一种基于云部署的直流电源状态全景监视方法及装置

摘要

本发明公开了一种基于云部署的直流电源状态全景监视方法及装置，其中，所述方法包括：基于数据采集传感器采集电源终端多源异构信号数据，并将所述多源异构信号数据进行统一处理，获得统一信号数据；基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中进行分区存储处理；虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，并对提取的统一信号数据进行业务分析处理，获得分析结果；将所述分析结果推送至终端，并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。在本发明实施例中，可以使得相关的管理用户直观的对电源进行全景监控，及时了解电源健康状态。

权利要求

1.一种基于云部署的直流电源状态全景监视方法，其特征在于，所述方法包括：基于数据采集传感器采集电源终端多源异构信号数据，并将所述多源异构信号数据进行统一处理，获得统一信号数据；

基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中，并在所述虚拟数据服务器接收到所述统一信号数据之后，将所述统一信号数据转化为二进制信息；

将所述二进制信息按照采集时间形成的存储队列结构在分区内存中进行分区存储处理；

虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，并对提取的统一信号数据进行业务分析处理，获得分析结果，所述业务分析处理包括实时状态评价处理、实时故障诊断处理；

将所述分析结果推送至终端，并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示；

所述对提取的统一信号数据进行业务分析处理，获得分析结果，包括：对提取的统一信号数据进行实时状态评价处理，获得实时评价结果；

对提取的统一信号数据进行实时故障诊断处理，获得实时故障诊断结果；其中，所述实时故障诊断处理的模型包括训练收敛的BP神经网络模型和遗传算法优化的模糊集理论；所述BP神经网络模型在训练前利用遗传算法进行优化处理；

所述对提取的统一信号数据进行业务分析处理之后，还包括：

将提取的统一信号数据在所述虚拟数据服务器中的分区存储中删除，并利用提取的统一信号数据对应的分析结果进行标记处理，获得标记后的统一信号数据；

将标记后的统一信号数据存储至历史数据存储分区中。

2.根据权利要求1所述的直流电源状态全景监视方法，其特征在于，所述基于数据采集传感器采集电源终端多源异构信号数据，包括：在所述电源终端的各个节点上分别设置数据采集传感器，并基于所述数据采集传感器采集所述电源终端各个节点上的信号数据，形成多源异构信号数据。

3.根据权利要求1所述的直流电源状态全景监视方法，其特征在于，所述将所述多源异构信号数据进行统一处理，获得统一信号数据，包括：将所述多源异构信号数据依次进行采样、保持及量化处理，获得处理结果；

对所述处理结果按照其对应的多源异构信号数据中所包含采集时间戳和节点传感器编号进行唯一性识别编码处理，获得唯一性编码后的处理结果；

基于数字滤波对唯一性编码后的处理结果进行去噪处理，获得去噪处理结果；

对所述去噪处理结果进行数据清洗及统一处理，获得统一信号数据。

4.根据权利要求3所述的电源状态全景监视方法，其特征在于，所述对所述去噪处理结果进行数据清洗及统一处理，获得统一信号数据，包括：基于粗糙集理论的决策树对所述去噪处理结果进行无效和重复数据的删除处理，获得删除处理后的去噪处理结果；

对所述删除处理后的去噪处理结果进行纠正异常数据处理，并对纠正后的数据基于差值法进行补全缺失数据处理，获得补全后的数据；

将补全后的数据进行格式统一处理，获得统一信号数据。

5.一种基于云部署的直流电源状态全景监视装置，其特征在于，所述装置包括：统一处理模块：用于基于数据采集传感器采集电源终端多源异构信号数据，并将所述多源异构信号数据进行统一处理，获得统一信号数据；

存储模块：用于基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中，并在所述虚拟数据服务器接收到所述统一信号数据之后，将所述统一信号数据转化为二进制信息；将所述二进制信息按照采集时间形成的存储队列结构在分区内存中进行分区存储处理；

分析模块：用于虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，并对提取的统一信号数据进行业务分析处理，获得分析结果，所述业务分析处理包括实时状态评价处理、实时故障诊断处理；

