一種基于物聯(lián)網(wǎng)技術(shù)的新能源原動設(shè)備遠(yuǎn)程監(jiān)控管理系統(tǒng) 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉及設(shè)備遠(yuǎn)程監(jiān)控技術(shù)領(lǐng)域，具體涉及一種基于物聯(lián)網(wǎng)技術(shù)的新能源原動設(shè)備遠(yuǎn)程監(jiān)控管理系統(tǒng)。 背景技術(shù) [0002] 物聯(lián)網(wǎng)技術(shù)是指通過互聯(lián)網(wǎng)將各種物理設(shè)備、傳感器、軟件、網(wǎng)絡(luò)等連接起來，實現(xiàn)智能化、自動化的信息交互和數(shù)據(jù)傳輸?shù)募夹g(shù)體系。 [0003] 新能源原動設(shè)備是指那些利用新能源進(jìn)行動力轉(zhuǎn)換和能量輸出的設(shè)備，新能源是相對于傳統(tǒng)化石能源而言的，主要包括風(fēng)能、太陽能、水能、生物質(zhì)能、地?zé)崮堋⒊毕艿取? [0004] 傳統(tǒng)系統(tǒng)大多采用簡單的統(tǒng)計方法或經(jīng)驗規(guī)則進(jìn)行故障檢測和預(yù)測，缺乏先進(jìn)的機器學(xué)習(xí)和優(yōu)化算法，這些方法難以處理復(fù)雜的非線性關(guān)系和高維數(shù)據(jù)，導(dǎo)致故障識別和預(yù)測的準(zhǔn)確率較低，由于依賴人工巡檢和手動分析，傳統(tǒng)系統(tǒng)在故障發(fā)生后的響應(yīng)速度較慢，無法實現(xiàn)實時監(jiān)控和快速應(yīng)急處理，這會導(dǎo)致設(shè)備停機時間長、生產(chǎn)效率低下，傳統(tǒng)系統(tǒng)通常需要大量的人工干預(yù)，缺乏自動化的數(shù)據(jù)處理和智能化的決策支持，傳統(tǒng)系統(tǒng)的可視化能力有限，通常只能提供簡單的圖表和數(shù)據(jù)報表，缺乏直觀的3D建模和動態(tài)場景展示，這使得設(shè)備的運行狀態(tài)不夠直觀，難以全面掌握設(shè)備的健康狀況。 發(fā)明內(nèi)容 [0005] 本發(fā)明目的是針對背景技術(shù)中存在的問題，提出一種基于物聯(lián)網(wǎng)技術(shù)的新能源原動設(shè)備遠(yuǎn)程監(jiān)控管理系統(tǒng)。 [0006] 本發(fā)明的技術(shù)方案：一種基于物聯(lián)網(wǎng)技術(shù)的新能源原動設(shè)備遠(yuǎn)程監(jiān)控管理系統(tǒng)，包括模型更新單元、異常驗證單元、監(jiān)控界面單元、特征提取單元、模型訓(xùn)練單元、狀態(tài)分類單元、態(tài)勢要素預(yù)測單元、實景影像獲取單元、應(yīng)急處理單元和異常排序單元，還包括： [0007] 場景建模單元，所述場景建模單元用于對目標(biāo)廠區(qū)內(nèi)的多個新能源原動設(shè)備進(jìn)行 3D建模，以得到多個新能源原動設(shè)備3D模型，并基于所述多個新能源原動設(shè)備在所述目標(biāo)廠區(qū)內(nèi)的實際位置，將所述多個新能源原動設(shè)備3D模型進(jìn)行整合，以得到目標(biāo)廠區(qū)場景模型，并將所述目標(biāo)廠區(qū)場景模型傳輸至網(wǎng)格劃分單元和模型更新單元； [0008] 