一种油气管网SCADA数据治理监测系统及监测方法与流程

本发明涉及油气管网scada数据治理监测，特别是涉及一种油气管网scada数据治理监测系统及监测方法。

背景技术：

1、数据采集与监视控制(supervisory control and data acquisition，scada)技术是一种重要的工业自动化技术，广泛应用于电力、水务、石油化工、交通等各个领域。这一技术旨在实时监测和控制分散的工业过程，帮助运营人员有效管理复杂的工业系统。

2、目前，随着工业自动化的不断发展，scada系统也面临着一些挑战。其中之一是数据治理和分析。随着数据量的不断增加，传统scada系统往往难以有效地处理和分析这些数据，以提供更深入的洞察和决策支持。

3、因此，传统的scada系统中难以在数据治理时进行有效的分析是亟需解决的问题。

技术实现思路

1、本发明的目的是：提供一种油气管网scada数据治理监测系统及监测方法，通过分析并定位待监测设备中可能发生的故障，能够减少设备的维修成本，提高了设备可靠性。

2、一方面，本发明实施例中提供了一种油气管网scada数据治理监测系统，包括：

3、获取模块，用于获取待监测设备的历史生产数据。数据分析模块，用于基于所述历史生产数据，获取所述历史生产数据中的至少一个故障类型数据。评分模块，用于对所述至少一个故障类型数据中的每一个运行参数建立关键性评分，以及，根据每一个所述运行参数的关键性评分，确定各所述运行参数中的关键性运行参数和非关键性运行参数；其中，所述关键性运行参数与所述非关键性运行参数不同，所述关键性运行参数的关键性评分高于所述非关键性运行参数的关键性评分。数据清理模块，用于获取所述待监测设备历史运行时所述关键性运行参数对应的最优数值。监测模块，用于实时监测所述关键性运行参数的数值。判断模块，用于根据实时监测到的所述关键性运行参数的数值和所述关键性运行参数对应的最优数值，判断所述待监测设备是否出现故障。

4、其中，若所述关键性运行参数的数值和所述关键性运行参数对应的最优数值相同，所述判断模块确定所述待监测设备在生产运行中未出现故障。若所述关键性运行参数的数值和所述关键性运行参数对应的最优数值不相同，所述判断模块确定所述待监测设备在生产运行中未出现故障。

5、进一步，所述评分模块还用于获取各所述故障类型数据中单一故障对应的至少一个运行参数的数值。所述评分模块还用于根据所述单一故障对应的所述至少一个运行参数的数值与所述至少一个运行参数对应的预设数值之间的关系，获取所述单一故障中的影响参数。

6、其中，对于所述单一故障对应的所述至少一个运行参数中的任一运行参数，若所述任一运行参数的数值与所述任一运行参数对应的预设数值相同，所述评分模块不保留所述任一运行参数。若所述任一运行参数的数值与所述任一运行参数对应的预设数值不相同，所述评分模块保留所述任一运行参数，并将保留后的所述任一运行参数确定为所述单一故障中的影响参数，所述评分模块还用于基于所述影响参数的数值与所述任一运行参数对应的预设数值之间的关系，确定所述影响参数的关键性评分。

7、进一步，所述评分模块还用于获取所述影响参数的数值与所述任一运行参数对应的预设数值之间的差异值，所述评分模块还用于根据所述差异值与所述影响参数对应的预设差异值阈值之间的数值关系，确定所述影响参数的关键性评分。

8、其中，所述评分模块还用于预先设定所述影响参数对应的预设差异值阈值的上限和下限，所述评分模块还用于预先设定第一评分系数、第二评分系数和第三评分系数；所述第一评分系数小于所述第二评分系数，所述第二评分系数小于所述第三评分系数。

