基于云计算的冷水机管理控制系统.pdf

本发明提供了基于云计算的冷水机管理控制系统，包括现场控制器、云管理控制平台、现场数据采集器和数据传送器；所述现场控制器用于设定所述冷水机的正常运行参数以及根据所述冷水机的正常运行参数对所述冷水机的运行模式进行管理和控制，并将所述冷水机的正常运行参数无线传输至云管理控制平台；所述现场数据采集器用于采集所述冷水机的实际运行参数并通过数据传送器传送给云管理控制平台；所述云管理控制平台用于根据所述冷水机的实际运行参数和正常运行参数调整所述现场控制器的管理和控制模式。本发明能够实现最大限度的预知设备故障和网络化自动调节控制，从而实现设备运行状况的最优化配置，达到更好的设备管理和维护效果。

1.基于云计算的冷水机管理控制系统，其特征是，包括现场控制器、云管理控制平台、
现场数据采集器和数据传送器；所述现场控制器用于设定所述冷水机的正常运行参数以及
根据所述冷水机的正常运行参数对所述冷水机的运行模式进行管理和控制，并将所述冷水
机的正常运行参数无线传输至云管理控制平台；所述现场数据采集器用于采集所述冷水机
的实际运行参数并通过数据传送器传送给云管理控制平台；所述云管理控制平台用于根据
所述冷水机的实际运行参数和正常运行参数调整所述现场控制器的管理和控制模式。
2.根据权利要求1所述的基于云计算的冷水机管理控制系统，其特征是，所述冷水机的
实际运行参数包括实时运行参数和安全参数。
3.根据权利要求2所述的基于云计算的冷水机管理控制系统，其特征是，所述实时运行
参数包括所述冷水机的冷媒和介质流量、电机转速、冷媒和介质压力、液体泄漏率、振动加
速度、电机扭矩和用电量；所述安全参数包括所述冷水机的保护电流、保护电压、保护功率
和电机安全转速。
4.根据权利要求3所述的基于云计算的冷水机管理控制系统，其特征是，所述数据传送
器包括数据修正模块、滤波处理模块、数据压缩模块、数据传送模块，其中：
所述数据修正模块用于对现场数据采集器采集的实际运行参数进行修正，从而消除环
境因素对数据采集的影响；
所述滤波处理模块用于对实际运行参数进行滤波处理，从而实现选择性地发送实际运
行参数至无线传感器网络的簇头；
所述数据压缩模块用于采用改进的主成分分析算法对簇头的实际运行参数进行压缩
处理；
所述数据传送模块用于将簇头的压缩数据传送至云管理控制平台。
5.根据权利要求4所述的基于云计算的冷水机管理控制系统，其特征是，所述改进的主
成分分析算法具体包括：
(1)采用K-means聚类算法对簇头的实际运行参数进行聚类，获得多个不同类型的数据
集；
(2)设一个数据集K＝[β₁,β₂,…,β_m]^T∈R^P×N，其中P表示离散的时间域，N表示在该数据
集内传感器节点的数量，则K的列向量表示在一个常规时间域P内从每个传感器节点I(1≤I
≤P)处获得的原始数据；
(3)对数据集进行中心化处理，得到一个新的数据矩阵D_NEW：
$D_{NEW}=W^T,W={\mathrm{\β}}_i-\frac{1}{P}\underset{i=1}{\overset{P}{\Σ}}{\mathrm{\β}}_i,i=1,...,m$
(4)计算N×N的协方差矩阵R，并将R中的单位特征向量按照对应的特征值大小由高到
低排列组成N×N的矩阵Γ：
$R=\frac{1}{P}\·{D_{NEW}}^T\·D_{NEW}$
(5)计算主成分矩阵G，并计算前c(c<N)个主成分的贡献率：
$G=D_{NEW}\&times;\mathrm{\&Gamma;},S\left(W\right)=\frac{{\mathrm{\&Sigma;}}_{i=1}^c{V}_i}{{\mathrm{\&Sigma;}}_{i=1}^N{V}_i}$
式中，V_i为由高到低排列的第i个特征值；
(6)最终获得数据集维度为c的数据集。

基于云计算的冷水机管理控制系统

技术领域

本发明创造涉及冷水机管理控制技术领域，具体涉及基于云计算的冷水机管理控
制系统。

背景技术

相关技术中的冷水机管理控制系统，通常仅仅采用分析设备数量、设备的铭牌信
息、设备的维修保养记录等手段，对各种设备做一个简单的信息汇总，而不能够用自动化手
段采集设备实时运行数据和设计参数，特别是不能够做到对冷水机的各个零部件做运行数
据和设计参数对比分析，无法查证和提前预知设备故障的出现时间节点，以及故障对设备
造成的危害程度。