播放展示模块：用于将所述分析结果推送至终端，并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示；

所述对提取的统一信号数据进行业务分析处理，获得分析结果，包括：对提取的统一信号数据进行实时状态评价处理，获得实时评价结果；

对提取的统一信号数据进行实时故障诊断处理，获得实时故障诊断结果；其中，所述实时故障诊断处理的模型包括训练收敛的BP神经网络模型和遗传算法优化的模糊集理论；所述BP神经网络模型在训练前利用遗传算法进行优化处理；

所述对提取的统一信号数据进行业务分析处理之后，还包括：

将提取的统一信号数据在所述虚拟数据服务器中的分区存储中删除，并利用提取的统一信号数据对应的分析结果进行标记处理，获得标记后的统一信号数据；

将标记后的统一信号数据存储至历史数据存储分区中。

说明书

一种基于云部署的直流电源状态全景监视方法及装置

技术领域

[0001] 本发明涉及供电电源技术领域，尤其涉及一种基于云部署的直流电源状态全景监视方法及装置。

背景技术

[0002] 在大功率多级放大射频电源中，功率多级放大器采用全固态功率管，射频驱动信号输入为多级放大器提供激励源，阻抗匹配器通过阻抗匹配实现最大功率输出；因此，急需建立一个平台，使得能够对不同地域的电源的各个节点数据进行集成，并利用相关的大数据处理技术，实现对电源的状态进行实时的监控以及可能出现故障的提前预警，从而达到对电源状态的全景监视的目的。

发明内容

[0003] 本发明的目的在于克服现有技术的不足，本发明提供了一种基于云部署的直流电源状态全景监视方法及装置，可以使得相关的管理用户直观的对电源进行全景监控，及时了解电源健康状态。

[0004] 为了解决上述技术问题，本发明实施例提供了一种基于云部署的直流电源状态全景监视方法，所述方法包括：

[0005] 基于数据采集传感器采集电源终端多源异构信号数据，并将所述多源异构信号数据进行统一处理，获得统一信号数据；

[0006] 基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中进行分区存储处理；

[0007] 虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，并对提取的统一信号数据进行业务分析处理，获得分析结果，所述业务分析处理包括实时状态评价处理、实时故障诊断处理；

[0008] 将所述分析结果推送至终端，并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。

[0009] 可选的，所述基于数据采集传感器采集电源终端多源异构信号数据，包括：

[0010] 在所述电源终端的各个节点上分别设置数据采集传感器，并基于所述数据采集传感器采集所述电源终端各个节点上的信号数据，形成多源异构信号数据。

[0011] 可选的，所述将所述多源异构信号数据进行统一处理，获得统一信号数据，包括：

[0012] 将所述多源异构信号数据依次进行采样、保持及量化处理，获得处理结果；

[0013] 对所述处理结果按照其对应的多源异构信号数据中所包含采集时间戳和节点传感器编号进行唯一性识别编码处理，获得唯一性编码后的处理结果；

[0014] 基于数字滤波对唯一性编码后的处理结果进行去噪处理，获得去噪处理结果；

[0015] 对所述去噪处理结果进行数据清洗及统一处理，获得统一信号数据。

[0016] 可选的，所述对所述去噪处理结果进行数据清洗及统一处理，获得统一信号数据，包括：

[0017] 基于粗糙集理论的决策树对所述去噪处理结果进行无效和重复数据的删除处理，获得删除处理后的去噪处理结果；

[0018] 对所述删除处理后的去噪处理结果进行纠正异常数据处理，并对纠正后的数据基于差值法进行补全缺失数据处理，获得补全后的数据；

[0019] 将补全后的数据进行格式统一处理，获得统一信号数据。

[0020] 可选的，所述基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中进行分区存储处理，包括：

[0021] 基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中，并在所述虚拟数据服务器接收到所述统一信号数据之后，将所述统一信号数据转化为二进制信息；

[0022] 将所述二进制信息按照有采集时间形成的存储队列结构在分区内存中进行分区存储处理。

[0023] 可选的，所述虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，包括：

[0024] 所述虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中按照所述统一信号数据的存储队列结构提取统一信号数据。

[0025] 可选的，所述对提取的统一信号数据进行业务分析处理，获得分析结果，包括：

[0026] 对提取的统一信号数据进行实时状态评价处理，获得实时评价结果；

[0027] 对提取的统一信号数据进行实时故障诊断处理，获得实时故障诊断结果；其中，所述实时故障诊断处理的模型包括训练收敛的BP神经网络模型和遗传算法优化的模糊集理论；所述BP神经网络模型在训练前利用遗传算法进行优化处理。