9、若所述差异值小于所述影响参数对应的预设差异值阈值的下限，所述评分模块选定所述第一评分系数作为所述影响参数的关键性评分。若所述差异值大于或等于所述影响参数对应的预设差异值阈值的下限且小于或等于所述影响参数对应的预设差异值阈值的上限，所述评分模块选定所述第二评分系数作为所述影响参数的关键性评分。若所述差异值大于所述影响参数对应的预设差异值阈值的上限，所述评分模块选定所述第三评分系数作为所述影响参数的关键性评分。

10、所述评分模块还用于基于各所述影响参数的关键性评分的大小，对各所述影响参数进行排列，根据排列结果确定各所述影响参数中的所述关键性运行参数和所述非关键性运行参数。

11、进一步，对于各所述关键性运行参数中的任一关键性运行参数，所述数据清理模块还用于获取所述任一关键性运行参数的历史运行数据。所述数据清理模块还用于使用聚类法排除所述任一关键性运行参数的历史运行数据中的故障数据和异常数据，以及，采用二次聚类思想确定k-means聚类中k的取值。

12、进一步，所述数据清理模块还用于获取所述任一关键性运行参数的历史运行数据中的所述任一关键性运行参数的数据区间，以及，采用直接聚类法所得的聚类结果为{c1,c2,...,ck}，记每个聚类的聚类中心为{w1,w2,...,wk}。所述数据清理模块还用于获取{w1，w2，…，wk}中值最大的聚类中心wmax，以及，获取所述最大的聚类中心wmax对应的聚类cmax。所述数据清理模块还用于获取wmax与{w1，w2，…，wk}中除wmax之外的每个聚类中心的距离di，设定di＝wmax-wi。所述数据清理模块还用于根据获取的各所述聚类中心的距离di与预设的阈值t之间的关系，获取所述任一关键性运行参数对应的最优数值。

13、其中，若所述数据清理模块确定di≥t，则将所述聚类中心wi对应的聚类ci排除。若所述数据清理模块确定di＜t，则将所述聚类中心wi对应的聚类ci与所述最大聚类cmax合并为一个新的聚类。所述数据清理模块还用于获取最终保留的聚类个数，并将获取的最终保留的聚类个数确定为k-means算法中的k的取值。所述数据清理模块还用于将获取的最终保留的聚类的数值确定为所述任一关键性运行参数对应的最优数值。

14、另一方面，本发明提供一种油气管网scada数据治理监测方法，包括：获取待监测设备的历史生产数据。基于所述历史生产数据，获取所述历史生产数据中的至少一个故障类型数据。对所述至少一个故障类型数据中的每一个运行参数建立关键性评分，以及，根据每一个所述运行参数的关键性评分，确定各所述运行参数中的关键性运行参数和非关键性运行参数；其中，所述关键性运行参数与所述非关键性运行参数不同，所述关键性运行参数的关键性评分高于所述非关键性运行参数的关键性评分。获取所述待监测设备历史运行时所述关键性运行参数对应的最优数值。实时监测所述关键性运行参数的数值。根据实时监测到的所述关键性运行参数的数值和所述关键性运行参数对应的最优数值，判断所述待监测设备是否出现故障。

15、其中，若所述关键性运行参数的数值和所述关键性运行参数对应的最优数值相同，则确定所述待监测设备在生产运行中未出现故障。若所述关键性运行参数的数值和所述关键性运行参数对应的最优数值不相同，则确定所述待监测设备在生产运行中未出现故障。

16、进一步，获取各所述故障类型数据中单一故障对应的至少一个运行参数的数值。根据所述单一故障对应的所述至少一个运行参数的数值与所述至少一个运行参数对应的预设数值之间的关系，获取所述单一故障中的影响参数。

17、其中，对于所述单一故障对应的所述至少一个运行参数中的任一运行参数，若所述任一运行参数的数值与所述任一运行参数对应的预设数值相同，则不保留所述任一运行参数。若所述任一运行参数的数值与所述任一运行参数对应的预设数值不相同，则保留所述任一运行参数，并将保留后的所述任一运行参数确定为所述单一故障中的影响参数。基于所述影响参数的数值与所述任一运行参数对应的预设数值之间的关系，确定所述影响参数的关键性评分。

