CN117053619B - 一种冷却塔运行监测***及控制方法 - Google Patents
一种冷却塔运行监测***及控制方法 Download PDFInfo
- Publication number
- CN117053619B CN117053619B CN202311322783.0A CN202311322783A CN117053619B CN 117053619 B CN117053619 B CN 117053619B CN 202311322783 A CN202311322783 A CN 202311322783A CN 117053619 B CN117053619 B CN 117053619B
- Authority
- CN
- China
- Prior art keywords
- data
- storage
- time
- window
- data set
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001816 cooling Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 claims abstract description 213
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 230000000737 periodic effect Effects 0.000 claims abstract description 14
- 238000005096 rolling process Methods 0.000 claims description 46
- 238000007906 compression Methods 0.000 claims description 16
- 230000006835 compression Effects 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F28—HEAT EXCHANGE IN GENERAL
- F28F—DETAILS OF HEAT-EXCHANGE AND HEAT-TRANSFER APPARATUS, OF GENERAL APPLICATION
- F28F27/00—Control arrangements or safety devices specially adapted for heat-exchange or heat-transfer apparatus
- F28F27/003—Control arrangements or safety devices specially adapted for heat-exchange or heat-transfer apparatus specially adapted for cooling towers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请公开了一种冷却塔运行监测***及控制方法,属于冷却塔技术领域,包括:服务器终端接收来自监测设备所采集的第一监测数据,并生成第一数据集;设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔;对第一数据集中的监测数据进行特征优化,并生成第二数据集;根据服务器终端的分析结果进行预警。在本发明的技术方案实施时,通过设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔,从而使一个存储周期被分为若干个存储中断,进而提供更高的数据采样率和实时性,并可以减少存储空间的需求,提高数据利用率。
Description
技术领域
本申请涉及冷却塔技术领域,具体为一种冷却塔运行监测***及控制方法。
背景技术
冷却塔是一种用于降低工业设备热量的设备,其工作原理为:通过将热水或蒸汽暴露在大气中,通过蒸发来降低温度,冷却塔通常由一个高塔和一系列填料组成,填料可以增加水与空气的接触面积,促进热量传递与蒸发,广泛应用于工业生产中。
为了对冷却塔的运行进行监测,提高安全性,目前通常使用冷却塔运行监测***来实现,而在目前的监测***中,由于对冷却塔的监测会涉及到大量监测数据,而这些监测数据需要进行分析、存储等操作,便于根据监测数据判断冷却塔的运行状态,大量的数据需要采用具有较大容量的存储设备,同时需要处理性能较强的处理器、服务器终端来实现,而在冷却塔运行监测***的正常运行中,增加额外的存储设备不仅需要停工维护,还会导致数据的传输产生玻波动,影响监测***的正常运行。
所以有必要提供一种冷却塔运行监测***及控制方法来解决上述问题。
需要说明的是,本背景技术部分中公开的以上信息仅用于理解本申请构思的背景技术,并且因此,它可以包含不构成现有技术的信息。
