(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210529755.5 (22)申请日 2022.05.16 (71)申请人 贵州航天云网科技有限公司 地址 550081 贵州省贵阳市贵阳国家高新 技术产业开发区黔灵山路357号德福 中心A5栋2单元17层1- 6号 申请人 贵州大学 (72)发明人 杨灵运　张昌福　李少波　文杰　 邓生雄　张磊　欧阳沫　 (74)专利代理 机构 重庆强大凯创专利代理事务 所(普通合伙) 50217 专利代理师 刘永来 (51)Int.Cl. G06F 16/2455(2019.01) G06F 16/2458(2019.01) (54)发明名称 一种基于工业互联网的设备时序数据的分 析方法 (57)摘要 本发明涉及时序数据处理技术领域， 具体为 一种基于工业互联网的设备时序数据的分析方 法， 本方案中， 云平台通过人工智能模型对监测 数据进行预测， 并将预测值发送至监测终端， 监 测终端在接收到预测值后， 根据预测值和偏差阈 值对采集的监测数据流进行比对梳理， 判断监测 数据流中是否存在异常波动， 在监测数据流存在 异常数据时将该段监测数据流标记为异常数据 流并完整上传， 在监测数据流正常时取其平均值 进行上传， 云平台再根据所述平均值和异常数据 流进行异常原因的分析及存储。 本方案将正常的 监测数据流以平均值的形式进行上传， 由此形成 了对采集的数据信息的压缩作用， 降低了用户的 数据存储成本。 权利要求书1页 说明书4页 附图1页 CN 115203249 A 2022.10.18 CN 115203249 A 1.一种基于工业互联网的设备时序数据的分析方法， 包括云平台和若干监测终端， 所 述云平台和监测终端无线连接， 其特 征在于： 所述监测终端包括数据采集模块、 数据筛选模块和通信模块； 所述数据采集模块用于 采集监测数据并生成监测数据流； 所述数据筛选模块存储有偏差阈值和预测 值， 当监测数 据与预测值的差值大于等于偏差阈值时， 所述数据筛选模块将该监测数据所在的监测数据 流标记为异常数据流， 当某段监测数据流的监测数据与预测值的差值均小于偏差阈值时， 则生成该监测数据流的平均值； 所述通信模块用于将所述平均值以及异常数据流上传至云 平台； 所述云平台包括预测模块、 异常分析模块和存储模块； 所述预测模块用于通过人工智 能模型获取监测数据的预测值并发送给监测终端； 所述异常分析模块用于根据接收到的平 均值和异常数据流分析异常原因； 所述存储模块用于记录所述平均值、 异常数据流以及异 常原因。 2.根据权利要求1所述的一种基于工业互联网的设备时序数据的分析方法， 其特征在 于： 所述监测模块还包括供电模块， 所述供电模块采用蓄电池组， 所述蓄电池组包括若干单 体电池； 所述监测模块还包括电池数据采集模块， 所述电池数据采集模块用于采集各个单体电 池的电池内阻数据； 所述通信模块还用于将采集的电池内阻数据上传至云平台； 所述异常 分析模块还用于根据电池内阻分析电池失效情况。 3.根据权利要求2所述的一种基于工业互联网的设备时序数据的分析方法， 其特征在 于： 所述电池数据采集模块还用于监测电池电压数据， 所述通信模块还用于将采集的电池 电压数据上传至云平台； 所述预测模块还用于通过人工智能模型获取电压预测值； 所述异 常分析模块还用于根据电压预测值以及电池电压数据分析电压异常情况。 4.根据权利要求3所述的一种基于工业互联网的设备时序数据的分析方法， 其特征在 于： 还包括移动终端， 所述移动终端包括无线传输模块和提示模块； 所述无线传输模块用于 与云平台建立无线连接； 所述异常分析模块还用于将异常原因、 电池失效情况和电压异常 情况传输 至移动终端。 5.根据权利要求4所述的一种基于工业互联网的设备时序数据的分析方法， 其特征在 于： 所述移动终端还包括提示模块， 所述提示模块用于在接收到异常原因、 电池失效情况和 电压异常情况时向用户发出提 示。 6.根据权利要求5所述的一种基于工业互联网的设备时序数据的分析方法， 其特征在 于： 所述监测模块还包括频率控制模块， 所述频率控制模块用于控制数据采集模块和电池 数据采集模块的数据采集频率。权　利　要　求　书 1/1 页 2 CN 115203249 A 2一种基于工 业互联网的设 备时序数据的分析方 法 技术领域 [0001]本发明涉及时序数据处理技术领域， 具体为一种基于工业互联网的设备时序数据 的分析方法。 背景技术 [0002]随着5G技术商用的正式启动， 5G技术带来的高速通信为物联 网的数据传输速度带 来了更高效的运行。 而物联网的发展中一项重要的技术就是时序数据库， 物联网设备产生 的大量数据， 需要通过有效的时序数据库进行处理和存储。 而海量的物联网设备会产生极 为庞大的数据量， 所以时序数据库需要存储规模极为庞大数据， 其对低存储成本的要求也 因此变得很高。 因此， 现在亟需一种低存 储成本的时序数据分析 方法。 发明内容 [0003]本发明的技术问题在于海量的物联 网设备会产生极为庞大的数据量， 所以存在着 数据库规模需求大， 存 储成本要求高的问题。 [0004]本发明提供的基础方案： 一种基于工业互联网的设备时序数据的分析方法， 包括 云平台和若干监测终端， 所述云平台和 监测终端无线连接； 所述监测终端包括数据采集模 块、 数据筛选模块和通信模块； 所述数据采集模块用于采集监测数据并生成监测数据流； 所 述数据筛选模块存储有偏差阈值和预测值， 当监测数据与预测值的差值大于等于偏差阈值 时， 所述数据筛选模块将该监测数据所在的监测数据流标记为异常数据流， 当某段监测数 据流的监测数据与预测值的差值均小于偏差阈值时， 则生成该监测数据流的平均值； 所述 通信模块用于将所述平均值以及异常数据流上传至云平台； [0005]所述云平台包括预测模块、 异常分析模块和存储模块； 所述预测模块用于通过人 工智能模型获取监测数据的预测值并发送给监测终端； 所述异常分析模块用于根据接收到 的平均值和异常数据流分析异常原因； 所述存储模块用于记录所述平均值、 异常数据流以 及异常原因。 [0006]本发明的原理及优点在于： 本方案中， 云平台通过人工智能模型对监测数据进行 预测， 并将预测值 发送至监测终端， 监测终端在接收到预测值后， 根据预测值和偏差阈值对 采集的监测数据流进行比对梳理， 判断监测数据流中是否存在异常波动， 在监测数据流存 在异常数据时将该段监测数据流标记为异常数据流并完整 上传， 在监测数据流正常时取其 平均值进行上传， 云平台再根据所述平均值和异常数据流进行异常原因的分析及存储。 本 方案将正常的监测数据流以平均值的形式进 行上传， 由此形成了对采集的数据信息的压缩 作用， 降低了用户的数据存 储成本。 [0007]进一步， 所述监测模块还包括供电模块， 所述供电模块采用蓄电池组， 所述蓄电池 组包括若干单体电池； [0008]所述监测模块还包括电池数据采集模块， 所述电池数据采集模块用于采集各个单 体电池的电池内阻数据； 所述通信模块还用于将采集的电池内阻数据上传至云平台； 所述说　明　书 1/4 页 3 CN 115203249 A 3