CN119417450A - 一种设备间故障确定方法、装置、设备及存储介质 - Google Patents
一种设备间故障确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN119417450A CN119417450A CN202411464336.3A CN202411464336A CN119417450A CN 119417450 A CN119417450 A CN 119417450A CN 202411464336 A CN202411464336 A CN 202411464336A CN 119417450 A CN119417450 A CN 119417450A
- Authority
- CN
- China
- Prior art keywords
- data
- devices
- fault
- abnormal event
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000012800 visualization Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 12
- 230000000007 visual effect Effects 0.000 description 19
- 239000010410 layer Substances 0.000 description 13
- 238000007726 management method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000000105 evaporative light scattering detection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010523 cascade reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本申请实施例提供一种设备间故障确定方法、装置、设备及存储介质，通过获取设备间的数据采集设备所采集的数据；将所述数据输入目标检测模型，可以实时检测设备间是否发生异常事件，以获得异常事件检测结果；将所述数据输入趋势预测模型，可以对设备间可能会出现的故障进行预测，确定所述数据的标准区间。在此基础上，将所述数据的值与所述数据的标准区间进行比对，获得比对结果。基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。本申请实施例提供的方法提高了设备间的自动化程度，可以依靠电子设备实现设备间故障的自动确定，无需人工巡检以保障设备间的安全，有效提高了故障确定效率。
Description
技术领域
本申请涉及数据处理技术领域，特别是涉及一种设备间故障确定方法、装置、设备及存储介质。
背景技术
银行网点的设备间是用于放置不间断电源(Uninterruptible Power Supply，UPS)、交换机、服务器以及其他电子设备的物理空间。设备间中的设备对于保障银行业务的正常运行至关重要。
目前，在银行网点的设备间存在异常的情况下，通常需要由专职人员到现场进行故障排查以及报障。这种高度依赖人工的故障确定方法，存在故障确定效率低的问题。
发明内容
基于上述问题，本申请提供了一种设备间故障确定方法、装置、设备及存储介质。
本申请实施例公开了如下技术方案：
第一方面：本申请实施例提供一种设备间故障确定方法，包括：
获取设备间的数据采集设备所采集的数据；
将所述数据输入目标检测模型，检测设备间是否发生异常事件，获得异常事件检测结果；将所述数据输入趋势预测模型，确定所述数据的标准区间；
将所述数据的值与所述数据的标准区间进行比对，获得比对结果；
基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。
在一种可能的实现方式中，所述将所述数据输入趋势预测模型，确定所述数据的标准区间，包括：
将所述数据输入趋势预测模型，生成所述数据的动态基线；
基于所述数据的动态基线，确定所述数据的标准区间。
在一种可能的实现方式中，所述将所述数据输入趋势预测模型，确定所述数据的标准区间，包括：
将所述设备间所处地域的外部环境信息以及所述数据输入趋势预测模型，确定所述数据的标准区间。
在一种可能的实现方式中，所述基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息，包括：
