《一种用于面向工矿企业云服务平台安全生产过程控制与管理方法.pdf》由会员分享,可在线阅读,更多相关《一种用于面向工矿企业云服务平台安全生产过程控制与管理方法.pdf(21页珍藏版)》请在专利查询网上搜索。
1、(10)申请公布号 CN 102915482 A (43)申请公布日 2013.02.06 C N 1 0 2 9 1 5 4 8 2 A *CN102915482A* (21)申请号 201210370822.X (22)申请日 2012.09.25 G06Q 10/06(2012.01) G06F 17/30(2006.01) H04L 29/08(2006.01) (71)申请人浙江图讯科技有限公司 地址 310012 浙江省杭州市余杭区五常大道 168号西溪软件园B座2楼 (72)发明人王斌 陈新 江丽琴 张峰生 (54) 发明名称 一种用于面向工矿企业云服务平台安全生产 过程控制与管。
2、理方法 (57) 摘要 一种用于面向工矿企业云服务平台安全生产 过程控制与管理方法,安全服务资源子系统中针 对危险性较高的作业活动实施作业许可管理,严 格履行审批手续,以Petri过程挖掘算法为基础, 将非Petri网建模的过程模型转换为Petri网,对 安全生产过程日志进行分析,对生产过程的数据 进行评估。 (51)Int.Cl. 权利要求书1页 说明书11页 附图8页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 1 页 说明书 11 页 附图 8 页 1/1页 2 1.一种用于面向工矿企业云服务平台安全生产过程控制与管理方法,其特征在于所述 工矿企业云服务平台,。
3、包括安全云服务平台门户子系统,系统管理与相关工具集研制子系 统,应用服务层子系统,虚拟资源层子系统,平台服务支撑层子系统,接入与适配层子系统, 安全服务资源子系统,基础设施服务支撑层子系统,所述安全服务资源子系统中针对危险 性较高的作业活动实施作业许可管理,严格履行审批手续,以Petri数据挖掘算法为基础, 将非Petri网建模的过程模型转换为Petri网,对安全生产过程日志进行分析,对生产过程 的数据进行评估。 2.根据权利要求1所述的面向工矿企业云服务平台安全生产过程控制与管理方法, 还包括:基于该Petri数据挖掘算法可以用于支持一种组合业务的工作流引擎,包括:接口 层、控制层、实体层、。
4、存储层以及用于存储业务的流程实例的数据库;所述工作流引擎部署 后,通过所述接口层接收业务系统或其他接口系统发送的业务信息,所述其他接口系统包 括资源管理系统、服务开通管理系统、计费帐务系统;所述接口层提供了三种方式的接口, 包括API接口、Corba接口、WebService接口,便于工作流引擎与业务系统的衔接;所述业 务信息包括业务的流程实例、流程实例的当前环节完成情况;所述控制层接收到所述接口 层传递的业务信息后,根据支持组合业务的流程路由控制方法,来控制业务的流程实例的 生成、调度、分解、合并、结束;并确定业务的流程实例是自动流转到下一个环节,还是需要 原地等待;同时所述控制层调用所述实。
5、体层提供的方法记录流程实例的当前环节的完成情 况以及所述流程路由控制方法确定的流转结果,流程结果通过所述接口层返回;所述实体 层提供的方法为:对工作流引擎内部所描述的管理对象的新增、修改、删除和查询的操作, 所述管理对象包括:业务的流程实例对象、流程路由对象、流程实例的当前环节对象、流程 任务对象。 权 利 要 求 书CN 102915482 A 1/11页 3 一种用于面向工矿企业云服务平台安全生产过程控制与管 理方法 技术领域 0001 本发明属于工矿系统自动化信息采集与控制领域,涉及电力系统实时数据采集、 处理与控制系统,尤其是基于云计算的工矿实时数据一体化处理系统及设计方法。 背景技术。
6、 0002 互联网中已经广泛地使用云技术,主要包括三种不同的类型,软件即服务SaaS,平 台即服务PaaS,基础架构即服务IaaS。其中PaaS提供了用户可以访问的完整或部分的应 用程序开发,SaaS则提供了完整的可直接使用的应用程序,比如通过Internet管理企业资 源。而IaaS中的云技术以海量数据管理技术、海量数据分布存储技术、虚拟化技术、云计算 平台管理技术最为关键。其中海量数据管理技术和分布式存储技术是数据处理的重要组成 部分,云计算需要对分布的、海量的数据进行处理、分析,因此,数据管理技术必须能够高效 的管理大量的数据,此外还需要冗余存储的方式保证数据的可靠性。云计算系统中广泛使。
