CN110134040B - 工业设备的运行数据的处理方法及*** - Google Patents
工业设备的运行数据的处理方法及*** Download PDFInfo
- Publication number
- CN110134040B CN110134040B CN201910376599.1A CN201910376599A CN110134040B CN 110134040 B CN110134040 B CN 110134040B CN 201910376599 A CN201910376599 A CN 201910376599A CN 110134040 B CN110134040 B CN 110134040B
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- execution list
- target
- historical
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种工业设备的运行数据的处理方法及***,所述处理方法包括:获取工业设备在历史设定时间内的历史运行参数数据;获取历史运行参数特征信息;预设数据处理步骤,根据历史运行参数特征信息推荐数据处理步骤,并根据推荐的数据处理步骤对历史运行参数数据进行处理;根据处理后的历史运行参数数据建立状态获取模型;获取工业设备在目标设定时间内的目标运行参数数据;将目标运行参数数据输入至状态获取模型获取工业设备的运行状态。本发明中通过自动推荐分析步骤来实现对运行参数数据的自动分析过程,即引导用户完成自助式数据分析过程,从而提高后续建立的模型的模型精度,提高模型的预测结果,提高对工业而工业设备的分析准确性。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种工业设备的运行数据的处理方法及***。
背景技术
目前,随着工业设备的智能化水平不断提升,工业设备的远程状态监测与智能运维逐渐受到企业的重视,例如风力发电机的无人值守。工业设备远程智能运维的基础是采集工业设备的实时运行参数,并对其进行分析,进而掌握工业设备的实时运行状态,判断是否发生异常,或者预测其未来的状态,实现预测与维护等操作。
为了提高工业设备数据分析的效率,降低数据分析的门槛,辅助工程师快速、便捷的完成数据分析,将其专业知识以最便捷的方式融入到数据分析中,现有的一般采用拖拽式操作,即将数据分析中相对标准化的模块进行组合之后,采用图形化的方式,便可完成数据分析流程的构建,进而完成数据分析和结果展示。但是,即使将必要的分析功能模块化,在分析过程中,仍然有许多步骤需要用户根据具体问题的特点进行选择,而这些选择下一步具体采取何种步骤的过程依然需要用户对数据分析有着相对较深刻的理解。因此,现有的工业设备数据分析过程仍需人工过多参与分析,不能实现对采集的数据进行自动化地分析;同时存在对工业设备的运行状态分析结果的准确性不高。
发明内容
本发明要解决的技术问题是现有技术中工业设备数据处理方法存在无法实现对采集的数据进行自助式地分析且存在分析准确性不高等缺陷,目的在于提供一种工业设备的运行数据的处理方法及***。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种工业设备的运行数据的处理方法,所述处理方法包括:
获取工业设备在历史设定时间内的历史运行参数数据;
对所述历史运行参数数据进行特征分析处理,获取历史运行参数特征信息;
预设数据处理步骤,其中所述数据处理步骤与不同的所述历史运行参数特征信息一一对应设置;
根据所述历史运行参数特征信息推荐数据处理步骤;
根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理。
较佳地,不同的所述历史运行参数特征信息对应不同的处理优先级;
所述根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理的步骤之前还包括:
根据不同的所述历史运行参数特征信息的处理优先级将对应的所述数据处理步骤依次排序,形成所述第一步骤执行列表;
根据所述第一步骤执行列表中的所述数据处理步骤对所述历史运行参数数据进行处理。
较佳地,所述根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理的步骤包括:
依次推荐所述第一步骤执行列表中的排序从前至后的所述数据处理步骤,并依次根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理。
较佳地,所述根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理的步骤包括:
根据数据库中存储的所述工业设备的历史工作流,统计出紧接排序在一个所述数据处理步骤之后的其他数据处理步骤出现的频次,并根据所述频次得到所述第二步骤执行列表;
将所述第一步骤执行列表和所述第二步骤执行列表进行整合,获取目标步骤执行列表;
其中,对于同时出现在所述第一步骤执行列表中和所述第二步骤执行列表中的数据处理步骤的处理优先级最高;