当所述比对结果为所述数据的值在所述数据的标准区间之外时，生成告警事件；
基于所述异常事件检测结果和所述告警事件，确定设备间的故障信息。
在一种可能的实现方式中，所述基于所述异常事件检测结果和所述告警事件，确定设备间的故障信息之后，还包括：
基于所述告警事件的类型、所述告警事件的发生频次、故障响应时间、以及所述异常事件检测结果，对所述设备间进行评价，获得所述设备间的评价结果。
在一种可能的实现方式中，所述基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息之后，还包括：
对所述故障信息进行可视化处理，获得可视化处理后的故障信息；
在显示设备上显示所述可视化处理后的故障信息。
在一种可能的实现方式中，所述基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息之后，还包括：
根据所述故障信息，确定所述故障信息对应的处理策略；
基于所述处理策略，控制所述设备间的对应设备进行故障处理。
第二方面：本申请实施例提供一种设备间故障确定装置，包括：
获取单元、输入单元、比对单元以及确定单元；
所述获取单元，用于获取设备间的数据采集设备所采集的数据；
所述输入单元，用于将所述数据输入目标检测模型，检测设备间是否发生异常事件，获得异常事件检测结果；将所述数据输入趋势预测模型，确定所述数据的标准区间；
所述比对单元，用于将所述数据的值与所述数据的标准区间进行比对，获得比对结果；
所述确定单元，用于基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。
在一种可能的实现方式中，所述输入单元，具体用于：
将所述数据输入趋势预测模型，生成所述数据的动态基线；
基于所述数据的动态基线，确定所述数据的标准区间。
在一种可能的实现方式中，所述输入单元，具体用于：
将所述设备间所处地域的外部环境信息以及所述数据输入趋势预测模型，确定所述数据的标准区间。
在一种可能的实现方式中，所述确定单元，具体用于：
当所述比对结果为所述数据的值在所述数据的标准区间之外时，生成告警事件；
基于所述异常事件检测结果和所述告警事件，确定设备间的故障信息。
在一种可能的实现方式中，所述装置，还包括：评价单元；
所述评价单元，用于基于所述告警事件的类型、所述告警事件的发生频次、故障响应时间、以及所述异常事件检测结果，对所述设备间进行评价，获得所述设备间的评价结果。
在一种可能的实现方式中，所述装置，还包括：可视化单元；
所述可视化单元，用于对所述故障信息进行可视化处理，获得可视化处理后的故障信息；在显示设备上显示所述可视化处理后的故障信息。
在一种可能的实现方式中，所述装置，还包括：控制单元；
所述控制单元，用于根据所述故障信息，确定所述故障信息对应的处理策略；基于所述处理策略，控制所述设备间的对应设备进行故障处理。
第三方面：本申请实施例提供一种电子设备，所述电子设备包括：处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行如上所述的一种设备间故障确定方法的步骤。
第四方面：本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质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如上所述的一种设备间故障确定方法的步骤。
相较于现有技术，本申请具有以下有益效果：
本申请实施例提供一种设备间故障确定方法、装置、设备及存储介质，通过获取设备间的数据采集设备所采集的数据；将所述数据输入目标检测模型，可以实时检测设备间是否发生异常事件，以获得异常事件检测结果；将所述数据输入趋势预测模型，可以对设备间可能会出现的故障进行预测，确定所述数据的标准区间。在此基础上，将所述数据的值与所述数据的标准区间进行比对，获得比对结果。基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。本申请实施例提供的方法提高了设备间的自动化程度，可以依靠电子设备实现设备间故障的自动确定，无需人工巡检以保障设备间的安全，有效提高了故障确定效率。
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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种设备间故障确定方法的流程图；
图2为本申请实施例提供的一种可视化流程示意图；
图3为本申请实施例提供一种设备间故障确定装置的结构示意图；
