法律状态公告日
法律状态信息
法律状态
2019-12-10
授权
授权
2018-10-26
实质审查的生效 IPC(主分类):G05B19/418 申请日:20180308
实质审查的生效
2018-09-25
公开
公开
技术领域
本发明涉及物联网和控制系统领域,具体涉及一种基于二型模糊认知图的智能控制系统及方法。
背景技术
近年来,我国能源的需求量随着高速发展、人口数量增大和城市发展而呈几何的增长。随着国家能源政策的调整,建设节约型的能源社会是未来发展的重要方向。同时,物联网技术的发展,给节能减排政策的实施提供了重要的技术支持。Modbus、ZigBee等协议技术的日渐成熟,让设备能接入网络,实现了设备的信息采集、信息输入、信息输出、集中控制等功能,方便相关工作者对能耗进行统计和分析,制定更加合理的控制策略,减少能源的损耗,达到节能减排的效果。Web技术的发展进一步加速了能耗设备监管的步伐,它能够以一种更友好、更便利、更低成本、更有效率的方式让用户对设备进行监控管理,突破时间空间的界限。
然而,为了达到节能减排的效果,在对设备的优化控制方面,现有系统主要集中在作业控制策略上,通过手动配置设备的作业策略,如定时开启或关闭设备;或者实时监控设备运行状态是否超过预期上限,启用报警措施,但是这个预期上限却也是人工手动设置。而在现实生活生产环境中,设备的作业策略可能不是固定的,特别是设备在作业过程中出现故障时,对设备的控制更是难以控制。在此情况下,需要一种更智能化的控制方法来调控设备的作业。
发明内容
本发明的目的是针对现有技术的不足,提供了一种基于二型模糊认知图的智能控制系统,所述系统能够根据正常历史数据学习设备的正常作业方式,通过时序预测,智能地控制设备的运行状态,并在设备出现预期之外情况时提供报警服务。
本发明的另一目的在于提供一种基于二型模糊认知图的智能控制方法。
本发明的目的可以通过如下技术方案实现:
一种基于二型模糊认知图的智能控制系统,包括对集中器中的设备能耗数据进行采集提取的数据采集模块、存储和处理设备能耗数据的存储管理模块、下发指令到集中器,通过集中器控制设备运行状态的控制模块、根据数据采集模块采集的历史设备能耗数据,采用二型模糊认知图模型建立预测模型,预测设备下一时间节点的能耗值并与实际能耗值比较,进而提供报警服务并通过控制模块动态控制设备的数据分析与预测模块、采集和显示设备能耗信息及运行状态,并提供给终端用户查看及操作控制设备开关的服务管理模块。
本发明的另一目的可以通过如下技术方案实现:
一种基于二型模糊认知图的智能控制方法,所述方法包括以下过程:
数据采集:系统定时通过数据采集模块从集中器中采集提取设备能耗数据,写入kafka消息队列中,topic为equip_data,其中topic的标识能够自由定义,通过kafka缓冲,提高数据采集的高可用性和传输性能;
数据存储:开启一个订阅topic为equip_data的kafka Consumer任务,提取设备能耗数据写入存储管理模块的Hbase数据库中,通过Hadoop集群管理海量的Hbase数据,以便达到系统的数据高效性和可分析性;
设备数据预测:当系统运行很长时间之后,数据分析与预测模块根据Hbase数据中存储的大量历史设备能耗数据,采用二型模糊认知图模型建立预测模型;并用于线上实时预测下一时间节点的设备能耗数据(如使用电量),与实际值比较,进而进行报警通知维护人员或者直接通过控制模块关闭设备运行;
设备控制:控制模块采用mqtt协议与集中器进行通信,下发控制设备开关指令,通过集中器控制设备的运行状态;
服务提供:服务管理模块通过kafka消息队列与Hbase连接,获取Hbase数据进行统计供前端展示,并通过调用控制模块,下发指令到集中器,实时控制设备的运行状态。
本发明与现有技术相比,具有如下优点和有益效果:
本发明基于二型模糊认知图的智能控制系统可以动态设置区分设备预期状态之外的阈值,而不需要手动设置,更能真正体现设备的运行状况,同时实现如下功能:(1)监控设备的实时运行状态;(2)根据监控的数据利用二型模糊认知图预测下一时期的数据,通过对比真实数据,可灵活控制设备运行状态或进行预警;(3)通过设置设备的作业管理策略,能够实现自动化控制设备;(4)采用hadoop+hbase集群存储数据,扩大了存储数据规模,实现了数据访问的高效性;(5)采用Kafka技术,提高了系统中不同模块间交互信息的可用性。
