一种基于云平台的真空站数据采集、监控、分析系统的制作方法

1.本发明属于数据分析领域，涉及基于云平台的数据采集分析技术，具体是一种基于云平台的真空站数据采集、监控、分析系统。


背景技术：

2.真空负压站(真空站)是以两台水环真空泵作为真空获得设备，以真空罐作为真空存储设备的成套系统，对于频繁使用真空源而所需抽气量不太大的场合下，真空负压站比直接使用真空泵节省能源，且能够有效提高真空泵的使用寿命。
3.现有方案中真空站多是独立运行，工作人员选择工作方式和相关参数之后，真空站自行运行。现有方案能够保证真空站的正常运行，但是每台空压站都需要一定数量的工作人员进行维护，且无法将真空站的运行数据充分利用起来实现对多台真空站的集中监控，导致人力物力的浪费；因此，亟需一种能够充分利用真空站运行数据的，集数据采集、监控、分析为一体的集中监控系统。


技术实现要素：

4.本发明提供了一种基于云平台的真空站数据采集、监控、分析系统，用于解决现有方案中无法对多台真空站集中监控，且无法充分利用真空站的运行数据实现智能监控，导致浪费人力物力的技术问题，本发明通过数据分析模块结合边缘计算方法获取监测结果，通过云平台实现集中管理调度解决了上述问题。
5.本发明的目的可以通过以下技术方案实现：一种基于云平台的真空站数据采集、监控、分析系统，包括云平台和数据存储模块；
6.所述云平台分别与数据采集模块、数据分析模块和执行控制模块通信和/或电气连接；所述数据采集模块设置于若干个真空站中；
7.所述数据采集模块通过采集传感器实时采集真空站的监测数据，对监测数据进行数据清理之后分别发送至云平台和数据分析模块；
8.通过所述数据分析模块对监测数据进行实时分析和预警分析，同时根据所述实时分析和所述预警分析的分析结果生成故障预警信息；所述故障预警信息包括实时预警信息和预测预警信息；
9.所述云平台实时将故障预警信息进行可视化更新，并集中分析生成调度信息，通过工作人员的智能终端实现人员调度；所述云平台和所述智能终端通信连接；
10.所述执行控制模块根据分析结果控制真空站的运行。
11.优选的，根据所述监测数据进行所述实时分析生成实时预警信息，包括：
12.提取经过数据清理之后的监测数据中的电压、电流和真空度；
13.以采集时间为自变量，分别以电压、电流、真空度为因变量建立数据实时曲线；所述数据实时曲线包括电压实时曲线、电流实时曲线和真空度实时曲线；
14.将所述数据实时曲线分别与对应的数据标准范围曲线进行对比分析获取实时预
警信息；所述实时预警信息包括电压实时预警、电流实时预警和真空度实时预警。
15.优选的，所述数据标准范围曲线是真空站正常工作时，电压、电流、真空度的最大允许范围对应的曲线。
16.优选的，根据所述监测数据进行所述预警分析生成预测预警信息，包括：
17.获取数据存储模块中的智能预警模型；
18.通过监测数据实时生成输入数据；
19.将输入数据输入至智能预警模型获取输出结果；所述输出结果为预测预警信息。
20.优选的，根据监测数据获取所述输入数据包括：
21.提取监测数据，并根据监测数据直接生成监测数据序列，将监测数据序列标记为输入数据；其中，所述监测数据序列包括电压、电流、真空度、温度和湿度；或者
22.提取监测数据，根据监测数据获取数据实时曲线，根据数据实时曲线和监测数据获取曲线数据序列，并将曲线数据序列标记为输入数据；其中，所述曲线数据序列包括电压、电流、真空度、温度、湿度以及数据实时曲线的驻点和极点。
23.优选的，所述智能预警模型的获取包括：
24.通过数据存储模块获取标准训练数据；所述标准训练数据的内容与监测数据序列或者曲线数据序列的内容一致，且所述标准训练数据包括真空站异常和正常时前n分钟的监测数据，n为大于0的整数；
25.为所述标准训练数据设置预测预警信息，预测预警信息的取值为0或者1，当预测预警信息的取值为1时，表示对应的监测数据为n分钟前真空站异常时获取；
26.构建人工智能模型；所述人工智能模型包括误差逆向传播神经网络、rbf神经网络和深度卷积神经网络中的一种或者多种；
27.通过标准训练数据对人工智能模型进行训练、测试和校验，将训练完成的人工智能模型标记为智能预警模型。
28.优选的，所述云平台将故障预警信息在矢量地图中可视化，并实时更新；且通过云平台对工作人员进行集中协调调度。
29.优选的，所述云平台和所述数据存储模块电气连接；所述数据分析模块分别与数据采集模块、执行控制模块通信和/或电气连接。
30.优选的，所述智能终端包括智能手机、平板电脑在内的能够接收和发送信息的通讯设备。
31.优选的，所述采集传感器包括温度传感器、湿度传感器、真空度传感器、电流传感器和电压传感器。
32.与现有技术相比，本发明的有益效果是：
33.1、本发明设置了数据分析模块和云平台；通过数据分析模块对监测数据进行实时分析和预警分析，同时根据实时分析和预警分析的分析结果生成故障预警信息；数据分析模块具有数据分析能力，采用边缘计算的方式通过数据采集模块对监测数据进行分析，然后将分析结果发送至云平台；在数据分析模块的数据处理能力不足时，可通过云平台进行协助处理；云平台实时将故障预警信息进行可视化更新，并集中分析生成调度信息，通过工作人员的智能终端实现人员调度；充分利用了真空站的运行数据，结合云平台和边缘计算方式实现集中监控管理，节省了人力物力。
34.2、本发明既能够进行实时分析，也能够进行预警分析；利用数学方法和人工智能模型实现实时预警和预测预警，全方位对真空站进行监测，能够保证真空站现在和未来的正常运行。
附图说明
35.为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
36.图1为本发明的原理示意图。