图4为本申请实施例提供的一种软件结构示例图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
正如前文所述，目前在银行网点的设备间存在异常的情况下，通常需要由专职人员到现场进行故障排查以及报障。
随着银行业务的快速发展，银行网点设备间的管理也面临更大的挑战。第一方面，虽然银行网点的数量较多，但是设备间的专职人员数量较少；第二方面，银行网点分布广，对于位处偏远地区的银行网点，由专职人员到现场巡检、排查故障需要耗费大量的人力资源和时间成本；第三方面，受气候、地理位置等外部环境、以及维护不当等客观因素影响，设备间可能会出现高温、高湿、漏水等问题，容易导致设备间的设备发生故障；第四方面，在银行网点人员合规意识薄弱的情况下，可能会因人为因素引发不合规行为，进而给设备间的安全埋下隐患。
目前由专职人员到现场进行故障排查以及报障的方法，高度依赖人工，在银行网点数量多、分布广，且专职人员数量少的情况下，难以及时发现设备间中设备的故障、以及设备间中存在的安全隐患，存在故障确定效率低的问题。
基于此，本申请实施例提供一种设备间故障确定方法，通过获取设备间的数据采集设备所采集的数据；将所述数据输入目标检测模型，可以实时检测设备间是否发生异常事件，以获得异常事件检测结果；将所述数据输入趋势预测模型，可以对设备间可能会出现的故障进行预测，确定所述数据的标准区间。在此基础上，将所述数据的值与所述数据的标准区间进行比对，获得比对结果。基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。本申请实施例提供的方法提高了设备间的自动化程度，可以依靠电子设备实现设备间故障的自动确定，无需专职人员到现场进行故障排查以及报障，有效提高了故障确定效率，保障了设备间的安全。
下面结合图1对本申请实施例提供的设备间故障确定方法进行介绍，该图为本申请实施例提供的一种设备间故障确定方法的流程图，包括S101-S104。
S101、获取设备间的数据采集设备所采集的数据。
本申请实施例中，设备间的数据采集设备可以包括但不限于设备间的摄像头、温度传感器、湿度传感器以及设备性能采集器等。
基于物联网，可以实时获取由设备间的摄像头采集的设备间场景画面、由温度传感器实时采集设备间的温度、由湿度传感器实时采集设备间的湿度、由设备性能采集器实时采集的对应设备的运行状态。
S102、将所述数据输入目标检测模型，检测设备间是否发生异常事件，获得异常事件检测结果；将所述数据输入趋势预测模型，确定所述数据的标准区间。
本申请实施例中，目标检测模型可以用于检测设备间是否发生异常事件，例如是否有杂物堆积、是否漏水、是否有违规进出等情况。
目标检测模型可以是将设备间的海量检测录像作为数据集进行训练得到。其中，海量检测录像可以由设备间的摄像头对设备间的场景画面进行采集得到。
在一示例中，获得海量检测录像后，可以对海量检测录像中的场景画面进行标注，得到标注后的数据集。例如，将存在杂物堆积的情况的场景画面标注为杂物堆积；将存在漏水情况的场景画面标注为漏水；在设备间规定不允许单人进入的情况下，将仅有一人进入设备间的场景画面标注为违规进出。
基于标注后的数据集对模型进行训练可以得到目标检测模型，将数据采集设备所采集的数据输入该目标检测模型，可以在设备间存在杂物堆积的情况下，输出异常事件检测结果为存在杂物堆积；在设备间存在漏水情况时，输出异常事件检测结果为漏水；在设备间中仅检测到一人时，输出异常事件检测结果为违规进出；在检测设备间未发生功能异常事件的情况下，可以输出异常事件检测结果为正常。
可以理解的是，本申请实施例中对异常事件的类型不做具体限定，上述仅为示例。
趋势预测模型可以是基于设备间的数据采集设备所采集的数据进行训练得到，用于基于采集到的数据对设备间未来可能会发生的故障进行预测。
在一种可能的实现方式中，通过将所述数据输入趋势预测模型，可以生成所述数据的动态基线；基于所述数据的动态基线，确定所述数据的标准区间。
其中，动态基线，是指基线值会随着时间或其他变量的变化而动态调整的基线。基线通常是一个参考标准或期望值，用于与设备间的实际数据进行比较，从而评估设备间数据、设备的性能或状态。
本申请实施例中通过实时采集的数据可以生成动态调整的基线，基于该动态调整的基线可以动态调整数据的标准区间，便于在发生故障或存在安全隐患的情况下及时告警。在一实例中，基于该动态调整的基线可以动态调整数据的阈值，以及数据的阈值确定数据的标准区间，数据的标准区间，为该数据的正常取值范围。
