一种建筑设备故障维护的预测方法、系统、装置及存储介质制造方法及图纸

一种建筑设备故障维护的预测方法及系统，其特征在于，所述方法包括以下步骤：步骤1，在预先构建的关于建筑设备的设备属性数据库、设备管理数据库、环境传感数据库之间建立数据关联，以获取所述建筑设备的全部特征；步骤2，采用SVM

【技术实现步骤摘要】
一种建筑设备故障维护的预测方法、系统、装置及存储介质


[0001]本专利技术涉及数据处理领域，更具体的，涉及一种建筑设备故障维护的预测方法、系统、装置及存储介质。

技术介绍

[0002]目前，现有技术中较少采用综合的数据分析方式来获取建筑设备的故障信息以及维护方案的预测。由于建筑设备类别多样，其故障情况也不尽相同，可以根据故障情况进行现场诊断，也可以应用智能技术完成精准诊断。现有技术中，通常只是会针对一些容易磨损破坏的构件，建立周期保养制度，确保设备的使用价值。随着物联网技术的发展、数据存储和处理速度的提升，大量的建筑设备相关信息能够被合理的存储起来，但却难以得到有效的利用。
[0003]针对这种问题，本专利技术提供了一种新的建筑设备故障维护的预测方法及系统。

技术实现思路

[0004]为解决现有技术中存在的不足，本专利技术提供一种建筑设备故障维护方法、系统、装置及存储介质，该方法通过预先构建设备属性数据库、设备管理数据库和环境传感数据库的关联关系，实现对建筑设备特征的提取，从而通过分类器实现对建筑设备故障类型和维护方案的预测。
[0005]本专利技术采用如下的技术方案。
[0006]本专利技术第一方面，涉及一种建筑设备故障维护的预测方法，方法包括以下步骤：步骤1，在预先构建的关于建筑设备的设备属性数据库、设备管理数据库、环境传感数据库之间建立数据关联，以获取建筑设备的全部特征；步骤2，采用SVM
‑
ANOVA算法从全部特征中提取关键特征；步骤3，基于建筑设备的性能评估专家规则，选用分类器实现对关键特征的分类，从而预测建筑设备的故障类型和维护方案。
[0007]优选地，设备属性数据库的构建方法为：步骤1.1，采集与建筑设备相关的原始数据，并采用语义建模方法从原始数据提取语义元数据；步骤1.2，根据语义元数据构建设备属性特征，并基于设备属性特征生成设备属性数据库。
[0008]优选地，设备属性特征包括所述建筑设备的设备型号、设备类型、设备基础属性、设备应用位置和设备使用时长；以及，设备中关键部件的部件型号、部件类型、部件基础属性、部件应用位置和部件使用时长。
[0009]优选地，设备管理数据库包括建筑设备的管理信息，其中包括建筑设备的异常事件、检测时间、检测次数、维护时间和维护记录。
[0010]优选地，环境传感数据库包括建筑设备所在位置上的环境传感器所采集的信息。
[0011]优选地，采用ANOVA
‑
SVM算法计算全部特征中每一特征的决策边界距离值，并基于距离值从全部特征中提取关键特征。
[0012]优选地，分类器包括ANN分类器、SVM分类器和决策树分类器。
[0013]本专利技术第二方面，涉及一种建筑设备故障维护的预测系统，系统包括建筑设备、设备属性采集装置、设备管理装置、环境传感器和数据处理装置；其中，设备属性采集装置、设备管理装置和环境传感器分别用于采集设备属性数据库、设备管理数据库、环境传感数据库的基础数据；数据处理装置，分别与设备属性采集装置、设备管理装置、环境传感器连接，用于基于基础数据实现本专利技术第一方面中的方法。
[0014]本专利技术第三方面，涉及一种建筑设备故障维护的预测装置，装置包括处理器及存储介质；存储介质用于存储指令；处理器用于根据指令进行操作以执行根据本专利技术第一方面中方法的步骤。
[0015]本专利技术第四方面，涉及计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术第一方面中方法的步骤。
[0016]本专利技术的有益效果在于，与现有技术相比，本专利技术中的一种建筑设备故障维护方法、系统、装置及存储介质，能够通过预先构建设备属性数据库、设备管理数据库和环境传感数据库的关联关系，实现对建筑设备特征的提取，从而通过分类器实现对建筑设备故障类型和维护方案的预测。本专利技术方法充分考虑到与建筑设备相关的各类数据，采用多种方式将数据融汇互通，并采用逐层的计算机算法实现对建筑设备故障和维护的预测。
[0017]本专利技术的有益效果还包括：