具体实施方式
37.下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
38.这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。
39.请参阅图1，本技术提供了一种基于云平台的真空站数据采集、监控、分析系统，包括云平台和数据存储模块；其中，数据存储模块用于存储本技术系统运行过程中产生的数据；
40.云平台分别与数据采集模块、数据分析模块和执行控制模块通信和/或电气连接；数据采集模块设置于若干个真空站中；本实施例中的数据分析模块具有数据分析能力，采用边缘计算的方式通过数据采集模块对监测数据进行分析，然后将分析结果发送至云平台；在数据分析模块的数据处理能力不足时，可通过云平台进行协助处理。
41.本技术提供了一种基于云平台的真空站数据采集、监控、分析系统中，数据采集模块通过采集传感器实时采集真空站的监测数据，对监测数据进行数据清理之后分别发送至云平台和数据分析模块；本实施例中的数据清理指的是清理重复数据和无效数据，将监测数据发送至云平台的第一目的是为了存储监测数据，第二目的是在数据分析模块处理能力不足时，通过云平台进行辅助分析。
42.本技术提供了一种基于云平台的真空站数据采集、监控、分析系统中，通过数据分析模块对监测数据进行实时分析和预警分析，同时根据实时分析和预警分析的分析结果生成故障预警信息；故障预警信息包括实时预警信息和预测预警信息。本实施例中，将故障预警信息分为实时预警信息和预测预警信息：
43.实时预警信息是根据实时采集的监测数据分析出来的故障信息，获取步骤包括：
44.提取经过数据清理之后的监测数据中的电压、电流和真空度；
45.以采集时间为自变量，分别以电压、电流、真空度为因变量建立数据实时曲线；数
据实时曲线包括电压实时曲线、电流实时曲线和真空度实时曲线；
46.将所述数据实时曲线分别与对应的数据标准范围曲线进行对比分析获取实时预警信息；所述实时预警信息包括电压实时预警、电流实时预警和真空度实时预警。
47.具体的，当真空度实时曲线为x＝3，真空度最大允许范围对应的曲线分别为x＝1和x＝5时，则判定真空度无异常，则不生成真空度实时预警。
48.预测预警消息时根据实时采集的监测数据和智能预警模型分析出来的故障信息，获取步骤包括：
49.获取数据存储模块中的智能预警模型；
50.通过监测数据实时生成输入数据；
51.将输入数据输入至智能预警模型获取输出结果；所述输出结果为预测预警信息。
52.预测预警信息的获取有两个要点：1)智能预警模型，2)输入数据；
53.1)智能预警模型
54.通过数据存储模块获取标准训练数据；为了达到故障预测的目的，本实施例的标准训练数据的内容与监测数据序列或者曲线数据序列的内容一致，且标准训练数据既包括真空站异常时，前n分钟的监测数据，以及真空站正常时，前n分钟的监测数据；
55.为标准训练数据设置预测预警信息，预测预警信息的取值为0或者1，当预测预警信息的取值为1时，表示对应的监测数据为n分钟前真空站异常时获取；
56.构建人工智能模型；本实施例中的人工智能模型包括误差逆向传播神经网络、rbf神经网络和深度卷积神经网络中的一种或者多种；
57.通过标准训练数据对人工智能模型进行训练、测试和校验，将训练完成的人工智能模型标记为智能预警模型。
58.2)输入数据
59.提取监测数据，并根据监测数据直接生成监测数据序列，将监测数据序列标记为输入数据；其中，所述监测数据序列包括电压、电流、真空度、温度和湿度；或者
60.提取监测数据，根据监测数据获取数据实时曲线，根据数据实时曲线和监测数据获取曲线数据序列，并将曲线数据序列标记为输入数据；其中，所述曲线数据序列包括电压、电流、真空度、温度、湿度以及数据实时曲线的驻点和极点。
61.本实施例中，输入数据的获取方式有两种，一种是只考虑监测数据，另外一种是在考虑监测数据的基础上，考虑监测数据的曲线变化特征，两种方式可协同交叉使用，能够保证良好的预测精度。
62.本技术提供了一种基于云平台的真空站数据采集、监控、分析系统中，云平台实时将故障预警信息进行可视化更新，并集中分析生成调度信息，通过工作人员的智能终端实现人员调度。本实施例中，在对故障预警信息进行可视化显示时，对表现出故障预警信息的真空站进行不同形式的标注，有助于快速识别。
63.本实例根据真空站异常信息进行人员调度，具体为：
64.以任意表现出故障预警信息的真空站的地理位置为目标位置；
65.获取与目标位置最近或者能力最好的工作人员作为目标人员，规划目标位置与目标人员的路线；目标位置和路线可作为调度信息；
66.将路线发送至目标人员的智能终端上，达到派遣目标人员的目的；智能终端包括
智能手机、笔记本电脑和平板电脑。
67.本技术提供了一种基于云平台的真空站数据采集、监控、分析系统中，执行控制模块根据分析结果控制真空站的运行，包括控制真空站的运行方式，如单泵运行、一泵运行一泵配用和两泵交替运行。
68.本发明的工作原理：
69.数据采集模块通过采集传感器实时采集真空站的监测数据，对监测数据进行数据清理之后分别发送至云平台和数据分析模块；通过数据分析模块对监测数据进行实时分析和预警分析，同时根据实时分析和预警分析的分析结果生成故障预警信息；云平台实时将故障预警信息进行可视化更新，并集中分析生成调度信息，通过工作人员的智能终端实现人员调度；执行控制模块根据分析结果控制真空站的运行。
70.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
71.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。