发明内容
基于现有技术中存在的上述问题,本申请所要解决的问题是:提供一种冷却塔运行监测***及控制方法,达到可以在不添加存储设备的情况下优化存储空间的效果,提高***运行稳定性。
本申请解决其技术问题所采用的技术方案是:一种冷却塔运行监测***的控制方法,包括:
服务器终端接收来自监测设备所采集的第一监测数据,并生成第一数据集,其中,监测设备用于采集目标区域内的至少一个目标对象的运行数据;
设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔;
对第一数据集中的监测数据进行特征优化,并生成第二数据集;
根据服务器的分析结果进行预警,并在输出预警结果前进行完整性验证。
在本发明的技术方案实施时,通过设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔,从而使一个存储周期被分为若干个存储中断,进而提供更高的数据采样率和实时性,并可以减少存储空间的需求,提高数据利用率。
进一步的,存储窗口的设置进一步包括以下步骤:
确定存储窗口的起始时间和结束时间,并保留该结束时间到下一个起始时间之间的数据,该数据作为第一数据子集;
将存储窗口的起始时间和结束时间作为时间戳,对存储窗口进行标记;
评估服务器终端的存储容量,并基于历史数据行为进行计算,得到可用存储容量;
根据服务器终端的存储容量以及计算能力确定监测设备的采集频率;
确定存储窗口的起始时间和结束时间,并保留起始时间到结束时间之间的数据,作为一个存储窗口内所采集的数据;
将存储窗口的起始时间和结束时间作为时间戳,对采集窗口进行标记。
进一步的,所述存储窗口的长度始终小于存储周期的长度。
进一步的,所述存储容量的评估包含以下步骤:
确定数据类型以及数据量;
根据存储周期计算每个数据集的存储空间需求;
根据历史数据对服务器终端的存储空间进行预留。
进一步的,对服务器终端的存储空间进行预留的方法为滚动平均算法,所述滚动平均算法包括以下步骤:
设定滚动范围,该滚动范围作为计算平均值的数据范围;
初始化滚动平均值和初始化预留的存储空间;
开始接收新数据;
根据滚动范围内的数据确定预留存储空间的调整量;
根据预留存储空间的调整量调整预留存储空间。
进一步的,所述存储空间的调整量具有正负属性,当后一次的滚动平均值大于前一次的滚动平均值时,取调整量为正值,代表需要增加预留的存储空间大小,并且增加值为后一次的滚动平均值;当后一次的滚动平均值大小于前一次的滚动平均值时,取调整量为负值,代表需要减少预留的存储空间大小,减少值为后一次的滚动平均值。
进一步的,对第一数据集中的监测数据进行特征优化包括:
对第一数据集中的监测数据进行特征提取,形成具有相同采集频率和存储窗口的特征数据,并将该特征数据作为第二数据集;
对第二数据集中的特征数据进行数据分析,并根据数据分析结果判断特征数据之间的关联性;
根据生成的分析结果对特征数据进行数值表示,该数值大小表示特征数据的关联性;
根据特征数据的关联性选择压缩比,该压缩比与特征数据的关联性呈负相关。
一种冷却塔运行监测***,该***包括:
接收模块,用于服务器终端接收来自监测设备所采集的第一监测数据,并生成第一数据集,其中,监测设备用于采集目标区域内的至少一个目标对象的运行数据;
周期性存储模块,用于设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔;
特征优化模块,用于对第一数据集中的监测数据进行特征优化,并生成第二数据集;
结果预警模块,用于根据服务器的分析结果进行预警,并在输出预警结果前进行完整性验证。
本申请的有益效果是:本申请提供的一种冷却塔运行监测***及控制方法,通过设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔,从而使一个存储周期被分为若干个存储中断,进而提供更高的数据采样率和实时性,并可以减少存储空间的需求,提高数据利用率,并在存储窗口的设置中通过平均滚动算法确定预留的存储空间,动态调整存储容量的分配。
除了上面所描述的目的、特征和优点之外,本申请还有其它的目的、特征和优点。下面将参照图,对本申请作进一步详细的说明。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请中一种冷却塔运行监测***的控制方法的流程示意图;
图2为本申请中一种冷却塔运行监测***的模块构成示意图;
图3为本申请中存储周期和存储窗口的分布示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
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,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