7、 用的数据存储系统是Google的GFS和Hadoop团队开发的GFS的开源实现HDFS。 0003 工矿企业的安全生产在实际的生产运行中,必然有海量数据(如各种安全生产标 准、监测的数据、教育培训知识等)需要处理,云服务平台采用分布式计算存储方式,将计 算任务分配到多台机器上并行处理,以此提高运算速度。云平台将安全生产企业实际生产 积累的数据信息进行统一的管理与存储,为生产过程中提供基于数据的预测、异常检测等 功能,实现企业的安全生产。 0004 传统工矿企业的数据采集功能和具体的逻辑判断功能结合紧密,通常由较为单一 的硬件设备完成,因此,完成不同的功能就需要配置不同的设备或系统,这些不同功。
8、能的设 备或系统都有各自独立的数据采集单元。各个数据采集存在着 交叉重复采集、利用率不 高、数据及信息内容不一致、时间不统一等问题,形成了以纵向层次多、横向系统多为主要 特征的“信息孤岛”,制约了信息的进一步融合和应用,数据及信息的重复采集和重复传输 处理势必造成各种资源的浪费。大多数工矿企业中的仪表分成三类:保护类,测控类,计量 类,他们都有自己的数据采集和处理单元,可与监控显示系统连接,用于基础参数测量。但 也存在以下技术问题: 0005 (1)仪表的精度不同,造成了数据不一致,成本上也不经济。 0006 (2)仪表采集频率不同、算法不同造成了同一个量值在不同的仪表中也不同,数据 冗余而且。
9、混乱。 0007 (3)系统与设备,设备与设备之间通讯困难,缺乏统一标准。 0008 (4)过程数据缺失,在采样的过程中,产生了大量的过程数据,这些数据对于后期 的事故分析或业务扩展都是有价值的,但我们从仪表中取得的都是经过N次运算的“二手 数据”,“简化值”。这种独立配置、独立计算、独立功能的装置带来的问题是信息共享差,利 用率低和硬、软件资源浪费问题。 0009 为解决以上提到的问题,尤其是数据分别采集、数据分别处理与计算、数据难于共 说 明 书CN 102915482 A 2/11页 4 享等关键问题,有必要建立一套新的框架与机制,实现同一类型设备的数据一次采集,能在 整套统一的软件应用。
10、平台下利用云计算技术实现测控、保护、相量测量、计量等多种应用功 能。 发明内容 0010 本发明的目的是提供一种工矿企业的安全生产云服务平台系统,以解决设备独立 配置、独立计算、独立功能的装置带来的信息共享差、利用率低和软、硬件资源浪费的问题, 实现同一类型设备数据的一次采集,及测控、保护、相量测量、计量等多种应用。 0011 所述的工矿企业的安全生产云服务平台系统,包括: 0012 1)建立面向工矿企业的安全生产云服务平台,该平台集成了支持安全生产服务的 海量数据处理、安全生产管理业务协同以及系统管理等功能,为工矿企业的安全生产与政 府监管提供重要的技术支持。 0013 2)基于安全事故事件。
11、多维关联规则分析技术,能从海量的生产数据中分析 挖掘 出可能导致事故及未遂事件发生的频繁因素和潜在规律,建立安全生产标准效用及标准缺 失情况的动态监测预警分析方法,为政府及行业监管部门制定基于风险的、合理的作业标 准提供科学的依据。 0014 3)提出了工矿企业安全生产中的海量数据处理方法,具体包括基于支持向量机的 安全生产异常检测技术、基于广义规则推理的知识发现技术,能对生产的海量数据进行分 析与知识挖掘,从而帮助企业提升事故预防预警和应急处置能力,提高企业安全生产水平。 0015 4)开发安全生产管理工具集,方便工矿行业安全生产的安全管理、监督、配置等, 实现企业的快速排查、快速响应。 0。
12、016 其中开发的面向工矿企业的安全生产云服务平台,集成了支持安全生产服务云的 海量数据处理、安全生产管理业务协同以及系统管理等功能,实现对企业生产安全的实时 监测与预警。 0017 具体而言,一种用于面向工矿企业云服务平台安全生产过程控制与管理方法,其 特征在于所述工矿企业云服务平台,包括安全云服务平台门户子系统,系统管理与相关工 具集研制子系统,应用服务层子系统,虚拟资源层子系统,平台服务支撑层子系统,接入与 适配层子系统,安全服务资源子系统,基础设施服务支撑层子系统,所述安全服务资源子系 统中针对危险性较高的作业活动实施作业许可管理,严格履行审批手续,以Petri过程挖 掘算法为基础,将。
