本公开涉及一种物联网设备运行状态管理方法及系统。
背景技术
物联网建设的目的是把所有物品通过信息传感器设备与互联网连接起来，进行信息交换，即物物相息，以实现智能化识别和管理。目前物联网在智慧油田、智慧城市、智能家居、智能电网等行业均具有广泛的应用，建立了终端设备、传感器、rtu（remoteterminalunit，远程终端单元）/plc（programmablelogiccontroller，可编程逻辑控制器）、交换机网络各环节的信息传递通道和网络拓扑结构，实现了各行业中部分方向的智能化、网络化管理。
在各行业构建物联网设备拓扑结构的过程中，主要是打通了数据采集与传输的通道。对于物联网建设过程中相关设备本身的管理，一方面是在建设时进行的校准与测试，另一方面在后续维护时采取没问题定期检查校准设备、有问题临时排查的方式进行管理。总体而言，缺乏专业的针对物联网设备拓扑结构运行状态进行一体化、自动化分析管理的手段。
在传统的物联网设备运行状态管理中，无法充分利用实时采集的数据、设备的状态信息等进行自诊断分析，设备管理效率低下，无法保证物联网采集数据的稳定性和准确性，给后续的应用分析带来了极大的不确定性，使终端设备的安全管理也会存在较大的隐患。
技术实现要素：
为了解决上述技术问题中的至少之一，本公开提供了一种物联网设备运行状态管理方法及系统。
根据本公开的一个方面，一种物联网设备运行状态管理方法，包括：
物联网拓扑结构建模，建立物联网数据采集过程中的设备隶属关联关系模型，主要涉及传感器、rtu、plc、交换机等设备；
传输网络状态诊断，选取网络性能评价指标，建立网络质量优劣量化诊断模型，确定网络质量的优劣等级；
rtu/plc状态诊断，将单个或多个设备采集的运行状态数据与数据采集业务流程相融合分析，建立带有业务特征的状态诊断模型；
传感器状态诊断，对传感器采集的数据进行分类分析，建立无数据、仪表超限、数据不变、数据漂移等各类数据异常现象的诊断模型；以及
诊断结果输出，将上述诊断过程中发现的物联网设备运行异常状态按照规范输出。
根据本公开的至少一个实施方式，在建立物联网拓扑结构模型时，需要构建传感器、rtu、plc、交换机等不同类型设备之间的从属关系，而rtu、交换机等设备本身还需要考虑同一类型间设备的从属关系。
根据本公开的至少一个实施方式，在传输网络状态诊断时，通过ping的方式获取表征网络质量好坏的数据丢包率、数据往返时间等指标，并基于此类指标建立多级（优、正常、差、不通等）网络质量优劣量化诊断模型。
根据本公开的至少一个实施方式，在rtu/plc状态诊断时，基于对物联网拓扑结构所体现的业务逻辑认识，建立直接诊断法、多设备联动诊断法等有针对性的诊断模型。
根据本公开的至少一个实施方式，基于建立的rtu/plc诊断模型，实时读取该设备的运行状态，基于所读取状态的不同情况，选择其中一种或多种诊断方法确定该rtu/plc是否处于异常状态。
根据本公开的至少一个实施方式，在传感器状态诊断时，需要根据传感器所采集的数据特征（如瞬时值、累计值）不同、数据异常原因不同（如无数据、有数据但不准确）建立多种传感器状态诊断模型，诊断模型包括但不局限于无数据、仪表超限、数据不变、数据漂移四种类型。
根据本公开的至少一个实施方式，传输网络状态诊断、rtu/plc状态诊断、传感器状态诊断三个环节之间存在一定的关联，在诊断时充分考虑其它环节的诊断结果才能准确确定异常原因。
根据本公开的至少一个实施方式，在诊断结果确定后，能够将诊断信息按照后续展示、分析所需的要求输出，比如输出诊断设备、诊断时间、设备状态数据、设备状态诊断结论等数据。
根据本公开的另一方面，一种物联网设备运行状态管理系统，包括：
物联网拓扑结构建模，建立物联网数据采集过程中的设备隶属关联关系模型，主要涉及传感器、rtu、plc、交换机等设备；
传输网络状态诊断，选取网络性能评价指标，建立网络质量优劣量化诊断模型，确定网络质量的优劣等级；