实施例一,图1示出了一种冷却塔运行监测***的控制方法流程图示,该方法应用于冷却塔的运行监测***中,该***通常用于监测和管理冷却塔的运行状态,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以使用不同于图1所示出或描述的步骤执行,如图1所示,该方法包括:
步骤101:服务器终端接收来自监测设备所采集的第一监测数据,并生成第一数据集,其中,监测设备用于采集目标区域内的至少一个目标对象的运行数据;
需要说明的是,在本实施例中,冷却塔运行监测***各个部分中带有数据发送、接收、处理功能的设备都可以称为服务器终端,该服务器终端与现有的物理服务器不同,并且通常具有通信接口,以方便进行数据交换、传输,该服务器终端可以通过无线接入网(RAN)与一个或多个核心网进行通信;
该监测设备可以是各类传感器,包括温湿度传感器、压力传感器等,以用于测量冷却塔在运行过程中的进出水温度以及冷却塔内部的温度分布情况、压力变化等,风速传感器,以获取冷却塔周围的风速,以评估风速对冷却效果产生的影响;剂量仪器,如流量计、液位计等,用于测量冷却塔的进出水流量、水箱液位等;水质监测设备,如pH值传感器、浊度传感器、电导率传感器等,用于测量冷却塔水的各项水质指标;
该目标区域可以为包括(但不限于)冷却塔的进、出水口,冷却塔的进、出水管,水箱或水槽内部,靠近冷却塔一定范围的空间等;该目标对象包括(但不限于)冷却塔的各个部件及模块。
步骤102:设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔;
在接收到第一数据集后,由于在冷却塔的正常运行过程中,第一监测数据的变化频率较高,并且在对第一监测数据进行分析处理的过程中往往需要进行实时分析和监测,因此还需要对第一数据集进行周期性存储,其中存储周期指的是第一数据集的存储时间间隔,该存储周期可以根据实际情况进行选择,例如每小时、每天或每周等;
在每个存储周期中,选择至少一个存储窗口可以确保第一监测数据的可靠性,存储窗口是指在每一个存储周期内,选择一个时间段来进行数据存储调节,使一个存储周期被分为若干个存储中断,在整个存储周期中,由于各个存储中断的存在,整个存储周期所存储的数据会被存储中断分隔,并且在每个存储中断中会暂停存储进程,作为周期性存储的间隔,从而提供更高的数据采样率和实时性,并可以减少存储空间的需求,提高数据利用率;
其中存储窗口的选择可以根据数据的重要性、频率和使用需求来确定,例如,冷却塔分为工作场景和检修维护场景,如果第一监测数据的变化频率较高,对应冷却塔的工作场景,此时可以选择较短的存储窗口,例如每小时存储一次数据;如果第一监测数据的变化频率较低,对应冷却塔的检修维护场景,可以选择较长的存储窗口,例如每天存储一次数据,因此即使在检修维护场景中,仍然会以低频率存储监测数据,从而保证第一监测数据的连续性和完整性,即使在冷却塔及相应***处于暂停维护期间也会采集、存储数据,并且无需调整原有的存储周期,只通过调整存储窗口的大小即可实现,通过合理设置存储周期和存储窗口,可以确保数据的完整性、准确性和及时性,提高冷却塔运行监测***的运行稳定性及数据有效性;
此外,需要说明的是,由于存储窗口是基于存储周期设置的,因此存储窗口长度的设计应始终小于存储周期,并且为了便于存储,存储窗口一般与存储周期不相等。
其中,存储窗口的设置需要综合考虑存储容量、采集频率、实时性要求和***性能等因素,图3为存储周期和存储窗口的分布示意图,具体的,存储窗口的设置进一步包括以下步骤:
步骤201:确定存储窗口的起始时间和结束时间,并保留该结束时间到下一个起始时间之间的数据,该数据作为第一数据子集;
在本实施例中,采用滚动时间区间的方法确定存储窗口的起始时间和结束时间,例如,每隔一段时间(如每一个小时、每两个小时)滚动一次时间区间,将新的数据加入该区间并移出过期的数据,这种方法可以保持存储窗口的长度相对稳定,适用于长期的监测和储存场景;在其他一些实施例中,还可以采用基于事件触发的区间,根据预设特定的事件或条件来触发存储窗口的起始时间和结束时间,从而提高存储窗口的灵活性;
步骤202:将存储窗口的起始时间和结束时间作为时间戳,对存储窗口进行标记。在确定存储窗口的起始时间和结束时间后,需要确保有效存储的数据都被保留下来,可以将存储窗口的起始时间和结束时间作为时间戳来标记每个数据点的采集时间,以便在存储时进行筛选和保存;
步骤203:评估服务器终端的存储容量,并基于历史数据行为进行计算,得到可用存储容量;
在对第一数据子集进行存储之前,需要评估服务器终端的存储容量,确定可用于存储数据的空间大小,并且考虑到***的长期运行以及数据增长的情况,同时在***运行过程中数据的存储需求往往不是呈线性增长的,因此还需要基于历史数据行为进行估算;
具体的,可用存储容量的评估包含以下步骤:
首先确定数据类型以及数据量;冷却塔运行监测***中会涉及到多种数据类型,如温度、压力、流量等各种传感器采集数据,以及各种运行参数和报警记录等,这些数据会具有不同的数据类型以及不同的数据量,同时这些数据在存储完成后会作为历史数据;