13、非Petri网建模的过程模型转换为Petri网,对安全生产过程日志进行分 析,对生产过程的数据进行评估。 0018 所述面向工矿企业云服务平台安全生产过程控制与管理方法,还包括:基于该 Petri过程挖掘算法可以用于支持一种组合业务的工作流引擎,包括:接口层、控制层、实 体层、存储层以及用于存储业务的流程实例的数据库;所述工作流引擎部署后,通过所述 接口层接收业务系统或其他接口系统发送的业务信息,所述其他接口系统包括资源管理系 统、服务开通管理系统、计费帐务系统;所述接口层提供了三种方式的接口,包括API接口、 Corba接口、WebService接口,便于工作流引擎与业务系统的衔接;所述业务。
14、信息包括业务 的流程实例、流程实例的当前环节完成情况;所述控制层接收到所述接口层传递的业务信 息后,根据支持组合业务的流程路由控制方法,来控制业务的流程实例的生成、调度、分解、 说 明 书CN 102915482 A 3/11页 5 合并、 结束;并确定业务的流程实例是自动流转到下一个环节,还是需要原地等待;同时 所述控制层调用所述实体层提供的方法记录流程实例的当前环节的完成情况以及所述流 程路由控制方法确定的流转结果,流程结果通过所述接口层返回;所述实体层提供的方法 为:对工作流引擎内部所描述的管理对象的新增、修改、删除和查询的操作,所述管理对象 包括:业务的流程实例对象、流程路由对象、流程。
15、实例的当前环节对象、流程任务对象。 附图说明 0019 图1工矿企业的安全生产云服务平台系统 0020 图2工矿企业实时数据一体化处理系统 0021 图3无线数据采集设备集群 0022 图4无线数据采集设备结构图 0023 图5云存储系统结构图 0024 图6云存储数据中心结构图 0025 图7设备资源实时监控模型 0026 图8设备性能实时监控模型 0027 图9SVM训练与预测流程图 0028 图10免疫进化算法流程 0029 图11关联规则分析流程 0030 图12Petri网挖掘模型 具体实施方式 0031 图1所示为一种面向工矿企业的安全生产的云服务平台,集成了支持安全生产服 务云的。
16、实时数据处理、安全生产管理业务协同以及系统管理等功能,实现对企业生产安全 的实时监测与预警。 0032 具体而言,所述的面向工矿企业的安全生产云服务平台系统,包括安全云服务平 台门户子系统,系统管理与相关工具集研制子系统,应用服务层子系统,虚拟资源层子系 统,平台服务支撑层子系统,接入与适配层子系统,安全服务资源子系统,基础设施服务支 撑层子系统。 0033 所述安全云服务平台门户子系统基于web2.0技术负责对外部实现信息查询和 管理,包括政府监察平台,企业应用平台,行业监督平台,所述政府监察平台负责政府实时 监察企业运行的设备数据和财税数据,所述企业应用系统负责对外提供增值服务和应用查 询。
17、,所述行业监督平台用于产品质量的监控和反馈。 0034 所述系统管理与相关工具集研制子系统包括云服务工具的开发、部署、监控、安全 管理、日志管理和配置。 0035 所述应用服务层,包括海量数据处理系统和业务协同操作系统,其中所述海量数 据处理系统负责,对数据采集、数据整合、数据管理并且提供标准化的服务接口为安全云服 务平台门户提供数据流,而所述业务协同操作系统负责对协作任务和跨域任务构建数学模 型,具体为对业务数据进行采集,把云平台提供的服务内容与采集的业务数据整合,预测后 续业务的发展,所述跨域任务具体包括不同业务领域的管理和监控,将企业的不同部门之 说 明 书CN 102915482 A 。
18、4/11页 6 间的工作实现任务协调。 0036 所述虚拟资源层,主要是为云服务器提供虚拟化后的数字资源,具体包括知识服 务资源池、生产服务资源池、数据信息资源池,所述虚拟资源层包括了这些原始的可提供知 识服务、生产服务的数据信息资源,通过虚拟化技术,将该部分数据内容整合到应用服务层 当中,随时可以被所述海量数据处理单元和业务协同单元调用。 0037 所述接入与适配层子系统,主要从相关标准及验证测试系统中获得数据资源,此 外还包括安全服务资源,具体包括生产设备数据、标准化基本规范、法律法规、安全管理制 度、事故源历史数据、教育培训知识、安全生产投入、组织机构与负责、隐患检查信息从第三 方服务适。
