物联网设备的在线状态预测方法、装置及电子设备制造方法及图纸

本申请实施例提供了物联网设备的在线状态预测方法、装置及电子设备。本申请中，通过借助不同维度(设备因子、时域因子、空域因子等)上的时序数据，以及基于时序训练的故障预测模型预测物联网设备在当前时间戳之后的时间戳下的在线状态预测信息(包括在线或离线)，实现了预测物联网设备在未来一段时间内的在线状态比如在线或离线，有效把控物联网设备在整个生命周期的健康状态，真正做到“全程可控”，实现资源的智能规划，减少响应式运维所造成的运维不及时等问题。维不及时等问题。维不及时等问题。

【技术实现步骤摘要】
物联网设备的在线状态预测方法、装置及电子设备


[0001]本申请涉及物联网技术，特别涉及物联网设备的在线状态预测方法、装置及电子设备。

技术介绍

[0002]在物联网应用中，传统的运维方式一般是响应式运维。所谓响应式运维，其是指在监控到物联网设备出现故障后才进行一系列的告警、分派故障工单、维修等处理。
[0003]但是，针对一些特殊应用，比如包含一些非常昂贵的部件的复杂系统诸如飞机引擎等，或者一些重大安保活动，一般是无法承受其出现故障的风险，目前的响应式运维无法满足需求。