[0028] 可选的，所述对提取的统一信号数据进行实时故障诊断处理，获得实时故障诊断结果，包括：

[0029] 利用信号统计分析方法基于时域分析和频域分析对提取的统一信号数据进行特征提取处理，获得信号提取特征；

[0030] 确认所述信号提取特征为直流电源信号提取特征或者为低压电源信号提取特征；

[0031] 在所述信号提取特征为直流电源信号提取特征时，将所述信号提取特征输入训练收敛的BP神经网络模型中进行实时故障诊断处理，输出所述信号提取特征对应的故障诊断信息；

[0032] 在所述信号提取特征为低压电源信号提取特征时，将所述信号提取特征输入利用遗传算法优化的模糊集理论中进行实时故障诊断处理，输出所述信号提取特征对应的故障诊断信息。

[0033] 可选的，所述对提取的统一信号数据进行业务分析处理之后，还包括：

[0034] 将提取的统一信号数据在所述虚拟数据服务器中的分区存储中删除，并利用提取的统一信号数据对应的分析结果进行标记处理，获得标记后的统一信号数据；

[0035] 将标记后的统一信号数据存储至历史数据存储分区中。

[0036] 另外，本发明实施例还提供了一种基于云部署的直流电源状态全景监视方法，所述方法包括：

[0037] 统一处理模块：用于基于数据采集传感器采集电源终端多源异构信号数据，并将所述多源异构信号数据进行统一处理，获得统一信号数据；

[0038] 存储模块：用于基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中进行分区存储处理；

[0039] 分析模块：用于虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，并对提取的统一信号数据进行业务分析处理，获得分析结果，所述业务分析处理包括实时状态评价处理、实时故障诊断处理；

[0040] 播放展示模块：用于将所述分析结果推送至终端，并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。

[0041] 在本发明实施例中，可以使得相关的管理用户直观的对电源进行全景监控，及时了解电源健康状态；及可以实现对不同地域的电源的各个节点数据进行集成，并利用相关的大数据处理技术，实现对电源的状态进行实时的监控以及可能出现故障的提前预警，从而达到对电源状态的全景监视的目的。

附图说明

[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

[0043] 图1是本发明实施例中的基于云部署的直流电源状态全景监视方法的流程示意图；

[0044] 图2是本发明实施例中的基于云部署的直流电源状态全景监视装置的结构组成示意图。

具体实施方式

[0045] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0046] 实施例一

[0047] 请参阅图1，图1是本发明实施例中的基于云部署的直流电源状态全景监视方法的流程示意图。

[0048] 如图1所示，一种基于云部署的直流电源状态全景监视方法，所述方法包括：

[0049] S11：基于数据采集传感器采集电源终端多源异构信号数据，并将所述多源异构信号数据进行统一处理，获得统一信号数据；

[0050] 在本发明具体实施过程中，所述基于数据采集传感器采集电源终端多源异构信号数据，包括：在所述电源终端的各个节点上分别设置数据采集传感器，并基于所述数据采集传感器采集所述电源终端各个节点上的信号数据，形成多源异构信号数据。

[0051] 进一步的，所述将所述多源异构信号数据进行统一处理，获得统一信号数据，包括：将所述多源异构信号数据依次进行采样、保持及量化处理，获得处理结果；对所述处理结果按照其对应的多源异构信号数据中所包含采集时间戳和节点传感器编号进行唯一性识别编码处理，获得唯一性编码后的处理结果；基于数字滤波对唯一性编码后的处理结果进行去噪处理，获得去噪处理结果；对所述去噪处理结果进行数据清洗及统一处理，获得统一信号数据。

[0052] 进一步的，所述对所述去噪处理结果进行数据清洗及统一处理，获得统一信号数据，包括：基于粗糙集理论的决策树对所述去噪处理结果进行无效和重复数据的删除处理，获得删除处理后的去噪处理结果；对所述删除处理后的去噪处理结果进行纠正异常数据处理，并对纠正后的数据基于差值法进行补全缺失数据处理，获得补全后的数据；将补全后的数据进行格式统一处理，获得统一信号数据。

[0053] 具体的，在电源终端存在各个节点，并在该电源终端的各个节点上设置对应的数据采集传感器，然后根据该数据采集传感器采集电源终端各个节点上的信号数据，汇聚形成多源异构信号数据。