由于设备间的设备状态受所处地域的外部环境条件的影响，在一种可能的实现方式中，为提高确定出的数据标准区间的准确性，可以将所述设备间所处地域的外部环境信息以及所述数据输入趋势预测模型，以确定所述数据的标准区间。
其中，所处地域的外部环境信息可以包括但不限于当地气候、气压等。示例性的，对于一些湿度较大地域的设备间，设备受湿度的影响可能易出现故障。相比于湿度较小地域的设备间，湿度较大地域的设备间与湿度相关的一些数据的湿度阈值可能较低。
S103、将数据的值与所述数据的标准区间进行比对，获得比对结果。
示例性的，将设备间的温度与温度标准区间进行比对，可以确定当前设备间的温度是否超过温度标准区间；将设备间的湿度与湿度标准区间进行比对，可以确定当前设备间的湿度是否超过湿度标准区间。
S104、基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。
在一种可能的实现方式中，当所述比对结果为所述数据的值在所述数据的标准区间之外时，可以生成告警事件。在此基础上，基于所述异常事件检测结果和所述告警事件，确定设备间的故障信息。
本申请实施例中，基于所述异常事件检测结果以及所述比对结果，可以确定同一时间段内全量事件之间的关联关系，过滤多重干扰因素的影响，确定设备间的故障信息。
示例性的，在设备间突发市电中断的情况下，UPS会开始放电，通过UPS供电的设备可以正常运行，未被UPS供电的设备会停止运行，如空调等会停止运行、物联网连接中断。
UPS开始放电可以导致UPS供电数据在标准区间之外，触发UPS供电告警；且使UPS电量在UPS电量的标准区间之外，即UPS电量低于UPS电量阈值，触发UPS电量告警。由于空调停止运行，温度可能会处于标准区间之外，即温度超过温度阈值，触发温度告警；由于物联网连接中断，会触发空调不在线告警等。
基于系列连锁反应导致的这些告警事件以及异常事件检测结果进行综合分析，可以确定设备间的故障信息为设备间突发市电中断。
在一种可能的实现方式中，基于所述异常事件检测结果和所述告警事件，确定设备间的故障信息之后，还可以基于所述告警事件的类型、所述告警事件的发生频次、故障响应时间、以及所述异常事件检测结果等，对所述设备间进行评价，获得所述设备间的评价结果。
其中，该评价结果可以是评分，也可以是评价等级。
在一示例中，基于各设备间的评价结果，可以确定各银行网点的设备间的评价结果。
以评价结果为评分举例，每个银行网点下包括多个设备间，可以对各设备间进行评价得到各设备间的评分，将各设备间的评分的均值作为对该银行网点设备间的评分。
在另一示例中，基于各银行网点的设备间的评价结果，可以确定对应分行的设备间的评价结果。
示例性的，每个分行下包括多个银行网点，每个银行网点下包括多个设备间，基于各银行网点下的各设备间评分，可以确定各银行网点的设备间的评分，在此基础上，可以将各银行网点的设备间的评分的均值作为对该分行的设备间的评分。
本申请实施例中，可以从单个设备间、银行网点、分行等层级出发，建立多级评价体系，从各层级对设备间的管理水平、人员的合规意识进行评估，以保障设备间的正常运行。
在一种可能的实现方式中，所述基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息之后，还可以对所述故障信息进行可视化处理，获得可视化处理后的故障信息；在显示设备上显示所述可视化处理后的故障信息。
示例性的，可视化处理后的故障信息可以包括但不限于发生故障的设备、设备的位置、故障类型、处理策略等。
此外，为便于工作人员维护设备间，在显示设备上可以显示由采集设备实时采集的数据、对设备间的评价结果等。其中，设备间的评价结果可以以设备间为单位进行显示、也可以以银行网点为单位进行显示、也可以以分行为单位进行显示，也可以同时以多种层级为单位进行显示。
如图2所示，该图为本申请实施例提供的一种可视化流程示意图。本申请实施例中，可以通过建立科学评价模型，科学评价模型根据设备间内采集设备采集的数据、告警事件的发生频次、故障响应时间、以及智能化分析结果可以对设备间进行评价，并建立多级评价体系。其中，智能化分析结果可以包括但不限于异常事件检测结果、确定出的故障信息等。
建立可视化模型，基于多级评价体系、采集设备采集的数据等，多方位展示设备间的实时场景画面、各项指标、告警事件的相关信息等，以辅助工作人员对故障进行分析、提高决策效率。
在一种可能的实现方式中，所述基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息之后，还可以根据所述故障信息，确定所述故障信息对应的处理策略；基于所述处理策略，控制所述设备间的对应设备进行故障处理。
