一种高炉数据处理方法和装置与流程

1.本发明涉及到一种高炉管理数据处理技术，具体涉及到一种基于垂直空间数据分池分类转化的高炉数据处理方法和装置，可用于高炉热电偶实时测温数据监控和报警。


背景技术：

2.目前对于高炉热电偶实时测温数据的监控和报警，主要操作是将实时数据库或者关系数据库中的数据查出来，直接显示在图形和表格上；
3.然而该做法存在以下缺点：高炉中各个热电偶测得的温度是随着时间推移频繁变化的，因此页面也需要实时更新数据，而该做法在获取实时变化的测温数据时会导致页面刷新过慢，数据查询卡顿的问题。
4.针对数据监控和报警问题，现有存在一种数据处理方法，即通过后台查到的数据，用json格式传到前端，随后在前端遍历判断并显示。但由于这种方法采用多次遍历判断，因此会导致时间复杂度和空间复杂度增加；并且由于在该方法中，数据逻辑处理与数据显示混杂在同一处理模块里，而需要监控和报警的数据可能存在不同种程度异常等多种情况，如果直接传给前端，在代码前端作判断，增加了客户端的负载压力，从而出现数据处理效率低下的问题。


技术实现要素：

5.有鉴于现有技术的上述缺陷，本发明针对如热电偶实时测温数据等高炉数据的监控和报警查询速度过慢的问题，提出了以下技术方案。
6.本发明提供了一种高炉数据处理方法，包括以下步骤：
7.获取所需要处理的或图形显示的json数据，所述json数据为用于监控和报警的高炉数据，并根据所述高炉数据的采集点在高炉垂直空间的分布进行分层；所述json数据的属性包括层高、目标点和值；
8.对于垂直空间每一层的json数据，执行以下操作：
9.步骤s1：根据值属性，将每一层数据进行归集处理形成第一段流水池数据；
10.步骤s2：根据值属性及报警的阈值范围，将第一段流水池数据进行归集、简化处理形成第二段流水池数据；
11.步骤s3：对第二段流水池数据进行分类标识，形成第三段流水池数据；
12.步骤s4：输出第三段流水池数据，进行图形或者表格的动态显示。
13.通过该方法，将监控和报警的高炉数据进行归集、合并简化和分类标识，最后进行分类输出，可大大减少实时更新数据的数据量，且无需前端进行状态判断，从而解决实时更新数据处理效率低下的问题。
14.进一步的，所述步骤s1具体包括：将具有相同值的json数据的目标点，集合在类json结构的点集合中，并以该相同值为类json结构的目标点共有值；所述类json结构包括属性层高、类键值对<点集合：目标点共有值>；将不具有相同值的json数据的目标点，独立
放在一个点集合中，单独形成一个类json结构，其值为该类json结构的目标点共有值；将分层数据归集产生的多个类json结构组成的类json结构集合定义为第一段流水池数据。
15.进一步的，所述步骤s2具体包括：对于第一段流水池数据，以点集合中点数最多的一个类json结构数据为基准类json结构数据，以该类json结构数据中的目标点共有值作为基准目标点共有值，将第一段流水池数据的其他类json结构数据中的目标点共有值分别和基准目标点共有值进行比较，若误差范围不符合报警规则，则将其目标点共有值对应的点集合加入基准类json结构数据的点集合属性中；否则，保持以前的类json结构数据不变；将第一段流水池数据合并简化后的的类json结构数据的集合定义为第二段流水池数据。
16.进一步的，所述报警规则具体为：将第一段流水池数据的其他类json结构数据中的目标点共有值分别和基准目标点共有值进行比较，若误差范围小于设定阈值，则不符合报警规则；若误差范围大于等于设定阈值，则符合报警规则。
17.进一步的，所述步骤s3具体包括：对于第二段流水池数据，给每一个类json结构数据增加用于表示数据状态的属性，将点集合中点数最多的一个类json结构数据的状态属性设置为正常；其他类json结构数据根据报警规则设置其报警程度。
18.进一步的，所述步骤s4中，所述第三段流水池数据的节点的属性还包括：显示标识颜色。通过颜色可更直观地显示各状态标识。
19.进一步的，所述json数据的属性还包括目标点的数据种类，对于垂直空间每一层的json数据，先根据目标点的数据种类进行分类，针对每一数据种类的目标点，分别执行步骤s1到步骤s4。
20.进一步的，所述高炉数据为热电偶相关数据，其中，层数属性对应热电偶在高炉中插深；目标点属性对应热电偶的设置角度；值属性对应热电偶采集的温度值。该方法适用于解决高炉的热电偶实时测温数据监控和报警的技术问题。