只出现在所述第一步骤执行列表的数据处理步骤的处理优先级高于只出现在所述第二步骤执行列表的算法;
处理优先级越高的数据处理步骤,在所述目标推荐列表中的排序位置越靠前;
依次推荐所述目标步骤执行列表中的排序从前至后的所述数据处理步骤,并依次根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理。
较佳地,当所述运行参数特征信息包括缺失值、特征类型、特征数量、不同类别的样本数量和特征值域信息时,所述第一步骤执行列表中的排序从前至后的所述数据处理步骤包括:
对所述运行参数特征信息进行缺失值处理、在所述特征类型不属于目标类型时对所述运行参数特征信息进行特征编码处理、在所述特征数量达到设定阈值时对所述运行参数特征信息进行降维处理、对不同类别的样本数量属于不平衡样本时对所述运行参数特征信息采用欠采样或过采样的方法进行处理、对所述运行参数特征信息进行数据标准化处理;
其中,所述缺失值、所述特征类型、所述特征数量、所述不同类别的样本数量和所述特征值域信息对应的处理优先级依次降低。
较佳地,所述根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理的步骤还包括:
根据处理后的所述历史运行参数数据建立状态获取模型;
获取所述工业设备在目标设定时间内的目标运行参数数据;
将所述目标运行参数数据输入至所述状态获取模型获取所述工业设备的运行状态。
较佳地,所述根据处理后的所述历史运行参数数据建立状态获取模型的步骤包括:
推荐建模算法列表;
在推荐的所述建模算法列表中选择目标算法,并采用所述目标算法建立所述状态获取模型。
本发明还提供一种工业设备的运行数据的处理***,所述处理***包括历史参数获取模块、历史特征信息获取模块、预设模块、步骤推荐模块和数据处理模块;
所述历史参数获取模块用于获取工业设备在历史设定时间内的历史运行参数数据;
所述历史特征信息获取模块用于对所述历史运行参数数据进行特征分析处理,获取历史运行参数特征信息;
所述预设模块用于预设数据处理步骤,其中所述数据处理步骤与不同的所述历史运行参数特征信息一一对应设置;
所述步骤推荐模块用于根据所述历史运行参数特征信息推荐数据处理步骤;
所述数据处理模块用于根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理。
较佳地,不同的所述历史运行参数特征信息对应不同的处理优先级;
所述处理***还包括第一执行列表获取模块;
所述第一执行列表获取模块用于根据不同的所述历史运行参数特征信息的处理优先级将对应的所述数据处理步骤依次排序,形成所述第一步骤执行列表;
所述数据处理模块用于根据所述第一步骤执行列表中的所述数据处理步骤对所述历史运行参数数据进行处理。
较佳地,所述步骤推荐模块用于依次推荐所述第一步骤执行列表中的排序从前至后的所述数据处理步骤,并依次根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理。
较佳地,所述处理***还包括第二执行列表获取模块和目标执行列表获取模块;
所述第二执行列表获取模块用于根据数据库中存储的所述工业设备的历史工作流,统计出紧接排序在一个所述数据处理步骤之后的其他数据处理步骤出现的频次,并根据所述频次得到所述第二步骤执行列表;
所述目标执行列表获取模块用于将所述第一步骤执行列表和所述第二步骤执行列表进行整合,获取目标步骤执行列表;
其中,对于同时出现在所述第一步骤执行列表中和所述第二步骤执行列表中的数据处理步骤的处理优先级最高;
只出现在所述第一步骤执行列表的数据处理步骤的处理优先级高于只出现在所述第二步骤执行列表的算法;
处理优先级越高的数据处理步骤,在所述目标推荐列表中的排序位置越靠前;
所述步骤推荐模块用于依次推荐所述目标步骤执行列表中的排序从前至后的所述数据处理步骤,并调用所述数据处理模块依次根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理。
较佳地,当所述运行参数特征信息包括缺失值、特征类型、特征数量、不同类别的样本数量和特征值域信息时,所述第一步骤执行列表中从前向后依次排序的所述数据处理步骤包括:
对所述运行参数特征信息进行缺失值处理、在所述特征类型不属于目标类型时对所述运行参数特征信息进行特征编码处理、在所述特征数量达到设定阈值时对所述运行参数特征信息进行降维处理、对不同类别的样本数量属于不平衡样本时对所述运行参数特征信息采用欠采样或过采样的方法进行处理、对所述运行参数特征信息进行数据标准化处理;
其中,所述缺失值、所述特征类型、所述特征数量、所述不同类别的样本数量和所述特征值域信息对应的处理优先级依次降低。
较佳地,所述处理***还包括算法列表推荐模块和目标算法选择模块;
所述算法列表推荐模块用于推荐建模算法列表;
所述目标算法选择模块用于在推荐的所述建模算法列表中选择目标算法,并调用所述模型建立模块采用所述目标算法建立所述状态获取模型。
较佳地,所述处理***还包括模型建立模块、目标参数获取模块和状态获取模块;
所述模型建立模块用于根据处理后的所述历史运行参数数据建立状态获取模型;