19、配接入。 0038 所述平台服务支撑层对上述应用服务层、虚拟资源层、接入适配层服务,提供云服 务管理与支撑引擎,交易协同逻辑引擎,知识聚集与分类引擎,所述云服务管理与支撑引擎 为所述应用服务层提供云服务注册、发布、注销,云服务搜索、调度、组合,云服务执行与监 控;所述交易协同逻辑引擎为业务协同提供过程管理、费用核算、信用评估,所述知识聚集 与分类引擎为业务协同提供行业多资源分散知识获取,行业知识建模,行业知识聚集分类, 而对于所述平台服务支撑层中其他的负责运营管理、运维管理、终端软件开发,平台开发工 具的模块为所述虚拟资源层和接入与适配层服务,其中所述运营管理负责多租户服务,订 单管理, 交付。
20、管理,支付管理,用户管理,积分管理,所述运维管理负责安全管理,性能管理 与优化,系统配置,海量数据容错与可信度管理,所述终端软件开发,包括传感信息的融合 管理,服务资源图像界面和普适人机交互工具,以及平台开发工具,所述平台服务支撑层都 由基础设施服务支撑层通过云计算,云网络,云存储统一支撑。 0039 基于云计算的工矿企业实时数据处理系统,如图2所示,由数据采集设备、数据整 合设备、数据管理设备、标准化服务接口设备以及高速可靠的光纤通信网络五大部分组成, 构成基于云计算的工矿企业实时数据一体化处理系统, 0040 数据采集设备:图2所示该数据一体化系统的网络结构,无线传感器集群负责采 集工矿现。
21、场的数据,并将数据传输给工矿数据整合设备,所述数据整合设备上,标配HTTP 代理模块代理服务器和云管理服务器,这两者都使用ubuntu服务器刀片板,作为接受管理 的节点,每台节点服务器上都安装了节点管理器,此管理器的主要功能是实现对KVM虚拟 机的管理,包括:(1)接收云管理器的控制指令进行KVM虚拟机的部署、启停等操作;(2)监 控本地KVM虚拟机的可用性,在本地KVM虚拟机出错不可用时,尝试启动另外一个相同的 KVM虚拟机实例;(3)实时监控本地各个KVM虚拟机资源的使用状况,并将KVM虚拟机的 实时资源使用情况发送给云管理器;(4)根据虚拟机实时的资源使用情况自动执行KVM虚 拟机的扩展。
22、操作;(5)接收来自云管理器的虚拟机迁移指令,同时,每台节点服务器上都还 将部署多个KVM虚拟机,并在每个虚拟机中都部署节点服务器。所有上述的节点服务器都 共享同一个网络数据存储器。而每个节点服务器的本地存储只用来缓存每个虚拟机自身 运行数据,而虚拟机的镜像文件和实施例都会被缓存在共享的网络数据存储中,这样能够 更容易地支持高可用性和虚拟机的迁移操作。此外,工矿数据采集的数据,也会受云控制 服务器和代理服务器的控制被随机分布到网络存储器中,并由各节点服务器上的应用软件 完成业务协同和跨域任务协同。图3所示的是设置有无线传感器数据采集集群,所述无线 传感器数据采集装置根据系统中应用组件功能需要,。
23、与被工矿数据设备通过数据或模拟接 说 明 书CN 102915482 A 5/11页 7 口,有线或无线接口连接,并将采集频率设置为功能需要的最高频率和精度进行数据采样, 采集的数据缓存在自身的存储器内,数据压缩成统一格式后经无线收发单元发射到远程监 控中心。其中各无线传感器设备之间也可以进行同步或 异步的通讯,构成数据采集集群。 图4所示无线数据采集设备的工作原理图,包括;核心处理单元、触摸屏、摄像头、话筒、时 钟、存储器、电源管理、接口电路、传感器电路组成;所述核心处理单元包括嵌入式控制器、 音频接口电路、视频接口电路、触摸屏接口电路、多路串行接口、高速USB接口、无线通讯模 块、调试接口。
24、和传感器接口电路;所述触摸屏接口电路、存储器、音频接口电路、多路串行接 口、无线通讯模块、调试接口和高速USB接口分别与嵌入式控制器双向连接;所述触摸屏与 触摸屏接口电路双向连接;所述话筒和摄像头分别接音频接口电路和视频接口电路的输入 端;所述多路串行接口和高速USB接口分别接工矿数据设备;所述视频接口电路的输出端 接嵌入式控制器的相应输入端;嵌入式控制器与因特网相连接;电源管理设备用于提供电 能,电源采用光伏太阳能板和蓄电池组相组合的形式,既能保证设备能有效稳定的长期工 作,还可避免布设电源线;其中使用MC3063芯片构成的充放电控制器,以便提供稳定的电 压,传感器单元中设置有加速度、压力、。
