基于设备物联异常状态检测及故障误报率矫正处理方法与流程

本发明属于机电设备，具体涉及基于设备物联异常状态检测及故障误报率矫正处理方法。

背景技术：

1、城市公共物业管辖的配电设备、用电设备多、用电情况复杂，人为监测容易出现反馈不及时、不精准的情况，事故发生后才进行抢修；加上数据分析计算量大、过程繁琐复杂，设备运维状况仍然存在诸如设备档案不完整、设备运行状况缺少实时监测、难以适应信息化建设的需求，设备巡检保养审批繁琐、运营成本居高不下、维保效率低、设备跟踪状况不到位，故障维修保养依靠维保人员素质经验等问题，需要投入大量的人力资源进行管理，最终导致运维成本过高。

2、针对大型商业综合体、居民住宅区、工业园区、产业园区的ip类、485连接和can总线连接的机电设备，基本上都是通过物联技术实现设备的连接和运行管理；在设备的故障判断方面多数采用重发机制或一段时间内来减少故障误报率。

3、物联网关或平台通过重发机制或一段时间的方式判断设备的故障，虽然减少了大部分故障误报；因为物联设备的实时性，即使少部分的误报率达到一定时间内的故障报警也会积累很多，对设备运维来说是不能接受的。例如住宅小区里面的监控摄像头，一般一个小区都有数百个，通过判断其离线状态来进行检修，但是由于网络环境是不稳定的，就会产生很多离线报警，给用户增加了很多额外的负担，因此我们需要提出基于设备物联异常状态检测及故障误报率矫正处理方法来解决上述存在的问题。

技术实现思路

1、本发明的目的在于提供基于设备物联异常状态检测及故障误报率矫正处理方法，能够有效解决大型商业综合体、居民住宅区、工业园区、产业园区的ip类、485连接和can总线连接机电设备的故障误报问题，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明采用了如下技术方案：

3、基于设备物联异常状态检测及故障误报率矫正处理方法，包括如下步骤：

4、s1、将物联系统导入设备模型适配，实现物联设备归集、同物联网拓扑结构的设备组成一组智能体组；

5、s2、设备状态模型训练容器：每一种类型设备基于同类型设备数据沉淀，创建一个状态模型训练容器，定期采集设备的数据，并融合主动上报的数据，进行状态模型训练，且联动物联网通路判定模块和设备智能体组模块进行辅助检测；

6、s3、设备推断模型：模型更新控制模块控制设备状态模型训练容器训练的模型，定期更新成对应的设备推断模型；

7、s4、数据采集与上报管理模块：支持网关主动查询设备数据的指令归类管理和数据上报控制管理；

8、s5、物联网通路判定模型：实现设备连接网络是否正常的判定，在设备连接失败的条件下，启动该模块，判定网络通路是否正常；

9、s6、设备智能体组辅助判定模型：通过归集智能体组内关联设备进行矫正检测；在设备出现故障的条件下，网络通路也是正常的，启动该模块，进行辅助校验报警设备是否出现故障、以及故障出现的具体位置、产生的原因。

10、优选的，所述智能体组包括多个机电设备，多个机电设备通过物联网通路电性连接。

11、优选的，所述物联系统在导入设备模型适配时，先设计一个设备模型，再将物联系统与设备模型进行集成，再将物联设备连接到物联系统中，实现设备的归集，根据物联网拓扑结构将归集的物联设备组成一组智能体组，最后通过物联系统对智能体组进行协同工作，其中设备模型使用标准的物联网设备模型或根据具体的应用场景自定义设备模型，设备模型的定义包括属性、功能和接口。

12、优选的，步骤s2中，所述状态模型训练容器的建立步骤如下：

13、a1、数据收集：需要收集同类型设备的数据，确保收集足够的数据样本，以便能够全面反映设备的状态和行为，其中数据包括设备的传感器数据、操作日志和故障记录；

14、a2、数据清洗和预处理：对收集到的数据进行清洗和预处理，确保数据的质量和一致性，以提高模型的准确性和稳定性，清洗和预处理包括去除异常值、处理缺失值和数据归一化；

15、a3、特征提取：从清洗后的数据中提取有意义的特征，确保选择的特征能够准确地反映设备的状态和行为，有意义的特征包括设备的关键指标、统计特征和频域特征；

16、a4、数据标注：为数据样本进行标注，根据设备的状态和行为，为每个数据样本分配正确的标签；

17、a5、模型训练：使用标注的数据样本训练状态模型，通过训练模型，使其能够从设备数据中学习设备的状态和行为模式；

18、a6、模型评估和优化：对训练得到的模型进行评估和优化，使用测试数据集对模型进行验证，评估其准确性和泛化能力，根据评估结果，对模型进行调整和优化，提高其性能和效果；

19、a7、创建状态模型训练容器：将训练好的状态模型部署到容器中，确保容器能够提供稳定的计算资源和环境，以支持状态模型的训练和运行，其中容器设置为一个虚拟环境、云平台和边缘设备中的其中一种。

20、优选的，在定期采集设备的数据时，需确定要采集的设备数据类型和频率，确定数据采集的时间间隔和触发条件，获得开发数据采集程序，根据开发数据采集程序获取设备数据并存储到本地或云端数据库中。