[0054] 对于多源异构数据，需要进行相关的处理，方便后续的处理需求，即需要将这些多源异构信号数据转换及去噪处理，其主要是讲模拟信号转换为数字信号，方便后续的读取及去噪处理，可以有效的减少杂质影响，提高监控的精度。

[0055] 即在对多源异构信号数据通过模数转换器转换之后，依次进行采样、保持及量化处理，从而得到处理结果，然后将该处理结果按照其对应的多源异构信号数据中所包含采集时间戳和节点传感器编号进行唯一性识别编码处理，获得唯一性编码后的处理结果，方便后续通过该编码查询或者调用该具体唯一性编码的数据；然后根据数字滤波对唯一性编码后的处理结果进行去噪处理，获得去噪处理结果，即采用数字滤波算法来对数据信号进行滤波去噪，其中，该数字滤波包括经典滤波和现代滤波；经典滤波是根据傅里叶分析和变换提出的一个工程概念，根据高等数学理论，任何一个满足一定条件的信号，都可以被看成是由无限个正弦波叠加而成，就是工程信号是不同频率的正弦波线性叠加而成的，组成信号的不同频率的正弦波叫做信号的频率成分或叫做谐波成分；现代滤波是利用信号的随机性的本质，将信号及其噪声看成随机信号，通过利用其统计特征，估计出信号本身，一旦信号被估计出，得到的信号本身比原来的信噪比高出许多，典型的数字滤波器有Kalman滤波，Wenner滤波，自适应滤波，小波变换(wavelet)等；数字滤波具有高精度、高可靠性、可程控改变特性或复用、便于集成等优点；数字滤波有低通、高通、带通、带阻和全通等类型；可以是时不变的或时变的、因果的或非因果的、线性的或非线性的；应用最广的是线性、时不变数字滤波器；最后对去噪处理结果需要进行数据清洗及统一处理，从而得到统一信号数据。

[0056] 在数据清洗及统一处理中，采用粗糙集理论的决策树对去噪处理结果进行无效和重复数据的删除处理，获得删除处理后的去噪处理结果，粗糙集理论的决策树可以实现对数据进行归纳，使得数据内冗余杂质数据被剔除，所形成的数据较为精简；然后对删除处理后的去噪处理结果进行纠正异常数据处理，并对纠正后的数据基于差值法进行补全缺失数据处理，获得预处理后的多源异构信号数据，在纠正异常数据时，采用三西格玛准则判断异常值来实现纠正异常数据，异常值为一组测定值中与平均值的偏差超过3倍标准差的值；三西格玛准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除；在补全缺失处理过程中采用插值算法来实现补全缺失数据，具体可以由Lagrange插值、Newton插值、Hermite插值、分段插值和样条插值等来实现；在获得补全后的数据之后，需要进行格式统一处理，即，将多源异构的补全后的数据进行格式的统一，从而得到统一信号数据。

[0057] S12：基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中进行分区存储处理；

[0058] 在本发明具体实施过程中，所述基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中进行分区存储处理，包括：基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中，并在所述虚拟数据服务器接收到所述统一信号数据之后，将所述统一信号数据转化为二进制信息；将所述二进制信息按照采集时间形成的存储队列结构在分区内存中进行分区存储处理。

[0059] 具体的，根据虚拟接口服务器将统一信号数据上传至虚拟数据服务器中，然后在虚拟数据服务器接收到所述统一信号数据之后，将统一信号数据转化为二进制信息，利用二进制信息可以方便在内存中进行相关的存储处理；因为在统一信号数据中包含有采集时间，因此，按照采集时间形成存储队列结构，然后将该二进制信息按照采集时间形成的存储队列结构在分区内存中进行分区存储处理；队列结构存储的时候，可以实现先进先出的原则，及后续提取存储数据时，可以按照存储顺序进行提取，保证不遗漏任何的存储数据；同时在存储的过程中，利用一个唯一的分数对存储的统一信号数据进行对应绑定，从而将统一信号数据所对应的二进制信息转化为消息链条的形式，方便后续的存储及查询。

[0060] S13：虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，并对提取的统一信号数据进行业务分析处理，获得分析结果，所述业务分析处理包括实时状态评价处理、实时故障诊断处理；

