一种基于数字孪生的监控预警方法及系统

技术领域

本发明涉及物联网数据监控技术领域，特别是一种基于数字孪生的监控预警方法及系统。

背景技术

监控预警系统作为制造业企业的重要组成部分，是供应链各方安全生产制造的有力保障，此系统是一种用于监测和保护生产过程的系统，它通过使用各种传感器来测量环境和设备参数，并根据预设的告警区间触发报警，以便及时发现和解决问题，确保生产过程的安全和稳定，监控预警系统可以通过对传感器数据的监测和预警，帮助企业及时发现和解决问题，从而提高生产效率和质量。

监控预警系统收集到的传感器数据在不同的应用场景中有相似的变化规律，环境和设备参数的变化存在一定的周期性，然而目前绝大多数的监控报警系统所采用的针对采集到的数据峰值进行告警区间划分等传统统计学监测方法通常不会考虑数据的变化规律，导致告警区间过大，产生告警不及时、告警精确率低等痛点问题，已经无法满足决策者可以实时掌握场景内的环境状态变化并及时做出决策这一需求。针对现有技术所存在的上述缺点，将数字孪生技术与监控预警系统相结合，在满足实时监控场景内环境状态变化的同时，将数据的变化规律考虑在内，通过LSTM算法与相对误差标准化算法得到多维度传感器数据预警区间，可以有效提高告警精确率，帮助决策者实时掌握场景内的环境状态变化并及时做出决策。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于数字孪生的监控预警方法及系统，能够解决背景技术中提到的问题。

为解决上述技术问题，本发明提供如下技术方案：

第一方面，本发明实施例提供了一种基于数字孪生的监控预警方法，其包括，通过场景内多维度传感器数据进行采集处理得到时间序列化数据；将时间序列化数据进行传输生成孪生数据；根据孪生数据极差标准化得到多维度传感器数据报警区间；对数据报警区间进行可视化展示并分析。

作为本发明所述基于物联网的多源电网信息融合方法的一种优选方案，其中：所述通过场景内多维度传感器数据进行采集包括利用数据采集模块对场景内多维度传感器数据以及监控画面进行实时采集；

所述通过场景内多维度传感器数据进行处理得到时间序列化数据包括，

时间序列化数据为：

X＝{x

作为本发明所述基于物联网的多源电网信息融合方法的一种优选方案，其中：所述将时间序列化数据进行处理传输后生成孪生数据包括，

采用原始多维度传感器数据中的缺失值前后4个数据的平均值代替，计算公式为：

其中，x

作为本发明所述基于物联网的多源电网信息融合方法的一种优选方案，其中：所述根据孪生数据极差标准化得到多维度传感器数据报警区间包括对时间序列化数据进行极差标准化生成训练集，通过LSTM算法对训练集进行预测分析，对多维度传感器数据进行极差标准化处理公式为：

其中，X'表示极差标准化后的训练集，X

作为本发明所述基于物联网的多源电网信息融合方法的一种优选方案，其中：所述根据孪生数据极差标准化得到多维度传感器数据报警区间还包括将预测数据集

作为本发明所述基于物联网的多源电网信息融合方法的一种优选方案，其中：所述根据孪生数据极差标准化得到多维度传感器数据报警区间还包括使用非线性的激活函数σ过滤当前状态为：

其中，x

作为本发明所述基于物联网的多源电网信息融合方法的一种优选方案，其中：所述可视化展示包括场景可视化、监控可视化以及异常预警；所述场景可视化是服务各环节设备进行三维还原展示；所述监控可视化实时监控画面；所述异常预警是对异常数据进行报警。

