CN117151552B - 一种基于物联网的数字化照明数据管理系统及方法 - Google Patents

一种基于物联网的数字化照明数据管理系统及方法 Download PDF

Info

Publication number
CN117151552B
CN117151552B CN202311425308.6A CN202311425308A CN117151552B CN 117151552 B CN117151552 B CN 117151552B CN 202311425308 A CN202311425308 A CN 202311425308A CN 117151552 B CN117151552 B CN 117151552B
Authority
CN
China
Prior art keywords
illumination
working area
area
abnormal
quality
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
Application number
CN202311425308.6A
Other languages
English (en)
Other versions
CN117151552A (zh
Inventor
朱维纲
王旭阳
吴靖升
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Evergrand Electronic Scientific Technology Co ltd
Original Assignee
Wuxi Evergrand Electronic Scientific Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuxi Evergrand Electronic Scientific Technology Co ltd filed Critical Wuxi Evergrand Electronic Scientific Technology Co ltd
Priority to CN202311425308.6A priority Critical patent/CN117151552B/zh
Publication of CN117151552A publication Critical patent/CN117151552A/zh
Application granted granted Critical
Publication of CN117151552B publication Critical patent/CN117151552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q50/04—Manufacturing
    • 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
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/155—Coordinated control of two or more light sources
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及照明管理技术领域，具体为一种基于物联网的数字化照明数据管理系统及方法，包括：采集目标工厂内各工作区域的工作流程内容、各工作区域在历史时间节点上产出的质量数据和相应的照明能耗数据；对各工作区域的产出质量集和相应的照明数据集进行加权关联，分析各相邻时间节点的照明质量异常程度和各工作区域的异常并发性概率；根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案；对各工作区域产出的质量数据和相应的照明能耗数据进行监控，不仅仅有利于对各工作区域照明功耗的智能调控，还提高了目标工厂的生产质量。