rtu/plc状态诊断，将单个或多个设备采集的运行状态数据与数据采集业务流程相融合分析，建立带有业务特征的状态诊断模型；
传感器状态诊断，对传感器采集的数据进行分类分析，建立无数据、仪表超限、数据不变、数据漂移等各类数据异常现象的诊断模型；以及
诊断结果输出，将上述诊断过程中发现的物联网设备运行异常状态按照规范输出。
根据本公开的至少一个实施方式，首先，录入物联网拓扑结构数据，建立物联网拓扑结构模型；其次，结合网络环境和带宽大小情况确定传输网络状态诊断模型和最优的传输网络状态诊断频率；再次，结合所在行业需求建立rtu/plc、传感器状态诊断模型，并通过获取rtu/plc实时状态、传感器实时采集数据进行自动状态诊断；最后，将诊断信息实时输出。
附图说明
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
图1示出了根据本公开的一个实施方式的物联网设备运行状态管理流程的示意图。
图2示出了根据本公开一个实施方式的传输网络状态诊断的示意图。
图3示出了根据本公开一个实施方式的rtu/plc状态诊断的示意图。
图4示出了根据本公开一个实施方式的传感器状态诊断的示意图。
具体实施方式
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开。
本公开提供了一种物联网设备运行状态管理方法。下面将对本方法的步骤进行详细的描述，本领域的技术人员应当理解，并不是所有的步骤均是必须的，本领域的技术人员可以根据实际情况选择其中的某些步骤来实现本公开的物联网设备运行状态管理方法。
图1示出了本公开的物联网设备运行状态管理流程的示意图。
在步骤s1中，建立物联网拓扑结构模型。在该步骤中，支持物联网设备属性信息录入、编辑，并实现传感器->rtu/plc->交换机等设备在数据传输过程中的从属关系管理。
在步骤s2中，进行传输网络状态诊断。在该步骤中，基于对网络质量好坏的评价指标的分析，建立多级网络质量优劣量化诊断模型，通过诊断模型实现网络质量的分级评价，等级数量、等级名称、等级划分标准可根据实际业务场景进行灵活配置。在该步骤中，基于建立的诊断模型，再结合ping后返回的数据即可进行当前网络状态的在线评价。
在步骤s3中，进行rtu/plc状态诊断。在该步骤中，根据rtu/plc自身的运行状态、同一交换机节点下不同rtu/plc的运行状态、同一rtu/plc下连接的不同传感器采集的数据情况可建立多种不同的rtu/plc运行状态诊断模型。在该步骤中，基于建立的诊断模型，利用实时采集的rtu/plc状态数据、传感器数据进行多维度的诊断分析，确定rtu/plc是否处于正常运行状态。
在步骤s4中，进行传感器状态诊断。在该步骤中，结合实际业务应用场景，分析传感器的功能作用和数据特征，定义传感器故障类别、故障诊断模型、诊断模型所需参数。在该步骤中，诊断模型不同所需获取的数据量大小不同、所需的参数数量不同。
在步骤s5中，进行诊断结果输出。在该步骤中，将步骤s2至s4所诊断的结果信息按照规范格式进行输出。
图2示出了步骤s2的传输网络状态诊断的示意图。
在步骤s21中，根据网络环境与带宽情况合理优化网络状态诊断频率，并以ping的方式发送测试指令。在步骤s22中，实时接收步骤s21发出测试指令的返回数据，并将接收的数据推送至步骤s23。在步骤s23中，基于步骤s22推送的数据，利用建立的网络状态诊断模型进行自动评价，若网络正常则执行步骤s25，若网络异常则执行步骤s24。在步骤s24中，将步骤s23诊断的异常结果按照规范格式输出。在步骤s25中，由于网络无异常，进行rtu/plc状态诊断环节。
图3示出了步骤s3的rtu/plc状态诊断的示意图。