所述目标参数获取模块用于获取所述工业设备在目标设定时间内的目标运行参数数据;
所述状态获取模块用于将所述目标运行参数数据输入至所述状态获取模型获取所述工业设备的运行状态。
本发明的积极进步效果在于:
本发明中,在获取工业设备的运行参数数据后,提取出运行参数数据的运行参数特征信息,然后对于运行参数特征信息依次推荐数据处理步骤,并根据依次推荐的数据处理步骤对运行参数数据进行处理,通过自动推荐分析步骤来实现对运行参数数据的自动分析过程,即引导用户完成自助式数据分析过程,从而提高后续建立的模型的模型精度,提高模型的预测结果,提高对工业而工业设备的分析准确性;同时,克服现有的数据分析过程需要用户需要参与分析的缺陷,使得用户能够专注与业务问题本身,提升了用户体验。
附图说明
图1为本发明实施例1的工业设备的运行数据的处理方法的流程图。
图2为本发明实施例2的工业设备的运行数据的处理方法的流程图。
图3为本发明实施例3的工业设备的运行数据的处理方法的流程图。
图4为本发明实施例4的工业设备的运行数据的处理***的模块示意图。
图5为本发明实施例5的工业设备的运行数据的处理***的模块示意图。
图6为本发明实施例6的工业设备的运行数据的处理***的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例的工业设备的运行数据的处理方法包括:
S101、获取工业设备在历史设定时间内的历史运行参数数据;
S102、对历史运行参数数据进行特征分析处理,获取历史运行参数特征信息;
S103、预设数据处理步骤;
其中,数据处理步骤与不同的历史运行参数特征信息一一对应设置。
S104、根据历史运行参数特征信息推荐数据处理步骤;
S105、根据推荐的数据处理步骤对历史运行参数数据进行处理;
即基于历史运行参数数据的具体特征信息,自动给推荐对历史运行参数数据下一步采取何种数据处理步骤,并且在一个数据处理步骤处理完毕后,继续推荐下一步的数据处理步骤,从而实现自动化分析数据的目的。
该数据分析过程中,用户只需根据推荐的数据处理步骤确认执行即可,且用户可以根据实际需求,跳过某一数据处理步骤,再继续执行推荐的下一步的数据处理步骤。
本实施例中,在获取工业设备的历史运行参数数据后,提取出历史运行参数数据的历史运行参数特征信息,然后根据历史运行参数特征信息推荐数据处理步骤,并根据推荐的数据处理步骤对运行参数数据进行处理,通过自动推荐分析步骤来实现对运行参数数据的自动分析过程,即引导用户完成自助式数据分析过程,从而提高后续建立的模型的模型精度,提高模型的预测结果,提高对工业而工业设备的分析准确性;同时,克服现有的数据分析过程需要用户需要参与分析的缺陷,使得用户能够专注与业务问题本身,提升了用户体验。
实施例2
如图2所示,本实施例的工业设备的运行数据的处理方法是对实施例1的进一步改进,具体地:
不同的历史运行参数特征信息对应不同的处理优先级。
步骤103之后、步骤S104之前还包括:
S10401、根据不同的历史运行参数特征信息的处理优先级将对应的数据处理步骤依次排序,形成第一步骤执行列表;
步骤S104包括:
S1041、依次推荐第一步骤执行列表中的排序从前至后的数据处理步骤;
步骤S105包括:
S1051、依次根据推荐的数据处理步骤对历史运行参数数据进行处理。
例如:当运行参数特征信息包括缺失值、特征类型、特征数量、不同类别的样本数量和特征值域信息时,其中,缺失值、特征类型、特征数量、不同类别的样本数量和特征值域信息对应的处理优先级依次降低。
此时,第一步骤执行列表中从前向后依次排序的数据处理步骤包括:
当运行参数特征信息包括缺失值时,则对运行参数特征信息进行缺失值处理;
判断特征类型是否属于目标类型如label类型(一种数据类型),若属于,则对运行参数特征信息进行特征编码处理;
判断特征数量达到设定阈值时,若达到,则对运行参数特征信息进行选择处理或降维处理;
判断不同类别的样本数量是否属于不平衡样本,若属于,则对运行参数特征信息采用欠采样或过采样的方法进行处理;
当运行参数特征信息包括特征值域信息时,则对运行参数特征信息进行数据标准化处理。
上述的不同的历史运行参数特征信息的处理优先级是根据实际经验确定。
步骤S105之后还包括:
S106、根据处理后的历史运行参数数据建立状态获取模型;具体地:
S1061、推荐建模算法列表;
S1062、在推荐的建模算法列表中选择目标算法,并采用目标算法建立状态获取模型。
S107、获取工业设备在目标设定时间内的目标运行参数数据;
S108、将目标运行参数数据输入至状态获取模型获取工业设备的运行状态。
另外,本实施例中在一个步骤执行完毕后就会向用户自动推荐下一个执行步骤,直至完成了流程的构建,即在用户选择不再继续执行后续流程时停止推荐,或者步骤推荐无法得到任何结果时停止推荐。
本实施例中,在获取工业设备的历史运行参数数据后,提取出历史运行参数数据的历史运行参数特征信息,然后根据历史运行参数特征信息依次推荐数据处理步骤,并依次根据推荐的数据处理步骤对运行参数数据进行处理,通过自动推荐分析步骤来实现对运行参数数据的自动分析过程,即引导用户完成自助式数据分析过程,从而提高后续建立的模型的模型精度,提高模型的预测结果,提高对工业而工业设备的分析准确性;同时,克服现有的数据分析过程需要用户需要参与分析的缺陷,使得用户能够专注与业务问题本身,提升了用户体验。