技术实现思路

[0004]本申请实施例提供了物联网设备的在线状态预测方法、装置及电子设备，以预测物联网设备在未来时间戳的在线状态，提高故障发现的及时性。
[0005]本申请实施例提供了物联网设备的在线状态预测方法，该方法包括：
[0006]依据目标历史时长中各历史时间戳下的物联网设备的设备因子，生成与物联网设备对应的基于各历史时间戳的设备因子时序数据；设备因子时序数据包括：历史时间戳以及历史时间戳下的设备因子；设备因子至少包括：在线状态和/或物联网设备采集的图像数据信息；
[0007]依据各历史时间戳下与物联网设备关联的空域因子，生成物联网设备对应的基于各历史时间戳的空域因子时序数据；空域因子时序数据包括：历史时间戳以及历史时间戳下的空域因子；空域因子至少包括物联网设备关联的目标点位的在线状态和/或目标点位关联的目标取电点的在线状态；
[0008]依据各历史时间戳下与物联网设备相关联的时域因子，生成与物联网设备对应的基于各历史时间戳的时域因子时序数据，时域因子时序数据至少包括：历史时间戳以及在该历史时间戳下的时域因子；时域因子至少包括：在该历史时间戳之前的至少一个时长内物联网设备发生的变化情况；
[0009]依据设备因子时序数据、空域因子时序数据、时域因子时序数据生成完整的目标时序数据；所述目标时序数据包括所述历史时间戳对应的时序数据、以及在检测出所述目标历史时长中的历史时间戳不符合预设完整条件时增补的缺失时间戳对应的时序数据；将目标时序数据输入至已训练的故障预测模型得到物联网设备在当前时间戳之后的时间戳下的在线状态预测信息。
[0010]本申请实施例提供一种物联网设备的在线状态预测装置，该装置包括：
[0011]数据汇聚单元，用于依据目标历史时长中各历史时间戳下的物联网设备的设备因子，生成与物联网设备对应的基于历史时间戳的设备因子时序数据；设备因子时序数据包括：历史时间戳及历史时间戳下的设备因子；设备因子至少包括：在线状态和/或物联网设
备采集的图像数据信息；以及，
[0012]依据各历史时间戳下与物联网设备关联的空域因子，生成物联网设备对应的基于各历史时间戳的空域因子时序数据；空域因子时序数据包括：历史时间戳以及历史时间戳下的空域因子；空域因子至少包括物联网设备关联的目标点位的在线状态和/或目标点位关联的目标取电点的在线状态；以及，
[0013]依据各历史时间戳下与物联网设备相关联的时域因子，生成与物联网设备对应的基于各历史时间戳的时域因子时序数据，时域因子时序数据至少包括：历史时间戳以及在该历史时间戳下的时域因子；时域因子至少包括：在该历史时间戳之前的至少一个时长内物联网设备发生的变化情况；
[0014]处理单元，用于依据设备因子时序数据、空域因子时序数据、时域因子时序数据生成完整的目标时序数据；所述目标时序数据包括所述历史时间戳对应的时序数据、以及在检测出所述目标历史时长中的历史时间戳不符合预设完整条件时增补的缺失时间戳对应的时序数据；将目标时序数据输入至已训练的故障预测模型得到物联网设备在当前时间戳之后的时间戳下的在线状态预测信息。
[0015]本申请实施例还提供了一种电子设备。该电子设备包括：处理器和机器可读存储介质；
[0016]所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
[0017]所述处理器用于执行机器可执行指令，以实现上述公开的方法的步骤。
[0018]由以上技术方案可以看出，本申请中，在本实施例中，通过借助上述不同维度(设备因子、时域因子、空域因子等)上的时序数据，以及基于时序训练的故障预测模型预测物联网设备在当前时间戳之后的预测时间戳下的在线状态预测信息(包括在线或离线)，实现了预测物联网设备在未来一段时间内的在线状态比如在线或离线。
[0019]进一步地，通过预测物联网设备在未来一段时间内的在线状态比如在线或离线，可以有效把控物联网设备在整个生命周期的健康状态，真正做到“全程可控”，实现资源的智能规划，有效减少响应式运维所造成的运维不及时等问题。
[0020]再进一步地，通过这种智能预测式的运维(预测物联网设备在未来一段时间内的在线状态比如在线或离线)，可以降低风险，提高工作效率，减少运维人员的人力投入。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0022]图1为本申请实施例提供的方法流程图；
[0023]图2为本申请实施例提供的步骤104实现流程图；
[0024]图3为本申请实施例提供的装置结构图；
[0025]图4为本申请实施例提供的电子设备结构图。
具体实施方式
[0026]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例
中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0027]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0028]为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。
[0029]本申请实施例侧重多维数据对物联网设备在未来时间的在线状态进行预测。其中，这里的多维数据除了物联网设备本身的设备因子比如在线状态和/ 或视频图像数据(VQD、录像)外，还侧重于与物联网设备关联的空域因子比如点位、取电点等的在线状态，以及与物联网设备关联的时域因子(在一段时间内物联网设备发生的诸如状态变更次数等变化情况)等。在本实施例中，在线状态是指在线或者离线。
[0030]为了实现基于多维数据对物联网设备在未来时间的在线状态进行预测，本申请实施例先基于多维数据再借鉴机器学习训练出故障预测模型，通过该故障预测模型最终预测出物联网设备在未来时间的在线状态。这里的故障预测模型是基于时序数据训练的模型，该时序数据具体可参考上述的多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网设备的在线状态预测方法，其特征在于，该方法包括：依据目标历史时长中各历史时间戳下的物联网设备的设备因子，生成与物联网设备对应的基于各历史时间戳的设备因子时序数据；设备因子时序数据包括：历史时间戳以及历史时间戳下的设备因子；设备因子至少包括：在线状态和/或物联网设备采集的图像数据信息；依据各历史时间戳下与物联网设备关联的空域因子，生成物联网设备对应的基于各历史时间戳的空域因子时序数据；空域因子时序数据包括：历史时间戳以及历史时间戳下的空域因子；空域因子至少包括物联网设备关联的目标点位的在线状态和/或目标点位关联的目标取电点的在线状态；依据各历史时间戳下与物联网设备相关联的时域因子，生成与物联网设备对应的基于各历史时间戳的时域因子时序数据，时域因子时序数据至少包括：历史时间戳以及在该历史时间戳下的时域因子；时域因子至少包括：在该历史时间戳之前的至少一个时长内物联网设备发生的变化情况；依据设备因子时序数据、空域因子时序数据、时域因子时序数据生成完整的目标时序数据；所述目标时序数据包括所述历史时间戳对应的时序数据、以及在检测出所述目标历史时长中的历史时间戳不符合预设完整条件时增补的缺失时间戳对应的时序数据；将目标时序数据输入至已训练的故障预测模型，得到物联网设备在当前时间戳之后的时间戳下的在线状态预测信息。2.根据权利要求1所述的方法，其特征在于，所述物联网设备关联的目标点位的在线状态通过以下步骤确定：针对每一历史时间戳，当所述目标点位关联的任一物联网设备在该历史时间戳下的在线状态为在线，则该历史时间戳下目标点位的在线状态为在线，否则，该历史时间戳下目标点位的在线状态为离线；所述目标点位关联的目标取电点的在线状态通过以下步骤确定：针对每一历史时间戳，当所述目标取电点关联的任一点位在该历史时间戳下的在线状态为在线，则该历史时间戳下目标取电点的在线状态为在线，否则，该历史时间戳下目标取电点的在线状态为离线。3.根据权利要求2所述的方法，其特征在于，所述空域因子还包括：处于所述目标点位的X米范围内在线状态为在线的取电点的数量，以及，处于所述目标点位的X米范围内在线状态为离线的取电点的数量。4.根据权利要求1所述的方法，其特征在于，所述在该历史时间戳之前的至少一个时长内物联网设备发生的变化情况至少包括：在该历史时间戳之前的第一指定时长内物联网设备的在线状态发生变更的次数、和/或目标点位在线状态比、和/或目标取电点在线状态比、和/或图像采集完好率；和/或，在该历史时间戳之前的第二指定时长内物联网设备的在线状态发生变更的次数、和/或目标点位在线状态比、和/或目标取电点在线状态比、和/或图像采集完好率；其中，第一指定时长小于第二指定时长；其中，所述在线状态发生变更包括从在线变为离线、以及从离线变为在线；所述目标点位在线状态比包括所述目标点位的在线时长占比，以及目标点位的离线时长占比；所述目标取电点在线状态比包括所述目标取电点的在线时长占比，以及所述目标取电点的离线时
长占比。5.根据权利要求1所述的方法，其特征在于，所述依据设备因子时序数据、空域因子时序数据、时域因子时序数据生成完整的目标时序数据包括：在检测出目标历史时长中的历史时间戳不符合预设完整条件时，修复所述目标历史时长中缺失的缺失时间戳；针对每一缺失时间戳，依据包含该缺失时间戳在内的预设时长内的网络状态因子、和/或环境因子、和/或人为因子，以及与该缺失时...

【专利技术属性】
技术研发人员：曲彤晖，
申请(专利权)人：杭州海康威视系统技术有限公司，
类型：发明
国别省市：