21.本发明还提出了一种基于垂直空间数据分池分类转化的高炉数据处理装置，包括获取模块，分层模块，流水池分段简化模块和输出模块；
22.所述获取模块，用于获取所需要处理的或图形显示的json数据，所述json数据具体为用于监控和报警的高炉数据；
23.分层模块，用于根据高炉数据的采集点在高炉垂直空间上数据分布情况将json数据分为多个垂直空间上的层次，形成分层数据；所述分层数据的属性包括层数、目标点和值；
24.流水池分段简化模块，用于根据报警规则分别对每层的分层数据进行归集、合并简化和分类标识处理，得到第三段流水池数据，所述第三段流水池数据设置有状态属性，所述状态属性用于报警的分类标识；
25.输出模块：用于输出第三段流水池数据，进行图形或者表格的动态显示。
26.进一步的，所述流水池分段简化模块，包括第一段流水池模块、第二段流水池模块和第三段流水池模块；
27.所述第一段流水池模块，用于将分层数据进行数据归集处理生成第一段流水池数据：根据每一层的所有数据，将具有相同值的目标点放在同一个组里，形成一个点集合，该相同值被定义为目标点共有值；所述点集合和所述目标点共同值以类json结构的类键值对<点集合：目标点共同值>表示，将分层数据归集产生的类json结构的数据集合定义为第一
段流水池数据；
28.所述第二段流水池模块，用于对第一段流水池数据进行数据合并、简化处理生成第二段流水池数据：根据第一段流水池数据，选取基准类json结构及对应的基准目标点共有值，将其他类json结构的目标点共有值和基准目标点共有值的差值在设定阈值范围内的点集合并入将基准类json结构的点集合，进行合并简化，将第一段流水池数据合并简化后的类json结构的数据集合定义为第二段流水池数据；
29.所述第三段流水池模块，用于对第二段流水池数据进行分类标识生成第三段流水池数据：对第二段流水池数据的每个类json结构，根据报警判定规则加入用于表示正常或报警的状态属性，形成第三段流水线数据。
30.技术效果：
31.本发明定义了一种json数据的类键值对结构；以前键值对结构为(key,value)，而现在为<点集合：共同值>。对于多层垂直空间数据而言，相比于传统方法，减少了空间复杂度。
32.本发明定义了一种类json结构：类json结构由层号，类键值对，状态三个部分组成。对于多层垂直空间数据而言，相比于传统方法加快后续对数据显示的效率。
33.本发明的分池简化的过程：对于一类目标数据只需要一个三段流水池即可完成归集、合并简化和分类标识的全过程，对于多层垂直空间数据，相比于传统方法层次更明显，数据显示更加直观。
附图说明
34.图1是本发明的高炉数据处理方法的流程图；
35.图2是本发明应用于热电偶测温数据的高炉数据处理方法的流程图；
36.图3是本发明应用于多个目标数据点种类的高炉处理方法的流程图；
37.图4是本发明的高炉数据处理装置的框图。
具体实施方式
38.为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
39.现结合附图和具体实施方式对本发明进一步说明。
40.如图1所示，本发明提出了一种基于垂直空间数据分层分类转化的高炉数据处理方法的一具体示例，包括以下内容：
41.步骤101：获取所需要处理的或图形显示的json数据并分层。
42.获取所需要处理的或图形显示的json数据，如用于监控和报警的高炉数据，并根据高炉数据的采集点在高炉垂直空间的分布进行分层；即根据在高炉内部垂直空间上的数据分布情况将高炉数据分为多个垂直空间上的层次h1
‑
hn，然后，对垂直空间每一层的数据进行分层数据处理，如进行数据归集、合并简化和分类标识，最后输出正常数据和报警数据。
43.具体数据处理过程分为三个步骤：
44.步骤102：将某层原始数据转化为第一流水池数据。
45.获取某一层中所有的数据，传统的json结构为(key,value),但现在我们将具有相同值value的目标点key集合到一个数据结构中，即点集合dataset,并将点集合dataset加入至新的类json结构中。新的类json结构具有：层高height，类键值对<点集合dataset：目标点共有值value>这两个属性。若其中某个目标点不存在与之相同的value值，则将该目标点单独放在点集合中，单独形成一个类json结构。通过数据处理，每一层的数据形成多个类json结构，我们将这多个类json结构组成的类json结构数据集合称为第一段流水池数据。