[0018]1、本专利技术中的方法充分利用了现有技术中能够获取和采集的建筑设备的所有相关信息，同时通过数据库之间的关联，巧妙的构建了上述信息之间的关联，通过构建这种关联关系，本专利技术的方法能够准确的得到建筑设备的关键特征，从而为故障维护提供可靠依据。另外，由于初始数据的全面性，本专利技术算法可以有效的分析出各类故障，例如设备层级的故障和部件层级的故障等，通过精准定位故障发生的位置，而实现有效的维护方案。
[0019]2、本专利技术中的方法先通过SVM
‑
ANOVA算法从建筑设备的全部特征中提取关键的特征，随后再根据关键特征来进行故障分类。这种方式有效的排除了在信息采集过程中获取的大量无用信息，同时提高了分类器的决策效率，减少了分类过程中算法的计算量。
[0020]3、本专利技术中的方法并不限制建筑设备的性能评估专家规则的构建和修改，也不限定分类器的内容，而主要关注于现有技术中各类相关信息的综合利用，并根据采集数据的特征，不断的改进评估专家规则的模型和分类器算法，而实现更优的预测结果。
附图说明
[0021]图1为本专利技术一种建筑设备故障维护的预测方法的流程示意图。
具体实施方式
[0022]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部实施例。基于本专利技术精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本专利技术的保护范围。
[0023]图1为本专利技术一种建筑设备故障维护的预测方法的流程示意图。如图1所示，本专利技术第一方面，涉及一种建筑设备故障维护的预测方法，方法包括步骤1至3。
[0024]步骤1，在预先构建的关于建筑设备的设备属性数据库、设备管理数据库、环境传
感数据库之间建立数据关联，以获取建筑设备的全部特征。
[0025]首先，本专利技术的主要思路是充分利用现有技术中的各类数据，将各类数据进行融合并充分提取建筑设备的特征后，在关键特征的基础上，实现故障类型和维护方案的合理预测。因此，为了达到这一目的，本专利技术中根据信息类型、信息来源的不同，将不同的信息经过处理后分别生成三个不同的数据库。
[0026]另外，本专利技术中的建筑设备，主要是指能够应用于大型建筑物中的各类电气、电子设备。这些设备可以包括空调机组、供暖设备、通风设备等等。这类设备通常量级较大，能够通过循环等的方式为整栋建筑物提供环境改善或功能支撑。因此，本专利技术中的建筑设备也可以包括各类传感器设备，或与传感功能相关的供电、烟感等各类设备。
[0027]随着技术的不断发展，本专利技术中并不对建筑设备能够涉及到的设备类型进行任何形式的限定，而是能够通过数字孪生的方式基于各个设备之间的内在关联，实现设备相互之间异常事件的检测。例如，当某个空调出现故障时，可能就是通过某个温本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑设备故障维护的预测方法，其特征在于，所述方法包括以下步骤：步骤1，在预先构建的关于建筑设备的设备属性数据库、设备管理数据库、环境传感数据库之间建立数据关联，以获取所述建筑设备的全部特征；步骤2，采用SVM
‑
ANOVA算法从所述全部特征中提取关键特征；步骤3，基于建筑设备的性能评估专家规则，选用分类器实现对所述关键特征的分类，从而预测所述建筑设备的故障类型和维护方案。2.根据权利要求1中所述的一种建筑设备故障维护的预测方法，其特征在于：所述设备属性数据库的构建方法为：步骤1.1，采集与所述建筑设备相关的原始数据，并采用语义建模方法从所述原始数据提取语义元数据；步骤1.2，根据所述语义元数据构建设备属性特征，并基于所述设备属性特征生成所述设备属性数据库。3.根据权利要求2中所述的一种建筑设备故障维护的预测方法，其特征在于：所述设备属性特征包括所述建筑设备的设备型号、设备类型、设备基础属性、设备应用位置和设备使用时长；以及，所述设备中关键部件的部件型号、部件类型、部件基础属性、部件应用位置和部件使用时长。4.根据权利要求3中所述的一种建筑设备故障维护的预测方法，其特征在于：所述设备管理数据库包括所述建筑设备的管理信息，其中包括所述建筑设备的异常事件、检测时间、检测次数、维护时间和维护记录。5.根据权利要求4中所述的一种建筑设备故障维护的预测方法，其特征在于：所述环境传...

【专利技术属性】
技术研发人员：朱正谊，朱红，周冬旭，张玮亚，许洪华，高昇宇，施萱轩，许自强，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
类型：发明
国别省市：