Description

一种基于物联网的数字化照明数据管理系统及方法
技术领域
本发明涉及照明管理技术领域，具体为一种基于物联网的数字化照明数据管理系统及方法。
背景技术
对许多照明度要求较高的大型工厂来说，为了方便生产工作，往往会在各个区域使用“长明灯”长时间进行照明，而长期使用高强度的照明不仅仅会对工厂本身造成资源的严重浪费，与此同时，工厂内的照明强度会一定程度上影响产品的生产进度，而当工厂内某一区域的生产进度降低时，如何通过提高其它区域的生产进度从而提高产品的产出合格率也逐渐成为问题。
发明内容
本发明的目的在于提供一种基于物联网的数字化照明数据管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的数字化照明数据管理方法，包括以下步骤：
步骤S100：采集目标工厂内各工作区域的工作流程内容，形成区域集；采集区域集中各工作区域在历史时间节点上产出的质量数据和相应的照明能耗数据，分别形成各工作区域的产出质量集和相应的照明数据集；
上述步骤中已知若区域集中存在n个工作区域{a1,a2,…,an}，则根据各工作区域的工作流程内容可得到目标工厂的工作流程顺序a1→a2→…→an和相应各工作区域的工作时长等；
步骤S200：对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度；进一步根据照明质量异常程度分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率；
步骤S300：捕捉异常并发性概率大于阈值的各工作区域，则根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序，形成关联区域集；
步骤S400：在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；进一步根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案；
上述步骤中当捕捉到照明质量异常程度大于异常阈值时，则需要对后续关联区域的照明强度进行智能调节；
步骤S500：根据最佳照明调节方案对关联区域集中各工作区域产出的质量数据和相应的照明能耗数据作进一步监控。
进一步的，步骤S200包括：
步骤S210：对各工作区域分别获取各历史时间节点上产出的质量数据和相应的照明能耗数据，则分别对质量数据和照明能耗数据进行加权关联后得到各工作区域的照明质量X=σ*Z1/Z2；其中Z1表示各历史时间节点上产出的质量数据，Z2表示各历史时间节点上相应的照明能耗数据，σ表示各工作区域中相应质量数据和照明能耗数据的关联因子，由各工作区域的工作流程内容决定；
步骤S220：以历史时间节点为横坐标，各历史时间节点上相应各工作区域的照明质量为纵坐标，分别构建各工作区域的照明质量变化图；根据各历史时间节点的照明质量分别计算得到各照明质量变化图对应的照明质量均值V；捕捉各照明质量变化图中各相邻时间节点组成时间段时对应照明质量所产生的斜率K，此时分别计算出各照明质量变化图中各相邻时间节点所组成的时间段对应的照明质量异常程度R=α*(|Vi-V|+|Vi+1-V|)/|K|，其中Vi和Vi+1表示照明质量变化图中任意相邻时间节点分别对应的照明质量，α表示照明质量变化权重；
通过捕捉各照明质量变化图中各时间节点对应的照明质量，分析各相邻时间节点对应的斜率，并根据各相邻时间节点之间的斜率以及和照明质量均值的变化程度设置权重，分析各工作区域在各时间节点上的照明质量异常程度，有利于分析在不同的照明功耗下各工作区域产出的质量变化规律，进一步分析各工作区域的照明质量是否存在异常并发性；
步骤S230：将各照明质量变化图中斜率K小于设定阈值β1且照明质量异常程度R大于设定阈值β2的时间段设为异常周期，则分别形成相应各工作区域的异常周期集T(i)={t1i,t2i,…,tni}，其中t1i,t2i,…,tni表示第i个工作区域的第1、2、…、n个异常周期；分别获取任意两个工作区域的异常周期集T(i)和T(q)，则捕捉到异常周期集T(i)中满足|(tsi-txq)-(tqi-twq)|小于时长阈值δ的个数为m，其中tsi、tqi表示第i个工作区域的第s、q个异常周期，txq、twq表示第q个工作区域的第x、w个异常周期；进一步得到第i个工作区域和第q个工作区域的异常并发性概率H=m/n；
通过根据照明质量异常程度捕捉各工作区域的异常周期，分析不同工作区域内异常周期时间间隔规律性，从而确认相应不同工作区域内照明质量异常的并发性概率，有利于分析各工作区域之间的关联性，为目标工厂如何调节各工作区域的照明强度提供前提条件。
进一步的，步骤S300包括：
步骤S310：当区域集中异常并发性概率H大于占比阈值时，表示任意两个工作区域出现的异常周期存在关联性，则进一步捕捉异常并发性概率H大于占比阈值的各工作区域；
步骤S320：基于捕捉到的各工作区域，则根据区域集中各工作区域的工作流程顺序对相应捕捉到的各工作区域进行排序，形成关联区域集。
进一步的，步骤S400包括：
步骤S410：依次获取当前工作周期的时间节点下，关联区域集中各工作区域的照明质量，并根据所述各工作区域的照明质量检测出相应各工作区域的照明质量异常程度，直至检测到关联区域集中第一个出现照明质量异常程度R大于异常阈值的工作区域，进一步将所述工作区域设为标识区域；
步骤S420：捕捉标识区域在关联区域集中的序号位置，并获取关联区域集中在所述序号位置之后的任意工作区域，则根据标识区域的照明质量异常程度R、同任意工作区域的异常并发性概率H构建任意工作区域的照明质量影响模型Y=ε*R*H；其中ε表示任意工作区域和标识区域之间的关联因子；