一种基于数字孪生的监控预警系统，其特征在于：包括，

数据采集模块，其对场景内多维度传感器数据进行实时采集，得到时间序列化数据；

孪生模拟模块，其将时间序列化数据传输至虚拟场景中进行数字孪生模拟，生成场景的孪生数据；

数据分析模块，其将孪生数据极差标准化，通过LSTM算法与相对误差标准化算法得到多维度传感器数据预警区间；

数据展示模块，其将实时采集到的多维度传感器数据与数据预警区间进行可视化展示，并对数据进行实时分析，对超出数据预警区间的异常数据进行告警提示。

第二方面，本发明实施例提供了一种基于数字孪生的监控预警系统，其包括：数据采集模块，其对场景内多维度传感器数据进行实时采集，得到时间序列化数据；孪生模拟模块，其将时间序列化数据传输至虚拟场景中进行数字孪生模拟，生成场景的孪生数据；数据分析模块，其将孪生数据极差标准化，通过LSTM算法与相对误差标准化算法得到多维度传感器数据预警区间；数据展示模块，其将实时采集到的多维度传感器数据与数据预警区间进行可视化展示，并对数据进行实时分析，对超出数据预警区间的异常数据进行告警提示。

第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述基于数字孪生的监控预警方法的任一步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述基于数字孪生的监控预警方法的任一步骤。

本发明的有益效果：本发明将数字孪生技术与监控预警系统相结合，在满足实时监控场景内环境状态变化的同时，将数据的变化规律考虑在内，通过LSTM算法与相对误差标准化算法得到多维度传感器数据预警区间，可以有效提高告警精确率，帮助决策者实时掌握场景内的环境状态变化并及时做出决策。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明一个实施例提供的基于数字孪生的监控预警方法及系统的流程图；

图2为本发明一个实施例提供的基于数字孪生的监控预警方法及系统的结构示意图；

图3为本发明一个实施例提供的基于数字孪生的监控预警方法及系统的具体结构示意图；

图4为本发明一个实施例提供的基于数字孪生的监控预警方法及系统的计算机设备的内部结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

实施例1

参照图1和图2，为本发明第一个实施例，该实施例提供了一种基于数字孪生的监控预警方法及系统，包括：

S1：通过场景内多维度传感器数据进行采集处理得到时间序列化数据。

其中，通过场景内多维度传感器数据进行采集包括利用数据采集模块对场景内多维度传感器数据以及监控画面进行实时采集，通过场景内多维度传感器数据进行处理得到时间序列化数据包括，

时间序列化数据为：

X＝{x

进一步的，通过数据采集模块对场景内多维度传感器数据以及监控画面进行实时采集并通过网络传输，数据采集模块包括传感器采集和监控设备采集，传感器数据采集用于通过多种传感器实时采集场景内的数据信息，从而获得原始多维度传感器数据并通过物联网无线传输，监控设备采集用于通过场景内的实时监控画面并通过网络传输。

S2：将时间序列化数据进行传输生成孪生数据。

其中，将时间序列化数据进行处理传输后生成孪生数据包括，

采用原始多维度传感器数据中的缺失值前后4个数据的平均值代替，计算公式为：

其中，x

更进一步的，数据传输包括数据传输单元以及数据存储单元，数据存储单元用于对多维度传感器数据进行存储，数据传输单元用于将多维度传感器数据传输至孪生映射模块，数据传输单元负责确保数据的完整性和准确性，当数据到达孪生映射模块，数据传输单元可以通过解析接收到的数据包，提取出原始的多维度传感器数据，解析需要将收到的数据包进行拆分获取完整的数据，根据数据包头部中的数据长度进行，确保接收到的数据长度与数据包长度一致。

具体的，数据存储单元将存储在预定的存储结构中，每个数据项包含传感器数据各个维度和时间戳信息，维度可以是经度、纬度以及三维坐标系中的位置，时间戳是指数据采集时间点，用于标记数据的时间顺序和时间关系，通常采用UNIX时间戳表示格式，时间戳提供了对数据进行时间序列分析和时间相关性分析的重要依据。

S3：根据孪生数据极差标准化得到多维度传感器数据报警区间。

其中，根据孪生数据极差标准化得到多维度传感器数据报警区间包括对时间序列化数据进行极差标准化生成训练集，通过LSTM算法对训练集进行预测分析，对多维度传感器数据进行极差标准化处理公式为：