[0061] 在本发明具体实施过程中，所述虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，包括：所述虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中按照所述统一信号数据的存储队列结构提取统一信号数据。

[0062] 进一步的，所述对提取的统一信号数据进行业务分析处理，获得分析结果，包括：对提取的统一信号数据进行实时状态评价处理，获得实时评价结果；对提取的统一信号数据进行实时故障诊断处理，获得实时故障诊断结果；其中，所述实时故障诊断处理的模型包括训练收敛的BP神经网络模型和遗传算法优化的模糊集理论；所述BP神经网络模型在训练前利用遗传算法进行优化处理。

[0063] 进一步的，所述对提取的统一信号数据进行实时故障诊断处理，获得实时故障诊断结果，包括：利用信号统计分析方法基于时域分析和频域分析对提取的统一信号数据进行特征提取处理，获得信号提取特征；确认所述信号提取特征为直流电源信号提取特征或者为低压电源信号提取特征；在所述信号提取特征为直流电源信号提取特征时，将所述信号提取特征输入训练收敛的BP神经网络模型中进行实时故障诊断处理，输出所述信号提取特征对应的故障诊断信息；在所述信号提取特征为低压电源信号提取特征时，将所述信号提取特征输入利用遗传算法优化的模糊集理论中进行实时故障诊断处理，输出所述信号提取特征对应的故障诊断信息。

[0064] 进一步的，所述对提取的统一信号数据进行业务分析处理之后，还包括：将提取的统一信号数据在所述虚拟数据服务器中的分区存储中删除，并利用提取的统一信号数据对应的分析结果进行标记处理，获得标记后的统一信号数据；将标记后的统一信号数据存储至历史数据存储分区中。

[0065] 具体的，该虚拟计算服务器根据业务指令在虚拟数据服务器的分区存储中按照统一信号数据的存储队列结构提取统一信号数据；在提取统一信号数据之后，需要对该统一信号数据进行特征提取，一般情况下，是利用信号统计分析方法根据时域分析和频域分析对提取的统一信号数据进行特征提取处理，从而获得信号提取特征。

[0066] 在对提取的统一信号数据进行业务分析处理时，主要包括实时状态评价处理和实时故障诊断处理；实时故障诊断处理的模型包括训练收敛的BP神经网络模型和遗传算法优化的模糊集理论；BP神经网络模型在训练前利用遗传算法进行优化处理。

[0067] 在进行实时故障诊断处理时，首先需要确认信号提取特征为直流电源信号提取特征或者为低压电源信号提取特征；在确认为信号提取特征为直流电源信号提取特征时，则将信号提取特征输入训练收敛的BP神经网络模型中进行故障诊断处理，在诊断完成之后，输出信号提取特征对应的故障诊断信息；在信号提取特征为低压电源信号提取特征时，则将信号提取特征输入利用遗传算法优化的模糊集理论中进行故障诊断处理，输出信号提取特征对应的故障诊断信息。

[0068] 在对提取的统一信号数据进行业务分析处理之后，需要将提取的统一信号数据在虚拟数据服务器中的分区存储中删除，然后利用提取的统一信号数据对应的分析结果进行标记处理，从而获得标记后的统一信号数据；最终，将标记后的统一信号数据存储至历史数据存储分区中，形成历史数据，方便后续的查看或者模型训练学习使用。

[0069] S14：将所述分析结果推送至终端，并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。

[0070] 在本发明具体实施过程中，将分析结果推送至终端，该终端采用终端适配软件来根据根据XHTML/XML(The Extensible Hyper Text MarkupLanguage，可扩展超文本标记语言/The Extensible Markup Language，可扩展标记语言)来生成配合浏览器软件的用户界面。实现电源终端监测数据的实时查询展示、故障预警展示、状态评价展示以及其他指标展示。

[0071] 在本发明实施例中，可以使得相关的管理用户直观的对电源进行全景监控，及时了解电源健康状态；及可以实现对不同地域的电源的各个节点数据进行集成，并利用相关的大数据处理技术，实现对电源的状态进行实时的监控以及可能出现故障的提前预警，从而达到对电源状态的全景监视的目的。