通过根据标识区域的照明质量异常程度、同任意工作区域的异常并发性概率构建任意工作区域的照明质量影响模型，有利于根据标识区域照明质量异常程度调节相应任意工作区域的照明功率，从而提高任意工作区域的生产进度，进一步提高产品的产出合格率，不仅仅做到了对照明功耗的智能调控，还提高了工厂的生产质量；
步骤S430：获取工作流程中任意工作区域的正常照明功率，则当工作流程未进入任意工作区域时，将相应工作区域的照明数据设定为最低功耗；而当工作流程进入任意工作区域时，则根据照明质量影响模型Y自适应调高任意工作区域的正常照明功率，作为当前时间节点任意工作区域的照明功率。
进一步的，步骤S500包括：
步骤S510：在当前时间节点下，将关联区域集中各工作区域的实时照明功率作为当前工作流程的最佳的照明调节方案，并实时监测相应各工作区域产出的质量数据和照明能耗数据；
步骤S520：根据监测数据分析当前时间节点下各工作区域的照明质量异常程度，若数据仍发生异常，及时反馈相关人员。
数字化照明数据管理系统，系统包括：数据采集模块、数据库、异常分析模块、关联排序模块、方案构建模块和数据监测模块；
通过所述数据采集模块采集目标工厂内各工作区域的工作流程内容，形成区域集；采集区域集中各工作区域在历史时间节点上产出的质量数据和相应的照明能耗数据，分别形成各工作区域的产出质量集和相应的照明数据集；
通过所述数据库对所有采集的数据进行存储；
通过所述异常分析模块对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度；进一步根据照明质量异常程度分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率；
通过所述关联排序模块捕捉异常并发性概率大于阈值的各工作区域，则根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序，形成关联区域集；
通过所述方案构建模块在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；进一步根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案；
通过所述数据监测模块根据最佳照明调节方案对关联区域集中各工作区域产出的质量数据和相应的照明能耗数据作进一步监控。
进一步的，数据采集模块包括区域采集单元、质量采集单元和照明数据采集单元；
所述区域采集单元用于采集目标工厂内各工作区域的工作流程内容；所述质量采集单元用于采集区域集中各工作区域在历史时间节点上产出的质量数据；所述照明数据采集单元用于采集区域集中各工作区域在历史时间节点上的照明能耗数据。
进一步的，异常分析模块包括加权分析单元、异常分析单元和并发分析单元；
所述加权分析单元用于对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；所述异常分析单元用于根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度；所述并发分析单元用于根据照明质量异常程度分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率。
进一步的，关联排序模块包括信息捕捉单元和智能排序单元；
所述信息捕捉单元用于捕捉异常并发性概率大于阈值的各工作区域；所述智能排序单元用于根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序。
进一步的，方案构建模块包括数据检测单元和方案调节单元；
所述数据检测单元用于在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；所述方案调节单元用于根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案。
与现有技术相比，本发明所达到的有益效果是：
通过根据标识区域的照明质量异常程度、同任意工作区域的异常并发性概率构建任意工作区域的照明质量影响模型，有利于根据标识区域照明质量异常程度调节相应任意工作区域的照明功率，从而提高任意工作区域的生产进度，进一步提高产品的产出合格率，不仅仅做到了对照明功耗的智能调控，还提高了工厂的生产质量。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于物联网的数字化照明数据管理系统的结构图；
图2是本发明一种基于物联网的数字化照明数据管理方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：数字化照明数据管理系统，系统包括：数据采集模块、数据库、异常分析模块、关联排序模块、方案构建模块和数据监测模块；
通过所述数据采集模块采集目标工厂内各工作区域的工作流程内容，形成区域集；采集区域集中各工作区域在历史时间节点上产出的质量数据和相应的照明能耗数据，分别形成各工作区域的产出质量集和相应的照明数据集；
数据采集模块包括区域采集单元、质量采集单元和照明数据采集单元；
所述区域采集单元用于采集目标工厂内各工作区域的工作流程内容；所述质量采集单元用于采集区域集中各工作区域在历史时间节点上产出的质量数据；所述照明数据采集单元用于采集区域集中各工作区域在历史时间节点上的照明能耗数据。
通过所述数据库对所有采集的数据进行存储；