例如，基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息为设备间温度过高后，可以控制设备间的制冷设备，如调节空调温度，以降低设备间的温度。
综上所述，本申请实施例提供的方法提高了设备间的自动化程度，可以依靠电子设备实现设备间故障的自动确定，无需专职人员到现场进行故障排查以及报障，有效提高了故障确定效率，保障了设备间的安全。
同时，通过智能控制可以自动采取应对措施，大幅减少故障处理时间，有效降低运行风险。通过对设备间进行评价，实现对设备间管理水平的量化评估，为上级单位考核提供有力依据，充分发挥考核的指挥棒作用，促进管理水平和合规意识提高。本申请实施例提供的方法，可以复用银行网点设备间中已有的物联网和采集设备，能够在降低投入成本的同时，减少巡检所带来的碳排放和设备间的用电量。
本申请提供一种设备间故障确定装置，如图3所示，该图为本申请实施例提供一种设备间故障确定装置的结构示意图，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
本申请实施例提供的一种设备间故障确定装置1100，包括：
获取单元1101、输入单元1102、比对单元1103以及确定单元1104；
所述获取单元1101，用于获取设备间的数据采集设备所采集的数据；
所述输入单元1102，用于将所述数据输入目标检测模型，检测设备间是否发生异常事件，获得异常事件检测结果；将所述数据输入趋势预测模型，确定所述数据的标准区间；
所述比对单元1103，用于将所述数据的值与所述数据的标准区间进行比对，获得比对结果；
所述确定单元1104，用于基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。
在一种可能的实现方式中，所述输入单元，具体用于：
将所述数据输入趋势预测模型，生成所述数据的动态基线；
基于所述数据的动态基线，确定所述数据的标准区间。
在一种可能的实现方式中，所述输入单元，具体用于：
将所述设备间所处地域的外部环境信息以及所述数据输入趋势预测模型，确定所述数据的标准区间。
在一种可能的实现方式中，所述确定单元，具体用于：
当所述比对结果为所述数据的值在所述数据的标准区间之外时，生成告警事件；
基于所述异常事件检测结果和所述告警事件，确定设备间的故障信息。
在一种可能的实现方式中，所述装置，还包括：评价单元；
所述评价单元，用于基于所述告警事件的类型、所述告警事件的发生频次、故障响应时间、以及所述异常事件检测结果，对所述设备间进行评价，获得所述设备间的评价结果。
在一种可能的实现方式中，所述装置，还包括：可视化单元；
所述可视化单元，用于对所述故障信息进行可视化处理，获得可视化处理后的故障信息；在显示设备上显示所述可视化处理后的故障信息。
在一种可能的实现方式中，所述装置，还包括：控制单元；
所述控制单元，用于根据所述故障信息，确定所述故障信息对应的处理策略；基于所述处理策略，控制所述设备间的对应设备进行故障处理。
综上所述，本申请实施例提供的装置提高了设备间的自动化程度，可以依靠电子设备实现设备间故障的自动确定，无需专职人员到现场进行故障排查以及报障，有效提高了故障确定效率，保障了设备间的安全。
同时，通过智能控制可以自动采取应对措施，大幅减少故障处理时间，有效降低运行风险。通过对设备间进行评价，实现对设备间管理水平的量化评估，为上级单位考核提供有力依据，充分发挥考核的指挥棒作用，促进管理水平和合规意识提高。本申请实施例提供的方法，可以复用银行网点设备间中已有的物联网和采集设备，能够在降低投入成本的同时，减少巡检所带来的碳排放和设备间的用电量。
图4是本申请实施例提供的一种软件结构示例图。
分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将系统分为五层，从上至下分别为应用展示层、功能层、服务层、数据层以及资源层。
资源层包括摄像头、温度传感器、湿度传感器、设备性能采集器以及物联网等。其中，物联网可以用于网络连接；摄像头可以用于实时采集设备间的场景画面；温度传感器可以用于实时采集设备间的温度；湿度传感器可以用于实时采集设备间的湿度；设备性能采集器可以用于实时采集的对应设备的运行状态。
数据层包括关系型数据库管理系统(MYSQL)和开源的高扩展的分布式全文搜索引擎(ElasticSearch)。
服务层包括目标检测模型、趋势预测模型以及故障溯源模型。其中，目标检测模型和趋势预测模型可以用于执行上述S102；故障溯源模型可以用于执行上述S103-S104。
功能层包括告警模块、智能控制模块、智能评价模块。
