一种工业物联网数据智能采集管理系统的制作方法

本发明涉及数据管理，具体涉及一种工业物联网数据智能采集管理系统。

背景技术：

1、随着工业设备自动化程度地不断提高，工业设备的物联网数据管理也越来越重要，在工业设备的物联网数据中较为重要的数据信息为与电力能源相关的数据信息。其中，电力能源设备电弧炉通过电弧放热进行金属冶炼，为了便于分析机器能源的使用效率，通过传感器采集电弧炉工作时的电压数据，进而将采集的电压数据传输到数据处理中心实现数据管理。

2、由于电弧炉在运行时需要大量的载荷，载荷在使用过程容易产生谐波，而谐波会对电网造成污染，导致电网电压不稳，为了避免将谐波产生的异常数据分类为电弧炉设备损坏产生的异常数据，需要对谐波进行监控。现有通过传统聚类方法分析电压幅值变化情况实现数据管理分类，其忽略了谐波对电弧炉电压的影响，但是谐波的存在影响着电压异常情况的检测，导致最终的异常分类结果的准确性较低，即误判概率较高。

技术实现思路

1、为了解决上述现有数据管理方法的异常分类结果准确性较低的技术问题，本发明的目的在于提供一种工业物联网数据智能采集管理系统，所采用的技术方案具体如下：

2、本发明一个实施例提供了一种工业物联网数据智能采集管理系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

3、获取待检测工业物联网设备对应的预设数目天的各个第一历史电压时间曲线、各个第二历史电压时间曲线以及当天的实时电压时间曲线；

4、通过预设时间范围内每次分段时的时间段对各个第一历史电压时间曲线进行迭代分段处理，获得最佳分段时间段；

5、根据最佳分段时间段和各个第一历史电压时间曲线，确定待检测工业物联网设备运行时的电压判别指标；

6、根据最佳分段时间段和电压判别指标，筛选出存在异常数据的各个第二曲线段和各个实时曲线段；确定存在异常数据的各个第二曲线段和各个实时曲线段的谐波影响程度组；

7、通过存在异常数据的各个第二曲线段的谐波影响程度组构建用于数据分类的判别坐标系；根据判别坐标系和存在异常数据的各个实时曲线段的谐波影响程度组，确定当天的待检测工业物联网设备的异常数据分类结果。

8、进一步地，通过预设时间范围内每次分段时的时间段对各个第一历史电压时间曲线进行迭代分段处理，获得最佳分段时间段，包括：

9、通过预设时间范围内每次分段时的时间段对各个第一历史电压时间曲线进行迭代分段处理，获得各个第一历史电压时间曲线在每次分段时对应的各个候选第一曲线段；计算任意两个第一历史电压时间曲线在同一次分段时对应的各个候选第一曲线段对之间的相似程度，确定在同一次分段时对应的所有候选第一曲线段对的最小相似程度，获得每次分段时对应的最小相似程度中的最大值，将所述最大值对应分段时的时间段确定为最佳分段时间段。

10、进一步地，根据最佳分段时间段和各个第一历史电压时间曲线，确定待检测工业物联网设备运行时的电压判别指标，包括：

11、利用最佳分段时间段对各个第一历史电压时间曲线进行分段处理，获得各个第一历史电压时间曲线中的各个第一曲线段；

12、将任意一个第一历史电压时间曲线中的任意一个第一曲线段确定为待选曲线段，将其他各个第一历史电压时间曲线中与待选曲线段对应的曲线段确定为比对曲线段；其中，所述其他各个第一历史电压时间曲线为除待选曲线段所在第一历史电压时间曲线以外剩余的第一历史电压时间曲线；

13、确定待选曲线段与其对应的各个比对曲线段之间的相似程度，将最大相似程度确定为待选曲线段的目标相似程度，从而获得第一历史电压时间曲线中的每个第一曲线段的目标相似程度，将最大目标相似程度对应的第一曲线段确定为对应的第一历史电压时间曲线中的目标曲线段；

14、根据各个第一历史电压时间曲线中的目标曲线段中各个电压数据，计算待检测工业物联网设备运行时的电压判别指标。

15、进一步地，所述电压判别指的计算公式为：

16、

17、其中，为待检测工业物联网设备运行时的电压判别指标，m为第一历史电压时间曲线的总个数，l和k为第一历史电压时间曲线的序号，i为第l个第一历史电压时间曲线中的目标曲线段中电压数据的序号，为第l个第一历史电压时间曲线中的目标曲线段中电压数据的总个数，为第l个第一历史电压时间曲线中的目标曲线段中第i个电压数据。

18、进一步地，根据最佳分段时间段和电压判别指标，筛选出存在异常数据的各个第二曲线段和各个实时曲线段，包括：

19、利用最佳分段时间段对各个第二历史电压时间曲线进行分段处理，获得各个第二历史电压时间曲线中的各个第二曲线段；利用最佳分段时间段对实时电压时间曲线进行分段处理，获得实时电压时间曲线中的各个实时曲线段；