其中，X'表示极差标准化后的训练集，X

进一步的，利用预测分析单元对时间序列化进行极差标准化生成训练，通过LSTM算法对训练集进行预测分析，预测分析单元具体包括如下步骤：

利用公式

S3.1:残差分析单元用于将预测数据集

S3.2：LSTM模型包括遗忘门f

其中，x

S4:对数据报警区间进行可视化展示并分析。

其中，可视化展示包括场景可视化、监控可视化以及异常预警；所述场景可视化是服务各环节设备进行三维还原展示；所述监控可视化实时监控画面；所述异常预警是对异常数据进行报警。

具体的，数据展示模块将实时采集到的多维度传感器数据与数据预警区间进行可视化展示，对实时数据进行分析，超出数据预警区间的异常数据进行报警提示，利用场景可视化单元对多维度传感器数据以及实时监控画面进行可视化展示，场景可视化用于将场景内全生命周期中生产、流通以及服务各个环节的相关设备进行三维还原展示，监控可视化用于对多维度传感器数据以及实时监控画面进行可视化展示，异常预警用于对多维度传感器数据预警区间进行可视化展示，并对实时数据进行分析，对超出预警区间的异常数据进行报警提示。

在一个实施例中，基于数字孪生的监控预警方法及系统，其特征在于：包括数据采集模块，其对场景内多维度传感器数据进行实时采集，得到时间序列化数据；孪生模拟模块，其将时间序列化数据传输至虚拟场景中进行数字孪生模拟，生成场景的孪生数据；数据分析模块，其将孪生数据极差标准化，通过LSTM算法与相对误差标准化算法得到多维度传感器数据预警区间；数据展示模块，其将实时采集到的多维度传感器数据与数据预警区间进行可视化展示，并对数据进行实时分析，对超出数据预警区间的异常数据进行告警提示。

上述各单元模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于遗传算法的动态水力平衡优化调节方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

实施例2

参照表1，为本发明第二个实施例，该实施例提供了一种基于数字孪生的监控预警方法及系统，为了验证本发明的有益效果，通过仿真实验进行科学论证。

将时间序列化数据进行传输生成孪生数据时，为确保孪生数据在进行极差标准化数据丢失不准确的情况下，通过构建多层神经网络建模数据来保护数据，确保孪生数据在进行极差标准化时数据精准。神经网络包括输入层、隐藏层以及输出层，输入层可以使用卷积层或其他特征提取方法来自动提取输入数据中的关键特征，有助于减少输入数据的维度和噪声，并提取对模型训练和预测最有用的信息，隐藏层可以使用数据变换以及激活函数进行保护孪生数据隐私，输出层可以通过数据解码将加密数据还原为可读取的格式，以实现数据的完整性和可用性。激活函数包括ReLU、Sigmoid以及Tanh，对比这三种激活函数如下表1所示为：

表1激活函数对比表

ReLU函数优点计算高效，对于正值输入有线性响应，避免了梯度消失问题，在实践中被广泛使用，可以加速模型的训练和收敛；缺点为负值输入时输出为零，导致神经元的输出不是在所有情况下都具有激活状态，可能导致神经元死亡；适用场景为大部分深度学习任务，特别是在处理图像和语音等领域。Sigmoid函数优点输出值在(0,1)之间，可以看作是概率的近似值，广泛应用于二分类任务和输出层的概率预测；缺点为在输入较大或较小的情况下，梯度接近于零，导致梯度消失问题，不适用于深层网络，计算相对较慢；适用场景为二分类问题和需要将输出映射到概率分布的任务。Tanh函数优点输出值在(-1,1)之间，具有中心化特性，有助于模型学习负值输入和对称性数据；在输入接近零时，梯度较大；缺点为仍然存在梯度消失问题，不适用于非常深层的神经网络；适用场景适用于需要将输出映射到[-1,1]范围内的任务，特别是对称性数据和零中心化的数据。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，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案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。