基于信物模型的智能传感器自适应配置方法、装置及系统

技术领域

本发明涉及物联网技术领域中的智能传感器配置技术，特别是涉及一种基于设施系统信息物理模型的智能传感器自适应配置方法、装置及系统。

背景技术

随着智慧城市建设的不断推进，精细化治理技术手段不断“升级”，智能终端已在众多小区广泛部署，“神经元”系统已经形成雏形。在智慧社区的建设中，大量的传感系统被部署在社区中，由于部署环境的多样性，导致具体物理值无法与设定的风险事件值进行映射，使得误报成为普遍现象，直接造成现场管理人员对智能设备的不信任，降低了智能设备的有效性。技术在向应用落地的期间，急需解决新技术在使用过程中的方便性与节约性问题，因此，从提高智能传感器的对部署环境的适应性和降低后期运维压力两个方面进行综合考量，是提高智能设备的在使用过程中数据有效的关键。

现有的智能传感器，一般采用的是阈值判断的方法，进行数据事件上报，阈值设定范围太紧容易产生大量的误报事件，阈值范围设定太宽容易漏报事件，由于部署场景的碎片化特性和外界因素的影响，智能传感器的阈值需要动态调整才能更准确的上报现场情况，增加数据的可信度。

而现在的智能传感器的阈值调整主要采用人工现场调整和后端远程调整两种方式进行，其主要存在以下几个方面的不足，一是，人工现场调整，运维成本比较大，调整事件的延时性大，针对大规模部署，必将加重后期的运维成本，降低了系统的可用度。二是，后端远程调整，虽然可以利用一些规则进行自动参数调整，但是针对部署场景的碎片化特性的调整，还是需要人工进行逐个优化，另外云端的自动化参数调整，针对每个智能传感设备都需要配置一定的计算和存储资源，加大系统部署和管理成本。

发明内容

本发明所要解决的技术问题是提供一种基于信物模型的智能传感器自适应配置方法、装置及系统，能够对智能传感器参数进行自适应配置，降低了后期系统的运维成本，提高传感系统数据的可信度。

本发明解决其技术问题所采用的技术方案是：提供一种基于信物模型的智能传感器自适应配置方法，包括以下步骤：

(1)从云端获取被检测设施系统的物理数据模型和智能传感器点位信息，建立设施系统信息物理模型；

(2)基于设施系统信息物理模型和云端下发的异常判决准则建立异常识别业务模块；

(3)通过异常识别业务模块并根据异常判决准则发现需要配置调整的智能传感器；

(4)利用设施系统信息物理模型生成传感器数据集，进行传感器数据集比对，基于比对结果生成配置信息，并向对应的智能传感器发送配置信息。

所述步骤(1)中以项目体为单位，获取边缘侧设备所在项目体中的被检测设施系统的物理位置，关联数据信息和智能传感器对应点位信息的相关数据。

所述步骤(1)中的设施系统信息物理模型以各个被检测设施系统为区分单位，根据云端定义的各个被检测设施系统的物理数据模型的物理数据架构，结合智能传感器点位信息构建而成的。

所述步骤(4)中利用设施系统信息物理模型生成传感器数据集是指利用设施系统信息物理模型查找与所述需要配置调整的智能传感器关联的智能传感器，生成对应的智能传感器数据集。

所述步骤(4)中基于比对结果生成配置信息是指基于比对结果判断是否启动智能传感器参数配置，如需启动智能传感器参数配置，利用所述传感器数据集和设施系统信息物理模型生成对应的参数的配置信息。

所述步骤(4)中向对应的智能传感器发送配置信息后还包括跟踪配置完成的通信过程，并将配置记录上传至云端进行保存。

所述步骤(4)后还包括等待接收云端的配置异常和模型参数调整的信息，并在收到信息后销毁对应的异常识别业务模块，并清理相关数据的步骤。

所述云端对智能传感器自适应配置提供的协作流程包括：

初始化协作流程：根据边缘侧设备的请求场景编号，生成场景下各个被检测设施系统的物理数据模型的数据，点位信息数据和传感器配置异常判决准则；

远程协作流程：根据现场巡查的反馈情况，人工进行相关设施系统的物理数据模型参数和异常判决准则的调整；

配置分析审核流程：定时分析配置变动记录，比对配置前后的相关智能传感器事件数据集，识别出配置变动的异常记录；利用人工对异常记录进行核实标识，利用标识数据进行相关设施系统的物理数据模型参数和异常判决准则的调整；