其中，告警模块可以用于基于告警事件进行告警，在一示例中，根据不同地区的不同情况、不同用户的不同需求，可以定制对应的告警阈值，告警模块可以按照相应规则进行告警，实现实时告警和定制告警。
智能控制模块可以用于控制设备自动关机，自动开关空调，自动控制空调的风向，加速高温区域的降温；通过安装准入控制设备，智能控制模块还可以用于禁止未经允许的物品和人员进入设备间，由此有效减轻设备间违规堆积杂物和违规进出的情况。
智能评价模块可以用于对设备间进行评价，获得评价结果。
展示层包括可视化模型。本申请实施例中，该可视化模型可以基于数字孪生技术、超文本标记语言(HTML)、Javascript中的至少一种建立。该可视化模型用于对所述故障信息进行可视化处理，获得可视化处理后的故障信息；在显示设备上显示所述可视化处理后的故障信息。
本申请实施例提供一种电子设备，所述电子设备包括：处理器以及存储器；所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行如上所述的一种设备间故障确定方法的步骤。
本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质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如上所述的一种设备间故障确定方法的步骤。
以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种设备间故障确定方法，其特征在于，包括：
获取设备间的数据采集设备所采集的数据；
将所述数据输入目标检测模型，检测设备间是否发生异常事件，获得异常事件检测结果；将所述数据输入趋势预测模型，确定所述数据的标准区间；
将所述数据的值与所述数据的标准区间进行比对，获得比对结果；
基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述数据输入趋势预测模型，确定所述数据的标准区间，包括：
将所述数据输入趋势预测模型，生成所述数据的动态基线；
基于所述数据的动态基线，确定所述数据的标准区间。
3.根据权利要求1所述的方法，其特征在于，所述将所述数据输入趋势预测模型，确定所述数据的标准区间，包括：
将所述设备间所处地域的外部环境信息以及所述数据输入趋势预测模型，确定所述数据的标准区间。
4.根据权利要求1所述的方法，其特征在于，所述基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息，包括：
当所述比对结果为所述数据的值在所述数据的标准区间之外时，生成告警事件；
基于所述异常事件检测结果和所述告警事件，确定设备间的故障信息。
5.根据权利要求4所述的方法，其特征在于，所述基于所述异常事件检测结果和所述告警事件，确定设备间的故障信息之后，还包括：
基于所述告警事件的类型、所述告警事件的发生频次、故障响应时间、以及所述异常事件检测结果，对所述设备间进行评价，获得所述设备间的评价结果。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息之后，还包括：
对所述故障信息进行可视化处理，获得可视化处理后的故障信息；
在显示设备上显示所述可视化处理后的故障信息。
7.根据权利要求1-5任一项所述的方法，其特征在于，所述基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息之后，还包括：
根据所述故障信息，确定所述故障信息对应的处理策略；
基于所述处理策略，控制所述设备间的对应设备进行故障处理。
8.一种设备间故障确定装置，其特征在于，包括：
获取单元、输入单元、比对单元以及确定单元；
所述获取单元，用于获取设备间的数据采集设备所采集的数据；
所述输入单元，用于将所述数据输入目标检测模型，检测设备间是否发生异常事件，获得异常事件检测结果；将所述数据输入趋势预测模型，确定所述数据的标准区间；
所述比对单元，用于将所述数据的值与所述数据的标准区间进行比对，获得比对结果；
所述确定单元，用于基于所述异常事件检测结果以及所述比对结果，确定设备间的故障信息。
