CN110197289A - 一种基于大数据的节能设备管理*** - Google Patents

Abstract

本发明提供一种基于大数据的节能设备管理***，包括：管理终端、信息采集设备和云服务平台；管理终端用于录入节能设备的基础参数，并将节能设备的基础参数上传到云服务平台；信息采集设备设置在节能设备上，用于采集节能设备的运行状态数据，将获取的运行状态数据上传到云服务平台；云服务平台包括数据库模块，用于存储节能设备的基础参数和运行状态数据。本发明通过云服务平台对节能设备的运行状态数据以及基础参数进行集中管理，能够对海量的节能设备产生的数据和基础参数进行对应的管理，方便管理者对数据的读取以及***对节能设备数据的调用，提高节能设备数据管理的便捷性和可靠性。

Description

一种基于大数据的节能设备管理***

技术领域

本发明涉及智能交互技术领域，特别是一种基于大数据的节能设备管理***。

背景技术

节能设备由于能够有效地降低设备的能耗，减少设备运行成本，现在广泛应用到工厂，家庭以及市政工程中。现有技术中，对节能设备的管理大多采用本地管理的方式，即通过计算机对节能设备的基本参数或者运行状态数据进行存储，以便管理人管进行翻阅，但是，随着节能设备的数量和每台节能设备产生的数据量大的增加，采用单一主机对如此大量的数据进行存储和管理，其容量和可靠性都不能满足现代节能设备管理的需求。

发明内容

针对上述问题，本发明旨在提供一种基于大数据的节能设备管理***。

本发明的目的采用以下技术方案来实现：

一种基于大数据的节能设备管理***，包括：管理终端、信息采集设备和云服务平台；

管理终端用于录入节能设备的基础参数，并将节能设备的基础参数上传到云服务平台；

信息采集设备设置在节能设备上，用于采集节能设备的运行状态数据，将获取的运行状态数据上传到云服务平台；

云服务平台包括数据库模块，用于存储节能设备的基础参数和运行状态数据。

在一种实施方式中，基础参数包括设备种类、设备信号和位置信息等参数；

运行状态数据包括节能设备的运行温度数据、压力数据、声学数据、振动数据等。

在一种实施方式中，信息采集设备包括温度传感器，压力传感器，声音传感器，振动传感器，分别采集节能设备的运行温度数据、压力数据、声学数据、振动数据。

在一种实施方式中，管理终端还用于录入节能设备的运维事件数据，将运维事件数据上传到云服务平台，其中运维事件数据包括节能设备的维修信息，预防性维护信息，故障信息，零部件更换信息等；

云服务平台包括运维管理模块，用于对节能设备的运维事件数据进行管理，将运维事件数据存储到数据库模块，并且根据节能设备的运行状态数据和运维事件数据生成节能设备相应的维修策略，并根据维修策略向管理终端发送相应的运维任务信息。

本发明的有益效果为：通过云服务平台对节能设备的运行状态数据以及基础参数进行集中管理，能够对海量的节能设备产生的数据和基础参数进行对应的管理，方便管理者对数据的读取以及***对节能设备数据的调用，提高节能设备数据管理的便捷性和可靠性。

同时，在运维人员每次对节能设备完成运维事件后，通过管理终端对运维事件数据进行录入，并上传到云服务平台进行统一管理，并且通过云平台进行基于大数据分析生成运维策略，并将运维任务发送到管理终端，由运维人员执行相应的运维任务，通过对节能设备运维事件数据和运行状态数据的分析，能够准确生成相应的运维策略，提高节能设备管理的智能化水平。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明的框架结构图；

图2为本发明云服务平台的框架结构图。

附图标记：

管理终端1、信息采集设备2、云服务平台3、运维管理模块31、预处理模块32、设备状态预测单元311、维修策略生成单元312

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1，其示出一种基于大数据的节能设备管理***，包括：管理终端1、信息采集设备2和云服务平台3；

管理终端1用于录入节能设备的基础参数，并将节能设备的基础参数上传到云服务平台3；

信息采集设备2设置在节能设备上，用于采集节能设备的运行状态数据，将获取的运行状态数据上传到云服务平台3；

云服务平台3包括数据库模块，用于存储节能设备的基础参数和运行状态数据。

本发明上述实施方式，通过云服务平台对节能设备的运行状态数据以及基础参数进行集中管理，能够对海量的节能设备产生的数据和基础参数进行对应的管理，方便管理者对数据的读取以及***对节能设备数据的调用，提高节能设备数据管理的便捷性和可靠性。

