一种基于工业互联网的设备时序数据的分析方法技术

本发明专利技术涉及时序数据处理技术领域，具体为一种基于工业互联网的设备时序数据的分析方法，本方案中，云平台通过人工智能模型对监测数据进行预测，并将预测值发送至监测终端，监测终端在接收到预测值后，根据预测值和偏差阈值对采集的监测数据流进行比对梳理，判断监测数据流中是否存在异常波动，在监测数据流存在异常数据时将该段监测数据流标记为异常数据流并完整上传，在监测数据流正常时取其平均值进行上传，云平台再根据所述平均值和异常数据流进行异常原因的分析及存储。本方案将正常的监测数据流以平均值的形式进行上传，由此形成了对采集的数据信息的压缩作用，降低了用户的数据存储成本。数据存储成本。数据存储成本。

【技术实现步骤摘要】
一种基于工业互联网的设备时序数据的分析方法


[0001]本专利技术涉及时序数据处理
，具体为一种基于工业互联网的设备时序数据的分析方法。

技术介绍

[0002]随着5G技术商用的正式启动，5G技术带来的高速通信为物联网的数据传输速度带来了更高效的运行。而物联网的发展中一项重要的技术就是时序数据库，物联网设备产生的大量数据，需要通过有效的时序数据库进行处理和存储。而海量的物联网设备会产生极为庞大的数据量，所以时序数据库需要存储规模极为庞大数据，其对低存储成本的要求也因此变得很高。因此，现在亟需一种低存储成本的时序数据分析方法。

