System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及电厂,尤其涉及一种数据监管方法、装置、设备、存储介质及产品。
技术介绍
1、在电力行业中,需要对生产区域中的各设备或操作人员进行监管,以及时发现异常情况,并上传由于异常导致的异常数据,以便于及时对异常情况进行处理,保证稳定发电。
2、目前,现有电厂采用人工监管的方式进行监管,由相关人员在监管界面上观察生产线上各生产设备的运行情况或操作人员的操作方式来确认是否存在异常情况,并将异常情况的类型在监管界面上手动标注,形成异常数据和异常类型,以便于专业人员进行分析并处理。
3、但是,上述方式在数据监管方式依赖于个人判断,存在主观性,导致对异常情况的检测精度较低。
4、上述内容仅用于辅助理解本申请的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供了一种数据监管方法、装置、设备、存储介质及产品,旨在解决现有技术依赖于个人判断,存在主观性,导致对异常情况的检测精度较低的技术问题。
2、为实现上述目的,本申请提供了一种数据监管方法,所述方法包括:
3、接收数字孪生模型反馈的异常信息,所述异常信息由所述数字孪生模型识别出存在异常数据的目标区域时所反馈;
4、基于所述异常信息在监管界面上采集所述目标区域的视频数据;
5、根据所述视频数据识别出所述异常数据的异常类型;
6、在所述监管界面的所述视频数据上标注出所述异常数据以及所述异常类型。
7、在一实
8、根据所述视频数据确定所述目标区域中操作人员的行为数据;
9、根据所述视频数据确定所述目标区域中生产设备的运行数据;
10、根据所述行为数据以及所述运行数据确定所述异常数据的异常类型。
11、在一实施例中,所述根据所述行为数据以及所述运行数据确定所述异常数据的异常类型的步骤,包括:
12、确定所述行为数据中所述操作人员对所述生产设备执行生产操作时的操作数据;
13、根据所述运行数据确定所述生产设备在预设操作点响应所述操作数据对应的操作时反馈的响应数据;
14、判断所述响应数据是否与预设标准响应数据一致;
15、若否,则判定所述操作数据为所述异常数据,并确定所述异常数据的类型为操作错误类型。
16、在一实施例中,所述判断所述响应数据是否与预设标准响应数据一致的步骤之后,还包括:
17、若是,则获取所述操作人员以往在所述目标区域中的历史行为数据;
18、根据预设策略为所述历史行为数据中的各行为信息配置标准行为信息,获得由各所述标准行为信息构成的标准行为数据;
19、判断所述行为数据与所述标准行为数据是否一致;
20、若否,则判定所述行为数据为所述异常数据,并确定所述异常数据的类型为行为异常类型。
21、在一实施例中,所述判断所述行为数据与所述标准行为数据是否一致的步骤之后,还包括:
22、若是,则根据所述运行数据确定所述生产设备中各部件产生的部件数据;
23、获取各所述部件对应的标准部件数据;
24、确定各所述部件数据与对应的标准部件数据之间的偏差;
25、将各所述偏差与对应的预设偏差范围进行比较;
26、在各所述部件数据中存在偏差超出对应的预设偏差范围的第一部件数据时,判定所述运行数据中的所述第一部件数据为所述异常数据,并确定所述异常数据的类型为第一部件异常类型;
27、在各所述偏差均处于对应的预设偏差范围时,在各所述部件数据中确定偏差最大的第二部件数据为所述异常数据,并确定所述异常数据的类型为第二部件异常类型。
28、在一实施例中,所述接收数字孪生模型反馈的异常信息的步骤之前,还包括:
29、获取生产区域中各生产设备的设备信息;
30、确定各所述生产设备的位置信息;
31、根据各所述设备信息以及各所述位置信息构建模拟所述生产区域的初始数字孪生模型;
32、采集所述生产区域中的历史数据,所述历史数据包括标准设备数据、异常设备数据、标准行为数据以及异常行为数据;
33、通过所述标准设备数据、所述异常设备数据、所述标准行为数据以及所述异常行为数据对初始数字孪生模型进行训练,获得数字孪生模型。