根据存储周期计算每个数据集的存储空间需求;在前序步骤中,由于已经设置了存储周期,并将接收到的第一监测数据以数据集的方式进行储存,因此还需要根据存储周期计算每个数据集的存储空间需求,以便于后续对存储容量的合理分配;
根据历史数据对服务器终端的存储空间进行预留;考虑到***的长期运行和数据增长非线性的情况,还需要预留一定的存储空间,并根据历史数据的增长趋势进行估算,调整存储容量的分配;
其中,在根据历史数据对服务器终端的存储空间进行预留的过程中,当预留存储空间过少时,会导致用于存放数据的存储空间不足,在接收数据的过程中可能会导致数据丢失;当预留存储空间过多时,会增加数据的存储时间,并造成资源浪费,同时导致数据重复存储,产生数据冗余,降低存储效率,因此需要合理确定预留的存储空间大小;
具体的,预留的存储空间大小的确定方法为:
目前常用的方法有固定百分比算法、线性增长算法等来确定存储空间的预留,而在本实施例中,冷却塔的运行监测***中会包含不同的数据类型以及数据量,同时数据量的增长通常是非线性的,因此上述方法均不适用,而是采用滚动平均算法来确定预留的存储空间;
具体的,该方法包括:
设定滚动范围,该滚动范围作为计算平均值的数据范围;
在使用滚动平均算法时,需要先确定一个滚动范围,该滚动范围作为计算平均值的时间段,同时确定数据范围;
初始化滚动平均值和初始化预留的存储空间;将滚动平均值初始化为零,并为存储空间预留一定的大小;
开始接收新数据;当有新的数据到达时,将其加入滚动范围中;
根据滚动范围内的数据更新滚动平均值;
根据滚动平均值确定预留存储空间的调整量;
根据预留存储空间的调整量调整预留存储空间;
存储空间的调整量具有正负属性,当后一次的滚动平均值大于前一次的滚动平均值时,取调整量为正值,代表需要增加预留的存储空间大小,并且增加值为后一次的滚动平均值;当后一次的滚动平均值大小于前一次的滚动平均值时,取调整量为负值,代表需要减少预留的存储空间大小,减少值为后一次的滚动平均值;
需要说明的是,在本实施例中,由于所涉及到的数据前后一般不相等,因此每次的滚动平均值也不相等,从而调整量一般不为零。
通过滚动平均算法,根据最近一段时间的数据来计算数据量的平均值,从而确定预留存储空间的大小,合理确定所要预留的存储空间,提高存储空间的利用率,增加***的稳定性。
步骤204:根据服务器终端的存储容量以及计算能力确定监测设备的采集频率;
由于当存储周期确定时,监测设备的采集频率也会对第一数据集中的数据量产生影响,因此还需要根据服务器终端的存储容量以及计算能力确定监测设备的采集频率,防止存储空间无法满足一个存储周期内需要存储的数据;
具体的,采集频率的确定需要综合各种因素,如数据的重要性、***资源的限制、数据变化速度、监测目的等,并且将采集频率设置为低、中、高四个档位,在实际应用中可以根据服务器终端的负载水平对采集频率进行动态调整,具体可参照公开号为CN112351490B的中国发明专利,此处及下文不再赘述;
步骤103:对第一数据集中的监测数据进行特征优化,并生成第二数据集;
由于第一数据集中的数据为传感器等其他采集设备直接采集到的,虽然通过设置存储周期的方式可以对采集到的第一数据集进行分组,从而减少服务器的处理压力,但是由于传感器类型众多,在一些大型冷却塔场景中,分组后的第一数据集中仍然可能会存在大量数据,因此还需要对第一数据集中的监测数据进行特征优化,减少监测数据的数据存量,优化存储空间;
具体的,对第一数据集中的监测数据进行特征优化包括:
步骤301:对第一数据集中的监测数据进行特征提取,形成具有相同采集频率和存储窗口的特征数据,并将该特征数据作为第二数据集;
由于第一数据集中的监测数据具有数量多、类型繁杂、尺度不统一等特点,为了减少服务器终端在分析处理过程中所消耗的算力和时间,还需要对监测数据进行优化,使这些监测数据的尺度统一,具有相同采集频率和存储窗口,具体的,可以采用特征提取的方法,对第一数据集中的每个监测数据类型进行特征提取,将原始数据转换为具有相同尺度的少量特征数据;
特征提取有多种方法,例如通过统计特征(如均值、方差、最值)、频域特征(如傅里叶变换)或时域特征(如波形变换、时序特征)等方法来实现,其中统计特征方法可参照公开号为CN108108712B的中国发明专利,频域特征方法可参照公开号为CN112101245A的中国发明专利,时域特征方法可参照公开号为CN113189457A的中国发明专利,在本实施例中,特征提取的具体方法不做限定,只需要使第一数据集中的监测数据形成具有相同尺度的特征数据即可;
需要说明的是,不管通过什么方法,都需要使特征数据之间存在包括数值、量纲、最值等参数的线性关系,便于后续传输过程中进行优化;
步骤302:对第二数据集中的特征数据进行数据分析,并根据数据分析结果判断特征数据之间的关联性;