实施例3
如图3所示,本实施例的工业设备的运行数据的处理方法是对实施例1的进一步改进,具体地:
本实施例中采用实施例2中的第一步骤执行列表。
步骤S103、之后步骤S104之前还包括:
S10402、根据数据库中存储的工业设备的历史工作流,统计出紧接排序在一个数据处理步骤之后的其他数据处理步骤出现的频次,并根据频次得到第二步骤执行列表;
S10403、将第一步骤执行列表和第二步骤执行列表进行整合,获取目标步骤执行列表;
其中,对于同时出现在第一步骤执行列表中和第二步骤执行列表中的数据处理步骤的处理优先级最高;
只出现在第一步骤执行列表的数据处理步骤的处理优先级高于只出现在第二步骤执行列表的算法;
处理优先级越高的数据处理步骤,在目标推荐列表中的排序位置越靠前;
步骤S104包括:
S1042、依次推荐目标步骤执行列表中的排序从前至后的数据处理步骤,
步骤S105包括:
S1052、依次根据推荐的数据处理步骤对历史运行参数数据进行处理。
下面结合实例具体说明:
以某台风力发电机为例,在数据库中存储有该风机在历史设定时间内的历史运行参数数据,如风速、风向、功率、天气预报等,其按照时间顺序依次保存在数据库中,形成对应的时间序列;基于这些历史运行参数数据,用户需要解决对风机的风功率预测的问题,具体处理过程如下:
1)导入风力发电机在历史设定时间内的历史运行参数数据;
2)对历史运行参数数据采用数据集特征分析器进行特征分析,获取历史运行参数数据对应的历史运行参数特征信息;
3)当历史运行参数特征信息中包含缺失值时,则第一步骤执行列表中会自动推荐下一步需要对缺失值进行处理;同时,第二步骤执行列表中,在导入数据的缓解后紧接的数据处理步骤有对缺失值进行处理和特征值编码处理,然后将第一步骤执行列表中推荐的数据处理步骤和第二步骤执行列表中推荐的数据处理步骤进行整合,最终确定推荐“对缺失值进行处理”的数据处理步骤,在处理完毕该数据处理步骤后,继续推荐下一个数据处理步骤,确定推荐的数据处理步骤的过程与上述过程类似,此处就不再赘述。
其中,设置历史运行参数特征信息分析处理的最后一个步骤为对历史运行参数特征信息采用标准化算法进行标准化处理,进而获取标准化处理后的历史运行参数特征信息,从而保证后续模型建立的精度。
4)向用户推荐建模算法列表,并将用户在建模算法列表中选择的一算法作为目标算法,采用目标算法根据标准化处理后的历史运行参数特征信息建立状态获取模型;
5)获取风力发电机在目标设定时间内的目标运行参数数据;
6)将目标运行参数数据输入至状态获取模型预测风力发电机的运行状态。本实施例中,在获取工业设备的运行参数数据后,提取出运行参数数据的运行参数特征信息,然后对于运行参数特征信息依次推荐数据处理步骤,并根据依次推荐的数据处理步骤对运行参数数据进行处理,通过自动推荐分析步骤来实现对运行参数数据的自动分析过程,即引导用户完成自助式数据分析过程,从而提高后续建立的模型的模型精度,提高模型的预测结果,提高对工业而工业设备的分析准确性;同时,克服现有的数据分析过程需要用户需要参与分析的缺陷,使得用户能够专注与业务问题本身,提升了用户体验。
实施例4
如图4所示,本实施例的工业设备的运行数据的处理***包括历史参数获取模块1、历史特征信息获取模块2、预设模块3、步骤推荐模块4和数据处理模块5。
历史参数获取模块1用于获取工业设备在历史设定时间内的历史运行参数数据;
历史特征信息获取模块2用于对历史运行参数数据进行特征分析处理,获取历史运行参数特征信息;
预设模块3用于预设数据处理步骤,其中数据处理步骤与不同的历史运行参数特征信息一一对应设置;
步骤推荐模块4用于根据历史运行参数特征信息推荐数据处理步骤;
数据处理模块5用于根据推荐的数据处理步骤对历史运行参数数据进行处理;
即基于历史运行参数数据的具体特征信息,自动给推荐对历史运行参数数据下一步采取何种数据处理步骤,并且在一个数据处理步骤处理完毕后,继续推荐下一步的数据处理步骤,从而实现自动化分析数据的目的。
该数据分析过程中,用户只需根据推荐的数据处理步骤确认执行即可,且用户可以根据实际需求,跳过某一数据处理步骤,再继续执行推荐的下一步的数据处理步骤。
本实施例中,在获取工业设备的历史运行参数数据后,提取出历史运行参数数据的历史运行参数特征信息,然后根据历史运行参数特征信息推荐数据处理步骤,并根据推荐的数据处理步骤对运行参数数据进行处理,通过自动推荐分析步骤来实现对运行参数数据的自动分析过程,即引导用户完成自助式数据分析过程,从而提高后续建立的模型的模型精度,提高模型的预测结果,提高对工业而工业设备的分析准确性;同时,克服现有的数据分析过程需要用户需要参与分析的缺陷,使得用户能够专注与业务问题本身,提升了用户体验。
实施例5
如图5所示,本实施例的工业设备的运行数据的处理***是对实施例5的进一步改进,具体地:
本实施例的工业设备的运行数据的处理***还包括模型建立模块6、目标参数获取模块7和状态获取模块8。
模型建立模块6用于根据处理后的历史运行参数数据建立状态获取模型;