在一种实施方式中，基础参数包括设备种类、设备信号和位置信息等参数；

运行状态数据包括节能设备的运行温度数据、压力数据、声学数据、振动数据等。

在一种实施方式中，信息采集设备2包括温度传感器，压力传感器，声音传感器，振动传感器，分别采集节能设备的运行温度数据、压力数据、声学数据、振动数据。

在一种实施方式中，管理终端1还用于录入节能设备的运维事件数据，将运维事件数据上传到云服务平台3，其中运维事件数据包括节能设备的维修信息，预防性维护信息，故障信息，零部件更换信息等；

参见图2，云服务平台3包括运维管理模块31，用于对节能设备的运维事件数据进行管理，将运维事件数据存储到数据库模块，并且根据节能设备的运行状态数据和运维事件数据生成节能设备相应的维修策略，并根据维修策略向管理终端1发送相应的运维任务信息。

本发明上述实施方式，在运维人员每次对节能设备完成运维事件后，通过管理终端对运维事件数据进行录入，并上传到云服务平台进行统一管理，并且通过云平台进行基于大数据分析生成运维策略，并将运维任务发送到管理终端，由运维人员执行相应的运维任务，通过对节能设备运维事件数据和运行状态数据的分析，能够准确生成相应的运维策略，提高节能设备管理的智能化水平。

在一种实施方式中，运维管理模块31，进一步包括：

设备状态预测单元311，用于根据节能设备的运行状态数据以及维修事件数据预测节能设备在一设定时间段后的运行状态；

维修策略生成单元312，用于基于数据库中节能设备的基础参数、运行状态数据以及维修事件数据生成节能设备的维修策略。

本发明上述实施方式，通过设置设备状态预测单元，根据节能设备的运行状态数据以及运维事件数据来预测节能设备在未来一段时间后的运行状态，通过对节能设备的运行状态预测，能够在故障还没发生时对故障进行预测，从而使维护人员能够在需要时对节能设备进行一定程度的预维护。

通过设置维修策略生成单元，能够基于数据库中节能设备的相关数据，配合设备状态于测单元的预测结果，自动生成相应的运维策略，为节能设备的运维管理提供了可靠的依据。

在一种实施方式中，设备状态预测单元311，根据节能设备的运行状态数据以及维修事件数据预测节能设备在一设定时间段后的运行状态，具体包括：

对运行状态数据以及维修事件数据进行归一化处理，组成多维状态特征向量；

将状态特征向量以及预测时间输入到训练好的状态预测模型中，获取状态预测模型输出的运行状态数据，其中运行状态数据包括正常和异常。

在一种实施方式中，将样本数据中的状态特征向量，预测时间以及相应的运行状态数据输入到状态预测模型中完成状态预测模型的训练。

在一种实施方式中，该样本数据由节能设备的历史运行状态数据、历史维修事件数据以及历史运行状态数据获取。

本发明上述实施方式，将由节能设备运行状态数据以及维修事件数据组成的多维特征向量，以及预测时间作为输入数据，由训练好的状态预测模型输出该预测时间的运行状态估计结果，能够预测一段时间后节能设备的运行状态。

在一种实施方式中，维修策略生成单元312，基于数据库中节能设备的基础参数、运行状态数据以及维修事件数据生成节能设备的维修策略，具体包括：

获取节能设备的平均预防性维护费用F_g，平均预防性维修费用F_x1和平均修复性维修费用F_x2，以及对应的平均预防性维护停机时间T_g，平均预防性维修停机时间T_x1和平均修复性维修停机时间T_x2，其中，上述费用和停机时间数据由节能设备的基础参数中设定，或者根据历史维修事件数据中统计所得，相应地，维修事件数据包括维修项目及相应的费用和时间，由运维人员每次进行完成维修事件后录入到云服务平台3中；

在每一次完成对节能设备的预防性维修或修复性维修后，重置运维策略时刻t＝0，并重新开始运维策略的设定，采用设定的优化模型获取节能设备当前运维策略信息，包括获取下一次预测周期g₁以及预测时间b₁，当运维策略时刻t＝g₁时，将预测时间b₁发送到设备状态预测单元311，由设备状态预测单元311将状态特征向量以及预测时间输入到训练好的状态预测模型中，获取状态预测模型输出的运行状态数据并返回到维修策略生成单元312，当接收的运行状态数据为异常时，输出的运维任务为对节能设备进行预防性维修；否则，输出的运维任务为对节能设备进行预防性维护；