在数据传输的过程中,为了提高传输效率,通常需要对待传输的数据进行压缩、纠错等处理,其中通过压缩的方法减少原始数据的数据量,提高传输效率是最常见的方法,该方法可以有效降低待传输数据的维度,并减少传输过程中的占用空间,提高传输效率,但是通过该方法对待传输数据进行压缩后,会导致一些重要的数据缺失或异常,进而影响最终的分析结果,因此还需要在传输前进行优化,对第二数据集中的特征数据进行决策分析,并根据决策分析结果判断各个特征数据之间的关联性,从而确定特征数据的重要程度,并在后续的压缩过程中,针对特征数据的重要程度进行压缩比的选择,具体的,对第二数据集中的特征数据进行数据分析进一步包括:
选择第二数据集中至少一个特征数据作为基准,并对其余特征数据进行关联性分析,生成分析结果;
在对特征数据进行关联性分析时,需要选取一个或多个特征数据作为基准,并采用如相关系数分析法、协方差分析法、热力图分析法、主成分分析法等本领域常见的方法对其他特征数据进行关联性分析,在本实施例中不做限制;
在本实施例中,任选一个或多个特征数据作为基准,可以在后续的关联性分析过程中,提高分析结果的随机性,并且还可以进行多次选择,进行不同基准下的关联性分析,并根据多次关联性分析的结果取平均值,从而提高关联性分析结果的有效性;
步骤303:根据生成的分析结果对特征数据进行数值表示,该数值大小表示特征数据的关联性;
为了便于对关联性结果的表达,还需要在对特征数据进行关联性分析后,根据分析结果进行数值表示,便于后续选择压缩比,以相关系数分析法为例,在对特征数据进行相关性分析后,每一个经过分析的特征数据都会生成一个相关系数,例如皮尔逊相关系数、斯皮尔曼相关系数,由于特征数据包含线性关系,因此本实施例中可以选用皮尔逊相关系数,该系数适用于具有线性关系的数据,并且该系数的取值范围为-1至1,而本实施例中的特征数据就是具有线性特征的数据;
在进行数值转换时,可以通过数据值线性映射的方法将皮尔逊相关系数映射到其他数据范围,例如,需要将-1至1的皮尔曼相关系数映射到0到100的区间内时,可以通过(皮尔曼相关系数+1)*50的方法,从而将皮尔曼相关系数映射至0到100的区间内;
步骤304:根据特征数据的关联性选择压缩比,该压缩比与特征数据的关联性呈负相关;
在进行数据传输时,需要对待传输数据进行压缩,而压缩过程会不可避免地导致数据出现丢失,经过关联性计算后,可以根据关联性计算结果进行分布式压缩,例如,当某个特征数据的关联性较强,说明其代表的监测数据占分析比重较大,因此针对该特征数据就需要选择较低的压缩比,保证其完好性,而当某个特征数据的关联性较弱时,说明其代表的监测数据占分析比重较小,因此针对该特征数据就可以选择较高的压缩比,保证其可以正常传输即可,即使压缩过程中出现一定的数据丢失,对最终的分析结果也会产生较小的影响,通过分布式压缩的方法,可以在保证监测数据完整性的前提下,提高传输效率;
其中,压缩比通常以分数表示,为了与特征数据的关联性匹配,可以采用对映射后的区间内数值取倒数的方法实现,特别的,当特征数据的关联性为零时,可以将该数据直接剔除,因为其与其他数据之间没有关联性,也不会对分析结果产生影响。
步骤104:根据服务器的分析结果进行预警,并在输出预警结果前进行完整性验证。
具体的,根据分析结果进行决策预警的过程包括:
基于服务器的分析结果制定预警规则;根据预警规则进行预警通知;对预警结果进行哈希验证;
在服务器分析完毕后,基于分析结果建立预警规则,这个规则可以是基于阈值设定,当监测数据的分析结果超出或低于设定的阈值时触发预警,也可以是基于模式识别设定,当监测数据的分析结果出现特定的模式或趋势时触发预警;
需要说明的是,本实施例中,预警规则需要在服务器分析完成后进行设定或调整,即预警规则并不是一成不变的,这种方式可以根据监测数据的不同对预警规则进行调整,使预警过程与监测数据的分析结果相匹配,相较于传统的固定式设定预警机制,预警行为更能反映监测数据所代表的信息。
完成上述步骤后,将服务器的分析结果与预警机制对比进行结果输出,同时进行相应的预警通知,方便检修人员进行检修,预警通知方法包括声音警报、灯光警示、远程移动端通知、数据报表或图表生成等,确保预警结果被及时有效接收;
为了提高预警动作的响应速度,防止服务器的分析结果传递延迟或丢失,还需要在预警通知前进行完整性验证,确定所预警的信息为服务器直接分析所得的信息,提高决策预警的有效性;
完整性验证可以采用哈希验证的方式,先对服务器的预警结果进行哈希计算,生成第一哈希值,计算方法可以采用MD5、SHA-1、SHA-256等,在此不做限定;
然后将生成的第一哈希值存储到存储介质中,如数据库、文件***等,确保哈希值的安全性和完整性;
在需要进行预警时,获取服务器输出的预警数据,并对该数据进行哈希计算,生成第二哈希值,该第二哈希值表示需要进行预警的信息所生成的哈希值,接着将第一哈希值与第二哈希值进行比对,判断其是否一致,如果一致,说明预警结果是完整未发生改变的,可以进行输出,如果不一致,说明第二哈希值所代表的预警信息出现异常,不可以直接输出,而是发送检查信号至服务器端,并暂停预警,待工作人员检修完成后,重复上述步骤,直到第一哈希值与第二哈希值一致才可以进行预警输出。