配置下发功能流程：完成配置报文的下发，对应的参数更新，并进行相关日志记录。

本发明解决其技术问题所采用的技术方案是：提供一种基于信物模型的智能传感器自适应配置装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的处理程序，所述处理程序被所述处理器执行时实现如上述的智能传感器自适应配置方法的步骤。

本发明解决其技术问题所采用的技术方案是：提供一种基于信物模型的智能传感器自适应配置系统，其特征在于，包括上述的智能传感器自适应配置装置、智能传感器和云端，所述智能传感器自适应配置装置与位于下层的各个智能传感器相连，所述智能传感器自适应配置装置还与位于上层的云端相连。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明利用边缘侧网关的计算存储能力，利用设施系统信息物理模型和异常判决准则，自动识别需要进行配置优化的智能传感器，完成智能传感器的参数自适应配置工作，利用与云端形成的协作系统提供模型参数优化和异常准则更新，并以边缘侧网关作为传感器自适应配置的核心，利用其与应用场景的适配性，解决了应用场景碎片化导致的配置多样化问题，本发明降低了后期系统的运维成本，提高传感系统数据的可信度。

附图说明

图1是本发明第一实施方式的流程图；

图2是本发明第一实施方式中云端对智能传感器自适应配置提供的协作流程图；

图3是本发明第二实施方式的功能架构图；

图4是本发明第三实施方式的系统架构图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的第一实施方式涉及一种基于信物模型的智能传感器自适应配置方法，包括以下步骤：从云端获取被检测设施系统的物理数据模型和智能传感器点位信息，建立设施系统信息物理模型；基于设施系统信息物理模型和云端下发的异常判决准则建立异常识别业务模块；通过异常识别业务模块并根据异常判决准则发现需要配置调整的智能传感器；利用设施系统信息物理模型生成传感器数据集，进行传感器数据集比对，基于比对结果生成配置信息，并向对应的智能传感器发送配置信息。如图1所示，具体如下：

1)边缘侧设备从云端获取当前应用场景相关的初始数据，包括被检测系统物理数据模型，智能传感器点位信息和各类型智能传感器异常判决准则。这里可以以项目体为单位，获取边缘侧设备所在项目体中的被检测系统的物理位置，关联数据信息和传感器对应点位信息的相关数据，并利用被检测系统物理数据模型和智能传感器点位信息建立设施系统信息物理模型，这里以各个被检测设施系统为区分单位，根据云端定义好的各个被检测系统物流数据模型的物理数据架构，结合点位信息构建设施系统信息物理模型，并结合各类型智能传感器异常判决准则，建立各个系统的异常识别业务模块，承担智能传感器异常配置的自动识别和调整功能。

2)异常识别业务模块实时监测传感数据上报事件信息，根据智能传感器异常判决准则，初步识别出事件上报异常智能传感器，利用设施系统信息物理模型，查找与这个异常智能传感器关联的相关智能传感器，生成对应的传感器数据集进行比对，判断是否启动智能传感器参数配置，如果不启动终止这个流程，如果启动，开启下一步流程。

3)如需启动智能传感器参数配置，利用前面的传感器数据集和系统信息物理模型生成对应的参数配置信息，并完成配置下发。同时跟踪配置完成的通信过程，将配置记录发送云端保存。

4)边缘侧设备在根据云端信息生成相关业务模块，启动对应业务流程后，管理流程负责监听云端的配置异常和模型参数调整的信息，如果收到对应信息，立刻销毁相关业务流程(即异常识别业务模块)，并清理相关数据，回到生成流程，重新生成新的业务流程。

不难发现，本实施方式以边缘侧网关作为智能传感器自适应配置的核心解决了应用场景碎片化导致的配置多样化问题，自适应的配置方法降低了后期系统的运维成本，提高传感系统数据的可信度与应用场景适配性。