34、此外,为实现上述目的,本申请还提出一种数据监管装置,所述装置包括:
35、数字孪生模块,用于接收数字孪生模型反馈的异常信息,所述异常信息由所述数字孪生模型识别出存在异常数据的目标区域时所反馈;
36、视频采集模块,用于基于所述异常信息在监管界面上采集所述目标区域的视频数据;
37、异常识别模块,用于根据所述视频数据识别出所述异常数据的异常类型;
38、数据监管模块,用于在所述监管界面的所述视频数据上标注出所述异常数据以及所述异常类型。
39、此外,为实现上述目的,本申请还提出一种数据监管设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上文所述的数据监管方法的步骤。
40、此外,为实现上述目的,本申请还提出一种存储介质,所述存储介质为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执行时实现如上文所述的数据监管方法的步骤。
41、此外,为实现上述目的,本申请还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如上文所述的数据监管方法的步骤。
42、本申请提出的一个或多个技术方案,至少具有以下技术效果:
43、本申请通过接收数字孪生模型反馈的异常信息,异常信息由数字孪生模型识别出存在异常数据的目标区域时所反馈;基于异常信息在监管界面上采集目标区域的视频数据;根据视频数据识别出异常数据的异常类型;在监管界面的视频数据上标注出异常数据以及异常类型。由于本申请通过数字孪生模型识别出存在异常数据的目标区域,然后通过目标区域的视频数据识别异常数据的异常类型,因此,相较于现有技术人工监管的方式,本申请实现了自动识别异常数据以及异常数据的类型,避免了人工判断出现主观性的情况,有效提高了异常情况的检测精度。
本文档来自技高网...【技术保护点】
1.一种数据监管方法,其特征在于,所述方法包括:
2.如权利要求1所述的数据监管方法,其特征在于,所述根据所述视频数据识别出所述异常数据的异常类型的步骤,包括:
3.如权利要求2所述的数据监管方法,其特征在于,所述根据所述行为数据以及所述运行数据确定所述异常数据的异常类型的步骤,包括:
4.如权利要求3所述的数据监管方法,其特征在于,所述判断所述响应数据是否与预设标准响应数据一致的步骤之后,还包括:
5.如权利要求4所述的数据监管方法,其特征在于,所述判断所述行为数据与所述标准行为数据是否一致的步骤之后,还包括:
6.如权利要求1至5任一项所述的数据监管方法,其特征在于,所述接收数字孪生模型反馈的异常信息的步骤之前,还包括:
7.一种数据监管装置,其特征在于,所述装置包括:
8.一种数据监管设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如权利要求1至6中任一项所述的数据监管方法的步骤。
9.一种存储介质,其
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的数据监管方法的步骤。
...【技术特征摘要】
1.一种数据监管方法,其特征在于,所述方法包括:
2.如权利要求1所述的数据监管方法,其特征在于,所述根据所述视频数据识别出所述异常数据的异常类型的步骤,包括:
3.如权利要求2所述的数据监管方法,其特征在于,所述根据所述行为数据以及所述运行数据确定所述异常数据的异常类型的步骤,包括:
4.如权利要求3所述的数据监管方法,其特征在于,所述判断所述响应数据是否与预设标准响应数据一致的步骤之后,还包括:
5.如权利要求4所述的数据监管方法,其特征在于,所述判断所述行为数据与所述标准行为数据是否一致的步骤之后,还包括:
6.如权利要求1至5任一项所述的数据监管方法,其特征在于,所述接收数字孪生模型反...
【专利技术属性】
技术研发人员:刘瑞平,孙善飞,唐慎涛,夏广臻,刘莹莹,孙兴荣,
申请(专利权)人:济南作为科技有限公司,
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。