46.步骤103：将某层第一段流水池数据转化为第二段流水池数据。
47.将第一段流水池数据按照如下方式合并简化：针对第一段流水池数据，以点集合中点数最多(即datasetnum最大)的一个类json结构数据(c_jsondata)中的目标点共有值a0作为基准目标点共有值，将第一段流水池数据的其他类json结构数据中的目标点共有值a1,a2
…
an分别与a0进行比较，若误差范围小于a(这是一种判断数据的报警规则)，则将其目标点共有值对应的点集合加入至c_jsondata的点集合属性中，否则，保持以前的结构不变。新的类json结构数据的集合构成第二段流水池数据。
48.可选的，在步骤103中，如果有其他的判断报警的规则，可作如此操作：针对第一段流水池数据数据，以datasetnum最大的一个类json结构数据(c_jsondata)中的目标点共有值v0作为基准目标点共有值，将第一段流水池数据的其他类json结构数据中的目标点共有值v1,v2
…
vn分别与v0进行比较，若不符合报警规则，则将其目标点共有值对应的点集合加入至c_jsondata的点集合属性中，否则，保持以前的结构不变。新的类json结构数据的集合构成第二段流水池数据数据；
49.步骤104：将某层第二段流水池数据转化为第三段流水池数据。
50.第二段流水池数据按照如下方式处理：针对第二段流水池数据，给datasetnum最大的一个类json结构数据(c_jsondata)增加一个状态属性flag，并且flag＝0。属性flag用于标志数据是否正常，flag＝0表示数据正常。其他类json结构数据同样加上属性flag，均设置其flag＝1，表示数据异常，处理后的数据称为第三段流水池数据。
51.可选的，如果判断数据是否正常时需要判断报警程度，则采用如下方式：针对第二段流水池数据，给datasetnum最大的一个类json结构数据(c_jsondata)增加一个标志数据是否正常的属性flag，并且flag＝0。其他类json结构数据同样加上flag属性，根据报警规则设置其报警程度：flag＝11表示数据轻度异常，flag＝12表示数据中度异常，flag＝13表示数据重度异常，处理后的数据称为第三段流水池数据；
52.步骤105：输出第三段流水池数据，对输出的数据进行图形显示或者表格的动态显示。
53.根据状态属性flag分类输出第三段流水池数据，包括两类节点，一类为正常数据，包含的属性如下：层高<height>，状态<flag＝0>,需要记录的点集合<dataset>，显示标志颜色<color>；另一类为报警数据，包含的数据如下：层高<height>，数据是否正常的标志<flag＝1>(若有报警程度：flag＝11表示数据轻度异常，flag＝12表示数据中度异常，flag＝13表示数据重度异常),需要记录的点集合<dataset>,显示标志颜色<color>。
54.针对用于监控和报警的高炉数据，将监控和告警信息分层分类后转化为动态图形
的处理方法，将查询得到的结果处理后放在预存结果池里，自动重新配置和重新查询，在相同查询条件下，减少查询时间，提高数据查询效率。
55.实施例2
56.在本实施例中，具有一个目标点数据类别，高炉数据具体为热电偶测温数据。将热电偶插入高炉的不同深度，并在同一深度设置多个热电偶，用参数角度表示，从而获得高炉里不同插深的热电偶测温数据。
57.包括以下步骤：
58.步骤201：获取所有需要处理或图形显示的json数据，即高炉里不同插深的热电偶测温数据，并分层。
59.对于垂直空间每一层的数据，执行以下操作：
60.步骤202：将某层原始数据转化为第一流水池数据。
61.获取某个插深的所有数据，将json数据(角度,温度)转化为类json数据(dataset＝{热电偶角度数据}:温度值value)。在类json数据中，每个节点结构包括插深和类键值对两个属性，其中，按照以下方法完成类键值对属性的构建：将同一层具有相同温度的热电偶角度整合到一个集合中，作为类json数据节点里类键值对属性中的dataset字段，对应的共同温度值作为类json数据节点中的value字段；另一个属性为热电偶角度：表示目前该层有哪些角度的热电偶显示的温度为共同温度值；至此，原始数据处理为第一段流水池数据。
62.步骤203：将某层第一段流水池数据转化为第二段流水池数据。
