【技术实现步骤摘要】
本专利技术涉及显示设备供能数据监测，具体为一种基于大数据的设备供能数据监测方法及系统。
技术介绍
1、显示设备，是一种可输出图像或感触信息的设备，在目前已经非常成熟且普遍的事物，其主要依赖于电源供电形成，能够将输入信号转化为相应的显示输出，更加直观。
2、但是目前的显示设备一旦失去电源直连供电，就会在瞬间丧失功能，尤其在智能家居领域，常常导致家用电器需要线束控制或者手动更换电池，繁杂难理，目前缺乏利用无线控制进行智能切换备用电池的方式；同时在备用电池的切换领域，往往只考虑平均功耗能够维持的显示设备应急使用时间，而忽略显示设备可能由于工作时长导致内部零件温升、磨损等问题，功耗出现偏差，从而导致时间提前等问题，影响正常应急判断。
技术实现思路
1、本专利技术的目的在于提供一种基于大数据的设备供能数据监测方法及系统，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的设备供能数据监测方法，该方法包括以下步骤：
3、s1、构建显示设备能耗监测平台，所述显示设备能耗监测平台用于实时监测显示设备中各个零件的能耗值，并存储在数据库中；
4、s2、分别获取显示设备持续工作与间歇工作下的各个零件的历史能耗值变化，基于持续工作下的历史能耗值变化，构建持续工作能耗值模型，输出持续工作下的能耗预测情况；
5、s3、基于间歇工作下的历史能耗值变化，构建间歇工作下的能耗值模型，输出间歇工作下的能耗预
6、s4、实时获取电路故障显示设备的运行状态，基于不同的运行状态选择不同的能耗值模型，输出未来每个单位时间下的能耗值，基于切换电路的能耗值，形成故障预警时间，反馈至管理员端口。
7、根据上述技术方案，所述持续工作指同一状态连续工作；所述间歇工作指工作中切换不同状态；所述状态包括调高参数与调低参数，所述参数包括亮度、分辨率、屏幕刷新率。
8、根据上述技术方案，所述构建持续工作能耗值模型包括：
9、s3-1、获取显示设备持续工作下的各个零件的历史能耗值变化，以持续工作时间为自变量，持续工作下的功耗为因变量，形成矩阵形式，记为其中，xi、yi分别对应持续工作时间与持续工作下的功耗；
10、s3-2、对所有矩阵形式进行曲线平滑，形成持续工作能耗值预测输出：
11、
12、其中，代表预测输出；z11、z12代表持续工作时间的逆推参数；z21、z22代表持续工作下的功耗的逆推参数；q1代表持续工作时间的加权参数；q2代表持续工作下的功耗的加权参数；计算包括：
13、
14、
15、其中，a＝(ax、ay)、b＝(bx、by)、c＝(cx、cy)都是2x1的矩阵，其表达式为a＝p0-2p1+p2；b＝2p1-2p0；c＝p0；p0代表持续工作时间的最小值对应的矩阵形式；p1代表除去p0、p2的任一个中间点；p2代表持续工作时间的最大值对应的矩阵形式。
16、在本申请中，主要处理断电后的功耗情况，断电后导致采集监测端口失效，一般指通过切换备用电源进行自动供电，维持显示设备继续运行。
17、利用曲线产生的轨迹递推式，用作轨迹平滑，将轨迹点上一帧的观测值代入递推式，得到当前帧的轨迹预测点，与当前帧的观测值进行加权平均，就有一定比例让轨迹线沿着平滑曲线前进，起到平滑作用。
18、根据上述技术方案，所述构建间歇工作下的能耗值模型包括：
19、获取显示设备间歇工作下的各个零件的历史能耗值变化，在每个状态切换时间点进行采集，形成矩阵形式，记为其中，lj、mj分别对应上一个状态的持续工作时间与切换时间点时的功耗；对下一个状态内的所有矩阵形式进行曲线平滑，形成lj下的间歇工作能耗值预测输出：
20、调用步骤s3-2的方程，定义新的a、b、c记为a1、b1、c1；其表达式为a1＝p00-2p11+p22；b1＝2p11-2p00；c1＝p00；p00代表lj时对应的矩阵形式；p11代表除去p00、p22的任一个中间点；p2代表下一个状态结束时对应的矩阵形式；
21、形成lj下的间歇工作能耗值预测曲线，以lj作为核心，形成lj区域，获取任一个状态切换时间点的上一个状态的持续工作时间，代入lj下的间歇工作能耗值预测曲线，计算预测值与实际值之间的差值，若差值小于系统预定阈值，则将任一个状态切换时间点的上一个状态的持续工作时间记入lj区域；
22、在历史数据内，随机调用形成若干个lj区域，若存在任一个状态切换时间点的上一个状态的持续工作时间属于多个lj区域，则只选取与系统预定阈值差值最小的对应的lj区域保留，其余均删除；
23、构建可分析单位时间档，系统预设标准状态，在参数高于标准状态时，取k1t1作为状态时长；在参数低于标准状态时，取k2t1作为状态时长，其中，k1、k2指系统预设系数；t1指状态实际持续时长。
