一种微模块动力环境监测系统

技术领域

本发明属于智能监控技术领域，具体是一种微模块动力环境监测系统。

背景技术

随着信息技术的快速发展，数据中心和机房已成为支撑各种关键业务运行的核心设施。这些设施中部署了大量的服务器、网络设备和存储系统等关键设备，它们对供电、温度、湿度等环境参数的要求极为严格。任何小的环境波动都可能对设备的稳定运行产生严重影响，甚至导致设备损坏或数据丢失。传统的机房环境监测系统主要依赖于单点监测和有限的数据采集，这种方式无法全面、实时地反映机房的整体环境状况。同时，由于缺乏智能化的分析和预警机制，传统的系统往往无法及时发现和处理潜在的安全隐患。近年来，随着物联网和大数据技术的发展，机房环境监测技术也取得了显著的进步。一些先进的系统开始采用分布式的传感器网络来实现对机房环境的全面监测，并通过数据分析来预测和预警潜在的风险。然而，这些系统通常仍然面临着部署复杂、维护困难以及成本高昂等问题。

因此，有必要开发一种新型的微模块动力环境监测系统，基于此，本发明提供了一种微模块动力环境监测系统。

发明内容

为了解决上述方案存在的问题，本发明提供了一种微模块动力环境监测系统。

本发明的目的可以通过以下技术方案实现：

一种微模块动力环境监测系统，包括目标分析模块、监测模块和分析模块；

所述目标分析模块用于对监控目标进行分析，确定对应的环境监测方案，根据所述环境监测方案在监控目标内进行相应的监测设备安装。

进一步地，环境监测方案的确定方法包括：

建立监测方案库，所述监测方案库用于储存各参照方案以及各参照方案对应的参照特征；

获取监控目标信息，根据所述监控目标信息建立对应的目标显示模型；获取用户的监测需求以及对应发展关联数据；根据所述监控目标信息提取对应的监控目标特征；

将获得的监控目标特征、监测需求和发展关联数据整合为匹配数据；根据所述匹配数据从所述监测方案库中匹配对应的环境监测方案，并根据所述环境监测方案对所述目标显示模型进行相应的监测调整。

进一步地，根据匹配数据从监测方案库中匹配对应的环境监测方案的方法包括：

根据监控目标特征与参照方案的参照特征确定各评估单项，根据各评估单项对监控目标特征与参照特征进行评估，获得各评估单项对应的单项值，所述单项值的取值范围为[0，1]；将评估单项标记为i，i=1、2、……、n，n为正整数；将单项值标记为Di；

将发展关联数据与参照特征进行比较分析，获得对应的扩展值；

根据公式

式中：PYU为匹配值；KZ为扩展值；Di为对应单项值，i=1、2、……、n，n为正整数；P(s，Y)为需求评估模型；

选择匹配值最大的参照方案为环境监测方案。

进一步地，需求评估模型的表达式为

进一步地，将发展关联数据与参照特征进行比较分析的方法包括：

当根据发展关联数据判断不需要进行扩展时，KZ=1，KZ为扩展值；

当根据发展关联数据判断需要进行扩展时，对发展关联数据与参照特征进行分析，判断参照特征是否满足扩展需求，当判断参照特征不能满足扩展需求时，KZ=0；当判断参照特征能够满足扩展需求时，根据参照特征评估对应的扩展成本，并获取对应的基准成本；将基准成本和扩张成本分别标记为BG和KG，根据公式

所述监测模块用于对监测目标进行监测，获取目标显示模型，实时接收各监测设备的采集数据，将获得的采集数据输入所述目标显示模型中进行实时显示。

所述分析模块用于根据目标显示模型进行监测分析，获取历史监测数据，根据获得的历史监测数据建立异常识别模型，异常识别模型的表达式为

建立对应的校核库，所述校核库内设置有若干个储存节点，每个储存节点对应一个异常类型，所述储存节点用于储存相应异常类型对应的异常错误率和校核数据；

识别异常数据的异常类型，根据识别的异常类型从校核库中匹配对应的储存节点，识别储存节点中的各校核数据和异常错误率；计算异常数据与各校核数据之间的异常相似度；

根据获得的各异常相似度和异常错误率计算所述异常数据对应的校核值；根据所述校核值确定对应的校核结果；根据所述校核结果进行相应处理。

进一步地，根据获得的各异常相似度和异常错误率计算异常数据的校核值的方法包括：

根据异常数据与各校核数据之间的异常相似度生成对应的异常曲线，在异常曲线中标记对应的异常临界线；

识别超过异常临界线的异常曲线段，标记为超标段，将超标段标记为j，j=1、2、……、m，m为正整数；识别各超标段对应的超标区间；将超标区间标记为[tj1，tj2]；