63.针对某个插深的第一段流水池数据，选出具有热电偶角度最多的节点(c_jsondata)，高炉里同一插深对应的一圈热电偶温度大部分为v0，因此c_jsondata为这些温度为v0的热电偶数据。将c_jsondata中的温度值(c_value)与标准值(s_value)比较，如果符合要求，则取该层温度标准为c_value，否则取该层温度标准为s_value。将该层温度标准与其他节点的温度值比较，如果温度差符合要求，并且其他节点的温度也在标准范围内，则将该节点中的热电偶角度数据加至c_jsondata中，同时删除原节点(只在第二层删除，第一层保留)；否则保持原节点不变。处理之后的数据称为第二段流水池数据。
64.步骤204：将某层第二段流水池数据转化为第三段流水池数据。
65.针对第二段流水池数据的每个节点，增加状态属性，该状态即表示该数据是否异常，若异常，标出该数据的异常程度，符合系统标准不符合该层标准，则显示热电偶数据轻度异常，只需要调该点的温度；不符合系统标准则为重度调整，该插深的温度都需要调整。如此操作之后，第三段流水池为如下数据：包括层号，类键值对数据，状态。
66.步骤205：输出第三段流水池数据，对输出的数据进行图形显示或者表格的动态显示。
67.实施例3
68.在实施例1和实施例2中，给出的是单一目标数据点种类，如实施例2中是热电偶测温数据，在具体应用中，同时处理的目标数据点种类可以是多个。如图3所示，在本实施例中，给出了针对多个目标数据点种类的处理过程，包括以下步骤：
69.步骤301：获取所有需要处理或图形显示的json数据并分层；
70.步骤302：获取某一层的所有数据，根据目标数据点种类总数m，建立m个流水池，每个流水池有三段，依次生成三段流水池数据，有原始json数据生成包含层高和类键值对两
个属性的第一段流水池数据，由第一段流水池数据简化而来的第二段流水池数据，由第二段流水池数据加上节点状态得到的第三段流水池数据；
71.步骤303：对于m个流水池中的每一个流水池，都进行生成三段流水池的方法输出正常数据和报警数据；
72.步骤304：对输出的数据进行图形或者表格的动态显示。
73.实施例4
74.如图4所示，本发明还提供一种基于垂直空间数据分池分类转化的高炉数据处理装置，包括以下内容：
75.该装置总共包括获取模块401，分层模块402，流水池分段简化模块403和输出模块404；
76.获取模块401，用于获取所需要处理的或图形显示的json数据，所述json数据具体为用于监控和报警的高炉数据；
77.分层模块402，用于根据高炉数据的采集点在高炉垂直空间上数据分布情况将json数据分为多个垂直空间上的层次，形成分层数据；所述分层数据的属性包括层数、目标点和值；
78.流水池分段简化模块，用于根据报警规则分别对每层的分层数据进行归集、合并简化和分类标识处理，得到第三段流水池数据，所述第三段流水池数据设置有状态属性，所述状态属性用于报警的分类标识；
79.输出模块404：输出第三段流水池数据，包括两类节点，一类为正常数据，另一类为报警数据；进行图形或者表格的动态显示。
80.具体的，流水池分段简化模块403，包括第一段流水池模块、第二段流水池模块和第三段流水池模块；
81.所述第一段流水池模块，用于将分层数据进行数据归集处理生成第一段流水池数据：根据每一层的所有数据，将具有相同值的目标点放在同一个组里，形成一个点集合，该相同值被定义为目标点共有值；所述点集合和所述目标点共同值以类json结构的类键值对<点集合：目标点共同值>表示，将分层数据归集产生的类json结构的数据集合定义为第一段流水池数据；
82.所述第二段流水池模块，用于对第一段流水池数据进行数据合并、简化处理生成第二段流水池数据：根据第一段流水池数据，选取基准类json结构及对应的基准目标点共有值，将其他类json结构的目标点共有值和基准目标点共有值的差值在设定阈值范围内的点集合并入将基准类json结构的点集合，进行合并简化，将第一段流水池数据合并简化后的类json结构的数据集合定义为第二段流水池数据；
83.所述第三段流水池模块，用于对第二段流水池数据进行分类标识生成第三段流水池数据：对第二段流水池数据的每个类json结构，根据报警判定规则加入用于表示正常或报警的状态属性，形成第三段流水线数据。
84.尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。