一种电子背包的AI智能运维方法、系统及存储介质与流程

摘要: 本发明涉及工业物联网与边缘计算领域,特别涉及一种电子背包的ai智能运维方法、系统及存储介质。背景技术:1、现有技术中,随着智慧城市建设和供水管网智能化管理需求的...
一种电子背包的AI智能运维方法、系统及存储介质与流程

本发明涉及工业物联网与边缘计算领域,特别涉及一种电子背包的ai智能运维方法、系统及存储介质。

背景技术:

1、现有技术中,随着智慧城市建设和供水管网智能化管理需求的不断增长,供水管道网络系统的规模日益庞大,部署于管网现场的各类智能监测终端数量激增,如何对海量终端设备及管网运行状态进行高效、精准的运维管理,已成为本领域亟待解决的技术难题。

2、目前,供水管网的运维管理主要依赖人工巡检结合中心化数据分析平台的方式。具体而言,现场仪表采集的水压、流量等数据统一上传至云端或中心服务器,由中心平台进行统一分析和异常判定,再将结果下发至运维人员。这种方式在实际应用中存在以下不足。

3、现有方案缺乏对现场采集数据的准确性进行有效校正的手段。供水管网中各类计量仪表受水质、水压波动、温度变化及设备老化等因素影响,其采集数据与真实值之间存在较大偏差。传统方法通常采用固定的仪表系数或定期人工校准进行补偿,无法适应工况的动态变化,导致计量误差累积,影响后续异常判断和运维决策的准确性。

4、进一步地,现有异常检测机制响应速度慢且无法实现分布式协同。所有监测数据需上传至云端进行处理和判定,当网络中断或云端拥堵时,现场终端无法独立完成异常识别和故障定位。同时,各监测终端之间缺乏有效的信息交互机制,单个节点的异常信号无法通过相邻节点的数据进行交叉验证,导致故障误报率偏高,且难以准确定位泄漏点所处的管段区间。

5、而且,在研判出异常工况后,现有系统通常仅进行简单的告警提示,难以自动溯源异常发生的时段、范围和成因,也无法生成有针对性的运维建议方案,运维人员仍需凭经验进行故障排查和处理,响应效率低。

6、因此,亟需一种电子背包的ai智能运维方法,以解决供水管网运维缺乏数据动态校正、异常快速检测与协同定位及自动溯源与方案生成能力的技术问题。

7、因此,现有技术还有待改进和提高。

技术实现思路

1、本发明提供一种电子背包的ai智能运维方法、系统及存储介质,旨在解决现有技术中供水管网运维响应慢、精度低、缺乏智能决策支持的问题。

2、本发明的第一方面,提供一种电子背包的ai智能运维方法,包括:

3、获取目标管网的运行特征,所述目标管网为布设有多个电子背包终端的供水管道网络系统,基于机器学习回归算法对所述目标管网的计量数据进行ai修正;

4、每个所述电子背包终端分别采集设备运行状态参数和所述目标管网的水力运行参数,并基于本地的故障识别模型对所述设备运行状态参数和所述水力运行参数进行异常判断,得到异常工况情况;

5、若目标电子背包终端研判出异常工况,则执行分级推送预警,并自动溯源异常时段、范围和成因,生成目标运维建议方案推送至运维终端。

6、在一种实现方式中,所述基于机器学习回归算法对所述目标管网的计量数据进行ai修正,包括:

7、获取所述目标管网的管径、水压、水质及温度数据作为所述运行特征;

8、将所述运行特征输入部署于所述电子背包终端的回归模型中,以计算计量误差补偿值,并对原始计量数据进行动态修正;

9、其中,对于新投入运行或需更新模型的所述电子背包终端,在云端检索具有相同管网拓扑层级及相同管径类别的成熟设备的训练模型参数,通过迁移学习将所述训练模型参数迁移至所述电子背包终端作为初始模型,并在所述电子背包终端投入运行后,基于实时采集的本地运行特征对所述初始模型进行在线微调。

10、在一种实现方式中,所述基于本地的故障识别模型对所述设备运行状态参数和所述水力运行参数进行异常判断,得到异常工况情况,包括:

11、将所述设备运行状态参数和所述水力运行参数输入部署于所述电子背包终端的轻量化时序卷积网络模型中,提取异常波形特征,识别出包括管道漏水、堵管、空管、设备传感异常、通信异常及计量异常在内的异常工况类型。

12、在一种实现方式中,所述目标电子背包终端研判出异常工况后,还包括进行空间协同校验:

13、构建目标管网的空间拓扑图,以各电子背包终端为节点,以管道连接关系为边;

14、当所述目标电子背包终端对应的目标节点触发本地异常信号时,向所述目标节点的上下游相邻节点获取在同一时间窗口内的水力参数变化数据;

15、将所述目标节点及各所述相邻节点的特征数据输入部署于所述电子背包终端的图注意力网络模型以得到异常工况的类别,所述异常工况的类别包括本地设备故障或真实管网泄漏类别;

16、若判定为真实管网泄漏,根据各节点压力波衰减特征反向推算出泄漏点所处的管段区间。

17、在一种实现方式中,所述判定为真实管网泄漏后,还包括:

18、当所述图注意力网络模型输出的故障分类结果为真实管网泄漏且置信度超过置信度阈值时,所述目标电子背包终端自动下发关阀控制指令至关联的电动执行器,执行本地关阀操作;

19、当研判出通信链路中断时,所述目标电子背包终端自动将通信链路从主用信道切换至备用信道,并缓存未上报数据,待链路恢复后补传。

20、在一种实现方式中,所述执行分级推送预警,并自动溯源异常时段、范围和成因,生成目标运维建议方案,包括:

21、调用本地可解释性ai分析模块,基于所述图注意力网络模型的分类结果,计算各项输入特征对该分类结果的贡献度权值,生成包含特征重要性排序的决策依据信息;

22、根据异常类型及所述贡献度权值的总和划分预警等级;

23、将所述预警等级、异常时段、影响范围、异常成因、所述决策依据信息及所述目标运维建议方案打包推送至云端平台和运维终端。

24、在一种实现方式中,所述生成目标运维建议方案推送至运维终端后,还包括:

25、云端基于时序预测算法预判工况变化,动态调整所述设备运行状态参数,并基于运维周期推送维护提醒;

26、所述云端汇总区域内各所述电子背包终端上传的运行数据,对海量运行数据进行聚类分析和趋势预测,输出区域用水规律、管网损耗分析结果及水资源调度建议。

27、在一种实现方式中,所述云端基于时序预测算法预判工况变化,动态调整所述设备运行状态参数,并基于运维周期推送维护提醒,包括:

28、获取历史用水数据,输入至部署于云端的时序预测模型中,预测未来预设时段内的用水负荷曲线;

29、根据所述用水负荷曲线的预测值,动态调整每个所述电子背包终端的采样间隔和上报频率;

30、统计每个所述电子背包终端的累计运行时长和工况冲击次数,推算每个所述电子背包终端的最佳校准时间点或检修时间点,并在到达所述时间点时推送维护提醒。

31、本发明的第二方面,一种电子背包的ai智能运维系统,包括:

32、修正模块,用于获取目标管网的运行特征,所述目标管网为布设有多个电子背包终端的供水管道网络系统,基于机器学习回归算法对所述目标管网的计量数据进行ai修正;

33、判断模块,用于采集所述电子背包终端的设备运行状态参数和所述目标管网的水力运行参数,并基于本地的故障识别模型对所述设备运行状态参数和所述水力运行参数进行异常判断,得到异常工况情况;

34、预警模块,用于当目标电子背包终端研判出异常工况时,执行分级推送预警,并自动溯源异常时段、范围和成因,生成目标运维建议方案推送至运维终端。

35、本发明的第三方面,提供一种存储介质,其中,存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现上述任一项所述的电子背包的ai智能运维方法的步骤。

36、有益效果:与现有技术相比,本发明提供了一种电子背包的ai智能运维方法、系统及存储介质。本发明提供的电子背包的ai智能运维方法中,通过获取目标管网的运行特征,所述目标管网为布设有多个电子背包终端的供水管道网络系统,基于机器学习回归算法对所述目标管网的计量数据进行ai修正,然后,每个所述电子背包终端分别采集设备运行状态参数和所述目标管网的水力运行参数,并基于本地的故障识别模型对所述设备运行状态参数和所述水力运行参数进行异常判断,得到异常工况情况,若目标电子背包终端研判出异常工况,则执行分级推送预警,并自动溯源异常时段、范围和成因,生成目标运维建议方案推送至运维终端。本发明为用户提供了一种电子背包的ai智能运维方法,能够边缘ai实时修正计量误差、本地诊断异常并自动溯源推送预警方案,解决了传统水表计量精度低、故障响应慢且依赖人工分析的问题,实现了水表从被动计量到主动智能运维的升级。