多源采集与数据建模的工业电气机房环境监控系统和方法与流程

本发明涉及工业电气机房环境监控，特别涉及多源采集与数据建模的工业电气机房环境监控系统和方法。

背景技术：

1、随着信息技术的快速发展，工业电气机房作为数据存储和处理的中心，其环境稳定性对设备运行和维护至关重要。现关于工业电气机房环境监控，公开号为：cn203101995u的中国专利公开了一种机房综合环境监控预警系统，包括监控中心，环境监控单元，动力监控单元，交换传输设备监控单元，报警单元，摄像头，红外探测器；环境监控单元连接监控中心，监测机房温度、湿度、烟雾、漏水；动力监测单元连接监控中心，监测设备安全电压、电流；交换传输设备监控单元连接监控中心，监测网络光端通断；监控中心采集处理监测信息，通过监控异常状况触发报警单元进行预警，实现对机房环境动力设备、数据网络的整体监控和预警。

2、上述专利虽然构建了对环境、动力、网络一体的监控预警系统，然而，现有的工业电气机房环境监控系统数据采集具有滞后性和数据误差，无法及时且全面的反映机房环境的实际状况，且数据处理方式简单，难以准确预测和应对环境变化。

技术实现思路

1、本发明的目的在于提供多源采集与数据建模的工业电气机房环境监控系统和方法，通过多源采集与数据建模的方式，全面反映工业电气机房环境的实际状况，提高机房环境监控的准确性和效率，根据预测结果实现对机房环境的精准控制和优化，降低人工干预的需求，减少运维成本，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、多源采集与数据建模的工业电气机房环境监控系统，包括：

4、多源数据采集单元，用于在机房内各采集点布设环境监测设备，其中，环境监测设备的设备类型不少于一个，基于各设备类型的环境监测设备实时采集机房内的环境数据；

5、数据分析建模单元，用于接收多源数据采集单元主动上传的环境数据，并进行数据分析与处理，基于数据处理结果提取出目标信息，根据历史数据和目标信息建立工业电气机房环境数据的预测模型，确定当前机房环境的状态，预测机房环境的变化趋势；

6、环境优化控制单元，用于根据从数据分析建模单元获取的当前机房环境的状态和机房环境的变化趋势，自动调节机房的环境参数，建立智能化报警策略，当监测数据超出预设阈值或发生异常情况时，自动触发报警机制。

7、进一步的，多源数据采集单元，包括：

8、传感器管理模块，用于根据机房环境监控的需求，配置和初始化相应的环境监测设备，同时，实时监测各环境监测设备的运行状态，在设备出现故障或异常时，进行故障诊断，并采取相应措施进行处理；

9、数据获取模块，用于按照预设的采集频率从环境监测设备中读取环境数据，并对采集到的环境数据进行预处理；

10、数据传输模块，用于将经过预处理的环境数据打包生成数据集，基于数据时间序列依次将数据集传输至数据分析建模单元，并实时监测数据集的传输状态。

11、进一步的，传感器管理模块，包括：

12、零点检测模块， 用于在各环境监测设备运行过程中，定时对所述各环境监测设备进行零点检测，向所述各环境监测设备中输入零值，并获取零值输入量对应的输出量数值；

13、零点漂移因数获取模块，用于利用所述零值输入量对应的输出量数值获取环境监测设备对应的零点漂移因数；其中，所述零点漂移因数通过如下公式获取：

14、；

15、其中，z表示零点漂移因数；x表示零值输入量对应的输出量数值为负数的零点检测次数；y表示零值输入量对应的输出量数值为非负数的零点检测次数；xfi表示第i次零点检测次数输出量为负值时所对应的输出量数值；xzi表示第i次零点检测次数输出量为非负值时所对应的输出量数值；zp表示平均参考量数值；z01和z02分别表示第一零点补偿量和第二零点补偿量；其中，所述第一零点补偿量和第二零点补偿量通过如下公式获取：