在步骤s31中，实时获取rtu/plc的运行状态数据，如果能获取到数据，则执行步骤s32，如果获取不到数据，则执行步骤s33。在步骤s32中，基于获取到的设备运行状态数据，利用直接诊断法可准确判断rtu/plc当前是否处于正常状态。在步骤s33中，由于无法获取所监控rtu/plc的当前状态数据，因此需要获取该设备所关联交换机节点下的其它rtu/plc的当前状态数据以及该设备所关联的传感器实时采集数据，并利用多设备联动诊断法进行诊断。在步骤s34中，将步骤s32、s33的诊断结果按照规范进行输出。
图4示出了步骤s4的传感器状态诊断的示意图。
在步骤s41中，基于传感器所应用的业务场景建立诊断不同问题的评价模型，并确定各诊断模型所需要的输入参数。在步骤s42中，根据诊断模型的不同，获取相应的传感器实时数据，若能获取到数据则进行步骤s44，若不能获取到数据则进行步骤s43。在步骤s43中，基于步骤s41建立的相关模型进行无数据原因诊断，并将诊断结果推送至步骤s45。在步骤s44中，基于步骤s41建立的相关模型进行传感器数据异常诊断，并将诊断结果推送至步骤s45。在步骤s45中，将诊断结果按照规范进行输出。
本公开还提供了一种物联网设备运行状态管理系统，包括：物联网拓扑结构管理、传输网络状态诊断、rtu/plc状态诊断、传感器状态诊断、诊断结果输出及展示模块。需要注意的是，本领域的技术人员可以根据实际情况选择其中的某些步骤来实现本公开的物联网设备运行状态管理系统。
上述模块可以实现上述方法中的相应功能，来实现物联网设备运行状态管理的功能。
下面结合具体实施例对本公开进一步地说明。
在第一实施例中，以油田网络交换机节点状态诊断为例。
收集a油田网络交换机的节点名称、节点ip、父节点名称等信息，共计32个交换机节点（其中一级节点1个、二级节点8个、三级节点23个），建立油田网络交换机节点拓扑图。将传输网络状态诊断服务部署的服务器所在网络位于一级节点，以丢包率作为传输网络状态好坏的评价指标，并将诊断结果划分为优（丢包率等于0）、正常（丢包率小于25%）、差（丢包率大于25%且小于100%）、不通（丢包率等于100%）四级。后台服务通过每分钟一次逐级ping的方式获取各交换机节点的最新丢包率数据，并结合传输网络状态诊断模型进行实时诊断，并将诊断结果进行输出。
在第二实施例中，以油田井场rtu运行状态无法获取为例。
油田b交换机节点下连接10个rtu，每个rtu负责一个井场的数据传输。假如b交换机节点处于正常状态但其连接的某一个rtu无法获取到实时运行状态，此时只能判定是b交换机节点与该rtu之间是不通的，但无法确定是rtu本身的问题还是光纤问题。此时，通过采集其它9个rtu的实时运行状态进行辅助判断分析，只要9个中有一个传感器能获取数据，则说明是rtu本身的问题。
在第三实施例中，以油田集油间总回油温度传感器数据漂移为例。
油田c集油间总共包括7个集油环，对于集油间的输出管线和每个集油环管线均安装了温度传感器，正常情况下，集油间的输入管线会掺入热水，使集油环里面的原油温度升高而更容易流动，所以在考虑集油环本身散热的情况下集油间的输出管线液体的温度要低于集油环中液体的温度。针对此业务场景，建立的集油间总回油温度传感器数据漂移的诊断模型为“连续三次采集的实时数据集油间回油温度均高于各集油环的中的液体温度”。通过实时分析最近三次集油间的回油温度与7个集油环的液体温度，当满足诊断模型的条件时说明集油间总回油温度传感器存在数据漂移现象，需要进行校对。
在上述实施例中，通过对油田物联网拓扑结构进行建模，并结合业务场景建立传输网络状态诊断模型、rtu运行状态诊断模型、传感器数据漂移模型，结合实时获取的网络丢包率、井场rtu运行状态、集油间总回油温度、集油环液体温度等数据进行实时在线诊断，建立了油田物联网设备状态的自动诊断体系，为保证物联网数据采集的稳定性和数据的准确性提供了强有力的保障。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。