一种多源监测数据融合方法和设备与流程

摘要: 本发明涉及数据处理,具体而言,涉及一种多源监测数据融合方法和设备。背景技术:1、随着水电站、火电厂等电力场站的自动化、信息化水平的不断提升,越来越多的监控、监测...
一种多源监测数据融合方法和设备与流程

本发明涉及数据处理,具体而言,涉及一种多源监测数据融合方法和设备。

背景技术:

1、随着水电站、火电厂等电力场站的自动化、信息化水平的不断提升,越来越多的监控、监测系统被部署应用于设备的自动控制与故障诊断。目前,国内大型电站通常部署以下多套独立的监控监测系统,监测系统由不同的设备厂商在不同时期建设,各自拥有独立的硬件平台、通信协议、数据格式和编码体系。在数据集成层面,目前的主流做法是将各系统的数据抽取到统一的大数据平台,实现数据的物理集中存储。在测点编码方面,国内电站普遍采用(kraftwerk kennzeichen system,kks)编码作为测点的唯一标识。kks编码由三组共12-16位字符组成,分为工艺相关标识、安装点标识、位置标识、电缆标识和信号标识五个层次。

2、但是在现有技术架构中,测点编码仅作为唯一标识符使用,不承载语义信息和关联信息。数据融合在应用层通过硬编码方式实现,而非在数据层通过编码语义原生驱动。行业数据治理从传统的物理孤立型数据孤岛发展到目前物理集中但逻辑隔离的新型孤岛新阶段,这也是目前行业上虽然通过大数据平台、工业互联网平台等数据集成平台完成了多源异构数据集成,但仍普遍反映数据孤岛现象严重的根本原因。

技术实现思路

1、本发明的目的在于,针对上述现有技术中的不足,提供一种多源监测数据融合方法和设备,以便通过对目标测点的编码字符串进行分析,得到与目标测点关联的多个目标关联测点,并根据目标测点的编码字符串和多个目标关联测点的编码字符串,确定各测点的监测数据,最后对多个监测数据进行融合,得到融合数据集,缩短多源数据归集耗时,并消除多源数据孤岛现象。

2、为实现上述目的,本技术实施例采用的技术方案如下:

3、第一方面,本技术实施例提供了一种多源监测数据融合方法,所述方法包括:

4、获取目标测点的编码字符串,所述目标测点为目标设备系统中目标部件出现异常的测点;所述编码字符串用于记载所述目标测点的所属电站信息、所属机组信息、设备层级归属信息以及测点语义信息;

5、对所述目标测点的编码字符串进行分析,确定目标编码对象;

6、根据所述目标编码对象,确定所述目标编码对象对应的关联测点集合;所述关联测点集合包括多个目标关联测点的编码字符串;

7、根据所述目标测点的编码字符串和多个所述目标关联测点的编码字符串,获取所述目标测点的监测数据和各所述目标关联测点的监测数据;

8、根据所述目标测点的监测数据和各所述目标关联测点的监测数据,构建融合数据集。

9、在可选的实施方式中,所述对所述目标测点的编码字符串进行分析,确定目标编码对象,包括:

10、对所述目标测点的编码字符串进行词法分析,得到词法单元序列;

11、对所述词法单元序列进行语法分析,确定所述目标编码对象。

12、在可选的实施方式中,所述根据所述目标编码对象,确定所述目标编码对象对应的关联测点集合,包括:

13、根据所述目标编码对象,对所述目标测点进行关联定位,得到所述目标关联测点;

14、根据所述目标关联测点的信息,以及所述目标测点的编码字符串,生成所述目标关联测点的编码字符串。

15、在可选的实施方式中,所述目标编码对象包括:物理量类型,所述根据所述目标编码对象,对所述目标测点进行关联定位,得到所述目标关联测点,包括:

16、根据所述物理量类型,查询预设关联规则库,确定所述物理量类型对应的目标规则组以及所述目标规则组中的关联类型集合;

17、根据所述关联类型集合,确定所述目标关联测点。

18、在可选的实施方式中,所述根据所述目标编码对象,对所述目标测点进行关联定位,得到所述目标关联测点,包括:

19、根据所述目标编码对象,在设备树中构建从根节点到测点节点的完整路径;