[0072] 实施例二

[0073] 请参阅图2，图2是本发明实施例中的基于云部署的电源状态全景监视装置的结构组成示意图。

[0074] 如图2所示，一种基于云部署的直流电源状态全景监视方法，所述方法包括：

[0075] 统一处理模块21：用于基于数据采集传感器采集电源终端多源异构信号数据，并将所述多源异构信号数据进行统一处理，获得统一信号数据；

[0076] 在本发明具体实施过程中，所述基于数据采集传感器采集电源终端多源异构信号数据，包括：在所述电源终端的各个节点上分别设置数据采集传感器，并基于所述数据采集传感器采集所述电源终端各个节点上的信号数据，形成多源异构信号数据。

[0077] 进一步的，所述将所述多源异构信号数据进行统一处理，获得统一信号数据，包括：将所述多源异构信号数据依次进行采样、保持及量化处理，获得处理结果；对所述处理结果按照其对应的多源异构信号数据中所包含采集时间戳和节点传感器编号进行唯一性识别编码处理，获得唯一性编码后的处理结果；基于数字滤波对唯一性编码后的处理结果进行去噪处理，获得去噪处理结果；对所述去噪处理结果进行数据清洗及统一处理，获得统一信号数据。

[0078] 进一步的，所述对所述去噪处理结果进行数据清洗及统一处理，获得统一信号数据，包括：基于粗糙集理论的决策树对所述去噪处理结果进行无效和重复数据的删除处理，获得删除处理后的去噪处理结果；对所述删除处理后的去噪处理结果进行纠正异常数据处理，并对纠正后的数据基于差值法进行补全缺失数据处理，获得补全后的数据；将补全后的数据进行格式统一处理，获得统一信号数据。

[0079] 具体的，在电源终端存在各个节点，并在该电源终端的各个节点上设置对应的数据采集传感器，然后根据该数据采集传感器采集电源终端各个节点上的信号数据，汇聚形成多源异构信号数据。

[0080] 对于多源异构数据，需要进行相关的处理，方便后续的处理需求，即需要将这些多源异构信号数据转换及去噪处理，其主要是讲模拟信号转换为数字信号，方便后续的读取及去噪处理，可以有效的减少杂质影响，提高监控的精度。

[0081] 即在对多源异构信号数据通过模数转换器转换之后，依次进行采样、保持及量化处理，从而得到处理结果，然后将该处理结果按照其对应的多源异构信号数据中所包含采集时间戳和节点传感器编号进行唯一性识别编码处理，获得唯一性编码后的处理结果，方便后续通过该编码查询或者调用该具体唯一性编码的数据；然后根据数字滤波对唯一性编码后的处理结果进行去噪处理，获得去噪处理结果，即采用数字滤波算法来对数据信号进行滤波去噪，其中，该数字滤波包括经典滤波和现代滤波；经典滤波是根据傅里叶分析和变换提出的一个工程概念，根据高等数学理论，任何一个满足一定条件的信号，都可以被看成是由无限个正弦波叠加而成，就是工程信号是不同频率的正弦波线性叠加而成的，组成信号的不同频率的正弦波叫做信号的频率成分或叫做谐波成分；现代滤波是利用信号的随机性的本质，将信号及其噪声看成随机信号，通过利用其统计特征，估计出信号本身，一旦信号被估计出，得到的信号本身比原来的信噪比高出许多，典型的数字滤波器有Kalman滤波，Wenner滤波，自适应滤波，小波变换(wavelet)等；数字滤波具有高精度、高可靠性、可程控改变特性或复用、便于集成等优点；数字滤波有低通、高通、带通、带阻和全通等类型；可以是时不变的或时变的、因果的或非因果的、线性的或非线性的；应用最广的是线性、时不变数字滤波器；最后对去噪处理结果需要进行数据清洗及统一处理，从而得到统一信号数据。

[0082] 在数据清洗及统一处理中，采用粗糙集理论的决策树对去噪处理结果进行无效和重复数据的删除处理，获得删除处理后的去噪处理结果，粗糙集理论的决策树可以实现对数据进行归纳，使得数据内冗余杂质数据被剔除，所形成的数据较为精简；然后对删除处理后的去噪处理结果进行纠正异常数据处理，并对纠正后的数据基于差值法进行补全缺失数据处理，获得预处理后的多源异构信号数据，在纠正异常数据时，采用三西格玛准则判断异常值来实现纠正异常数据，异常值为一组测定值中与平均值的偏差超过3倍标准差的值；三西格玛准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除；在补全缺失处理过程中采用插值算法来实现补全缺失数据，具体可以由Lagrange插值、Newton插值、Hermite插值、分段插值和样条插值等来实现；在获得补全后的数据之后，需要进行格式统一处理，即，将多源异构的补全后的数据进行格式的统一，从而得到统一信号数据。

