 | |
CN116911807B (zh) | 一种智慧燃气数据中心流程可视化管理方法和物联网系统 | |
CN117874104A (zh) | 一种水电站数据异常检测方法及系统 | |
CN116909235A (zh) | 一种智能工厂的监控方法及其监控系统、电子设备 | |
CN114265891A (zh) | 基于多源数据融合的智慧车间系统、方法及存储介质 | |
Bouzidi et al. | Deep learning for a customised head-mounted fault display system for the maintenance of wind turbines | |
CN118096131B (zh) | 一种基于电力场景模型的运维巡检方法 |
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 |