通过所述异常分析模块对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度；进一步根据照明质量异常程度分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率；
异常分析模块包括加权分析单元、异常分析单元和并发分析单元；
所述加权分析单元用于对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；所述异常分析单元用于根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度；所述并发分析单元用于根据照明质量异常程度分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率。
通过所述关联排序模块捕捉异常并发性概率大于阈值的各工作区域，则根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序，形成关联区域集；
关联排序模块包括信息捕捉单元和智能排序单元；
所述信息捕捉单元用于捕捉异常并发性概率大于阈值的各工作区域；所述智能排序单元用于根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序。
通过所述方案构建模块在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；进一步根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案；
方案构建模块包括数据检测单元和方案调节单元；
所述数据检测单元用于在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；所述方案调节单元用于根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案。
通过所述数据监测模块根据最佳照明调节方案对关联区域集中各工作区域产出的质量数据和相应的照明能耗数据作进一步监控。
请参阅图2，本发明提供技术方案：一种基于物联网的数字化照明数据管理方法，包括以下步骤：
步骤S100：采集目标工厂内各工作区域的工作流程内容，形成区域集；采集区域集中各工作区域在历史时间节点上产出的质量数据和相应的照明能耗数据，分别形成各工作区域的产出质量集和相应的照明数据集；
上述步骤中已知若区域集中存在20个工作区域{a1,a2,…,a20}，则根据各工作区域的工作流程内容可得到目标工厂的工作流程顺序a1→a2→…→a20和相应各工作区域的工作时长等；
步骤S200：对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度；进一步根据照明质量异常程度分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率；
步骤S200包括：
步骤S210：对各工作区域分别获取各历史时间节点上产出的质量数据和相应的照明能耗数据，则分别对质量数据和照明能耗数据进行加权关联后得到各工作区域的照明质量X=σ*Z1/Z2；其中Z1表示各历史时间节点上产出的质量数据，Z2表示各历史时间节点上相应的照明能耗数据，σ表示各工作区域中相应质量数据和照明能耗数据的关联因子，由各工作区域的工作流程内容决定；
步骤S220：以历史时间节点为横坐标，各历史时间节点上相应各工作区域的照明质量为纵坐标，分别构建各工作区域的照明质量变化图；根据各历史时间节点的照明质量分别计算得到各照明质量变化图对应的照明质量均值V；捕捉各照明质量变化图中各相邻时间节点组成时间段时对应照明质量所产生的斜率K，此时分别计算出各照明质量变化图中各相邻时间节点所组成的时间段对应的照明质量异常程度R=α*(|Vi-V|+|Vi+1-V|)/|K|，其中Vi和Vi+1表示照明质量变化图中任意相邻时间节点分别对应的照明质量，α表示照明质量变化权重；
例如说，根据各历史时间节点的照明质量分别计算得到各照明质量变化图对应的照明质量均值V=10，则捕捉第10、11个时间节点对应的照明质量V10=7，V11=3，此时得到相应的斜率K=(3-7)/(11-10)=-4，进一步得到第10、11个时间节点所组成的时间段对应的照明质量异常程度R=α*10/4=2.5α；
步骤S230：将各照明质量变化图中斜率K小于设定阈值β1=-2且照明质量异常程度R大于设定阈值β2=2的时间段设为异常周期，则分别形成相应各工作区域的异常周期集T(i)={t1i,t2i,…,tni}，其中t1i,t2i,…,tni表示第i个工作区域的第1、2、…、n个异常周期；分别获取任意两个工作区域的异常周期集T(i)和T(q)，则捕捉到异常周期集T(i)中满足|(tsi-txq)-(tqi-twq)|小于时长阈值δ的个数为m，其中tsi、tqi表示第i个工作区域的第s、q个异常周期，txq、twq表示第q个工作区域的第x、w个异常周期；进一步得到第i个工作区域和第q个工作区域的异常并发性概率H=m/n；
例如说，分别获取区域集中第2、4个工作区域的异常周期集T(2)和T(4)，其中T(2)={t12,t22,…,t52}，T(4)={t14,t24,…,t54}，依次捕捉到异常周期集T(2)中满足|(t12-t14)-(t22-t24)|、|(t32-t44)-(t32-t44)|和|(t42-t54)-(t42-t54)|小于时长阈值δ个数为m=3，此时得到第2个工作区域和第4个工作区域的异常并发性概率H=3/5。
步骤S300：捕捉异常并发性概率大于阈值的各工作区域，则根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序，形成关联区域集；