在每一次完成对节能设备的预防性维护后，采用设定的优化模型获取下一次预测周期g_i+1以及预测时间b_i+1，其中i表示(0，t]范围内对节能设备进行预防性维护的次数，当运维策略时刻t＝t′+g_i+1时，其中t′表示上一次完成对节能设备预防性维护的运维策略时刻，将预测时间b_i+1发送到设备状态预测单元311，由设备状态预测单元311将状态特征向量以及预测时间输入到训练好的状态预测模型中，获取状态预测模型输出的运行状态数据并返回到维修策略生成单元312，当接收的运行状态数据为异常时，输出的运维任务为对节能设备进行预防性维修；否则，输出的运维任务为对节能设备进行预防性维护。

在一种实施方式中，若设备在(0，t]范围内发生故障，则输出的运维任务为对节能设备进行修复性维修。

在一种实施方式中，维修策略生成单元312中，获取节能设备当前运维策略信息采用的优化模型具体为：

式中，F(g_i+1，b_i+1)表示节能设备单位时间的维修维护成本，U(g_i+1，b_i+1)表示节能设备的运行可用值，U⁰表示设定的运行可用值阈值，b_s表示设定的设备过运作阈值，M_ax表示节能设备需要进行预防性维修的估计值，其中，a表示维保评分调节因子，Y表示节能设备的维保评分，由运维人员在对节能设备进行维修或维护后对节能设备进行评价，r表示[1，10]的随机数，γ表示节能设备的故障率，根据节能设备的基础参数或根据历史维修事件数据获得，M_zx表示节能设备需要进行修复性维修的估计值，其中

本发明上述实施方式，首先分别获取节能设备在进行预防性维护、预防性维修、修复型维修所需的时间成本和金钱成本，并通过优化模型预测来获取节能设备进行预测运行状态预测的周期，到达获取的需要进行运行状态预测的时刻时，将获取的预测时间作为输入向量输入到状态预测模型中，并获取节能设备经过预测时间后的运行状态结果，并根据运行状态结果生成相应的运维任务到管理终端，供运维人员执行。通过优化模型对预测周期和预测时间进行合理的优化设置，能够有效地避免节能设备运维策略制定中的过运维和欠运维情况，在保证运维策略的可靠度的同时，根据节能设备的实际情况对时间成本和金钱成本进行优化，有助于提高运维管理的可靠度和优化程度。

在一种实施方式中，信息采集设备2采集的运行温度数据、压力数据、声学数据、振动数据等均为信号数据。

在一种实施方式中，云服务平台3还包括预处理模块32，用于对接收的运行状态信号进行预处理，具体包括：

采用设定的小波基以及分解层数对接收的运行状态信号进行小波变换，获取各层的小波系数；

采用自定义阈值函数对各层小波系数进行阈值处理，获取阈值处理后的小波系数估计值；

对阈值处理后的小波系数估计值进行重构，得到去噪后的运行状态信号；

其中，采用的自定义阈值函数为：

式中，w_i，k表示第j层第k个小波系数，表示阈值处理后的第j层第k个小波系数估计值，u表示设定的去噪调节因子，λ表示设定的小波阈值，n表示设定的效果调节因子。

在一种实施方式中，设备状态预测单元311根据预处理模块32处理后的运行状态数据以及维修事件数据对节能设备进行状态预测。

本发明上述实施方式，由于节能设备的工作环境中通常存在大量噪声干扰，而信息采集设备在对节能设备进行运行状态数据采集时，采集的数据容易受到噪声影响，从而影响了节能设备运行状态数据采集的可靠程度以及后续对节能设备运行状态数据进一步处理的效果；因此，采用上述方式对信息采集设备采集的节能设备运行状态数据进行预处理，首先对采集的数据进行小波变换，并通过自定义阈值函数对小波系数进行处理，能够有效地去除运行状态数据中的噪声，提高了运行状态数据的可靠度。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (7)

1.一种基于大数据的节能设备管理***，其特征在于，包括：管理终端、信息采集设备和云服务平台；

所述管理终端用于录入所述节能设备的基础参数，并将所述节能设备的基础参数上传到云服务平台；

所述信息收集设备设置在所述节能设备上，用于采集所述节能设备的运行状态数据，将获取的运行状态数据上传到所述云服务平台；

所述云服务平台包括数据库模块，用于存储所述节能设备的基础参数和运行状态数据。

2.根据权利要求1所述的一种基于大数据的节能设备管理***，其特征在于，所述基础参数包括设备种类、设备信号和位置信息参数；

所述运行状态数据包括所述节能设备的运行温度数据、压力数据、声学数据、振动数据。

3.根据权利要求1所述的一种基于大数据的节能设备管理***，其特征在于，

所述管理终端还用于录入所述节能设备的运维事件数据，将所述运维事件数据上传到所述云服务平台，其中所述运维事件数据包括所述节能设备的维修信息，预防性维护信息，故障信息，零部件更换信息；