对各超标段进行拟合，获得对应的超标函数，将超标函数标记为CHj(t)；

根据公式

式中：HW为校核值；η为异常错误率；e为常数；YL为异常临界线对应的异常相似度；T为各超标段对应的校核数据数量之和。

进一步地，异常类型包括烟感异常，对烟感异常进行校核的另一种方法包括：

识别各烟感监测设备的烟感监测数据，根据各烟感监测数据确定各烟感异常点；计算各烟感异常点的超标值；根据各超标值、异常点和目标显示模型标记对应的烟感异常区；

根据烟感异常区内超标值的分布确定风险校核点，获取风险校核点的协同数据，根据获得的协同数据进行校核，获得对应的校核结果。

进一步地，烟感异常区的确定方法包括：

确定各异常点在坐标空间中的映射点，为各映射点标记对应的超标值，按照超标值的大小进行连接，形成初始区域；

标记初始区域的边界面，识别边界面上各处的超标值，根据各超标值进行边界面扩展，获得对应的扩展区域，扩展区域的边界面的超标值均为0；

根据目标显示模型对应的空间区域对扩展区域进行调整，获得烟感异常区。

与现有技术相比，本发明的有益效果是：

通过目标分析模块、监测模块和分析模块之间的相互配合，实现对监控目标的智能监测，在满足用户需求下快速实现环境监测，以更低的成本和更高的效率实现对监控目标环境的全面、实时监测，并提供智能化的预警和分析功能。不仅可以提高机房管理的效率和可靠性，还可以大大降低运维成本，为企业的稳健运营提供有力保障。通过设置目标分析模块，便于在基于平台方的实际情况下智能匹配相应的环境监测方案，将会极大的降低人员工作量，提高工作效率；同时根据需求，平台方还可以通过开放部分功能来进行开发客户，客户通过网络平台等输入相应数据生成相应的环境监测方案，由工作人员进行解读和业务跟踪。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明原理框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种微模块动力环境监测系统，包括目标分析模块、监测模块和分析模块；

所述目标分析模块用于对监控目标进行分析，确定对应的环境监测方案，根据获得的环境监测方案在监控目标内进行相应的监测设备安装。

其中，环境监测方案的确定方法包括：

建立监测方案库，监测方案库由平台方根据其实际情况进行建立的，储存的均为该平台方能够实施的各种环境监测方案，因为对于用户来说，相应的监测系统基本是寻找相应的平台方进行搭建的，因此在平台方处，依据其能力和实力设置适合其经营的各种环境监测方案，且平台方会对各环境监测方案进行方案总结，设置对应的方案特征，如成本评估方式、适应的各种机房情况、运维需求、安装方式、是否易于扩张以及扩张成本的评估方式等各种相应的特征数据；是否易于扩张指的是当监控目标需要进行扩张时，能否进行同步扩张，实现监测需求，并设置相应的扩张成本评估方式；因为在实际应用中，因为用户的发展需求，可能使得机房规模的扩大或设备的增加，系统可能需要进行相应的扩展和升级。如果系统的可扩展性不足，可能需要重新购买或部署新的设备，这会增加额外的成本和时间；因此其是一个重要的评估指标；且依据平台方对各储存的环境监测方案的应用和改进，进行相应的更新和调整；为了进行区分，将监测方案库中储存的各环境监测方案标记为参照方案，因为后续在实际应用时会进行适应性调整；将参照方案对应的方案特征标记为参照特征。

获取监控目标信息，如图纸、设备信息、空间信息等相关信息；根据监控目标信息建立对应的目标显示模型，为利用当前的三维可视化技术建立的三维数据模型，用于直观的了解监控目标的相关信息，如空间信息；根据监控目标信息提取对应的监控目标特征，即对监测方案设置具有影响的特征数据，具体的会有平台方根据可能具有的各特征项设置对应的监控目标特征模板，按照监控目标特征模板中的各特征项进行数据提取，形成对应的监控目标特征，与参照特征中与监控目标相关特征是相对应的。

获取用户的监测需求以及用户的发展关联数据，发展关联数据指的是用户未来可能发展中与监测目标相关的数据，主要用于确定未来发展是否需要扩大监控目标规模以及需要扩大规模的程度，如机房扩大、设备增多等；因此发展关联数据也是与其相关的各种数据，监测需求以及发展关联数据均由用户进行提供；