通过以上的验证过程,可以验证预警结果的完整性和真实性,确保预警结果没有发生改变,提高***的预警准确性。
实施例二,本发明还提供了一种用于实施上述方法的***实施例,如图2是本发明中一种冷却塔运行监测***的结构示意图,如图2所示,该***包括:
接收模块,用于服务器终端接收来自监测设备所采集的第一监测数据,并生成第一数据集,其中,监测设备用于采集目标区域内的至少一个目标对象的运行数据;
周期性存储模块,用于设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔;
特征优化模块,用于对第一数据集中的监测数据进行特征优化,并生成第二数据集;
结果预警模块,用于根据服务器的分析结果进行预警,并在输出预警结果前进行完整性验证。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (6)
1.一种冷却塔运行监测***的控制方法,其特征在于:该方法包括:
服务器终端接收来自监测设备所采集的第一监测数据,并生成第一数据集,其中,监测设备用于采集目标区域内的至少一个目标对象的运行数据;
设定存储周期对第一数据集进行周期性存储,并在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔;
对第一数据集中的监测数据进行特征优化,并生成第二数据集;
根据服务器的分析结果进行预警,并在输出预警结果前进行完整性验证;
存储窗口的设置进一步包括以下步骤:
确定存储窗口的起始时间和结束时间,并保留该结束时间到下一个起始 时间之间的数据,该数据作为第一数据子集,其中存储窗口的起始时间和结 束时间采用滚动时间区间法确定,每隔一段时间滚动一次时间区间,将新的数据加入该区间并移出过期的数据;
将存储窗口的起始时间和结束时间作为时间戳,对存储窗口进行标记;
评估服务器终端的存储容量,并基于历史数据行为进行计算,得到可用存储容量;
根据服务器终端的存储容量以及计算能力确定监测设备的采集频率;
确定存储窗口的起始时间和结束时间,并保留起始时间到结束时间之间的数据,作为一个存储窗口内所采集的数据;
对第一数据集中的监测数据进行特征优化包括:
对第一数据集中的监测数据进行特征提取,形成具有相同采集频率和存储窗口的特征数据,并将该特征数据作为第二数据集;
对第二数据集中的特征数据进行数据分析,并根据数据分析结果判断特征数据之间的关联性;
根据生成的分析结果对特征数据进行数值表示,该数值大小表示特征数据的关联性;
根据特征数据的关联性选择压缩比,该压缩比与特征数据的关联性呈负相关。
2.根据权利要求 1 所述的一种冷却塔运行监测***的控制方法,其特征在于:所述存储窗口的长度始终小于存储周期的长度。
3.根据权利要求 1 所述的一种冷却塔运行监测***的控制方法,其特征在于:所述存储容量的评估包含以下步骤:
确定数据类型以及数据量;
根据存储周期计算每个数据集的存储空间需求;
根据历史数据对服务器终端的存储空间进行预留。
4.根据权利要求 3 所述的一种冷却塔运行监测***的控制方法,其特征 在于:对服务器终端的存储空间进行预留的方法为滚动平均算法,所述滚动平均算法包括以下步骤:
设定滚动范围,该滚动范围作为计算平均值的数据范围;
初始化滚动平均值和初始化预留的存储空间;
开始接收新数据;
根据滚动范围内的数据确定预留存储空间的调整量;
根据预留存储空间的调整量调整预留存储空间。
5.根据权利要求 4 所述的一种冷却塔运行监测***的控制方法,其特征在于:所述存储空间的调整量具有正负属性,当后一次的滚动平均值大于前一次的滚动平均值时,取调整量为正值,代表需要增加预留的存储空间大小,并且增加值为后一次的滚动平均值;当后一次的滚动平均值大小于前一次的 滚动平均值时,取调整量为负值,代表需要减少预留的存储空间大小,减少值为后一次的滚动平均值。
6.一种冷却塔运行监测***,用于实施如权利要求 1 至 5 任一项所述的一种冷却塔运行监测***的控制方法,其特征在于:该***包括:
接收模块,用于服务器终端接收来自监测设备所采集的第一监测数据, 并生成第一数据集,其中,监测设备用于采集目标区域内的至少一个目标对象的运行数据;
周期性存储模块,用于设定存储周期对第一数据集进行周期性存储,并 在每一个存储周期中选择至少一个存储窗口作为周期性存储的间隔,存储窗口的设置进一步包括以下步骤:
确定存储窗口的起始时间和结束时间,并保留该结束时间到下一个起始 时间之间的数据,该数据作为第一数据子集,其中存储窗口的起始时间和结 束时间采用滚动时间区间法确定,每隔一段时间滚动一次时间区间,将新的数据加入该区间并移出过期的数据;
将存储窗口的起始时间和结束时间作为时间戳,对存储窗口进行标记;
评估服务器终端的存储容量,并基于历史数据行为进行计算,得到可用存储容量;