16、；

17、其中，z01表示第一零点补偿量；z02表示第二零点补偿量；

18、同时，所述平均参考量数值通过如下公式获取：

19、；

20、其中，n表示零点检测总次数；xi表示第i次零点检测对应的输出量数值；

21、第一运行状态参数实时采集模块，用于实时采集各环境监测设备的第一运行状态参数；

22、第一运行评价参量获取模块，用于利用所述第一运行状态参数结合零点漂移因数获取第一运行评价参量；

23、第二运行状态参数实时采集模块，用于实时采集各环境监测设备的第二运行状态参数；

24、第二运行评价参量获取模块，用于利用所述第二运行状态参数获取第二运行评价参量；

25、设备运行质量评价指标参数获取模块，用于利用所述第一运行评价参量和第二运行评价参量获取设备运行质量评价指标参数；其中，所述设备运行质量评价指标参数通过如下公式获取：

26、；

27、其中，s表示设备运行质量评价指标参数；s01和s02分别表示第一运行状态参数和第二运行状态参数；

28、异常判定及报警模块，用于当所述设备运行质量评价指标参数低于预设的指标阈值时，则判定所述环境监测设备运行异常，并进行异常报警。

29、进一步的，第一运行评价参量获取模块，包括：

30、第一运行状态参数提取模块，用于提取所述第一运行状态参数，其中，所述第一运行状态参数包括灵敏度和分辨率；

31、第一模型及因数提取模块，用于提取零点漂移因数和第一运行状态参数获取模型；

32、第一运行状态参数计算模块，用于利用所述第一运行状态参数和零点漂移因数结合第一运行状态参数获取模型计算第一运行状态参数，其中，所述第一运行状态参数获取模型的结构如下

33、；

34、其中，s01表示第一运行状态参数；xl表示预设的标准灵敏度对应的输出信号的变化量与输入量的变化之间的比例关系数值；m表示环境监测设备的数据采集次数；xci表示第i次数据采集对应的输出量数值；xci-1表示第i-1次数据采集对应的输出量数值；xri表示第i次数据采集对应的输入量数值；xri-1表示第i-1次数据采集对应的输入量数值；f表示分辨率表征系数，并且，分辨率表征系数通过如下公式获取：

35、；

36、其中，pfi表示第i次数据采集对应的分辨率；pfe表示预设的标准分辨率数值；

37、第一运行状态参数发送模块，用于将所述第一运行状态参数发送至设备运行质量评价指标参数获取模块。

38、进一步的，第二运行评价参量获取模块，包括：

39、第二运行状态参数提取模块，用于提取所述第二运行状态参数，其中，所述第二运行状态参数包括数据采集响应延时；

40、第二模型提取模块，用于提取第二运行状态参数获取模型；

41、第二运行状态参数计算模块，用于利用所述第二运行状态参数结合第二运行状态参数获取模型计算第二运行状态参数，其中，所述第二运行状态参数获取模型的结构如下：

42、；

43、其中，s02表示第二运行状态参数；tmin表示环境监测设备的灵敏度最小时对应的最大数据采集响应延时；tmax表示环境监测设备的灵敏度最大时对应的最大数据采集响应延时；ti表示第i次数据采集时对应的数据采集响应时长；te表示预设的数据采集响应时长最大允许数值；

44、第二运行状态参数发送模块，用于将所述第二运行状态参数发送至设备运行质量评价指标参数获取模块。

45、进一步的，数据分析建模单元，包括：

46、数据分析模块，用于基于数据传输模块获取环境数据，并对获取到的环境数据进行数据处理与分类，基于数据分类结果进行数据分析，包括图像数据分析和文字数据分析，将数据分析的结果以可视化的方式呈现；

47、模型构建模块，用于基于历史数据和数据分析结果建立机房环境数据的预测模型，从数据中学习并提取出机房环境的特征，进而建立机房环境推演模型；

48、环境推演模块，用于采用模拟仿真算法结合机房环境推演模型的输出结果，模拟不同环境条件下的机房运行状态，并评估不同环境参数对工业电气机房的影响。

49、进一步的，数据分析模块进行数据分析，具体为：

50、对获取到的环境数据进行特征提取，根据提取结果获取环境数据的初始特征集合；

51、从初始特征集合中调取与图像数据和文字数据相关的关键特征，并将其整合为图像特征子集和文字特征子集；

52、将图像特征子集和文字特征子集作为模型输入样本训练预设网络模型，以获得环境数据的识别模型，基于识别模型识别环境数据中的图像数据和文字数据，整合生成图像数据集和文字数据集；