步骤S300包括：
步骤S310：当区域集中异常并发性概率H大于占比阈值时，表示任意两个工作区域出现的异常周期存在关联性，则进一步捕捉异常并发性概率H大于占比阈值的各工作区域；
步骤S320：基于捕捉到的各工作区域，则根据区域集中各工作区域的工作流程顺序对相应捕捉到的各工作区域进行排序，形成关联区域集。
步骤S400：在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；进一步根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案；
上述步骤中当捕捉到照明质量异常程度大于异常阈值时，则需要对后续关联区域的照明强度进行智能调节；
步骤S400包括：
步骤S410：依次获取当前工作周期的时间节点下，关联区域集中各工作区域的照明质量，并根据所述各工作区域的照明质量检测出相应各工作区域的照明质量异常程度，直至检测到关联区域集中第一个出现照明质量异常程度R大于异常阈值的工作区域，进一步将所述工作区域设为标识区域；
步骤S420：捕捉标识区域在关联区域集中的序号位置，并获取关联区域集中在所述序号位置之后的任意工作区域，则根据标识区域的照明质量异常程度R、同任意工作区域的异常并发性概率H构建任意工作区域的照明质量影响模型Y=ε*R*H；其中ε表示任意工作区域和标识区域之间的关联因子；
步骤S430：获取工作流程中任意工作区域的正常照明功率，则当工作流程未进入任意工作区域时，将相应工作区域的照明数据设定为最低功耗；而当工作流程进入任意工作区域时，则根据照明质量影响模型Y自适应调高任意工作区域的正常照明功率，作为当前时间节点任意工作区域的照明功率。
步骤S500：根据最佳照明调节方案对关联区域集中各工作区域产出的质量数据和相应的照明能耗数据作进一步监控；
步骤S500包括：
步骤S510：在当前时间节点下，将关联区域集中各工作区域的实时照明功率作为当前工作流程的最佳的照明调节方案，并实时监测相应各工作区域产出的质量数据和照明能耗数据；
步骤S520：根据监测数据分析当前时间节点下各工作区域的照明质量异常程度，若数据仍发生异常，及时反馈相关人员。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于物联网的数字化照明数据管理方法，其特征在于：包括以下步骤：
步骤S100：采集目标工厂内各工作区域的工作流程内容，形成区域集；采集区域集中各工作区域在历史时间节点上产出的质量数据和相应的照明能耗数据，分别形成各工作区域的产出质量集和相应的照明数据集；
步骤S200：对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度R；根据照明质量异常程度R分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率H；
步骤S300：捕捉异常并发性概率H大于阈值的各工作区域，则根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序，形成关联区域集；
步骤S400：在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度R，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；根据标识区域的照明质量异常程度R、同关联区域集中各工作区域的异常并发性概率H对关联区域集中各工作区域制定最佳的照明调节方案；
步骤S500：根据最佳照明调节方案对关联区域集中各工作区域产出的质量数据和相应的照明能耗数据进行监控；
所述步骤S200包括：
步骤S210：对各工作区域分别获取各历史时间节点上产出的质量数据和相应的照明能耗数据，则分别对质量数据和照明能耗数据进行加权关联后得到各工作区域的照明质量X=σ*Z1/Z2；其中Z1表示各历史时间节点上产出的质量数据，Z2表示各历史时间节点上相应的照明能耗数据，σ表示各工作区域中相应质量数据和照明能耗数据的关联因子；
步骤S220：以历史时间节点为横坐标，各历史时间节点上相应各工作区域的照明质量为纵坐标，分别构建各工作区域的照明质量变化图；根据各历史时间节点的照明质量分别计算得到各照明质量变化图对应的照明质量均值V；捕捉各照明质量变化图中各相邻时间节点组成时间段时对应照明质量所产生的斜率K，此时分别计算出各照明质量变化图中各相邻时间节点所组成的时间段对应的照明质量异常程度R=α*(|Vi-V|+|Vi+1-V|)/|K|，其中Vi和Vi+1表示照明质量变化图中任意相邻时间节点分别对应的照明质量，α表示照明质量变化权重；
步骤S230：将各照明质量变化图中斜率K小于设定阈值β1且照明质量异常程度R大于设定阈值β2的时间段设为异常周期，则分别形成相应各工作区域的异常周期集T(i)={t1i,t2i,…,tni}，其中t1i,t2i,…,tni表示第i个工作区域的第1、2、…、n个异常周期；分别获取任意两个工作区域的异常周期集T(i)和T(q)，则捕捉到异常周期集T(i)中满足|(tsi-txq)-(tqi-twq)|小于时长阈值δ的个数为m，其中tsi、tqi表示第i个工作区域的第s、q个异常周期，txq、twq表示第q个工作区域的第x、w个异常周期；得到第i个工作区域和第q个工作区域的异常并发性概率H=m/n；
所述步骤S400包括：