25、温度、光传感器和载荷信号传感器,通过加速度信号 和载荷信号来实现对位移的计算,通过压力和温度传感器对环境进行监控。核心处理单元 用于传感器信号的采集运算和存储,无线通信模块实现无线信号的接收和发送;嵌入式控 制器可采用CC2530ZigBee芯片,以方便地实现以ZigBee为基础的2.4GHz ISM波段信号的 发送和接收,例如当用在钻井机上时,钻井机包括电机、四连杆机构、游梁、支架、抽杆;电机 通过四连杆机构带动游梁运动,游梁驱动与抽杆做上下运动,数据采集装置上的加速度信 号传感器和载荷信号传感器就可以设置在抽杆上,以便采集抽杆的运动参数。此外,所示的 无线数据采集单元还可以设置在工矿用电器。
26、设备上,用于实时视频、音频、数字化监控工作 参数,获取工作状态,并将采集的数据通过多协议网关上传至服务器,服务器根据采集的数 据对相应设备的工作状况进行分析,以便得出其运行状态。 0041 数据存储层:设有云数据存储池,针对工矿企业中来自各种不同数据源的海量数 据,对其进行处理后生成与不同业务对应的统一接口的主题数据,并将这些主题数据存储 在分布式文件系统中,在有任务请求时,根据不同的任务请求,对所述分布式文件系统中存 储的数据进行多节点、多任务的并行计算和分析,对分析结果根据不同的应用进行相应的 展现。如图5所示,本发明提供的数据处理的云存储池,括至少一个云存储管理节点,至少 一个云存储空间。
27、以及至少 一个虚拟设备,云存储管理节点、云存储空间与虚拟设备构成私 有云。如图4所示的实施例中,该云存储架构包括两个云存储节点、三个云存储空间与多 个虚拟设备,三个云存储空间与多个虚拟设备构成一个私有云。云存储管理节点a与云存 储管理节点b相互连接,两个云存储管理节点之间相互接管,两个云存储管理节点之间可 以均衡负载并且在其中一个云存储管理节点在发生故障时互为接管,以保证基于该云存储 架构的系统运行时的可靠性能。其中,两个云存储管理节点可分别对三个云存储空间以及 多个虚拟设备进行管理,其管理包括对三个云存储空间与多个虚拟设备进行的新建、删除 与配置,以进行系统备份、恢复与扩容。每个云存储管理节。
28、点中都有数据目录,数据目录用 于记录云存储空间及虚拟设备的相关信息,云存储管理节点通过其内部的数据目录中的相 关数据找到相对应的云存储空间与虚拟设备。另外,每个云存储管理节点上都设置有统一 的应用程序访问入口,该应用程序访问入口为应用程序接口,应用程序/服务通过调用该 说 明 书CN 102915482 A 6/11页 8 应用程序访问入口访问云存储空间。图4中的每一个虚拟设备均可映射为操作系统中的 一个裸设备、内存区、文件系统或内存文件系统等,并虚拟管理物理内存、内置磁盘和各种 接口、协议的磁盘阵列。另外,由于多个虚拟设备c1、虚拟设备c2、虚拟设备cn均 为特性相同的虚拟设备,所以,在本实。
29、施例中,虚拟设备c1、虚拟设备c2、虚拟设备 cn可以构成一个虚拟设备组b,通过该虚拟设备组b简化了对多个虚拟设备的管理。多个 虚拟设备可分别对应一个物理存储设备或一个物理存储设备中的一个存储空间。在本实 施例中,虚拟设备a1、虚拟设备a2、虚拟设备an分别与物理存储设备a1、物理存储 设备a2、物理存储设备an相连接,从而将从工矿现场采集的数据信息存储在上述 物理存储设备中。外部的应用程序/服务a、b分别与云存储架构中的云存储管理节点a、 b相连接。由于在云存储管理节点上设置有统一的应用程序访问入口,因此,应用程序/服 务通过调用应用程序访问入口的接口函数从而访问相应的云存储空间。应用程序/。
30、服务会 通过应用程序访问入口指明访问或存取任意一个云存储空间中的相应信息、或者对云存储 空间以及虚拟设备进行管理。应用程序/服务通过调用应用程序访问入口连接上云存储管 理节点,接着应用程序/服务会通过API指明访问的云存储空间、文件名、偏移量、存取操作 等,云存储管理节点根据这些API所传入的信息结合内部数据字典将最终操作分配到一个 或多个具体的物理存储设 备上完成存取操作,最后通过云存储管理节点返回存取结果。 0042 数据计算层:对应于云数据计算平台,该云数据计算平台用于调用云数据存储池 中存储的实时采集到的数据分别按照工矿系统业务公共关系计算其特性,建立通用的数据 计算分析模型,如计算设。
31、备性能、负载能力、工作效率、安全程度、环境参数等数值,节点控 制器上的虚拟系统的数据计算模块可实现灵活的添加与设置,更新数据分析计算模块,得 到相应的计算值。数据中心的结构如图6所示。包括:云控制服务期通过网络适配器与代理 服务器与数据网络、互联网络互联,监控及控制多个存储节点及其上的虚拟机,主控制器的 任务控制模块负责对下游节点控制器进行统一调配管理,包括添加、删除及迁移控制系统 的任何数量的可读数据的物理驱动器和存储介质等操作,管理模型负责对收集到的负载及 资源使用信息进行分析处理,然后交由控制器进行控制。计算节点包含任意数量的虚拟机, 每一个节点内部包含一个节点控制器负责节点内部的虚拟机。