18、进一步，获取所述影响参数的数值与所述任一运行参数对应的预设数值之间的差异值。根据所述差异值与所述影响参数对应的预设差异值阈值之间的数值关系，确定所述影响参数的关键性评分。

19、其中，所述根据所述差异值与所述影响参数对应的预设差异值阈值之间的数值关系，确定所述影响参数的关键性评分，还包括：

20、预先设定所述影响参数对应的预设差异值阈值的上限和下限，以及，预先设定第一评分系数、第二评分系数和第三评分系数；所述第一评分系数小于所述第二评分系数，所述第二评分系数小于所述第三评分系数。若所述差异值小于所述影响参数对应的预设差异值阈值的下限，选定所述第一评分系数作为所述影响参数的关键性评分。若所述差异值大于或等于所述影响参数对应的预设差异值阈值的下限且小于或等于所述影响参数对应的预设差异值阈值的上限，选定所述第二评分系数作为所述影响参数的关键性评分。若所述差异值大于所述影响参数对应的预设差异值阈值的上限，选定所述第三评分系数作为所述影响参数的关键性评分。基于各所述影响参数的关键性评分的大小，对各所述影响参数进行排列，根据排列结果确定各所述影响参数中的所述关键性运行参数和所述非关键性运行参数。

21、进一步，对于各所述关键性运行参数中的任一关键性运行参数，获取所述任一关键性运行参数的历史运行数据。使用聚类法排除所述任一关键性运行参数的历史运行数据中的故障数据和异常数据，以及，采用二次聚类思想确定k-means聚类中k的取值。

22、进一步，获取所述任一关键性运行参数的历史运行数据中的所述任一关键性运行参数的数据区间，以及，采用直接聚类法所得的聚类结果为{c1,c2,...,ck}，记每个聚类的聚类中心为{w1,w2,...,wk}。获取{w1，w2，…，wk}中值最大的聚类中心wmax，以及，获取所述最大的聚类中心wmax对应的聚类cmax。获取wmax与{w1，w2，…，wk}中除wmax之外的每个聚类中心的距离di，设定di＝wmax-wi。根据获取的各所述聚类中心的距离di与预设的阈值t之间的关系，获取所述任一关键性运行参数对应的最优数值。

23、其中，若所述数据清理模块确定di≥t，则将所述聚类中心wi对应的聚类ci排除。若所述数据清理模块确定di＜t，则将所述聚类中心wi对应的聚类ci与所述最大聚类cmax合并为一个新的聚类。获取最终保留的聚类个数，并将获取的最终保留的聚类个数确定为k-means算法中的k的取值。将获取的最终保留的聚类的数值确定为所述任一关键性运行参数对应的最优数值。

24、本发明实施例提供一种油气管网scada数据治理监测系统及监测方法与现有技术相比，其有益效果在于：通过获取模块与数据库连接，能够追溯和获取待监测设备的历史生产数据，这提供了宝贵的信息资源。接着，数据分析模块的介入，通过对历史数据的深入分析，能够识别和提取出待监测设备的各种故障类型数据，这有助于识别潜在问题和趋势。评分模块进一步提供了对这些故障类型数据的关键性评分，通过比较运行参数的相对重要性，能够识别哪些参数对设备的正常运行至关重要。这为后续的监测和故障判断提供了基础。其次，数据清理模块的功能是获取历史运行数据中的对应关键性运行参数的最优数值，这有助于设备维护和性能优化，以确保设备在最佳状态下运行。监测模块则根据评分模块确定的关键性运行参数进行实时监测，确保设备在运行时处于安全和高效的状态。最后，判断模块负责将实际监测到的关键性运行参数与最优数值进行比对，从而能够及时识别设备是否出现故障。进而能够提前预警潜在问题，降低了维修成本，减少了生产中断，并有效的提高了生产效率和可靠性，有助于保持设备在最佳运行状态。