目标参数获取模块7用于获取工业设备在目标设定时间内的目标运行参数数据;
状态获取模块8用于将目标运行参数数据输入至状态获取模型获取工业设备的运行状态。
另外,不同的历史运行参数特征信息对应不同的处理优先级;
处理***还包括第一执行列表获取模块9;
第一执行列表获取模块9用于根据不同的历史运行参数特征信息的处理优先级将对应的数据处理步骤依次排序,形成第一步骤执行列表;
具体地,步骤推荐模块4用于依次推荐第一步骤执行列表中的排序从前至后的数据处理步骤,并调用数据处理模块5依次根据推荐的数据处理步骤对历史运行参数数据进行处理。
例如:当运行参数特征信息包括缺失值、特征类型、特征数量、不同类别的样本数量和特征值域信息时,其中,缺失值、特征类型、特征数量、不同类别的样本数量和特征值域信息对应的处理优先级依次降低。
此时,第一步骤执行列表中从前向后依次排序的数据处理步骤包括:
当运行参数特征信息包括缺失值时,则对运行参数特征信息进行缺失值处理;
判断特征类型是否属于目标类型如label类型(一种数据类型),若属于,则对运行参数特征信息进行特征编码处理;
判断特征数量达到设定阈值时,若达到,则对运行参数特征信息进行选择处理或降维处理;
判断不同类别的样本数量是否属于不平衡样本,若属于,则对运行参数特征信息采用欠采样或过采样的方法进行处理;
当运行参数特征信息包括特征值域信息时,则对运行参数特征信息进行数据标准化处理。
上述的不同的历史运行参数特征信息的处理优先级是根据实际经验确定。
处理***还包括算法列表推荐模块10和目标算法选择模块11;
算法列表推荐模块10用于推荐建模算法列表;
目标算法选择模块11用于在推荐的建模算法列表中选择目标算法,并调用模型建立模块6采用目标算法建立状态获取模型。
另外,本实施例中在一个步骤执行完毕后就会向用户自动推荐下一个执行步骤,直至完成了流程的构建,即在用户选择不再继续执行后续流程时停止推荐,或者步骤推荐无法得到任何结果时停止推荐。
本实施例中,在获取工业设备的历史运行参数数据后,提取出历史运行参数数据的历史运行参数特征信息,然后根据历史运行参数特征信息依次推荐数据处理步骤,并依次根据推荐的数据处理步骤对运行参数数据进行处理,通过自动推荐分析步骤来实现对运行参数数据的自动分析过程,即引导用户完成自助式数据分析过程,从而提高后续建立的模型的模型精度,提高模型的预测结果,提高对工业而工业设备的分析准确性;同时,克服现有的数据分析过程需要用户需要参与分析的缺陷,使得用户能够专注与业务问题本身,提升了用户体验。
实施例6
如图6所示,本实施例的工业设备的运行数据的处理***是对实施例4的进一步改进,具体地:
处理***还包括第二执行列表获取模块12和目标执行列表获取模块13。
第二执行列表获取模块12用于根据数据库中存储的工业设备的历史工作流,统计出紧接排序在一个数据处理步骤之后的其他数据处理步骤出现的频次,并根据频次得到第二步骤执行列表;
目标执行列表获取模块13用于将第一步骤执行列表和第二步骤执行列表进行整合,获取目标步骤执行列表;
其中,对于同时出现在第一步骤执行列表中和第二步骤执行列表中的数据处理步骤的处理优先级最高;
只出现在第一步骤执行列表的数据处理步骤的处理优先级高于只出现在第二步骤执行列表的算法;
处理优先级越高的数据处理步骤,在目标推荐列表中的排序位置越靠前;
步骤推荐模块4用于依次推荐目标步骤执行列表中的排序从前至后的数据处理步骤,并调用数据处理模块依次根据推荐的数据处理步骤对历史运行参数数据进行处理。
下面结合实例具体说明:
以某台风力发电机为例,在数据库中存储有该风机在历史设定时间内的历史运行参数数据,如风速、风向、功率、天气预报等,其按照时间顺序依次保存在数据库中,形成对应的时间序列;基于这些历史运行参数数据,用户需要解决对风机的风功率预测的问题,具体处理过程如下:
1)导入风力发电机在历史设定时间内的历史运行参数数据;
2)对历史运行参数数据采用数据集特征分析器进行特征分析,获取历史运行参数数据对应的历史运行参数特征信息;
3)当历史运行参数特征信息中包含缺失值时,则第一步骤执行列表中会自动推荐下一步需要对缺失值进行处理;同时,第二步骤执行列表中,在导入数据的缓解后紧接的数据处理步骤有对缺失值进行处理和特征值编码处理,然后将第一步骤执行列表中推荐的数据处理步骤和第二步骤执行列表中推荐的数据处理步骤进行整合,最终确定推荐“对缺失值进行处理”的数据处理步骤,在处理完毕该数据处理步骤后,继续推荐下一个数据处理步骤,确定推荐的数据处理步骤的过程与上述过程类似,此处就不再赘述。
其中,设置历史运行参数特征信息分析处理的最后一个步骤为对历史运行参数特征信息采用标准化算法进行标准化处理,进而获取标准化处理后的历史运行参数特征信息,从而保证后续模型建立的精度。
4)向用户推荐建模算法列表,并将用户在建模算法列表中选择的一算法作为目标算法,采用目标算法根据标准化处理后的历史运行参数特征信息建立状态获取模型;
5)获取风力发电机在目标设定时间内的目标运行参数数据;
6)将目标运行参数数据输入至状态获取模型预测风力发电机的运行状态。