根据监控目标特征、监测需求和发展关联数据从监测方案库中匹配对应的环境监测方案，根据获得的环境监测方案对目标显示模型进行监测调整，使其标记各监测设备以及后续显示各监测设备对应的监测数据。

根据监控目标特征、监测需求和发展关联数据从监测方案库中匹配对应的环境监测方案的方法包括：

由平台方总结历史需求评估数据，历史需求评估数据包括历史监测需求、参照方案特征以及对应的是否满足需求的评估结果；根据历史需求评估数据建立需求评估模型，需求评估模型用于评估参照特征是否满足监测需求，表达式为

将监控目标特征与各参照方案的参照特征进行匹配评估，确定各特征项的满足情况，若完全满足，则该特征项的数值为1，若不完全满足，根据满足程度设置对应的比重值，由平台方根据各特征项可能具有的各种特征数据设置对应的数值，进而整合为对应的单项评估方式，将对应的数值标记为单项值，对应的特征项标记为评估单项；即基于单项评估方式对监控目标特征与参照特征中对应评估单项进行评估，获得各评估单项对应的单项值；单项值的取值范围为[0，1]；将评估单项标记为i，i=1、2、……、n，n为正整数；将单项值标记为Di。

将发展关联数据与参照特征进行比较分析，获得对应的扩展值，若根据发展关联数据确定不需要发展，则扩展值为1；若需要扩张，根据参照特征能够不能满足扩张需求，则扩展值为0；若需要扩张，根据参照特征能够满足扩张需求，根据参照特征评估对应的扩张成本，获取基准成本，基准成本为根据预设的标准成本进行计算的，根据用户预算和监控目标规模设置对应的调整系数，即将预设的相应监控目标规模的成本与用户预算进行比较，计算对应的调整系数，表明用户相对预设标准的比例情况；将调整系数乘以标准成本即可获得基准成本；将基准成本和扩张成本分别标记为BG和KG，根据公式

根据公式

选择匹配值最大的参照方案为环境监测方案。

通过设置目标分析模块，便于在基于平台方的实际情况下智能匹配相应的环境监测方案，将会极大的降低人员工作量，提高工作效率；同时根据需求，平台方还可以通过开放部分功能来进行开发客户，客户通过网络平台等输入相应数据生成相应的环境监测方案，由工作人员进行解读和业务跟踪。

所述监测模块用于对监测目标进行监测，获取目标显示模型，实时接收各监测设备的采集数据，将获得的采集数据输入到目标显示模型中进行实时显示。

所述分析模块用于根据目标显示模型进行监测分析，获取历史监测数据，根据获得的历史监测数据建立异常识别模型，异常识别模型用于识别目标显示模型中各超标异常的监测显示数据，基于各显示数据对应设置临界线进行评估，如温度线、湿度线、入侵等相关数据；具体是基于孤立森林算法进行建立的，表达式为

具体校核方式如下：

识别具有的各种异常类型，根据已经出现的异常数据进行识别，获取各异常类型对应历史处理记录数据，历史处理记录数据包括异常类型、异常数据、处理结果等相关数据；根据获得的历史处理记录数据统计该异常类型对应的异常错误率，将处理结果为识别错误的异常数据标记为校核数据；进行各异常类型对应的异常错误率和校核数据进行整合，建立对应的校核库，校核库内设置有各个储存节点，每个储存节点对应一个异常类型，将相应的异常错误率和校核数据储存到相应的储存节点中。

识别异常数据的异常类型，根据识别的异常类型从校核库中匹配对应的储存节点，识别储存节点中的各校核数据，计算异常数据与各校核数据之间的异常相似度；利用评估其是否为异常数据的因素数据进行相似度计算，确定对应的异常相似度，利用现有的各种相似度算法进行计算；示例性的，基于CNN网络或DNN网络建立对应的异常相似度模型，通过人工的方式建立对应的训练集进行训练，训练集包括输入数据和输出数据，输入数据为校核数据、异常数据和异常类型，输出数据为异常相似度；通过训练成功后的异常相似度模型进行分析，获得异常数据与各校核数据之间的异常相似度；

根据异常数据与各校核数据之间的异常相似度生成对应的异常曲线，横轴表示各校核数据，用t表示，如t=1表示一个校核数据，t=2表示另一个校核数据，依此类推，按照对应记录时间进行排序；竖轴表示相应校核数据对应的异常相似度；在异常曲线中标记对应的异常临界线，即低于该异常临界线对应的异常相似度可以不进行考虑，为预设值，可以通过应用大量的数据进行模拟，确定异常临界线对应的异常临界值；