21、优选的，所述物联网通路判定模块通过检测设备之间的网络连接、通信质量的指标，判官设备是否正常联网以及通信是否正常；所述设备智能体组模块通过设备数据进行实时监测、分析和预测，提供智能化的决策支持，帮助设备实现主控制和优化运行，所述物联网通路判定模块和设备智能体组模块的联动实现对物联网通路的监测的判定，以及对设备状态的智能化管理，通过采集设备的数据，并结合主动上报的数据进行状态模型训练，实现对设备的状态进行实时监测和预测，及时发现设备故障或异常情况，同时，联动物联网通路判定模块和设备智能体组模块，通过对物联网通路状态的判定和设备状态的分析，提供辅助检测和优化决策，保障设备的正常运行和性能优化。

22、优选的，步骤s3中，所述模型更新控制模块在控制设备状态模型训练容器训练的模型时，包括如下步骤：

23、b1、训练策略设定：模型更新控制模块需要设定一套合适的训练策略，根据设备的特点和需求进行调整和优化，其中训练策略包括训练周期、训练数据量和训练算法；

24、b2、数据采集和预处理：模型更新控制模块负责定期采集设备的数据，并进行预处理，以便后续的模型训练，预处理包括数据清洗和特征提取；

25、b3、模型训练：根据设定的训练策略和预处理后的数据，模型更新控制模块将数据输入到设备状态模型训练容器中进行模型训练，其中，训练过程根据具体情况采用机器学习或深度学习的算法进行模型训练；

26、b4、模型评估与选择：在模型训练完成后，模型更新控制模块会对训练得到的模型进行评估和选择，以确定是否满足设备推断的要求；评估指标包括准确率、召回率和f1值，根据具体场景进行选择。

27、b5、模型更新判断：模型更新控制模块会根据设定的更新策略和评估结果，判断是否需要进行模型更新；更新策略基于时间、数据量和模型性能的因素进行设定；

28、b6、模型更新：当判断需要进行模型更新时，模型更新控制模块会触发模型更新操作；更新操作包括模型参数的更新、模型结构的修改、模型的重新训练的步骤；

29、b7、推断模型生成与更新：在模型更新完成后，模型更新控制模块会生成对应的设备推断模型，并将其更新到设备中，以便在设备上进行推断和决策。

30、优选的，步骤s4中，所述数据采集与上报管理模块通过指令归类管理和数据上报控制管理来实现对设备数据的主动查询和上报控制，其中指令归类管理用于管理和解析设备发送的指令，当网关收到设备发送的指令时，数据采集与上报管理模块会根据预先定义的指令格式进行解析和归类，通过解析指令，识别出指令的类型和相关的数据内容，网关按照指令的类型，将数据发送给对应的处理模块进行进一步的处理；

31、数据上报控制管理用于控制设备数据的上报，网关根据预先设定的策略，决定是否上报设备的数据，数据采集与上报管理模块可以根据需求，对设备数据进行过滤、压缩、加密的处理；通过定义合适的上报策略，控制设备数据的上报频率和方式，以避免数据的过度上报或不必要的数据传输。

32、优选的，所述数据采集与上报管理模块包括设备指令接收单元、指令解析与归类单元、数据处理与存储单元、上报控制单元和数据上报单元，所述设备指令接收单元是网关通过与设备建立通信连接，接收设备发送指令；所述指令解析与归类单元是对接收到的指令进行解析和归类，识别出指令的类型和相关数据内容，所述数据处理与存储单元是根据指令类型将相关数据发送给对应的处理模块进行数据分析、数据存储和数据转发的进一步处理，所述上报控制单元根据预设的策略决定是否上报设备的数据，通过控制数据上报的频率和方式节省带宽和资源消耗，所述数据上报单元是在决定上报数据时，将经过处理的数据发送给云平台或其他目标位置。

33、优选的，所述设备智能体组辅助判定模型在进行矫正检测时，先确定智能体组内关联设备，再将设备数据归类，然后对归集到中央数据汇总点的设备数据进行处理和分析，使用矫正算法进行矫正检测，再根据矫正算法的结果对矫正检测的结果进行分析和判断，最后根据矫正检测的结果和反馈，通过智能体组内的控制器或执行器对设备进行矫正操作。

34、本发明提出的基于设备物联异常状态检测及故障误报率矫正处理方法，与现有技术相比，具有以下优点：

35、本发明利用大数据分析算法中的均值聚类算法和实时数据处理算法来构建构建物联设备故障误报率矫正算法，搭建物联网设备故障误报率样本矫正算法、误报率矫正算法训练容器，定期采集设备的数据，并融合主动上报的数据，进行状态模型训练，且可以联动物联网通路判定模块和设备智能体组模块进行辅助检测；通过归集智能体组内关联设备进行矫正检测；在设备出现故障的条件下，网络通路也是正常的，启动该模块，进行辅助校验报警设备是否出现故障、以及故障出现的具体位置、产生的原因，通过该方式实现以解决大型商业综合体、居民住宅区、工业园区、产业园区中ip类、485连接和can总线连接机电设备的故障误报率偏高的问题，对机电设备及周围环境态势构建物联设备故障误报率矫正算法，通过归集智能体组内关联设备进行矫正检测；在设备出现故障的条件下，网络通路也是正常的，启动该模块，进行辅助校验报警设备是否出现故障、以及故障出现的具体位置、产生的原因，降低物联设备误报率，给运维及时提供准确的设备故障推送，降低因故障造成的损失。