本实施例中,在获取工业设备的运行参数数据后,提取出运行参数数据的运行参数特征信息,然后对于运行参数特征信息依次推荐数据处理步骤,并根据依次推荐的数据处理步骤对运行参数数据进行处理,通过自动推荐分析步骤来实现对运行参数数据的自动分析过程,即引导用户完成自助式数据分析过程,从而提高后续建立的模型的模型精度,提高模型的预测结果,提高对工业而工业设备的分析准确性;同时,克服现有的数据分析过程需要用户需要参与分析的缺陷,使得用户能够专注与业务问题本身,提升了用户体验。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式作出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种工业设备的运行数据的处理方法,其特征在于,所述处理方法包括:
获取工业设备在历史设定时间内的历史运行参数数据;
对所述历史运行参数数据进行特征分析处理,获取历史运行参数特征信息,其中不同的所述历史运行参数特征信息对应不同的处理优先级;
预设数据处理步骤,其中所述数据处理步骤与不同的所述历史运行参数特征信息一一对应设置;
根据不同的所述历史运行参数特征信息的处理优先级将对应的所述数据处理步骤依次排序,形成第一步骤执行列表;
根据数据库中存储的所述工业设备的历史工作流,统计出紧接排序在一个所述数据处理步骤之后的其他数据处理步骤出现的频次,并根据所述频次得到第二步骤执行列表;
将所述第一步骤执行列表和所述第二步骤执行列表进行整合,获取目标步骤执行列表;
依次推荐所述目标步骤执行列表中的所述数据处理步骤;
根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理。
2.如权利要求1所述的工业设备的运行数据的处理方法,其特征在于,在所述目标步骤执行列表中,对于同时出现在所述第一步骤执行列表中和所述第二步骤执行列表中的数据处理步骤的处理优先级最高;
只出现在所述第一步骤执行列表的数据处理步骤的处理优先级高于只出现在所述第二步骤执行列表的算法;
处理优先级越高的数据处理步骤,在所述目标步骤执行列表中的排序位置越靠前。
3.如权利要求1所述的工业设备的运行数据的处理方法,其特征在于,当所述历史运行参数特征信息包括缺失值、特征类型、特征数量、不同类别的样本数量和特征值域信息时,所述缺失值、所述特征类型、所述特征数量、所述不同类别的样本数量和所述特征值域信息对应的处理优先级依次降低。
4.如权利要求1所述的工业设备的运行数据的处理方法,其特征在于,所述根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理的步骤还包括:
根据处理后的所述历史运行参数数据建立状态获取模型;
获取所述工业设备在目标设定时间内的目标运行参数数据;
将所述目标运行参数数据输入至所述状态获取模型获取所述工业设备的运行状态。
5.如权利要求4所述的工业设备的运行数据的处理方法,其特征在于,所述根据处理后的所述历史运行参数数据建立状态获取模型的步骤包括:
推荐建模算法列表;
在推荐的所述建模算法列表中选择目标算法,并采用所述目标算法建立所述状态获取模型。
6.一种工业设备的运行数据的处理***,其特征在于,所述处理***包括历史参数获取模块、历史特征信息获取模块、预设模块、第一执行列表获取模块、第二执行列表获取模块、目标执行列表获取模块、步骤推荐模块和数据处理模块;
所述历史参数获取模块用于获取工业设备在历史设定时间内的历史运行参数数据;
所述历史特征信息获取模块用于对所述历史运行参数数据进行特征分析处理,获取历史运行参数特征信息,其中不同的所述历史运行参数特征信息对应不同的处理优先级;
所述预设模块用于预设数据处理步骤,其中所述数据处理步骤与不同的所述历史运行参数特征信息一一对应设置;
所述第一执行列表获取模块用于根据不同的所述历史运行参数特征信息的处理优先级将对应的所述数据处理步骤依次排序,形成第一步骤执行列表;
所述第二执行列表获取模块用于根据数据库中存储的所述工业设备的历史工作流,统计出紧接排序在一个所述数据处理步骤之后的其他数据处理步骤出现的频次,并根据所述频次得到第二步骤执行列表;
所述目标执行列表获取模块用于将所述第一步骤执行列表和所述第二步骤执行列表进行整合,获取目标步骤执行列表;
所述步骤推荐模块用于依次推荐所述目标步骤执行列表中的所述数据处理步骤;
所述数据处理模块用于根据推荐的所述数据处理步骤对所述历史运行参数数据进行处理。
7.如权利要求6所述的工业设备的运行数据的处理***,其特征在于,
在所述目标步骤执行列表中,对于同时出现在所述第一步骤执行列表中和所述第二步骤执行列表中的数据处理步骤的处理优先级最高;
只出现在所述第一步骤执行列表的数据处理步骤的处理优先级高于只出现在所述第二步骤执行列表的算法;
处理优先级越高的数据处理步骤,在所述目标步骤执行列表中的排序位置越靠前。
8.如权利要求6所述的工业设备的运行数据的处理***,其特征在于,当所述运行参数特征信息包括缺失值、特征类型、特征数量、不同类别的样本数量和特征值域信息时,所述缺失值、所述特征类型、所述特征数量、所述不同类别的样本数量和所述特征值域信息对应的处理优先级依次降低。