识别超过异常临界线的异常曲线段，标记为超标段，将超标段标记为j，j=1、2、……、m，m为正整数；识别各超标段对应的横轴变量区间，标记为超标区间；将超标区间标记为[tj1，tj2]；

对各超标段进行拟合，获得对应的超标函数，将超标函数标记为CHj(t)；

根据公式

式中：HW为校核值；η为异常错误率；e为常数；YL为异常临界线对应的异常相似度；T为各超标段对应的校核数据数量之和；

将校核值大于阈值X1的异常数据判定校核正常，即其真的为异常数据；将校核值不大于阈值X1的异常数据判定校核异常，即其非异常数据；获得对应的校核结果，根据获得的结果进行相应的处理。

系统支持多种告警告知方式，包括界面告警、短信通知、电话语音、声光告警、邮件通知、微信通知、移动终端。支持告警通知规则自定义，支持用户按等级和事件自定义告警通知规则，以列表方式进行管理。用户可灵活选择通知时段、告警事件、通知方式、通知用户进行组合搭配，创建适合自身组织管理模式的告警通知规则，支持将不同告警类别、不同设备告警、不同告警等级等信息发送给指定的运维人员，确保相应的运维管理人员能够及时收到并处理告警事件。系统支持单个等级/事件和批量等级/事件配置告警通知规则，兼容灵活性和便利性。

示例性的，还提供活动告警事件列表，以流水窗形式显示所有的活动告警事件信息，具备多事件的并发告警管理功能，仅当已确认且已解除的事件方可转存至历史告警列表，确保告警信息不丢失、不遗漏。

告警展示：以列表形式展示告警信息，包括告警等级、类型、位置、触发原因、产生时间、解除时间、确认时间、确认人等告警全生命周期信息，便于处理和追溯。

告警确认：具备告警确认功能，确认时可输入确认意见，支持单条确认和批量确认，也可提供适配管理场景的自动确认功能，方便客户针对不重要或不需要处理的告警进行快速确认，可配置自动确认规则，提供告警条数和延迟时间的配置。

告警筛选：支持多维度告警筛选，可根据设备、等级维度筛选相应告警，帮助运维人员快速查找其所关注的告警事件。

告警统计：支持活动告警按照等级、设备类型等维度进行数量统计，便于用户快速了解整体告警情况。

通过目标分析模块、监测模块和分析模块之间的相互配合，实现对监控目标的智能监测，在满足用户需求下快速实现环境监测，以更低的成本和更高的效率实现对监控目标环境的全面、实时监测，并提供智能化的预警和分析功能。不仅可以提高机房管理的效率和可靠性，还可以大大降低运维成本，为企业的稳健运营提供有力保障。

在一个实施例中，异常类型包括烟感异常，即烟雾监测异常；对烟感异常进行校核的方法如下：

识别各烟感监测设备的烟感监测数据，根据各烟感监测数据确定各烟感异常点，即烟感监测数据超标的监测设备位置；并计算各烟感异常点的超标值，即超过标准的比例值，如标准为4，监测为5，则超标1/4=25%，超标值为25%；根据各超标值、异常点和目标显示模型标记对应的烟感异常区；

根据烟感异常区内超标值的分布确定风险校核点，即根据烟雾产生、扩散常识，确定在烟感异常区内可能产生烟雾的点，如相应设备、外界侵入等；获取风险校核点的协同数据，如设备监测数据、视频数据等该风险校核点的相关数据；根据获得的协同数据进行校核，获得对应的校核结果；根据获得的协同数据可以直接进行校核，实现快速缩小可疑区域范围，便于提高校核效率。

烟感异常区的确定方法包括：

根据各异常点的坐标在坐标空间中映射对应的坐标点，标记为映射点，为各映射点标记对应的超标值，按照超标值的大小进行连接，形成一个源头处区域超标值高，随着距离的增加逐渐变小，因此按照超标值的大小可以进行相应过渡连线，形成一个包围区域，标记为初始区域；因为直接将各映射点进行连接，将会导致某些区域可能没有异常情况而被标记的情况，影响分析效率和分析精度；按照烟雾消散原理进行计算对应的超标值，进而进行相应的连线标记；

标记初始区域的边界面，识别边界面上各处的超标值，根据各超标值进行边界面扩展，获得对应的扩展区域，同样按照烟雾扩散的原理进行模拟，根据超标值进行模拟，预估对应的0点为止，即超标值为0的位置，完成边界面扩展，扩展区的边界面的超标值均为0，包括初始区域，等于扩展后的初始区域；

根据目标显示模型对应的空间区域对扩展区域进行调整，获得烟感异常区，相当于两者交集部分即为烟感异常区。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。