根据服务器终端的存储容量以及计算能力确定监测设备的采集频率;
确定存储窗口的起始时间和结束时间,并保留起始时间到结束时间之间的数据,作为一个存储窗口内所采集的数据;
将存储窗口的起始时间和结束时间作为时间戳,对采集窗口进行标记;
特征优化模块,用于对第一数据集中的监测数据进行特征优化,并生成第二数据集;
结果预警模块,用于根据服务器的分析结果进行预警,并在输出预警结果前进行完整性验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311322783.0A CN117053619B (zh) | 2023-10-13 | 2023-10-13 | 一种冷却塔运行监测***及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311322783.0A CN117053619B (zh) | 2023-10-13 | 2023-10-13 | 一种冷却塔运行监测***及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117053619A CN117053619A (zh) | 2023-11-14 |
CN117053619B true CN117053619B (zh) | 2024-01-02 |
Family
ID=88654055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311322783.0A Active CN117053619B (zh) | 2023-10-13 | 2023-10-13 | 一种冷却塔运行监测***及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117053619B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204968125U (zh) * | 2015-08-10 | 2016-01-13 | 青岛中科移动物联科技有限公司 | 一种基于无线传感器的无线通信*** |
CN106094764A (zh) * | 2016-08-01 | 2016-11-09 | 南京腾图节能科技有限公司 | 一种基于云计算的工业循环冷却水***监测*** |
CN108920324A (zh) * | 2018-06-08 | 2018-11-30 | 广东轩辕网络科技股份有限公司 | It设备存储容量趋势分析和预警的方法、***及电子装置 |
CN111142799A (zh) * | 2019-12-26 | 2020-05-12 | 深圳市网心科技有限公司 | 分布式存储方法及装置、网络节点及存储介质 |
CN112163612A (zh) * | 2020-09-24 | 2021-01-01 | 深兰人工智能芯片研究院(江苏)有限公司 | 基于fpga的大模板卷积图像匹配方法、装置及*** |
CN112328556A (zh) * | 2020-10-16 | 2021-02-05 | 威胜集团有限公司 | 电能量曲线数据存储方法、电能表及计算机可读存储介质 |
CN112857132A (zh) * | 2021-01-07 | 2021-05-28 | 丁一 | 冷却塔、冷却塔检测控制方法、装置、设备及存储介质 |
CN115150159A (zh) * | 2022-06-30 | 2022-10-04 | 深信服科技股份有限公司 | 一种流量检测方法、装置、设备及可读存储介质 |
CN115223367A (zh) * | 2022-07-28 | 2022-10-21 | 福建工程学院 | 一种基于物联网的道路横风预警*** |
CN115325682A (zh) * | 2022-08-26 | 2022-11-11 | 河南省建筑科学研究院有限公司 | 一种高效智能制冷机房性能监测的优化控制方法及装置 |
CN115629033A (zh) * | 2022-10-21 | 2023-01-20 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种冷却塔防腐监测***及防腐监测方法 |
-
2023
- 2023-10-13 CN CN202311322783.0A patent/CN117053619B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204968125U (zh) * | 2015-08-10 | 2016-01-13 | 青岛中科移动物联科技有限公司 | 一种基于无线传感器的无线通信*** |
CN106094764A (zh) * | 2016-08-01 | 2016-11-09 | 南京腾图节能科技有限公司 | 一种基于云计算的工业循环冷却水***监测*** |