步骤S410：依次获取当前工作周期的时间节点下，关联区域集中各工作区域的照明质量，并根据所述各工作区域的照明质量检测出相应各工作区域的照明质量异常程度，直至检测到关联区域集中第一个出现照明质量异常程度R大于异常阈值的工作区域，并将所述工作区域设为标识区域；
步骤S420：捕捉标识区域在关联区域集中的序号位置，并获取关联区域集中在所述序号位置之后的任意工作区域，则根据标识区域的照明质量异常程度R、同任意工作区域的异常并发性概率H构建任意工作区域的照明质量影响模型Y=ε*R*H；其中ε表示任意工作区域和标识区域之间的关联因子；
步骤S430：获取工作流程中任意工作区域的正常照明功率，则当工作流程未进入任意工作区域时，将相应工作区域的照明数据设定为最低功耗；而当工作流程进入任意工作区域时，则根据照明质量影响模型Y自适应调高任意工作区域的正常照明功率，作为当前时间节点任意工作区域的照明功率。
2.根据权利要求1所述的一种基于物联网的数字化照明数据管理方法，其特征在于：所述步骤S300包括：
步骤S310：当区域集中异常并发性概率H大于占比阈值时，表示任意两个工作区域出现的异常周期存在关联性，则捕捉异常并发性概率H大于占比阈值的各工作区域；
步骤S320：基于捕捉到的各工作区域，则根据区域集中各工作区域的工作流程顺序对相应捕捉到的各工作区域进行排序，形成关联区域集。
3.根据权利要求2所述的一种基于物联网的数字化照明数据管理方法，其特征在于：所述步骤S500包括：
步骤S510：在当前时间节点下，将关联区域集中各工作区域的实时照明功率作为当前工作流程的最佳的照明调节方案，并实时监测相应各工作区域产出的质量数据和照明能耗数据；
步骤S520：根据监测数据分析当前时间节点下各工作区域的照明质量异常程度，若数据仍发生异常，及时反馈相关人员。
4.一种基于物联网的数字化照明数据管理系统，其用于实现权利要求1-3中任一项所述的一种基于物联网的数字化照明数据管理方法，其特征在于：所述系统包括：数据采集模块、数据库、异常分析模块、关联排序模块、方案构建模块和数据监测模块；
通过所述数据采集模块采集目标工厂内各工作区域的工作流程内容，形成区域集；采集区域集中各工作区域在历史时间节点上产出的质量数据和相应的照明能耗数据，分别形成各工作区域的产出质量集和相应的照明数据集；
通过所述数据库对所有采集的数据进行存储；
通过所述异常分析模块对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度；根据照明质量异常程度分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率；
通过所述关联排序模块捕捉异常并发性概率大于阈值的各工作区域，则根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序，形成关联区域集；
通过所述方案构建模块在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案；
通过所述数据监测模块根据最佳照明调节方案对关联区域集中各工作区域产出的质量数据和相应的照明能耗数据进行监控。
5.根据权利要求4所述的一种基于物联网的数字化照明数据管理系统，其特征在于：所述数据采集模块包括区域采集单元、质量采集单元和照明数据采集单元；
所述区域采集单元用于采集目标工厂内各工作区域的工作流程内容；所述质量采集单元用于采集区域集中各工作区域在历史时间节点上产出的质量数据；所述照明数据采集单元用于采集区域集中各工作区域在历史时间节点上的照明能耗数据。
6.根据权利要求4所述的一种基于物联网的数字化照明数据管理系统，其特征在于：所述异常分析模块包括加权分析单元、异常分析单元和并发分析单元；
所述加权分析单元用于对各工作区域的产出质量集和相应的照明数据集进行加权关联，分别构建各工作区域的照明质量变化图；所述异常分析单元用于根据照明质量变化图分析各工作区域在由各相邻时间节点组成的时间段内的照明质量异常程度；所述并发分析单元用于根据照明质量异常程度分析各工作区域的照明质量异常周期，并根据照明质量异常周期分析各工作区域的异常并发性概率。
7.根据权利要求4所述的一种基于物联网的数字化照明数据管理系统，其特征在于：所述关联排序模块包括信息捕捉单元和智能排序单元；
所述信息捕捉单元用于捕捉异常并发性概率大于阈值的各工作区域；所述智能排序单元用于根据区域集中各工作区域的工作流程内容对各捕捉区域进行排序。
8.根据权利要求4所述的一种基于物联网的数字化照明数据管理系统，其特征在于：所述方案构建模块包括数据检测单元和方案调节单元；
所述数据检测单元用于在当前工作周期的时间节点下，依次获取关联区域集中各工作区域的照明质量异常程度，则将第一个出现异常程度大于异常阈值的工作区域设为标识区域；所述方案调节单元用于根据标识区域的照明质量异常程度、同关联区域集中各工作区域的异常并发性概率对关联区域集中各工作区域制定最佳的照明调节方案。
CN202311425308.6A 2023-10-31 2023-10-31 一种基于物联网的数字化照明数据管理系统及方法 Active CN117151552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311425308.6A CN117151552B (zh) 2023-10-31 2023-10-31 一种基于物联网的数字化照明数据管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311425308.6A CN117151552B (zh) 2023-10-31 2023-10-31 一种基于物联网的数字化照明数据管理系统及方法