技术实现思路

[0003]本专利技术的技术问题在于海量的物联网设备会产生极为庞大的数据量，所以存在着数据库规模需求大，存储成本要求高的问题。
[0004]本专利技术提供的基础方案：一种基于工业互联网的设备时序数据的分析方法，包括云平台和若干监测终端，所述云平台和监测终端无线连接；所述监测终端包括数据采集模块、数据筛选模块和通信模块；所述数据采集模块用于采集监测数据并生成监测数据流；所述数据筛选模块存储有偏差阈值和预测值，当监测数据与预测值的差值大于等于偏差阈值时，所述数据筛选模块将该监测数据所在的监测数据流标记为异常数据流，当某段监测数据流的监测数据与预测值的差值均小于偏差阈值时，则生成该监测数据流的平均值；所述通信模块用于将所述平均值以及异常数据流上传至云平台；
[0005]所述云平台包括预测模块、异常分析模块和存储模块；所述预测模块用于通过人工智能模型获取监测数据的预测值并发送给监测终端；所述异常分析模块用于根据接收到的平均值和异常数据流分析异常原因；所述存储模块用于记录所述平均值、异常数据流以及异常原因。
[0006]本专利技术的原理及优点在于：本方案中，云平台通过人工智能模型对监测数据进行预测，并将预测值发送至监测终端，监测终端在接收到预测值后，根据预测值和偏差阈值对采集的监测数据流进行比对梳理，判断监测数据流中是否存在异常波动，在监测数据流存在异常数据时将该段监测数据流标记为异常数据流并完整上传，在监测数据流正常时取其平均值进行上传，云平台再根据所述平均值和异常数据流进行异常原因的分析及存储。本方案将正常的监测数据流以平均值的形式进行上传，由此形成了对采集的数据信息的压缩作用，降低了用户的数据存储成本。
[0007]进一步，所述监测模块还包括供电模块，所述供电模块采用蓄电池组，所述蓄电池组包括若干单体电池；
[0008]所述监测模块还包括电池数据采集模块，所述电池数据采集模块用于采集各个单体电池的电池内阻数据；所述通信模块还用于将采集的电池内阻数据上传至云平台；所述
异常分析模块还用于根据电池内阻分析电池失效情况。
[0009]有益效果：通过对蓄电池组中的单体电池的电池内阻数据进行采集，再由异常分析模块进行电池失效情况的分析，让用户能够及时根据电池失效情况对失效电池进行更换，避免因电池失效造成蓄电池组供电能力不足的情况。
[0010]进一步，所述电池数据采集模块还用于监测电池电压数据，所述通信模块还用于将采集的电池电压数据上传至云平台；所述预测模块还用于通过人工智能模型获取电压预测值；所述异常分析模块还用于根据电压预测值以及电池电压数据分析电压异常情况。
[0011]有益效果：通过对电池电压数据进行采集和预测，对异常的电池电压数据进行分析，让用户能够及时根据电压异常情况对监测终端进行维护，避免了因蓄电池组内部短路而造成热失控等危险情况，对用户的生命健康安全提供了保障。
[0012]进一步，还包括移动终端，所述移动终端包括无线传输模块和提示模块；所述无线传输模块用于与云平台建立无线连接；所述异常分析模块还用于将异常原因、电池失效情况和电压异常情况传输至移动终端。
[0013]有益效果：通过移动终端来对用户进行异常原因、电池失效情况和电压异常情况的通知，避免了用户因外出错过设备异常信息提示的情况，为设备运行的安全性提供了保障。
[0014]进一步，所述移动终端还包括提示模块，所述提示模块用于在接收到异常原因、电池失效情况和电压异常情况时向用户发出提示。
[0015]有益效果：通过提示模块在接收到异常原因、电池失效情况和电压异常情况时向用户发出提示，让用户能够及时获取到设备异常信息的提示。
[0016]进一步，所述监测模块还包括频率控制模块，所述频率控制模块用于控制数据采集模块和电池数据采集模块的数据采集频率。
[0017]有益效果：通过频率控制模块对数据采集模块和电池数据采集模块的数据采集频率进行控制，减少了无效数据采集的同时，也起到了节能环保的有益效果。
附图说明
[0018]图1为本专利技术一种基于工业互联网的设备时序数据的分析方法实施例一的逻辑框图。
具体实施方式
[0019]下面通过具体实施方式进一步详细说明：
[0020]具体实施过程如下：
[0021]实施例一
[0022]实施例一基本如附图1所示，一种基于工业互联网的设备时序数据的分析方法，包括云平台、移动终端和若干监测终端，所述云平台和移动终端及监测终端均无线连接。所述云平台根据历史监测数据对监测数据进行预测，并将预测值传输值监测终端；监测终端再根据预测值和偏差阈值对监测数据流进行判断，将正常监测数据流的平均值以及异常数据流上传至云平台，云平台根据正常监测数据流的平均值以及异常数据流进行异常分析后得到异常原因，再将异常原因发送给移动终端，由此形成了对采集的数据信息的压缩作用，降
低了用户的数据存储成本的同时，也对数据信息的远程采集及监测工作。
[0023]具体的，所述监测终端包括数据采集模块、数据筛选模块、频率控制模块、通信模块、供电模块和电池数据采集模块。
[0024]本实施例中的数据采集模块存储有长度阈值，所述数据采集模块用于采集监测数据，当采集的监测数据大于等于长度阈值时则形成监测数据流；所述数据筛选模块中存储有偏差阈值和预测值，当监测数据与预测值的差值大于等于偏差阈值时，所述数据筛选模块将该监测数据所在的监测数据流标记为异常数据流，当某段监测数据流的监测数据与预测值的差值均小于偏差阈值时，则说明采集的监测数据正常，此时生成该监测数据流的平均值。
[0025]所述供电模块采用蓄电池组，所述蓄电池组包括若干单体电池，本实施例中的蓄电池组设有128节单体电池，所述电池数据采集模块采用单体电池采集模块对各个单体电池进行电池内阻数据和电池电压数据的采集。
[0026]所述频率控制模块用于控制数据采集模块和电池数据采集模块的数据采集频率，本实施例中的数据采集频率为五秒一次。所述通信模块采用4G网络通信模块，用于将采集的正常监测数据流的平均值、异常数据流、电池内阻数据和电池电压数据上传至云平台。
[0027]所述云平台包括预测模块、异常分析模块和存储模块；所述预测模块中设有经过历史监测数据和历史电池电压数据进行训练过后得到的预测模型；通过预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业互联网的设备时序数据的分析方法，包括云平台和若干监测终端，所述云平台和监测终端无线连接，其特征在于：所述监测终端包括数据采集模块、数据筛选模块和通信模块；所述数据采集模块用于采集监测数据并生成监测数据流；所述数据筛选模块存储有偏差阈值和预测值，当监测数据与预测值的差值大于等于偏差阈值时，所述数据筛选模块将该监测数据所在的监测数据流标记为异常数据流，当某段监测数据流的监测数据与预测值的差值均小于偏差阈值时，则生成该监测数据流的平均值；所述通信模块用于将所述平均值以及异常数据流上传至云平台；所述云平台包括预测模块、异常分析模块和存储模块；所述预测模块用于通过人工智能模型获取监测数据的预测值并发送给监测终端；所述异常分析模块用于根据接收到的平均值和异常数据流分析异常原因；所述存储模块用于记录所述平均值、异常数据流以及异常原因。2.根据权利要求1所述的一种基于工业互联网的设备时序数据的分析方法，其特征在于：所述监测模块还包括供电模块，所述供电模块采用蓄电池组，所述蓄电池组包括若干单体电池；所述监测模块还包括电池数据采集模块，所述电池数据采集模块用于采集各个单体电池的电池内阻数据；所述通信模块还用...

【专利技术属性】
技术研发人员：杨灵运，张昌福，李少波，文杰，邓生雄，张磊，欧阳沫，
申请(专利权)人：贵州大学，
类型：发明
国别省市：