CN108920324A (zh) * | 2018-06-08 | 2018-11-30 | 广东轩辕网络科技股份有限公司 | It设备存储容量趋势分析和预警的方法、***及电子装置 |
CN111142799A (zh) * | 2019-12-26 | 2020-05-12 | 深圳市网心科技有限公司 | 分布式存储方法及装置、网络节点及存储介质 |
CN112163612A (zh) * | 2020-09-24 | 2021-01-01 | 深兰人工智能芯片研究院(江苏)有限公司 | 基于fpga的大模板卷积图像匹配方法、装置及*** |
CN112328556A (zh) * | 2020-10-16 | 2021-02-05 | 威胜集团有限公司 | 电能量曲线数据存储方法、电能表及计算机可读存储介质 |
CN112857132A (zh) * | 2021-01-07 | 2021-05-28 | 丁一 | 冷却塔、冷却塔检测控制方法、装置、设备及存储介质 |
CN115150159A (zh) * | 2022-06-30 | 2022-10-04 | 深信服科技股份有限公司 | 一种流量检测方法、装置、设备及可读存储介质 |
CN115223367A (zh) * | 2022-07-28 | 2022-10-21 | 福建工程学院 | 一种基于物联网的道路横风预警*** |
CN115325682A (zh) * | 2022-08-26 | 2022-11-11 | 河南省建筑科学研究院有限公司 | 一种高效智能制冷机房性能监测的优化控制方法及装置 |
CN115629033A (zh) * | 2022-10-21 | 2023-01-20 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种冷却塔防腐监测***及防腐监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117053619A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117093879B (zh) | 一种数据中心智能化运营管理方法及*** | |
CN111861023B (zh) | 基于统计学的混合风电功率预测方法、装置 | |
CN112650580B (zh) | 一种基于边缘计算的工业大数据监测*** | |
CN110457821B (zh) | 风功率曲线多目标综合评价方法、装置及服务器 | |
CN104281779A (zh) | 一种异常数据判定与处理方法及装置 | |
CN116993227A (zh) | 一种基于人工智能的供热分析评估方法、***及存储介质 | |
CN117053619B (zh) | 一种冷却塔运行监测***及控制方法 | |
WO2021147319A1 (zh) | 一种数据处理方法、装置、设备及介质 | |
CN117391499A (zh) | 光伏电站可靠性评价方法及其装置 | |
CN113011477A (zh) | 一种太阳辐照数据的清洗和补全***及方法 | |
CN116863664A (zh) | 燃气设备的实时监测方法以及燃气设备监测*** | |
CN117291576A (zh) | 一种基于工业场景数据趋势预测的方法、***、计算机设备及存储介质 | |
CN111488200A (zh) | 一种基于动态分析模型的虚拟机资源使用率分析方法 | |
CN116128690B (zh) | 一种碳排放量成本值计算方法、装置、设备及介质 | |
CN116502802A (zh) | 一种基于大数据与无线传感技术的数据管理*** | |
CN113590608A (zh) | 一种基于数据流处理的用户用电信息即采即校方法 | |
CN111932122B (zh) | 一种配电网防灾物资调配方法、装置、终端及存储介质 | |
CN117336103A (zh) | 一种基于多目标决策的智慧水电站监测***及方法 | |
CN113051700A (zh) | 设备可靠性监测方法及装置 | |
CN118101344B (zh) | 一种针对5g消息的传输安全识别***、方法及介质 | |
CN110942196B (zh) | 预测辐照修正方法及装置 | |
CN117873838B (zh) | 一种电信设备环境温度监控方法及*** | |
CN117472589B (zh) | 一种园区网络服务管理方法及*** | |
CN117522220A (zh) | 一种基于仪表日志的仪表管理方法及*** | |
CN114189456B (zh) | 物联网设备的在线状态预测方法、装置及电子设备 |
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 |