9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行如权利要求1-7任一项所述的一种设备间故障确定方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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如权利要求1-7任一项所述的一种设备间故障确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411464336.3A CN119417450A (zh) | 2024-10-18 | 2024-10-18 | 一种设备间故障确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411464336.3A CN119417450A (zh) | 2024-10-18 | 2024-10-18 | 一种设备间故障确定方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN119417450A true CN119417450A (zh) | 2025-02-11 |
Family
ID=94464771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411464336.3A Pending CN119417450A (zh) | 2024-10-18 | 2024-10-18 | 一种设备间故障确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119417450A (zh) |
-
2024
- 2024-10-18 CN CN202411464336.3A patent/CN119417450A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109065135B (zh) | 一种医院后勤设备全生命周期管理云平台、方法和系统 | |
| WO2022160413A1 (zh) | 电力生产异常监控方法、装置、计算机设备和存储介质 | |
| CN113408878A (zh) | 基于多源信息的电缆隧道运行状态评价方法及区域控制系统 | |
| CN118552178A (zh) | 基于机器学习与边缘计算的电力设备健康监测系统及方法 | |
| CN109040278A (zh) | 医院电气及动力系统安全智能管理云平台、方法及系统 | |
| CN110601374A (zh) | 一种用电管理系统及用电数据监测方法 | |
| CN117937768B (zh) | 智能电气柜远程监控系统 | |
| CN117150298B (zh) | 基于深度学习的地铁fas火灾报警系统的调试方法 | |
| KR100354786B1 (ko) | 네트워크를 이용한 공조 및 냉동/냉장 설비의통합관리시스템 및 그 제어방법 | |
| CN118070199A (zh) | 一种电力设备检测方法及检测系统 | |
| CN118405025B (zh) | 一种消防车电池管理系统 | |
| CN100412993C (zh) | 基于状态监测的核电厂智能维护系统 | |
| CN117391675A (zh) | 一种数据中心基础设施运维管理方法 | |
| CN118469498A (zh) | 基于物联网的智慧管廊远程监控与智能化管理方法 | |
| KR101806467B1 (ko) | 다수의 지역 발전소들의 통합관리 운영시스템 | |
| CN118274977B (zh) | 一种基于视频分析异常温度检测预警方法及系统、介质 | |
| CN105302476B (zh) | 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 | |
| CN118426394A (zh) | 一种基于物联网的智能建筑能源运维方法及系统 | |
| CN119417450A (zh) | 一种设备间故障确定方法、装置、设备及存储介质 | |
| CN118247902A (zh) | 一种基于大数据的大坝消防预警方法及消防系统 | |
| CN116582339B (zh) | 一种智能楼宇网络安全监控方法、监控系统 | |
| CN118328004A (zh) | 一种集中烟道系统的静压重置变频控制方法 | |
| CN117728568A (zh) | 一种基于大数据融合的台区断电监测及安全运行保障方法 | |
| CN118889692B (zh) | 一种配电柜智能监测预警系统 | |
| CN114241400A (zh) | 电网系统的监控方法及其装置、计算机可读存储介质 |
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 |