網(wǎng)格劃分單元，所述網(wǎng)格劃分單元對場景建模單元傳輸?shù)乃瞿繕?biāo)廠區(qū)場景模型進(jìn)行接收，并對所述目標(biāo)廠區(qū)場景模型進(jìn)行網(wǎng)格劃分，以得到多個網(wǎng)格，且將所述多個網(wǎng)格與所述目標(biāo)廠區(qū)進(jìn)行等比關(guān)聯(lián)，以得到所述目標(biāo)廠區(qū)內(nèi)所述多個新能源原動設(shè)備所存在的位置和所述目標(biāo)廠區(qū)場景模型內(nèi)所述多個新能源原動設(shè)備3D模型所在位置的位置關(guān)系映射表，并將所述位置關(guān)系映射表傳輸至異常驗證單元； [0009] 數(shù)據(jù)監(jiān)控單元，所述數(shù)據(jù)監(jiān)控單元用于對所述目標(biāo)廠區(qū)內(nèi)的多個新能源原動設(shè)備進(jìn)行數(shù)據(jù)監(jiān)控，以得到所述新能源原動設(shè)備的監(jiān)控數(shù)據(jù)，所述監(jiān)控數(shù)據(jù)包括設(shè)備運行狀態(tài)、環(huán)境數(shù)據(jù)、能耗數(shù)據(jù)和運行參數(shù)，且通過振動傳感器對所述目標(biāo)廠區(qū)內(nèi)的多個新能源原動設(shè)備進(jìn)行振動數(shù)據(jù)采集，以得到振動數(shù)據(jù)序列，并將所述監(jiān)控數(shù)據(jù)傳輸至監(jiān)控界面單元，將所述振動數(shù)據(jù)序列傳輸至特征提取單元和態(tài)勢要素預(yù)測單元。 [0010] 優(yōu)選的，所述特征提取單元對數(shù)據(jù)監(jiān)控單元傳輸?shù)乃稣駝訑?shù)據(jù)序列進(jìn)行接收，并對所述振動數(shù)據(jù)序列進(jìn)行時域分析，以得到時域特征，且對所述振動數(shù)據(jù)序列進(jìn)行快速傅里葉變換，以得到頻譜圖，并基于所述頻譜圖將所述時域特征轉(zhuǎn)換為頻域特征，且將所述振動數(shù)據(jù)序列進(jìn)行粗?；幚?，以得到不同尺度下的振動數(shù)據(jù)序列，并計算所述不同尺度下的振動數(shù)據(jù)序列的樣本熵值，以得到樣本熵特征，分別計算每個尺度下的振動數(shù)據(jù)序列的加權(quán)排列特征，以得到多尺度加權(quán)排列熵特征，并將所述時域特征、所述頻域特征、所述樣本熵特征和所述多尺度加權(quán)排列熵特征傳輸至模型訓(xùn)練單元。 [0011] 優(yōu)選的，所述模型訓(xùn)練單元對特征提取單元傳輸?shù)乃鰰r域特征、所述頻域特征、所述樣本熵特征和所述多尺度加權(quán)排列熵特征進(jìn)行接收，并基于支持向量機算法構(gòu)建狀態(tài)分類模型，并將所述時域特征、所述頻域特征和所述多尺度加權(quán)排列熵特征劃分為訓(xùn)練數(shù)據(jù)集，且基于所述訓(xùn)練數(shù)據(jù)集利用灰狼優(yōu)化算法對所述狀態(tài)分類模型的懲罰參數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化，以得到最優(yōu)的懲罰參數(shù)和核函數(shù)參數(shù)的組合，并將所述最優(yōu)的懲罰參數(shù)和核函數(shù)參數(shù)的組合運用于所述狀態(tài)分類模型中，以得到訓(xùn)練好的狀態(tài)分類模型，并將所述訓(xùn)練好的狀態(tài)分類模型傳輸至狀態(tài)分類單元。 [0012] 優(yōu)選的，所述態(tài)勢要素預(yù)測單元對數(shù)據(jù)監(jiān)控單元傳輸?shù)乃稣駝訑?shù)據(jù)序列進(jìn)行接收，并通過滑動窗口將所述振動數(shù)據(jù)序列構(gòu)建為時序數(shù)據(jù)，并將所述時序數(shù)據(jù)輸入至訓(xùn)練好的態(tài)勢預(yù)測模型中，所述態(tài)勢預(yù)測模型采用門控循環(huán)單元，通過所述練好的態(tài)勢預(yù)測模型輸出所述振動數(shù)據(jù)序列所對應(yīng)的下一預(yù)設(shè)時刻的振動數(shù)據(jù)序列預(yù)測值，并將所述振動數(shù)據(jù)序列預(yù)測值傳輸至狀態(tài)分類單元。