9.如权利要求6所述的工业设备的运行数据的处理***,其特征在于,所述处理***包括模型建立模块、目标参数获取模块和状态获取模块;
所述模型建立模块用于根据处理后的所述历史运行参数数据建立状态获取模型;
所述目标参数获取模块用于获取所述工业设备在目标设定时间内的目标运行参数数据;
所述状态获取模块用于将所述目标运行参数数据输入至所述状态获取模型获取所述工业设备的运行状态。
10.如权利要求9所述的工业设备的运行数据的处理***,其特征在于,所述处理***还包括算法列表推荐模块和目标算法选择模块;
所述算法列表推荐模块用于推荐建模算法列表;
所述目标算法选择模块用于在推荐的所述建模算法列表中选择目标算法,并调用所述模型建立模块采用所述目标算法建立所述状态获取模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376599.1A CN110134040B (zh) | 2019-05-07 | 2019-05-07 | 工业设备的运行数据的处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376599.1A CN110134040B (zh) | 2019-05-07 | 2019-05-07 | 工业设备的运行数据的处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110134040A CN110134040A (zh) | 2019-08-16 |
CN110134040B true CN110134040B (zh) | 2021-09-24 |
Family
ID=67576593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910376599.1A Active CN110134040B (zh) | 2019-05-07 | 2019-05-07 | 工业设备的运行数据的处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110134040B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826196B (zh) * | 2019-10-21 | 2024-03-12 | 上海电气集团股份有限公司 | 一种工业设备运行数据的处理方法及装置 |
CN113777965B (zh) * | 2020-05-21 | 2023-07-18 | 广东博智林机器人有限公司 | 喷涂质量控制方法、装置、计算机设备及存储介质 |
CN112668650A (zh) * | 2020-12-30 | 2021-04-16 | 上海电气集团股份有限公司 | 工业数据模型的生成方法、***、设备和介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202261656U (zh) * | 2011-12-20 | 2012-05-30 | 大连大学 | 一种自动切换编码装置 |
CN102855333A (zh) * | 2012-09-27 | 2013-01-02 | 南京大学 | 一种基于组推荐的服务选取***及其选取方法 |
CN105825406A (zh) * | 2016-03-28 | 2016-08-03 | 乐视控股(北京)有限公司 | 数据处理方法及装置 |
CN106156092A (zh) * | 2015-04-01 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
CN106294743A (zh) * | 2016-08-10 | 2017-01-04 | 北京奇虎科技有限公司 | 应用功能的推荐方法及装置 |
CN107203545A (zh) * | 2016-03-17 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 一种数据处理方法及装置 |
CN108229828A (zh) * | 2018-01-04 | 2018-06-29 | 上海电气集团股份有限公司 | 一种基于工业数据的分析*** |
CN108363738A (zh) * | 2018-01-19 | 2018-08-03 | 上海电气集团股份有限公司 | 一种工业设备数据分析算法的推荐方法 |
CN108363714A (zh) * | 2017-12-21 | 2018-08-03 | 北京至信普林科技有限公司 | 一种方便数据分析人员使用的集成机器学习的方法及*** |
CN109254990A (zh) * | 2018-09-11 | 2019-01-22 | 北京唐冠天朗科技开发有限公司 | 一种信息源采集和动态分析的方法和*** |
-
2019
- 2019-05-07 CN CN201910376599.1A patent/CN110134040B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202261656U (zh) * | 2011-12-20 | 2012-05-30 | 大连大学 | 一种自动切换编码装置 |
