[发明专利]一种监测数据处理方法、装置和计算设备

说明书

本发明公开了一种监测数据处理方法，在计算设备中执行，包括步骤：分别从各监测点在预定时段内的m个原始波形中提取一个n维特征指标集，得到每个监测点的m个特征指标集构成特征指标序列；将多个监测点的特征指标序列进行时间对齐后，得到每个监测点的包括p个特征指标集的新特征指标序列，p≥m；将每个监测点的p个特征指标集分别映射为n维特征空间中的p个数据点，并分别计算该p个数据点的离群因子，构成该监测点的离群因子序列；将各监测点的离群因子序列按照离群因子的大小划分为第一序列和第二序列，并分别采用不同的数据保留策略对该两种序列进行数据保留。本发明还一并公开了对应的监测数据处理装置和计算设备。

技术领域

本发明数据处理领域，尤其涉及一种监测数据处理方法、装置和计算设备。

背景技术

设备状态监测技术，即通过传感器和采集站采集设备运行过程中产生的物理数据，对这些原始信息数据进行处理，从而实现对设备状态的监控。采集过程中会采集大量的原始波形数据，对于上规模的状态监测数据中心，每天会进行TB级别的数据采集，对磁盘空间的存储产生了一定的压力，单纯的增大磁盘空间并不能解决磁盘空间存储的问题，同时也增加了企业在数据存储方面的成本。除此之外，大量的数据采集和存储，也对设备状态监测的算法仿真带来了挑战。整个算法模型的指标计算过程中，原始波形点的数量越多，仿真的效率越低，大量正常点的数据实际上并未对状态监测算法起到优化作用。

针对设备状态监测大数据的存储和仿真问题，产生了对原始采集的波形信息进行数据稀释的需求。在设备状态监测领域，主要稀释策略包括：

1)存储一定年限之内的数据，如除案例设备数据之外，只存储两年之内的其它非案例设备数据。但是，大量非案例设备中存在设备异常信息，这些异常信息对于设备状态监测企业来说是宝贵的财富，直接进行丢弃无疑是一种数据资源的损失。同时，只保存一定年限的数据对于设备的健康档案建立也是不利的。

2)根据大量设备指标数据的统计分布进行数据的筛选。该方法的主要问题在于其通常要求数据满足一定的分布，如正态假设等，而对于特定的设备而言，其运行状态与数据特征并非完全的理想状态，针对整体的统计阈值未必适合用于单台的特定设备。

3)根据指标的阈值进行数据稀释，但该方法难以控制数据稀释比例，多工况稀释较为困难，同时多指标的阈值设置与调参的工作量十分繁复，不利于实际部署。

4)根据特征工程后指标的变动量进行数据稀释，即计算不同指标的变换，计算当前信号特征与之前保留信号的差异性，差异性较大则保留当前数据。但该方法变动量的变化率阈值仍然需要人工设置，多工况的稀释仍然较为困难。

因此，需要提供一种新的数据稀释方法，能够尽可能的稀释正常数据的同时保留异常状态数据，同时避免繁复的人工调参。

发明内容

鉴于上述问题，本发明提出了一种监测数据处理方法、装置和计算设备，以力图解决或者至少解决上面存在的问题。

根据本发明的一个方面，提供了一种监测数据处理方法，适于对从监测设备的多个监测点中采集到的数据进行处理，在计算设备中执行，该方法包括步骤：分别从各监测点在预定时段内的m个原始波形中提取一个n维特征指标集，得到每个监测点的m个特征指标集构成特征指标序列；将多个监测点的特征指标序列进行时间对齐后，得到各监测点的新特征指标序列，所述新特征指标序列包括p个特征指标集，p≥m，且多个监测点的新特征指标序列均对应同一时刻序列T；将每个监测点的p个特征指标集分别映射为n维特征空间中的p个数据点，并分别计算该p个数据点的离群因子，构成该监测点的离群因子序列；将各监测点的离群因子序列按照离群因子的大小划分为第一序列和第二序列，并分别采用不同的数据保留策略对该两种序列进行数据保留。

可选地，在根据本发明的监测数据处理方法中，第一序列为离群因子序列中离群因子前c％大的点所组成的序列，该第一序列的数据保留策略为全部保留；第二序列为除第一序列之外的数据点所组成的序列，该第二序列的数据保留策略是每d个数据点保留一个数据点。