53、结合环境数据的识别模型，对图像数据集中的对象、场景和事件进行识别，提取关于环境状态的目标信息；

54、结合环境数据的识别模型，对文字数据集中的文本内容进行关键词提取，确定文本的主题、情感倾向以及与其他文本之间的关联关系；

55、识别文本内容中描述的环境现象和事件，基于文字数据集包含时间序列信息确定数据的变化趋势。

56、进一步的，模型构建模块建立机房环境推演模型，具体为：

57、收集机房的历史环境数据，结合图像数据和文字数据的分析结果，进行跨模态的数据关联和对比，分析不同模态数据之间的关联关系；

58、提取图像中的关键特征，将文字数据中的文本转化为数值型特征，根据机房环境数据的特性和预测任务需求，将提取出的关键特征和数值型特征作为输入样本训练的预设的预测模型；

59、对比不同数据源对环境状态的描述和预测结果，评估预测模型的性能，根据评估结果，对预测模型进行调整；

60、利用调整好的预测模型，结合当前的环境数据和跨模态分析结果，构建机房环境状态的推演模型。

61、进一步的，环境推演模块评估不同环境参数对工业电气机房的影响，具体包括：

62、获取机房的历史环境数据，并根据机房的有效运行状态对环境数据进行过滤，得到目标环境参数数据，其中，环境数据与机房的运行状态一一对应；

63、提取目标环境参数数据的数据特征，并基于所述数据特征对所述目标环境参数数据进行聚类处理，得到不少于一个的机房环境数据组；

64、确定机房环境数据组的目标取值，并基于所述目标取值绘制机房环境对机房的运行状态影响的变化曲线；

65、基于所述变化曲线确定机房的运行状态变化值，同时，确定所述机房环境数据组的权重值；

66、基于所述权重值对所述机房的运行状态变化值进行分析，得到机房环境数据组对工业电气机房的影响评估值，将所述影响评估值与预设阈值进行比较，确定机房环境数据组对工业电气机房的影响等级。

67、进一步的，环境优化控制单元，包括：

68、异常报警模块，用于基于推演结果，进行异常检测，识别出可能存在的故障或风险，并根据预设的预警机制，当检测到异常时及时发出预警通知；

69、自动化调控模块，用于根据从环境推演模块获取的机房环境的状态和推演的变化趋势自动调节环境参数；

70、数据共享模块，用于建立数据共享机制，将不同来源、不同格式的数据进行整合，将环境数据与生产数据进行集成，为相关人员提供机房环境信息。

71、本发明提供另一种技术方案，多源采集与数据建模的工业电气机房环境监控方法，包括以下步骤：

72、步骤一：部署多源数据采集单元：在机房内各采集点布设环境监测设备，实时采集机房内的环境数据，并将数据主动上传至数据分析建模单元；

73、步骤二：数据建模与推演：对环境数据进行图像数据分析和文字数据分析，基于数分析结果提取出关键的目标信息，利用历史数据和目标信息，建立工业电气机房环境数据的预测模型，以确定当前机房环境的状态，并预测未来机房环境的变化趋势；

74、步骤三：环境优化控制与预警：基于当前机房环境状态和预测的未来变化趋势自动调节机房的环境参数，同时建立报警机制，设定关键环境参数的预设阈值，当监测数据超出预设阈值或发生异常情况时，自动触发报警机制。

75、与现有技术相比，本发明的有益效果是：

76、通过多源采集与数据建模的方式，全面反映工业电气机房环境的实际状况，提高机房环境监控的准确性和效率，建立工业电气机房环境数据的预测模型，实现对机房环境变化趋势的预测，根据预测结果实现对机房环境的精准控制和优化，自动调整机房环境参数，降低人工干预的需求，减少运维成本，不仅提升了机房管理的智能化水平，还确保了机房运行的稳定性和安全性。