20、根据所述目标测点,在所述设备树中的所述完整路径上进行导航,得到所述目标测点所关联的目标层级上的各测点作为所述目标关联测点。

21、在可选的实施方式中,所述根据所述目标关联测点的信息,以及所述目标测点的编码字符串,生成所述目标关联测点的编码字符串,包括:

22、根据所述目标关联测点的物理量类型,确定所述目标关联测点对应的系统类型和部件类型;

23、根据所述目标关联测点对应的系统类型、部件类型和物理量类型,对所述目标测点的编码字符串进行修改,生成所述目标关联测点的编码字符串。

24、在可选的实施方式中,所述根据所述物理量类型,查询预设关联规则库,确定所述物理量类型对应的目标规则组以及所述目标规则组中的关联类型集合,包括:

25、若确定所述物理量类型对应的目标规则组的数量为多个,则对多个所述目标规则组的关联类型集合进行冲突处理,确定冲突处理后的关联类型集合。

26、在可选的实施方式中,所述根据所述目标测点的编码字符串和多个所述目标关联测点的编码字符串,获取所述目标测点的监测数据和各所述目标关联测点的监测数据,包括:

27、将所述目标测点的编码字符串和多个所述目标关联测点的编码字符串转换为对应的时序数据库查询语句;

28、根据所述目标测点对应的时序数据库查询语句,从所述目标测点对应的数据库中查询所述目标测点的监测数据;

29、根据所述多个目标关联测点对应的时序数据库查询语句,从多个所述目标关联测点对应的数据库中查询各所述目标关联测点的监测数据。

30、在可选的实施方式中,所述根据所述目标测点的监测数据和各所述目标关联测点的监测数据,构建融合数据集,包括:

31、根据所述目标测点的测点数据中的时间戳序列,确定基准时间轴;

32、根据所述基准时间轴,对各所述目标关联测点的监测数据进行时间轴对齐处理,得到各所述目标关联测点时间轴对齐后的监测数据;

33、根据所述目标测点的监测数据和各所述目标关联测点时间轴对齐后的监测数据,构建所述融合数据集。

34、第二方面,本技术实施例还提供了一种多源监测数据融合装置,包括:

35、获取模块,用于获取目标测点的编码字符串,所述目标测点为目标设备系统中目标部件出现异常的测点;

36、确定模块,用于对所述目标测点的编码字符串进行分析,确定目标编码对象;

37、所述确定模块,还用于根据所述目标编码对象,确定所述目标编码对象对应的关联测点集合;所述关联测点集合包括多个目标关联测点的编码字符串;

38、所述获取模块,还用于根据所述目标测点的编码字符串和多个所述目标关联测点的编码字符串,获取所述目标测点的监测数据和各所述目标关联测点的监测数据;

39、构建模块,用于根据所述目标测点的监测数据和各所述目标关联测点的监测数据,构建融合数据集。

40、第三方面,本技术实施例还提供了一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的程序指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述程序指令,以执行如第一方面中任一所述的多源监测数据融合方法的步骤。

41、第四方面,本技术实施例还提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如第一方面中任一所述的多源监测数据融合方法的步骤。

42、本技术的有益效果是:

43、本技术实施例提供了一种多源监测数据融合方法和设备,该方法包括:获取目标测点的编码字符串,目标测点为目标设备系统中目标部件出现异常的测点,编码字符串用于记载目标测点的所属电站信息、所属机组信息、设备层级归属信息以及测点语义信息,对目标测点的编码字符串进行分析,确定目标编码对象,并根据目标编码对象,确定目标编码对象对应的关联测点集合;关联测点集合包括多个目标关联测点的编码字符串,根据目标测点的编码字符串和多个目标关联测点的编码字符串,获取目标测点的监测数据和各目标关联测点的监测数据;最后根据目标测点的监测数据和各目标关联测点的监测数据,构建融合数据集。

44、本技术的方法,通过对目标测点的编码字符串进行分析,得到与目标测点关联的多个目标关联测点,并根据目标测点的编码字符串和多个目标关联测点的编码字符串,确定各测点的监测数据,最后对多个监测数据进行融合,得到融合数据集,打破不同监测子系统间的数据孤岛,省去多平台切换查数、手动整理时序数据的人工成本,适配多类电力设备异常诊断与性能分析场景,大幅缩短多源数据归集耗时,让上层故障研判、效率评估可直接调用标准化融合数据集,提升设备状态监测分析的自动化程度与处置效率。