发明内容

为解决上述问题，本发明提供基于云计算的冷水机管理控制系统。

本发明创造的目的通过以下技术方案实现：

基于云计算的冷水机管理控制系统，包括现场控制器、云管理控制平台、现场数据
采集器和数据传送器；所述现场控制器用于设定所述冷水机的正常运行参数以及根据所述
冷水机的正常运行参数对所述冷水机的运行模式进行管理和控制，并将所述冷水机的正常
运行参数无线传输至云管理控制平台；所述现场数据采集器用于采集所述冷水机的实际运
行参数并通过数据传送器传送给云管理控制平台；所述云管理控制平台用于根据所述冷水
机的实际运行参数和正常运行参数调整所述现场控制器的管理和控制模式。

本发明创造的有益效果：通过设置现场控制器、云管理控制平台、现场数据采集器
和数据传送器，能够实现最大限度的预知设备故障和网络化自动调节控制，从而实现设备
运行状况的最优化配置，达到更好的设备管理和维护效果。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任
何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图
获得其它的附图。

图1是本发明结构示意图；

图2是数据传送器的结构示意图。

附图标记：

现场控制器1、云管理控制平台2、现场数据采集器3、数据传送器4、数据修正模块
41、滤波处理模块42、数据压缩模块43、数据传送模块44。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的基于云计算的冷水机管理控制系统，包括现场控制器1、
云管理控制平台2、现场数据采集器3和数据传送器4；所述现场控制器1用于设定所述冷水
机的正常运行参数以及根据所述冷水机的正常运行参数对所述冷水机的运行模式进行管
理和控制，并将所述冷水机的正常运行参数无线传输至云管理控制平台2；所述现场数据采
集器3用于采集所述冷水机的实际运行参数并通过数据传送器4传送给云管理控制平台2；
所述云管理控制平台2用于根据所述冷水机的实际运行参数和正常运行参数调整所述现场
控制器1的管理和控制模式。

优选的，所述冷水机的实际运行参数包括实时运行参数和安全参数。

优选的，所述实时运行参数包括所述冷水机的冷媒和介质流量、电机转速、冷媒和
介质压力、液体泄漏率、振动加速度、电机扭矩和用电量；所述安全参数包括所述冷水机的
保护电流、保护电压、保护功率和电机安全转速。

本发明上述实施例通过设置现场控制器1、云管理控制平台2、现场数据采集器3和
数据传送器4，能够实现最大限度的预知设备故障和网络化自动调节控制，从而实现设备运
行状况的最优化配置，达到更好的设备管理和维护效果。

优选的，所述数据传送器4包括数据修正模块41、滤波处理模块42、数据压缩模块
43、数据传送模块44，其中：

所述数据修正模块41用于对现场数据采集器3采集的实际运行参数进行修正，从
而消除环境因素对数据采集的影响；

所述滤波处理模块42用于对实际运行参数进行滤波处理，从而实现选择性地发送
实际运行参数至无线传感器网络的簇头；

所述数据压缩模块43用于采用改进的主成分分析算法对簇头的实际运行参数进
行压缩处理；

所述数据传送模块44用于根据预设的数据传输协议将簇头的压缩数据传送至云
管理控制平台2。

本优选实施例构建了数据传送器4，实现了实际运行参数的有效处理和传输，保证
云管理控制平台2能够实时对实际运行参数进行分析处理。

优选的，所述数据修正模块41用于对采集时受到温度影响的数据进行修正处理，
并对传感器异常数据进行检测，其中对采集时受到温度影响的数据进行修正处理的修正公
式为：

式中，γ为修正后的数据，γ′为修正前的原始数据，ρ₀为传感器使用标准温度，ρ
为传感器使用时实际环境温度；

其中，所述对传感器异常数据进行检测，包括：设传感器的采样速率为Z，则传感器
获取连续i个测量数据所需的时间采样过程中当获取i个测量数据所需时间为V′，设
时间门限下限值为0.95V，时间门限上限值为2.05V，当V′<0.95V或V′>2.05V时，数据发生异
常，对落入时间门限下限值或时间门限上限值外的数据进行剔除。

作为另一优选实施例，所述对传感器异常数据进行检测，包括：设传感器某时刻采
样数据为选取该时刻前后各五个采样数据作为窗口，求取窗口内数据的平均值去掉
窗口内数据再次求取窗口内数据的平均值若采样数据满足下列判定公式，则该采样
数据判定为异常，数据修正模块41进一步剔除该异常的数据：