所述云服务平台包括运维管理模块，用于对所述节能设备的运维事件数据进行管理，将所述运维事件数据存储到数据库模块，并且根据所述节能设备的运行状态数据和运维事件数据生成所述节能设备相应的维修策略，并根据所述维修策略向所述管理终端发送相应的运维任务信息。

4.根据权利要求3所述的一种基于大数据的节能设备管理***，其特征在于，所述运维管理模块，进一步包括：

设备状态预测单元，用于根据所述节能设备的运行状态数据以及维修事件数据预测节能设备在一设定时间段后的运行状态；

维修策略生成单元，用于基于所述数据库中节能设备的基础参数、运行状态数据以及维修事件数据生成所述节能设备的维修策略。

5.根据权利要求4所述的一种基于大数据的节能设备管理***，其特征在于，所述设备状态预测单元，根据所述节能设备的运行状态数据以及维修事件数据预测节能设备在一设定时间段后的运行状态，具体包括：

对所述运行状态数据以及维修事件数据进行归一化处理，组成多维状态特征向量；

将所述状态特征向量以及预测时间输入到训练好的状态预测模型中，获取所述状态预测模型输出的运行状态数据，其中所述运行状态数据包括正常和异常。

6.根据权利要求5所述的一种基于大数据的节能设备管理***，其特征在于，所述维修策略生成单元，基于所述数据库中节能设备的基础参数、运行状态数据以及维修事件数据生成所述节能设备的维修策略，具体包括：

获取节能设备的平均预防性维护费用F_g，平均预防性维修费用F_x1和平均修复性维修费用F_x2，以及对应的平均预防性维护停机时间T_g，平均预防性维修停机时间T_x1和平均修复性维修停机时间T_x2；

在每一次完成对节能设备的预防性维修或修复性维修后，重置运维策略时刻t＝0，并重新开始运维策略的设定，采用设定的优化模型获取节能设备当前运维策略信息，包括获取下一次预测周期g₁以及预测时间b₁，当运维策略时刻t＝g₁时，将所述预测时间b₁发送到所述设备状态预测单元，由所述设备状态预测单元将所述状态特征向量以及预测时间输入到训练好的状态预测模型中，获取所述状态预测模型输出的运行状态数据并返回到维修策略生成单元，当接收的运行状态数据为异常时，输出的运维任务为对节能设备进行预防性维修；否则，输出的运维任务为对节能设备进行预防性维护；

在每一次完成对节能设备的预防性维护后，采用设定的优化模型获取下一次预测周期g_i+1以及预测时间b_i+1，其中i表示(0，t]范围内对节能设备进行预防性维护的次数，当运维策略时刻t＝t′+g_i+1时，其中t′表示上一次完成对节能设备预防性维护的运维策略时刻，将所述预测时间b_i+1发送到所述设备状态预测单元，由所述设备状态预测单元将所述状态特征向量以及预测时间输入到训练好的状态预测模型中，获取所述状态预测模型输出的运行状态数据并返回到维修策略生成单元，当接收的运行状态数据为异常时，输出的运维任务为对节能设备进行预防性维修；否则，输出的运维任务为对节能设备进行预防性维护。

7.根据权利要求6所述的一种基于大数据的节能设备管理***，其特征在于，所述维修策略生成单元中，获取节能设备当前运维策略信息采用的优化模型具体为：

式中，F(g_i+1，b_i+1)表示节能设备单位时间的维修维护成本，U(g_i+1，b_i+1)表示节能设备的运行可用值，U⁰表示设定的运行可用值阈值，b_s表示设定的设备过运作阈值，M_ax表示节能设备需要进行预防性维修的估计值，其中，a表示维保评分调节因子，Y表示节能设备的维保评分，由运维人员在对节能设备进行维修或维护后对节能设备进行评价，r表示[1，10]的随机数，γ表示节能设备的故障率，根据节能设备的基础参数或根据历史维修事件数据获得，M_zx表示节能设备需要进行修复性维修的估计值，其中