32、资源控制,协同管理引擎负责 资源的分配同步管理,虚拟机内运行应用程序资源,如资源监控器、性能监控器、预警监控 器在内的多个性能监控器。以性能监控器为例介绍下数据统计流程,如图7所示,实时负载 及资源监控模型,根据采样数据类型,选择预设设备类型,进而调用针对该设备的统计模型 分析处理采样的工作性能数据,生成设备理想分配数据,再通过控制器结合实际采样数据 进行模型计算,输出实际分配的数据,判断设备资源使用情况及其负载水平,进而指导主控 节点控制系统设备资源的分配,而对于负载监控模块而言,如图8所示,在系统运行中,根 据所收集到数据信息,实时监控生成的曲线,观察曲线是否有突变点或不符合拟合曲线的 异。
33、常值出现。若存在,则说明当前数据中心该应用出现尖峰时刻,证明系统所需资源需要进 行较大的变动。此时需要快速对系统资源使用状况进行分析,当系统资源达到最大容量时 是否可以满足资源需求。因为是异常值点,当前所获参数不能代表整体的负载、性能及资源 间的关系模型,但如果不及时处理的话会对系统的性能有很大的影响,所以需要及时对异 常值点进行分析处理。若系统资源池资源满足当前需求,则直接交给云控制器进行处理,快 速解决当前异常值点,如果资源不满足当前需求,就启动备份设备资源,期间使用简单的线 说 明 书CN 102915482 A 7/11页 9 性回归模型预测下一个5分钟的工作负载,简单的线性回归模型可。
34、以有效的捕捉工作负载 随时间变化规律,即使是更为复杂的历史数据也可以很容易的归纳预测其负载。预 测的工 作负载作为模型的输入来评估现有的工作量所需的设备资源需求及系统可以达到的性能。 许多复杂的因素都会影响应用程序的性能,例如环境参数、操作人员数量的改变等,这时可 以采用KCCA算法及远距离相关算法实现多元统计分析建模,同时分析多个影响因素对系 统性能带来的影响,实时调整模型参数,生成理想的设备资源分配数据。计算的分配数据可 以通过主控节点上的标准化查询接口或通讯接口,由用户主动进行查询操作或被动推送到 用户。其中针对那些需要实时收集的数据信息,需要及时更新数据,才能保证数据中心的服 务质量。。
35、 0043 数据访问层:云服务访问模块设有云服务访问接口,用于根据应用组件的触发,通 过光纤网络找到云服务器,可快速实时从云数据计算平台获得相应的计算值。数据访问层 提供的接口服务包括各类数据服务器提供的云服务访问接口。 0044 以上四层通过可靠且高速的光交换通信网络依次连接,该通信环网与电力线路紧 密关联,高速通信的光纤线路沿着电力线路敷设到所有智能单元,为企业提供强大的信息 高速通信通道。相比传统工矿系统中的数据采集,本发明的数据处理系统可以扩展云端的 数据存储和计算处理功能,以及具体的基于数据模型的逻辑判断功能,通过配置不同的硬 件设备或系统完成不同的功能的统一监控,这些不同功能的设备。
36、或系统都有各自独立的数 据处理单元。而传统的实时数据采集与处理单元是由孤立的多个系统组成,数据重复采集 而且数据不完备,测控、计量、保护、安全自动装置是由不同的硬件装置当地实现。其缺陷 是数据采集重复,数据难于共享,系统应用功能难以有效地协同。本发明中的测控、保护、计 量、安全自动装置的应用功能都是通过功能组件的集群化形式实现,通过高速网络通信技 术,真正实现数据统一处理、计算、共享,有利于提高系统的可靠性、降低系统的安装成本和 维护费用。 0045 上述海量信息处理云平台将安全生产企业实际生产积累的数据信息进行统一的 管理与存储,此外,为了生产过程中提供基于数据的预测、异常检测等功能,实现企。
37、业的安 全生产,管理者们还希望能及时发现生产中的异常情况,找出原因,并及时提出应对措施, 保持生产的正常进行。对生产情况的判断分为正常和不正常两种情况,所以可把其归为分 类问题,采用分类效果较好的支持向量机来进行生产情况异常判断。通过分析数据库中安 全生产的指标数据,选择产品质量、成分、实际生产率作为指标评判生产情况是否异常的支 持数据,对支持原始数据进 行箱线图分析与相关性分析,获取数据之间的相互影响。选择 数据样本,由于变量之间量级差距较大,首先需要进行需要对变量数据进行标准化处理, 0046 0047 其中,Vi是原变量值,是原变量值的平均值,是原变量标准差。 0048 经过标准化处理后。
