[发明专利]工业运维场景下的数据处理方法、装置、设备及介质

说明书

本发明提供一种工业运维场景下的数据处理方法、装置、设备及介质，所述方法，包括：建立机理驱动模型和数据驱动模型；在第一工况点，采用所述机理驱动模型的计算结果；在第二工况点，采用所述数据驱动模型的计算结果。通过在不同工况点采用不同模型的计算结果，可以避免在运行过程中大量使用机理模型进行计算，计算耗时，无法实时得到结果的问题，将机理驱动的算法和数据驱动的算法有效结合，能够实现工业场景下的智能化运维，提高数据处理效率，实现多样化的工业任务。

技术领域

本发明涉及数据处理领域，尤其涉及一种工业运维场景下的数据处理方法、装置、设备及介质。

背景技术

当前，以智能化为核心的新一轮产业革命正在逐步展开，智能技术与传统产业的深度融合已成为势在必行的趋势，工业互联网便是其中的发展方向之一。工业互联网的核心是数据驱动的智能分析与决策优化。从发展之初，就将数据作为核心要素，将数据驱动的优化闭环作为实现工业互联网赋能价值的关键。

对于获取和处理工业运维场景下的数据，主要有两种方式：1.基于模型驱动的数据，针对设备的全生命周期过程分别建立各个阶段的机理模型，构建业务场景的数字孪生，从而实现对生产过程、对象的内部机制的精确数学描述。其优点是参数具有明确的物理意义，易于调整，具有很强的适应性。缺点是对于某些对象，很难写出具体的数学表达式或表达式中的某些系数难以确定，往往又需要大量的参数，不易很好地获取，影响模型的模拟效果；2.基于数据驱动的数据，通过工业网关设备、直连设备的SDK将设备端的数据采集、转换、上报、汇总到云端，根据相应的指标、规则予以过滤、分析，借助机器学习的方式从数据集中找到模式得到基于假设(hypothesis)的近似模型，形成某种规律性的认识，最终提炼出对企业、个人有用的新信息，帮助进行更好的决策。

现有技术中，基本都是采用模型驱动的数据或者数据驱动的数据，并没有结合使用。基于模型驱动的数据准确性较高，但是计算量大，实时性较差；基于数据驱动的数据实时性高，但是准确率较低，因此，需要将机理驱动的算法和数据驱动的算法有效结合，实现工业场景下的智能化运维，提高数据处理效率，实现多样化的工业任务。

发明内容

有鉴于此，本发明提供一种工业运维场景下的数据处理方法、装置、设备及介质，至少部分解决现有技术中存在的问题。所述技术方案如下：

一方面，提供了一种工业运维场景下的数据处理方法，包括：

建立机理驱动模型和数据驱动模型；

在第一工况点，采用所述机理驱动模型的计算结果；

在第二工况点，采用所述数据驱动模型的计算结果。

在一种可能实现方式中，在所述在第二工况点，采用所述数据驱动模型的计算结果的步骤之前，还包括：

判断所述数据驱动模型是否可以作为所述机理驱动模型的降阶模型；

若是，则将所述数据驱动模型在第二工况点下的计算结果作为所述机理驱动模型在所述第二工况点下的近似结果，执行所述在第二工况点，采用所述数据驱动模型的计算结果的步骤；

若否，则继续优化所述机理驱动模型和数据驱动模型。

在一种可能实现方式中，所述建立机理驱动模型和数

据驱动模型，包括：

获取机理驱动模型的仿真数据和输入参数；

根据所述仿真数据和输入参数建立机理驱动模型；

基于所述机理驱动模型，计算预设工况点下的离散数据；

获取所述预设工况点下的工业运行数据；

将所述工业运行数据和所述离散数据均作为数据驱动模型的样本数据，根据所述样本数据，建立数据驱动模型。