上述优选实施例设置数据修正模块41，通过对采集的实际运行参数进行修正、检
测，进一步提高了交通灯控制的精度。

优选地，所述对实际运行参数进行滤波处理，具体包括：

(1)去除没有落入传感器读数的有效范围内的实际运行参数；

(2)对剩余的实际运行参数，设传感器节点A在时刻k采集的数据样本为y(β)，对传
感器节点A和所述簇头采用相同参数的改进的LMS预测算法得到y(β)的预测值ξ(β)，设定只
有满足下列判定函数时传感器节点A发送y(β)给簇头，否则将y(β)丢弃：

式中，E(β)为时刻k的期望值，ξ(β)为由所述改进的预测算法得到的预测值，T_y为
设定的误差阈值；

(4)设定所述簇头判断是否满足上述判定函数的标准为在给定的一个时间间隔ω
内是否收到来自传感器节点的数据样本y(β)，ω的取值范围设定为[2s,4s]；

其中所述改进的LMS预测算法为：

(1)定义Y为传感器节点产生的一个由β-α时刻到β-1时刻的数据流，Y＝[x(β-
1),…,x(β-α)]^T，计算预测值ξ(β)：

ξ(β)＝F(β)^T·Y(k)^T

式中，F(β)＝j₁(β),j₂(β),…,j_α(β)，其中j₁(β),j₂(β),…,j_α(β)分别为时刻k时对
应于(β-1),…,x(β-α)的权值系数；

(2)设定权值更新公式为：

式中，B⁺为YY^T的Moore-Penrose广义逆。

本优选实施例设置滤波处理模块42，对由信息采集处理子系统2的各传感器节点
采集的实际运行参数进行滤波处理，从而实现选择性地发送实际运行参数至无线传感器网
络的簇头，减少了数据从传感器节点到簇头的发送量，进一步降低了数据传送器4中无线传
感器网络的能耗。

优选的，还可以在滤波处理模块42和数据压缩模块43之间设置数据保护模块，所
述数据保护模块用于对可以发送至无线传感器网络的簇头的数据进行部分加密后再进行
数据的发送，从而实现对数据的保护，具体为：

设可以发送至无线传感器网络的簇头的数据为H_i(i＝1,2,…n)，随即选取H_i的子
集H_j(j＝1,2,…m)作为特殊数据，其中m<n，此时数据划分为H_j和H_i-H_j两部分，在数据发送
前，对H_j部分的数据按照预先设定的加密方式进行加密处理并标记后，再将加密后H_j和未加
密的H_i-H_j两部分数据以及包含标记信息的文本传送至数据压缩处理模块。

本优选实施例设置数据保护模块，可以实现对数据的保护。

优选的，所述预设的数据传输协议为：

所述云管理控制平台2在某单位时间段[0,t]接收来自簇头I的对应的压缩数据的
数量E(I,t)需满足下列度量条件：

式中，σ_i为设定的簇头I的表征其第i个传感器节点的数据重要程度的权值，M_I为簇
头I内传感器节点的总数，T_H为设定的度量阈值。

本优选实施例能够实现从较为重要的簇头中接收较多的实际运行参数，保证了实
际运行参数传输的效率的同时，提高了实际运行参数传输的公平性。

优选的，所述改进的主成分分析算法具体包括：

(1)采用K-means聚类算法对簇头的实际运行参数进行聚类，获得多个不同类型的
数据集；

(2)设一个数据集K＝[β₁,β₂,…,β_m]^T∈R^P×N，其中P表示离散的时间域，N表示在该
数据集内传感器节点的数量，则K的列向量表示在一个常规时间域P内从每个传感器节点I
(1≤I≤P)处获得的原始数据；

(3)对数据集进行中心化处理，得到一个新的数据矩阵D_NEW：

(4)计算N×N的协方差矩阵R，并将R中的单位特征向量按照对应的特征值大小由
高到低排列组成N×N的矩阵Γ：

(5)计算主成分矩阵G，并计算前c(c<N)个主成分的贡献率：

式中，V_i为由高到低排列的第i个特征值；

(6)最终获得数据集维度为c的数据集。

本优选实施例设置数据压缩模块43，采用改进的主成分分析算法对簇头的实际运
行参数进行压缩处理，提高了数据传送器4中数据压缩处理的速度，且在满足实际运行参数
精度的同时，依据实际运行参数的冗余程度，降低了簇头和终端之间的数据通信量，从而减
少了无线传感器网络内的数据通信负载，进一步提高实际运行参数传送的精度和速度。

基于上述实施例，发明人进行了一系列测试，以下是进行测试得到的实验数据：

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保
护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，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实
质和范围。