38、,可进行支持向量机决策模型的训练与测试,如图9所示, 使用训练样本集数据进行模型训练,其训练算法采用SMO算法(SequentialMinimal Optimization,序列最小优化),得出其分类模型的支持向量,根据支持向量计算出判定函 数f(x)的参数。经过训练后得到的改进型支持向量机并不是最优的,这是由于初始参考模 板和算法中的一些参数设置会影响训练的结果。通过选择分层核中的具体参数和对软件度 说 明 书CN 102915482 A 8/11页 10 量进行选择,可以得到更为优化的模型。在训练好的改进型支持向量机中输入需要进行预 测的软件模块对应的树形数据结构,得到-1,+1间的输出,。
39、如果输出大于0,产品质量生 产情况不存在异常;反之,输出小于0意味着产品质量的生产情况异常。 0049 图1中所述的虚拟资源层和接入与适配层之间还需要提取和生产有关的标准、知 识、数据等帮助生产与决策,这就要求云平台能够在数据库中搜索到有用的知识。针对知识 的内涵与特性、知识转移的目的与要求,我们还将免疫算子(Immune erator)引入到标准进 化规划算法中。将知识、知识转移与免疫理论结合起来,基于知识转移的免疫规划算法实 现知识的推理发现。在实际的操作过程中,免疫算法是在遗传算法基础之上发展起来的一 种全局优化算法,大多遗传算法能够解决的问题,免疫算法都能够有效解决且效率要比遗 传算法。
40、好,利用免疫算法良好的寻优能力可以在虚拟资源层和无线传感器网络访问所有节 点完成数据收集而总能耗最小的选择路径方案,最终实现了减少无线传感器网络的能量消 耗、减少网络系统时延、提高虚拟资源层交互效率的问题。如图10所述,首先,根据最优化 的目标与条件,对所求解的问题进行具体分析和分解,提取出最基本的特征信息或特征集; 其次,对此特征信息进行处理,以将其转化为局部环境或最优约束条件下求解问题的一种 方案;最后,将此方案以适当的形式转化成免疫算子并用来产生新的个体。基于知识及知识 转移的过程,在合理提取免疫疫苗的基础上,通过接种疫苗和免疫选择实现免疫进化,以有 效地对待求问题的先验知识, 提高个体。
41、的适应度。 0050 以免疫协同故障诊断软件工作流程为例,在免疫学研究中,各种免疫细胞之间的 相互促进和抑制现象可以理解为一种特有的协同进化形式-免疫协同进化,可借鉴免疫协 同进化机制,针对励磁系统故障诊断问题求解特点和协同诊断模式,提出了一种多诊断模 型协同进化诊断策略,免疫协同诊断计算的主要构成要素是各个免疫诊断细胞群体、免疫 诊断细胞的诊断进化算法和细胞种群调节机制等,进化采用基本免疫算法,免疫协同诊断 策略可形式化描述如下:ICED(CPD,CPDN,CEDA,CPCM),其中:CPD:免疫细胞诊断种群, CPDN:免疫细胞诊断种群数,诊断种群的免疫协同诊断算法, 0051 0052 。
42、其中CED ij PCM ij ,CED P ij ,EDV ij ,i,j1,2,CPDN:第i个诊断细胞种 群同第j个诊断细胞种群的协同模式,PCMij代表同步任务评估,决定该任务是否需要和其 他智能体协作完成,CEDPij代表同步进化算子,EDVij代表同步评价算子;DA i s i ,g i ,p i , f i ,d i ,i1,2,CPN:第i个诊断细胞种群的免疫进化算法,si表示第i个诊断细胞种 群的选择策略,gi表示第i个诊断细胞种群的进化操作算子,包括细胞克隆、克隆抑制等, pi表示第i个诊断细胞种群的进化操作算子的执行概率,fi表示第i个诊断细胞种群的亲 合度函数,di表示。
43、第i个诊断细胞种群的浓度函数;CNi:第i个诊断细胞种群的所含个体 的数量;CPCMCPO,CPD,CPA,CPE:免疫细胞进化种群控制模式,CPO表示种群规模算子, CPD表示种群浓度调节,CPA表示种群进化目标函数;CPE表示种群评价方式。在采用上述描 述方式后,若:CPD(k)CPD 1 k ,CPD 2 k ,CD CPN k 表示第k代免疫细胞群体,则第k代免疫 细胞群体协同进化表示为:CEDACPD(k)CEDACP D 1 k ,CPD 2 k ,CPD CPN k ,则免疫协同 说 明 书CN 102915482 A 10 9/11页 11 诊断中从第k-1代进化到第k代可以表。