20、将各个第二曲线段中的各个电压数据与电压判别指标之间的差值确定为第一差值，将第一差值大于预设差值的电压数据判定为异常数据，筛选出存在异常数据的各个第二曲线段；将各个实时曲线段中的各个电压数据与电压判别指标之间的差值确定为第二差值，将第二差值大于预设差值的电压数据判定为异常数据，筛选出存在异常数据的各个实时曲线段。

21、进一步地，确定存在异常数据的各个第二曲线段和各个实时曲线段的谐波影响程度组，包括：

22、将存在异常数据的任意一个第二曲线段或实时曲线段确定为标记曲线段，将标记曲线段内相邻电压数据之间的幅值变化确定为突变判定指标，将突变判定指标大于突变判定阈值的相邻电压数据确定为一次电压突变；根据标记曲线段中任意相邻的两次电压突变之间的时间间隔和对应的各个电压数据，确定标记曲线段的第三谐波影响程度；

23、以标记曲线段对应的时间区间为滑动区间，在标记曲线段所在的第二历史电压时间曲线的预设范围内按照预设步长进行滑动，获得标记曲线段对应的各个滑动曲线段；计算标记曲线段与其对应的各个滑动曲线段之间的相似程度，筛选出标记曲线段的最大相似程度，统计各个相似程度中大于相似阈值的相似程度个数；计算所述最大相似程度和所述相似程度个数的乘积，对所述乘积进行归一化处理，将归一化处理后的乘积确定为标记曲线段的第四谐波影响程度；

24、通过标记曲线段的第三谐波影响程度和第四谐波影响程度构成标记曲线段的谐波影响程度组，从而获得存在异常数据的各个第二曲线段和各个实时曲线段的谐波影响程度组。

25、进一步地，根据标记曲线段中任意相邻的两次电压突变之间的时间间隔和对应的各个电压数据，确定标记曲线段的第三谐波影响程度，包括：

26、将两次电压突变之间的时间间隔作为标记曲线段的第一谐波影响程度；将位于两次电压突变中心位置的电压数据与目标电压数据之间的差值，确定为第一谐波影响程度的初始权值，对所述初始权值进行反比例的归一化处理，将归一化处理后的数值确定为对应的第一谐波影响程度的权值；其中，所述目标电压数据为前一次电压突变对应的第二个电压数据或后一次电压突变对应的第一个电压数据；

27、将第一谐波影响程度与其对应的权值相乘后的数值确定为标记曲线段的第二谐波影响程度，从而获得标记曲线段的各个第二谐波影响程度，将归一化后的各个第二谐波影响程度的平均值确定为标记曲线段的第三谐波影响程度。

28、进一步地，通过存在异常数据的各个第二曲线段的谐波影响程度组构建用于数据分类的判别坐标系，包括：

29、将存在异常数据的各个第二曲线段的谐波影响程度组的其中一个谐波影响程度作为横坐标，将存在异常数据的各个第二曲线段的谐波影响程度组的另外一个谐波影响程度作为纵坐标，获得存在异常数据的各个第二曲线段对应的数据点；将各个数据点映射到二维坐标系，获得用于数据分类的判别坐标系。

30、进一步地，根据判别坐标系和存在异常数据的各个实时曲线段的谐波影响程度组，确定当天的待检测工业物联网设备的异常数据分类结果，包括：

31、按照预设聚类簇数目对判别坐标系中的各个数据点进行聚类处理，获得不同异常类型的各个聚类簇区域；将存在异常数据的各个实时曲线段的谐波影响程度组构成的数据点映射到判别坐标系中，计算存在异常数据的各个实时曲线段对应的数据点与各个聚类簇区域之间的距离，将距离最近的聚类簇区域的异常类型确定为对应的数据点的异常类型。

32、本发明具有如下有益效果：

33、本发明提供了一种工业物联网数据智能采集管理系统，该管理系统在分析不同异常类型对应的电压变化时添加了谐波影响，有助于数据管理系统获得更准确的异常分类结果，主要应用于设备故障异常数据检测领域。具体为：基于工业物联网设备运行时的电压数据分布特征可知，为了便于后续实现更为高效的数据分类，需要对电压时间曲线中的各个曲线段进行分析，即确定最佳分段时间段，而最佳分段时间段是各个第一历史电压时间曲线进行多次迭代分段对应的多个分段时间段中分段效果最好的分段时间段，所以确定最佳分段时间段有助于提高工业物联网数据分类的准确性；通过最佳分段时间段和各个第一历史电压时间曲线可以确定电压判别指标，电压判别指标可以用于判别电压数据中正常数据和异常数据，便于后续仅对存在异常数据的各个曲线段进行分析，其减少了数据管理系统在进行数据分析时的计算量，有助于提升数据管理的速度；确定存在异常数据的各个第二曲线段的谐波影响程度组，有助于区分不同异常类型，确定存在异常数据的各个第二曲线段受谐波影响的可能性，便于后续构建用于数据分类的判别坐标系；确定各个实时曲线段的谐波影响程度组，是为了检测各个实时曲线段的谐波影响程度组在判别坐标系中的分布情况；通过判别坐标系和存在异常数据的各个实时曲线段的谐波影响程度组实现的数据分类，可以有效提高了当天的待检测工业物联网设备的异常数据分类结果的准确性。