CN102855333A (zh) * | 2012-09-27 | 2013-01-02 | 南京大学 | 一种基于组推荐的服务选取***及其选取方法 |
CN106156092A (zh) * | 2015-04-01 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
CN107203545A (zh) * | 2016-03-17 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 一种数据处理方法及装置 |
CN105825406A (zh) * | 2016-03-28 | 2016-08-03 | 乐视控股(北京)有限公司 | 数据处理方法及装置 |
CN106294743A (zh) * | 2016-08-10 | 2017-01-04 | 北京奇虎科技有限公司 | 应用功能的推荐方法及装置 |
CN108363714A (zh) * | 2017-12-21 | 2018-08-03 | 北京至信普林科技有限公司 | 一种方便数据分析人员使用的集成机器学习的方法及*** |
CN108229828A (zh) * | 2018-01-04 | 2018-06-29 | 上海电气集团股份有限公司 | 一种基于工业数据的分析*** |
CN108363738A (zh) * | 2018-01-19 | 2018-08-03 | 上海电气集团股份有限公司 | 一种工业设备数据分析算法的推荐方法 |
CN109254990A (zh) * | 2018-09-11 | 2019-01-22 | 北京唐冠天朗科技开发有限公司 | 一种信息源采集和动态分析的方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN110134040A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110134040B (zh) | 工业设备的运行数据的处理方法及*** | |
CN111191822A (zh) | 钢材的参数预测方法及终端设备 | |
CN112418921A (zh) | 用电需量预测方法、装置、***与计算机存储介质 | |
CN111597121B (zh) | 一种基于历史测试用例挖掘的精准测试方法 | |
CN109918690A (zh) | 监视***、学习装置、学习方法、监视装置及监视方法 | |
CN117218118B (zh) | 基于图像序列的坍落度监测方法、装置及可读介质 | |
CN108663501A (zh) | 一种变压器油中溶解气体浓度预测方法和*** | |
CN116991130A (zh) | 一种石化生产智能化自动化控制***和方法 | |
CN117060409A (zh) | 电力线路运行状态自动化检测分析方法及*** | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及*** | |
CN117195083B (zh) | 基于电流曲线的坍落度预测方法、装置及可读介质 | |
CN110879820A (zh) | 工业数据处理方法、装置 | |
CN111062827B (zh) | 一种基于人工智能模式的工程监理方法 | |
CN115883424B (zh) | 一种高速骨干网间流量数据预测方法及*** | |
CN116566839A (zh) | 一种电力企业通信资源质量评估*** | |
CN115758269A (zh) | 液压支架安全阀开启状态的确定方法及*** | |
CN114943465A (zh) | 基于数据分析的企业管理咨询服务*** | |
Housseman et al. | Smart dynamic sampling for wafer at risk reduction in semiconductor manufacturing | |
CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
CN115130805A (zh) | 分析装置、分析方法以及记录有程序的计算机可读介质 | |
CN112668249A (zh) | 电网一次设备大修技改方案在线构建方法及*** | |
CN111829359A (zh) | 冶金工业炉窑集中监控方法及总*** | |
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*** | |
CN117473347B (zh) | 一种基于规则引擎的选矿全流程数据处理方法及*** | |
CN113890837B (zh) | 基于滑动窗***叉算法预测指标劣化的方法及*** |
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 |