44、示为: CPCM(k):CEDACPD(k-1)CEDACPD(k), k1,2,。异常诊断过程大致分为六个阶段:gen I1,故障诊断域设为设备故障集 合FF1,.,Fi,.,FM,诊断模型集合为FDMFDM1,.,FDMi,.,FDMM,M为 设备故障模型数,FDMi为第i个故障诊断模型;针对某个诊断任务FDM_TASK,初始化故障 诊断模型群体FDM,分配各诊断模型权重ww1,.,wi,.,wM,wi表示诊断模型FDMi 在诊断故障任务FDM_TASK中的诊断重要度;各故障模型FDMi对诊断任务FDM_TASK,给 出各自诊断子结论FDRFDR1,.,FDRi,.,FDRM,计算每个诊断。
45、模型个体FDMi亲合 度和浓度,评价FDM_TASK故障诊断效果,若满足故障诊断结束条件,则转向;gen I gen I+1,对故障诊断模型群体FDM,基于亲合度和浓度值从上一代群体中选取新一代群体; 将免疫算子(克隆、突变、抑制)应用到群体的个体中,获得新的故障诊断模型群体FDM, 并分配新诊断模型权重ww1,.,wi,.,wM,转向;故障诊断结束。某一时刻的 故障诊断过程,免疫协同故障诊断软件模块5将在完成了上述全部诊断行为,得到较为满 意的诊断结果后,才结束本次诊断流程。 0053 此外,真对平台服务支撑层中的知识聚集和分类引擎,随着安全生产企业的生产 建设,数据资料的数量和种类相应增加。
46、,数据间关系日也益复杂,对安全事故进行传统的定 性分析已不适应大量而复杂数据的需要,提出利用关联规则的分析工具挖掘安全事故数据 的特点与规律,找到事故发生类型与“人-机-环境-管理”各因子之间的强关联规则,对 事故的发生进行预警。收集与挖掘有关的历史灾害数据和设计勘察资料,得到施工事故相 关的数据。对施工事故数据进行数据清理,保证数据的准确规范。在施工事故数据记录不 完整,不一致,还有错误的信息等等,因此,为保证以后分析中数据的有效,这一阶段需要对 此类数据进行清理,主要解决数据文件建立中的人为误差,以及数据文件中一些对统计分 析结果影响较大的特殊数值建立多维数据模型。图11给出了一种基于关联。
47、规则分析流程 的数据分析方法,其根据施工事故的特点事故发生的原因,设置数据属性,从数据库中提取 事故数据和勘查数据构成事故样本数据,从事故类型、事故发生时间、设备工作参数三个维 度建立其数据立方体,并利用SQL语言的聚集查询和连接语句对该数据立方体进行操作, 完成频繁谓词集和强规则的搜索过程. 产生频繁谓词集。具体需要满足最小支持度和最小 置信度,设置最小支持度计数为3,从而确定没有概念分层维度的谓词集,最小置信度可以 用项集最小支持度计数表示的条件概率来表达,从而利用改进的经典Apriori算法产生频 繁谓词集。产生强关联规则。进一步的可以通过描述满足最小支持度阈值和最小置信度阈 值的关联规。
48、则的现实含义,比如月份时间,设备工作参数对可能发生的事故级别进行关联 预测,将有助于工矿事故的预警,辅助企业科学决策,在具体的挖掘过程中,各阈值可以由 工作人员和领域专家共同设定,也就是说规则是否正确、适用,要取决于边界条件的设定。 0054 针对工矿企业安全生产管理交互频繁、协作紧密的特点,梳理企业的业务类型,实 现支持业务协作的安全管理协同,还具体包括如下技术: 0055 依据国外的辨识标准,同时又结合了我国的生产技术水平和各个场所环境的不 同,可以采用层次分析和模糊数学的方法进行综合评价,以判断其是否为重大危险源。对重 大危险源的分析评价包括对各种危险源的危险原因,事故发生几率,后果的影。
49、响范围等。重 大危险源的评价是控制重大工业事故的关键措施之一。重大危险源评价应从固有危险性 评价和现实危险性评价两方面进行。固有危险性评价主要反映了物质固有特性,危险物质 说 明 书CN 102915482 A 11 10/11页 12 生产过程的特点和危险单元内部、外部环境状况。现实危险性评价是在前者的基础上考虑 各种危险性的抵消因子,反映了人在控制事故发生和控制事故后果扩大方面的主观能动作 用。增加了外部环境抵消因子提出如下评价模型: 0056 0057 式中(B111)i第i种物质的物质危险性评价值;(B112)j第j种物质的工 艺危险性评价值;Wij第j项工艺与第i种物质危险性的相关系数;B12事故严重评 价值;B21工艺设备容器建筑结构抵消因子;B22人员素质抵消因子;B23安全 管理抵消因子。 0058 通常采用危险源分级时的方法,通过死亡半径来确定一个圆形区域,这个圆形区 域。