附图说明
图1为本发明实施例基于二型模糊认知图的智能控制系统的运行过程架构图。
图2为本发明实施例预测模型的结构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例:
本实施例提供了一种基于二型模糊认知图的智能控制系统,系统的运行过程架构图如图1所示,包括对集中器中的设备能耗数据进行采集、存储和处理设备能耗数据的采集存储管理模块、下发指令到集中器,通过集中器控制设备运行状态的控制模块、根据数据采集模块采集的历史设备能耗数据,采用二型模糊认知图模型建立预测模型,预测设备下一时间节点的能耗值并与实际能耗值比较,进而提供报警服务并通过控制模块动态控制设备的数据分析与预测模块、采集和显示设备能耗信息及运行状态,并提供给终端用户查看及操作控制设备开关的服务管理模块。
其中,所述数据采集模块采用mqtt协议与集中器进行通信,使用定时任务通过集中器采集设备能耗信息,通过kafka消息队列写入Hbase数据库。
其中,所述存储管理模块采用Habase数据库管理存储数据采集模块采集到的设备数据,并使用hadoop集群管理Habase数据库。
其中,所述控制模块采用mqtt协议与集中器进行通信,通过集中器控制设备的运行状态。
其中,所述服务管理模块,通过kafka消息队列读取存储管理模块中采用hadoop集群管理的Hbase数据库中的设备能耗数据,供展示给终端用户查看;并能够让终端用户设置设备的控制策略,供控制模块操作。
其中,所述预测模型采用如下的二型模糊认知图模型,结构示意图如图2所示,共分为五层:
(1)L1层:假设输入样本是一个N维特征向量XT=[x1,x2,…,xi,…,xN],其中xi(i=1,…N)表示第i个特征值,N表示一个样本数据有N个输入值,第i个节点的输入和输出分别定义为
(2)L2层:为模糊化层,定义输入变量xi的第ni个语义项为
其中i表示第i个输入变量,Ni表示第i个输入变量共有的语义项个数,若为大、中、小三种语义,则Ni=3,
那么,第i个节点的第ni个高斯隶属度函数的输入和输出分别定义为
(3)L3层:定义输出变量yi的第ni个语义项为
其中i表示第i个输入变量,Ni表示第i个输入变量共有的语义项个数,若为大、中、小三种语义,则Ni=3,表示高斯隶属度函数的均值;表示高斯隶属度函数的方差;和分别是的下限和上限;由于yi和xi表示同一个概念,所以能够设定
连接L2层的权重定义为
互函数定义为:
第j个节点的第mj个高斯隶属度函数和L2层的第i个节点的第ni个高斯隶属度函数之间连接权重定义为
(4)L4层:为降型,第i个预言变量的第mi(mi=1,…,Ni)个语义项的权重定义为
本层的输入
(5)L5层:本层的第j个预言变量的输入
根据上面所述基于二型模糊认知图的智能控制系统的智能控制方法,包括以下过程:
数据采集:系统定时通过数据采集模块从集中器中采集提取设备能耗数据,写入kafka消息队列中,topic为equip_data,其中topic的标识能够自由定义,通过kafka缓冲,提高数据采集的高可用性和传输性能;
数据存储:开启一个订阅topic为equip_data的kafka Consumer任务,提取设备能耗数据写入存储管理模块的Hbase数据库中,通过Hadoop集群管理海量的Hbase数据,以便达到系统的数据高效性和可分析性;
设备数据预测:当系统运行很长时间之后,数据分析与预测模块根据Hbase数据中存储的大量历史设备能耗数据,采用二型模糊认知图模型建立预测模型;并用于线上实时预测下一时间节点的设备能耗数据(如使用电量),与实际值比较,进而进行报警通知维护人员或者直接通过控制模块关闭设备运行;
设备控制:控制模块采用mqtt协议与集中器进行通信,下发控制设备开关指令,通过集中器控制设备的运行状态;
服务提供:服务管理模块通过kafka消息队列与Hbase连接,获取Hbase数据进行统计供前端展示,并通过调用控制模块,下发指令到集中器,实时控制设备的运行状态。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明专利构思加以等同替换或改变,都属于本发明专利的保护范围。
机译: 一种基于效率图的智能发电控制方法及采用该方法的车辆
机译: 基于天气信息的智能型减震器气压控制系统及其方法
机译: 基于云型智能道路交通控制系统的信息处理方法及装置