云端对智能传感器自适应配置提供的协作流程如图2所示，其包括以下功能协作流程：

1)初始化协作流程，根据边缘端设备的请求场景编号，生成场景下各个系统的物理数据模型数据，点位信息数据和传感器配置异常判决准则。

2)远程协作流程，可以根据现场巡查的反馈情况，人工进行相关系统物理数据模型参数和异常判决准则的调整。

3)配置分析审核流程，可以定时分析配置变动记录，比对配置前后的相关传感器事件数据集，识别出配置变动的异常记录。利用人工对异常记录进行核实标识，利用标识数据进行相关系统物理数据模型参数和异常判决准则的调整。

4)配置下发功能流程，完成配置报文的下发，对应的参数更新，并进行相关日志记录。

本实施方式中云端一方面可以定时分析相关的配置变动记录，比对配置前后的相关传感器事件数据集，识别出配置变动的异常记录，并利用人工核实完成对异常配置记录的标识，利用标识数据进行相关数据关联模型参数和异常判决准则的调整，并下发给边缘设备，完成对应的参数更新。另一方面，可以根据现场的巡查反馈的情况，人工进行相关数据关联模型参数和异常判决准则的调整，并下发给边缘设备，完成对应的参数更新。

本发明的第二实施方式涉及一种基于信物模型的智能传感器自适应配置装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的处理程序，所述处理程序被所述处理器执行时实现第一实施方式的智能传感器自适应配置方法的步骤。

本实施方式的智能传感器自适应配置装置是一个拥有计算、存储和通信能力的智能网关，利用边缘侧智能网关的计算存储能力，利用系统信息物理模型和异常判决准则，自动识别需要进行配置优化的智能传感器，完成智能传感器的参数自适应配置工作，利用边端与云端形成的协作系统提供模型参数优化和异常准则更新。

如图3所示，智能传感器自适应配置装置主要由以下几个功能模块组成。

电源模块，该电源模块由电源单元、电池和电源管理单元一起构成，电源单元提供交流转直流的功能，电池提供一定时间的备用电功能，电源管理单元负责两路电源的管理和当前电源状态的输出。

处理器由中央处理器(CPU)，图形处理器(GPU)，只读存储器(ROM)和随机访问存储器(RAM)组成，中央处理器从只读存储器中加载相关程序执行适当的动作和处理，获取的传感数据存储在随机访问存储器中，图形处理器利用其提供相关的浮点计算能力进行数据分析计算给出相应的数组。

外部的I/O模块由A/D模拟量，RS485，RS232，以太网，数据存储器，LoRa、WiFi、Zigbee和蜂窝通信模块组成。A/D模拟量提供本地单独传感器的数据通道，RS485，RS232和以太网提供与各个工业控制系统的数据通道，方便相应数据传感器的采集，LoRa、Zigbee和WiFi提供本地无线数据通道，用于获取相关传感器数据，蜂窝通信提供数据远传通道，数据存储器，提供数据本地存储功能，以便记录相关信息。

由此可见，本发明充分利用边缘侧网关的计算存储能力，利用系统信息物理模型和异常判决准则，自动识别需要进行配置优化的智能传感器，完成智能传感器的参数自适应配置工作，利用与云端形成的协作系统提供模型参数优化和异常准则更新，并以边缘侧网关作为智能传感器自适应配置的核心解决了应用场景碎片化导致的配置多样化问题，自适应的配置方法降低了后期系统的运维成本，提高传感系统数据的可信度与应用场景适配性。

本发明的第三实施方式涉及一种基于信物模型的智能传感器自适应配置系统，包括第二实施方式的智能传感器自适应配置装置、智能传感器和云端，所述智能传感器自适应配置装置与位于下层的各个智能传感器相连，所述智能传感器自适应配置装置还与位于上层的云端相连。

如图3所示，该自适应配置系统由端、边、云三个部分组成。其中，端由各类传感器组成，一种方式是其直接与边端智能网关(即第二实施方式的智能传感器自适应配置装置)通信，另一种方式其通过系统主机再与边端智能网关通信。边由智能网关构成，其是整个系统的核心。云由部署在远端服务器上的功能程序组成，其为边和端提供相应的数据服务。