1.一種基于物聯(lián)網(wǎng)技術(shù)的新能源原動設(shè)備遠(yuǎn)程監(jiān)控管理系統(tǒng)，包括模型更新單元（3）、異常驗證單元（4）、監(jiān)控界面單元（6）、特征提取單元（7）、模型訓(xùn)練單元（8）、狀態(tài)分類單元（9）、態(tài)勢要素預(yù)測單元（10）、實景影像獲取單元（11）、應(yīng)急處理單元（12）和異常排序單元（13），其特征在于： 場景建模單元（1），所述場景建模單元（1）用于對目標(biāo)廠區(qū)內(nèi)的多個新能源原動設(shè)備進(jìn)行3D建模，以得到多個新能源原動設(shè)備3D模型，并基于所述多個新能源原動設(shè)備在所述目標(biāo)廠區(qū)內(nèi)的實際位置，將所述多個新能源原動設(shè)備3D模型進(jìn)行整合，以得到目標(biāo)廠區(qū)場景模型，并將所述目標(biāo)廠區(qū)場景模型傳輸至網(wǎng)格劃分單元（2）和模型更新單元（3）； 網(wǎng)格劃分單元（2），所述網(wǎng)格劃分單元（2）對場景建模單元（1）傳輸?shù)乃瞿繕?biāo)廠區(qū)場景模型進(jìn)行接收，并對所述目標(biāo)廠區(qū)場景模型進(jìn)行網(wǎng)格劃分，以得到多個網(wǎng)格，且將所述多個網(wǎng)格與所述目標(biāo)廠區(qū)進(jìn)行等比關(guān)聯(lián)，以得到所述目標(biāo)廠區(qū)內(nèi)所述多個新能源原動設(shè)備所存在的位置和所述目標(biāo)廠區(qū)場景模型內(nèi)所述多個新能源原動設(shè)備3D模型所在位置的位置關(guān)系映射表，并將所述位置關(guān)系映射表傳輸至異常驗證單元（4）； 數(shù)據(jù)監(jiān)控單元（5），所述數(shù)據(jù)監(jiān)控單元（5）用于對所述目標(biāo)廠區(qū)內(nèi)的多個新能源原動設(shè)備進(jìn)行數(shù)據(jù)監(jiān)控，以得到所述新能源原動設(shè)備的監(jiān)控數(shù)據(jù)，所述監(jiān)控數(shù)據(jù)包括設(shè)備運行狀態(tài)、環(huán)境數(shù)據(jù)、能耗數(shù)據(jù)和運行參數(shù)，且通過振動傳感器對所述目標(biāo)廠區(qū)內(nèi)的多個新能源原動設(shè)備進(jìn)行振動數(shù)據(jù)采集，以得到振動數(shù)據(jù)序列，并將所述監(jiān)控數(shù)據(jù)傳輸至監(jiān)控界面單元（6），將所述振動數(shù)據(jù)序列傳輸至特征提取單元（7）和態(tài)勢要素預(yù)測單元（10）； 所述特征提取單元（7）對數(shù)據(jù)監(jiān)控單元（5）傳輸?shù)乃稣駝訑?shù)據(jù)序列進(jìn)行接收，并對所述振動數(shù)據(jù)序列進(jìn)行時域分析，以得到時域特征，且對所述振動數(shù)據(jù)序列進(jìn)行快速傅里葉變換，以得到頻譜圖，并基于所述頻譜圖將所述時域特征轉(zhuǎn)換為頻域特征，且將所述振動數(shù)據(jù)序列進(jìn)行粗?；幚?，以得到不同尺度下的振動數(shù)據(jù)序列，并計算所述不同尺度下的振動數(shù)據(jù)序列的樣本熵值，以得到樣本熵特征，分別計算每個尺度下的振動數(shù)據(jù)序列的加權(quán)排列特征，以得到多尺度加權(quán)排列熵特征，并將所述時域特征、所述頻域特征、所述樣本熵特征和所述多尺度加權(quán)排列熵特征傳輸至模型訓(xùn)練單元（8）；