24、主要考虑到零件工作过程温升的问题，例如第一个t0工作时间较长时，零件的温升较高，如果开始调高。整个温升变化幅度就不会很大，这时的曲线程度就和t0较短时不同，在第二次时，考虑到总时间问题，先将时间综合，不同档位带来的时间不同，形成一个可分析的单位时间档。
25、根据切换电路的实际能耗值，判断在不同的状态下，电源失效后，显示设备能够维持的时间，这里直接用预测出的单位能耗与时间的乘积即可。
26、一种基于大数据的设备供能数据监测系统，该系统包括设备能耗监测模块、能耗预测分析模块、智能切换模块、供电模块以及时间预警模块：
27、所述设备能耗监测模块用于构建显示设备能耗监测平台，所述显示设备能耗监测平台用于实时监测显示设备中各个零件的能耗值，并存储在数据库中；所述能耗预测分析模块用于分别获取显示设备持续工作与间歇工作下的各个零件的历史能耗值变化，基于持续工作下的历史能耗值变化，构建持续工作能耗值模型，输出持续工作下的能耗预测情况；基于间歇工作下的历史能耗值变化，构建间歇工作下的能耗值模型，输出间歇工作下的能耗预测情况；所述智能切换模块用于实时获取显示设备的电路状态，在出现电路故障时，智能切换至供电模块；所述供电模块用于在外接电源失效时，为显示设备供电；所述时间预警模块用于实时获取电路故障显示设备的运行状态，基于不同的运行状态选择不同的能耗值模型，输出未来每个单位时间下的能耗值，基于切换电路的能耗值，形成故障预警时间，反馈至管理员端口；
28、所述设备能耗监测模块的输出端与所述能耗预测分析模块的输入端相连接；所述能耗预测分析模块的输出端与所述智能切换模块的输入端相连接；所述智能切换模块的输出端与所述供电模块的输入端相连接；所述供电模块的输出端与所述时间预警模块的输入端相连接。
29、根据上述技术方案，所述设备能耗监测模块包括采集单元与存储单元；
30、所述采集单元用于构建显示设本文档来自技高网...
【技术保护点】
1.一种基于大数据的设备供能数据监测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据的设备供能数据监测方法，其特征在于：所述持续工作指同一状态连续工作；所述间歇工作指工作中切换不同状态；所述状态包括调高参数与调低参数，所述参数包括亮度、分辨率、屏幕刷新率。
3.根据权利要求1所述的一种基于大数据的设备供能数据监测方法，其特征在于：所述构建持续工作能耗值模型包括：
4.根据权利要求3所述的一种基于大数据的设备供能数据监测方法，其特征在于：所述构建间歇工作下的能耗值模型包括：
5.一种基于大数据的设备供能数据监测系统，其特征在于：该系统包括设备能耗监测模块、能耗预测分析模块、智能切换模块、供电模块以及时间预警模块：
6.根据权利要求5所述的一种基于大数据的设备供能数据监测系统，其特征在于：所述设备能耗监测模块包括采集单元与存储单元；
7.根据权利要求5所述的一种基于大数据的设备供能数据监测系统，其特征在于：所述能耗预测分析模块包括持续工作分析单元与间歇工作分析单元；
8.
9.根据权利要求5所述的一种基于大数据的设备供能数据监测系统，其特征在于：所述供电模块采用双电源供电电路，所述双电源供电电路包括按键开关、MCU控制显示模块和双电源切换模块；其中所述按键开关用于按下按键信号产生高电平经过二极管降压整流后将信号送到MCU端进行处理用来控制显示屏的显示和熄灭功能；所述MCU控制显示模块用于检测按键信号进行显示模组的点亮和熄灭，所述双电源切换模块用于当总电源移除后，切换为备用电源供显示设备使用。
10.根据权利要求5所述的一种基于大数据的设备供能数据监测系统，其特征在于：所述时间预警模块包括选择单元与预警单元；
...【技术特征摘要】
1.一种基于大数据的设备供能数据监测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据的设备供能数据监测方法，其特征在于：所述持续工作指同一状态连续工作；所述间歇工作指工作中切换不同状态；所述状态包括调高参数与调低参数，所述参数包括亮度、分辨率、屏幕刷新率。
3.根据权利要求1所述的一种基于大数据的设备供能数据监测方法，其特征在于：所述构建持续工作能耗值模型包括：
4.根据权利要求3所述的一种基于大数据的设备供能数据监测方法，其特征在于：所述构建间歇工作下的能耗值模型包括：
5.一种基于大数据的设备供能数据监测系统，其特征在于：该系统包括设备能耗监测模块、能耗预测分析模块、智能切换模块、供电模块以及时间预警模块：
6.根据权利要求5所述的一种基于大数据的设备供能数据监测系统，其特征在于：所述设备能耗监测模块包括采集单元与存储单元；
<...【专利技术属性】
技术研发人员：董建康，
申请(专利权)人：江苏锦花电子股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。