Publications (2)

Publication Number Publication Date
CN117151552A CN117151552A (zh) 2023-12-01
CN117151552B true CN117151552B (zh) 2024-02-09

Family

ID=88910487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311425308.6A Active CN117151552B (zh) 2023-10-31 2023-10-31 一种基于物联网的数字化照明数据管理系统及方法

Country Status (1)

Country Link
CN (1) CN117151552B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104697631A (zh) * 2015-04-03 2015-06-10 国家电网公司 照明异常的检测方法及中央处理设备
CN110471386A (zh) * 2019-08-30 2019-11-19 安徽省安泰科技股份有限公司 一种数字车间环境监控系统
CN115796390A (zh) * 2023-01-31 2023-03-14 北京智能建筑科技有限公司 一种数据驱动的建筑能耗异常诊断方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104697631A (zh) * 2015-04-03 2015-06-10 国家电网公司 照明异常的检测方法及中央处理设备
CN110471386A (zh) * 2019-08-30 2019-11-19 安徽省安泰科技股份有限公司 一种数字车间环境监控系统
CN115796390A (zh) * 2023-01-31 2023-03-14 北京智能建筑科技有限公司 一种数据驱动的建筑能耗异常诊断方法及系统

Also Published As

Publication number Publication date
CN117151552A (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN105069525B (zh) 全天候96点日负荷曲线预测及优化修正系统
JP6129028B2 (ja) 建物動力設備のエネルギー消費量予測方法
CN111191193A (zh) 一种基于自回归滑动平均模型的长期土壤温湿度高精度预测方法
CN112232604B (zh) 基于Prophet模型提取网络流量的预测方法
CN116307641B (zh) 一种面向数字化电厂的资源协同调度管理方法及系统
CN114971356A (zh) 一种电力工程项目进度预测系统及方法
CN114155072B (zh) 基于大数据分析的财务预测模型构建方法及系统
CN101052067A (zh) 智能化话务预测方法
CN111241208A (zh) 一种周期性时序数据的异常监测方法及装置
CN113408659A (zh) 一种基于数据挖掘的建筑能耗集成分析方法
CN112330074A (zh) 一种基于移动警务的卡口流量预警方法
CN114967804A (zh) 配电房温度和湿度调控方法
CN113988398A (zh) 一种风电机组功率预测方法、装置、电子设备和存储介质
CN115968088A (zh) 隧道智慧调光方法、系统及计算机储存介质
CN114418183B (zh) 畜禽健康体征大数据物联网检测系统
CN115545473A (zh) 一种基于lstm的生活垃圾投放趋势智能预测方法
CN113159425B (zh) 一种区域工业水污染日排放量预测方法和装置
CN117151552B (zh) 一种基于物联网的数字化照明数据管理系统及方法
CN114037138A (zh) 基于双层分解和深度学习的地铁短时进站客流预测系统及实施方法
CN117634678A (zh) 基于实际运行场景的低碳园区碳排放预测方法
CN108134687B (zh) 一种基于马尔可夫链的灰色模型局域网峰值流量预测方法
CN116862132A (zh) 基于大数据的资源调度方法
CN112801388B (zh) 一种基于非线性时间序列算法的电力负荷预测方法及系统
CN114648163A (zh) 一种适用于智慧城市的能耗数据管理系统及方法
CN114936590A (zh) 一种光伏电站弃光数据识别方法、装置及存储介质

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
GR01 Patent grant
GR01 Patent grant