一种冷却塔智慧运维平台的制作方法

本发明涉及监控数据处理，尤其涉及一种冷却塔智慧运维平台。

背景技术：

1、随着智能制造工业的发展，越来越多的大功率工业设备被应用在工业生产中，因此，也有越来越多的冷却塔设备被用于对工业设备进行降温冷却，由于工业设备发热问题的愈发严重，如何更智能化地管理冷却塔设备也成为了重要的议题。

2、但现有技术中，对冷却塔的运维工作，一般仅是通过人工控制和巡查进行运维，或是通过简单的数据规则来做异常判断，没有充分利用传感数据处理的思路来提高运维效果，可见现有技术存在缺陷，亟待解决。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种冷却塔智慧运维平台，能够实现对冷却塔的有效故障监控，降低故障率，并在出现故障时提高维修效率。

2、为了解决上述技术问题，本发明公开了一种冷却塔智慧运维平台，所述平台包括：

3、数据获取模块，用于获取多个冷却塔中的冷却设备在工作时的工作参数，以及获取设置在所述冷却塔所在的工作区域内的多个传感器获取的多个传感数据；

4、数据储存模块，用于将所述工作参数和所述传感数据发送至云端的数据库进行保存；

5、数据预测模块，用于根据当前时间段获取的所述工作参数和所述传感数据，基于预测算法模型，预测任一所述冷却塔对应的可能发生故障信息；

6、维修安排模块，用于根据目标区域内的多个冷却塔的所述可能发送故障信息，分析出所述目标区域内的待维修冷却塔以及维修策略；

7、通知模块，用于根据所述维修策略，通过云端信息发送维修指令传输到所述待维修冷却塔的工作人员的手机端，以通知所述工作人员进行维修。

8、在一个可选的实施方式中，所述工作参数包括风机转速参数、风机功率参数、制冷设备功率参数、抽水电机功率参数中的至少一种；和/或，所述传感数据包括水流量数据、水质数据、区域图像数据、区域空气质量数据、区域温度数据、区域湿度数据、区域工作人员打卡数据中的至少一种。

9、在一个可选的实施方式中，所述数据储存模块包括：

10、数据绑定单元，用于将所述工作参数和所述传感参数，与对应的所述冷却塔或冷却设备建立绑定关系；

11、数据发送单元，用于将建立了绑定关系的数据发送至云端的数据库进行保存。

12、在一个可选的实施方式中，所述数据绑定单元具体执行以下步骤以建立绑定关系：

13、对于任一所述工作参数，确定该工作参数的来源所对应的冷却塔和冷却设备，并进行绑定；

14、对于任一所述传感参数，确定该传感参数的来源传感设备所处的设备位置；

15、计算该设备位置与任一所述冷却塔或所述冷却设备所在的区域的几何中心点的距离，并确定出距离最短的所述冷却塔或所述冷却设备，和该传感参数进行绑定。

16、在一个可选的实施方式中，所述数据预测模块包括：

17、参数筛选单元，用于根据任一所述冷却塔对应的每一所述工作参数对应的历史危险信息以及冷却设备信息，从所有所述工作参数中筛选出该冷却塔对应的至少一个待预测数据集合；所述待预测数据集合中包括至少两个属于强风险强相关类型的所述工作参数；

18、模型预测单元，用于根据所述待预测数据集合，以及神经网络预测算法，预测任一所述冷却塔对应的可能发生故障信息。

19、在一个可选的实施方式中，所述参数筛选单元通过执行以下步骤以确定出所述待预测数据集合：

20、对于任一所述冷却塔，获取该冷却塔对应的所有工作参数；

21、对于每一所述工作参数，获取该工作参数对应的在多个历史时间点的历史参数值；

22、在数据库中查询出该冷却塔在所述多个历史时间点对应的是否存在工作异常信息，以确定出该冷却塔工作异常的至少两个异常历史时间点；

23、计算所述至少两个异常历史时间点对应的该工作参数的所述历史参数值之间的异常相似度；

24、根据所述异常相似度从大到小对所有所述工作参数进行排序，得到第一参数序列；

25、对于任意多个所述工作参数，确定该多个工作参数对应的冷却设备；

26、计算该多个工作参数分别对应的所述冷却设备的位置之间的距离平均值；

27、根据所述距离平均值从大到小对所有所述工作参数进行排序，得到第二参数序列；

28、将同时存在于所述第一参数序列和所述第二参数序列的前预设数量位内的所述工作参数，确定为该冷却塔对应的一个所述待预测数据集合。

29、在一个可选的实施方式中，所述异常相似度为数值相似度、平均值相似度和数据变化相似度的加权求和值；其中，所述数据变化相似度的权重大于所述平均值相似度的权重，所述平均值相似度的权重大于所述数值相似度的权重；所述数据变化相似度为两个所述异常历史时间点的与相邻的在先和在后的时间点的所述历史参数值之间的数据变化值之间的相似度；所述平均值相似度为两个所述异常历史时间点的所在的前后预设时间长度区间中的所有历史时间点的所述历史参数值的平均值之间的相似度。

30、在一个可选的实施方式中，所述数据预测模块，具体用于执行以下步骤：

31、将任一所述冷却塔对应的所述待预测数据集合中的每一所述工作参数输入至该冷却塔对应的预先训练好的神经网络预测模型中，以得到每一所述工作参数对应的发生故障预测概率；所述神经网络预测模型通过包括有该冷却塔对应的多个训练工作参数和对应的发生故障标注的训练数据集训练得到；

32、计算所有所述工作参数对应的发生故障预测概率的概率平均值，以得到该冷却塔对应的可能发生故障信息。

33、在一个可选的实施方式中，所述维修安排模块用于执行以下步骤：

34、获取所述目标区域内的多个冷却塔的所述可能发送故障信息；

35、根据所述可能发送故障信息从大到小，对所述目标区域内的多个冷却塔进行排序以得到冷却塔序列；

36、基于动态规划算法，根据所述冷却塔序列，分析出所述目标区域内的待维修冷却塔以及维修顺序。

37、在一个可选的实施方式中，所述维修安排模块基于动态规划算法，根据所述冷却塔序列，分析出所述目标区域内的待维修冷却塔以及维修顺序的具体步骤包括：

38、将所述冷却塔序列的前预设数量个冷却塔确定为待维修冷却塔；

39、获取所述目标区域内的冷却塔通行路线；

40、确定目标函数包括：维修链条中所有所述待维修冷却塔的所述可能发生故障信息与对应的链条位置的乘积之和达到最小；所述链条位置为所述待维修冷却塔在所述维修链条中的维修位次；所述维修链条中的所有待维修冷却塔的位置所连接组成的位置路线最短；所述维修链条由所有所述待维修冷却塔依照特定顺序组成；

41、确定限制条件包括：所述维修链条中相邻的所述待维修冷却塔可以通过所述冷却塔通行路线进行通行；

42、根据所述目标函数和所述限制条件，基于粒子群算法进行演算，以得到最优的所述维修链条的演算结果，以确定出所有所述待维修冷却塔对应的维修顺序。

43、与现有技术相比，本发明具有以下有益效果：

44、本发明能够通过数据获取和传感监控来全面对冷却塔进行故障监控和预测，并根据数据算法来确定出维修策略，从而能够实现对冷却塔的有效故障监控，降低故障率，并在出现故障时提高维修效率。