下面通过一个具体的实例来进一步说明该系统的运行。

以目前智能小区为例，大量的智慧用电设备被部署在小区的电力节点上，有的部署在总回路输入的节点上，有的部署在楼宇总节点上，有的部署在楼层的节点上，然而设备出厂设置的漏电报警阈值基本一致，而各个节点监控回路中的用电设备情况不同，导致同样的阈值，会造成部分节点的漏电误报频发。另外，由于季节对用电负荷的影响巨大，同样的阈值会导致在某个季节漏电报警多，而在某个季节对风险反应迟缓，使智能传感器无法处于合适的工作环境下。

下面就以智慧用电设备的漏电阈值自适应调整为例，描述其运行过程。

首先，边缘侧设备向云端设备发起初始化参数获取信息，获取包括被检测系统物理模型，智能传感器点位信息和各类型智能传感器异常判决准则。这里以边缘侧设备管理的具体项目体的唯一编号为关键值，从云端获取边缘侧设备所在项目体中的智慧用电设备的检测点位信息物理(被检测用电设备的安装节点信息所处在电路的哪个回路上，各个点位在物理位置上的关联信息上一级回路节点的编号和下一级回路节点的编号，以及相关度信息)，传感器对应点位信息(哪个传感器数据表示哪个节点点位的具体信息)和报警事件误报判决规则(如一个固定周期内，报警次数大于某个值等判决规则)。

其次，边缘侧设备根据获取的用电设备的检测点位信息建立相关的系统信息物理模型，如智慧用电设备可以根据其回路的配置，建立B-Tree树型的信息物理数据模型，再将每个节点的索引与具体的传感器编号进行对应，表示可以通过传感器编号直接找到对应传感器数据值，上节点和下节点间的连接数据值，表示上下节点的关联值，并和报警事件误报判决规则一起生成对应的异常识别业务模块，为该业务模块配置相关检测的传感器报警数据接口，启动该异常识别业务模块。

然后，该异常识别业务模块，持续监听传感器报警数据接口的数据，并将获取的数据，用报警事件误报判决规则进行比对识别，判决准则有一组简单的准则组成，如60分钟内上报的报警事件数大于5条等判决准则。发现需要调整配置的传感器编号，利用具体传感器编号，在该系统的物理数据数据模型中查找相关联的传感器编号，通过编号获取对应传感器的数据形成对应数据集，结合模型上的路径关联性，进行计算判决相关传感器是否需要进行阈值调整，可以利用下面一种方法，就是上一级节点的值，应该是其所有子节点的最高异常值的和的70％，通过这个比对判决是否需要调整，并确定需要调整的具体数据值。

再后，将调整数据生成对应的配置包，发送给端设备，并记录配置是否完成信息，并将配置的发起和生成，完成的所有信息生成对应的记录信息，上报给云端，完成相关的配置事件记录。

最后，云端定期的进行配置事件的核实比对，同云端的同类型小区和历史信息的大数据比对，利用SVM等分类算法，找出相关离群的配置信息，对相关配置信息进行人工核实，确定是否需要调整相关边缘侧运行的模型参数和判决准则，使边缘端的设备更适应其部署运行的环境。同样也可以通过现场巡检的反馈，发现遗漏的情景，进行相关以项目体为单位的个性化模型参数和规则调优。

这样系统运行的时间越久，就能积累更多的标识数据，也更能为每个场景优化其独特的参数，量体裁衣。这样系统就具有了时间增益性和碎片场景的适应性。

不难发现，本发明利用边缘侧网关的计算存储能力，利用设施系统信息物理模型和异常判决准则，自动识别需要进行配置优化的智能传感器，完成智能传感器的参数自适应配置工作，利用与云端形成的协作系统提供模型参数优化和异常准则更新，并以边缘侧网关作为传感器自适应配置的核心，利用其与应用场景的适配性，解决了应用场景碎片化导致的配置多样化问题，本发明降低了后期系统的运维成本，提高传感系统数据的可信度。