[0083] 存储模块22：用于基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中进行分区存储处理；

[0084] 在本发明具体实施过程中，所述基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中进行分区存储处理，包括：基于虚拟接口服务器将所述统一信号数据上传至虚拟数据服务器中，并在所述虚拟数据服务器接收到所述统一信号数据之后，将所述统一信号数据转化为二进制信息；将所述二进制信息按照采集时间形成的存储队列结构在分区内存中进行分区存储处理。

[0085] 具体的，根据虚拟接口服务器将统一信号数据上传至虚拟数据服务器中，然后在虚拟数据服务器接收到所述统一信号数据之后，将统一信号数据转化为二进制信息，利用二进制信息可以方便在内存中进行相关的存储处理；因为在统一信号数据中包含有采集时间，因此，按照采集时间形成存储队列结构，然后将该二进制信息按照采集时间形成的存储队列结构在分区内存中进行分区存储处理；队列结构存储的时候，可以实现先进先出的原则，及后续提取存储数据时，可以按照存储顺序进行提取，保证不遗漏任何的存储数据；同时在存储的过程中，利用一个唯一的分数对存储的统一信号数据进行对应绑定，从而将统一信号数据所对应的二进制信息转化为消息链条的形式，方便后续的存储及查询。

[0086] 分析模块23：用于虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，并对提取的统一信号数据进行业务分析处理，获得分析结果，所述业务分析处理包括实时状态评价处理、实时故障诊断处理；

[0087] 在本发明具体实施过程中，所述虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中提取统一信号数据，包括：所述虚拟计算服务器基于业务指令在所述虚拟数据服务器的分区存储中按照所述统一信号数据的存储队列结构提取统一信号数据。

[0088] 进一步的，所述对提取的统一信号数据进行业务分析处理，获得分析结果，包括：对提取的统一信号数据进行实时状态评价处理，获得实时评价结果；对提取的统一信号数据进行实时故障诊断处理，获得实时故障诊断结果；其中，所述实时故障诊断处理的模型包括训练收敛的BP神经网络模型和遗传算法优化的模糊集理论；所述BP神经网络模型在训练前利用遗传算法进行优化处理。

[0089] 进一步的，所述对提取的统一信号数据进行实时故障诊断处理，获得实时故障诊断结果，包括：利用信号统计分析方法基于时域分析和频域分析对提取的统一信号数据进行特征提取处理，获得信号提取特征；确认所述信号提取特征为直流电源信号提取特征或者为低压电源信号提取特征；在所述信号提取特征为直流电源信号提取特征时，将所述信号提取特征输入训练收敛的BP神经网络模型中进行实时故障诊断处理，输出所述信号提取特征对应的故障诊断信息；在所述信号提取特征为低压电源信号提取特征时，将所述信号提取特征输入利用遗传算法优化的模糊集理论中进行实时故障诊断处理，输出所述信号提取特征对应的故障诊断信息。

[0090] 进一步的，所述对提取的统一信号数据进行业务分析处理之后，还包括：将提取的统一信号数据在所述虚拟数据服务器中的分区存储中删除，并利用提取的统一信号数据对应的分析结果进行标记处理，获得标记后的统一信号数据；将标记后的统一信号数据存储至历史数据存储分区中。

[0091] 具体的，该虚拟计算服务器根据业务指令在虚拟数据服务器的分区存储中按照统一信号数据的存储队列结构提取统一信号数据；在提取统一信号数据之后，需要对该统一信号数据进行特征提取，一般情况下，是利用信号统计分析方法根据时域分析和频域分析对提取的统一信号数据进行特征提取处理，从而获得信号提取特征。

[0092] 在对提取的统一信号数据进行业务分析处理时，主要包括实时状态评价处理和实时故障诊断处理；实时故障诊断处理的模型包括训练收敛的BP神经网络模型和遗传算法优化的模糊集理论；BP神经网络模型在训练前利用遗传算法进行优化处理。

[0093] 在进行实时故障诊断处理时，首先需要确认信号提取特征为直流电源信号提取特征或者为低压电源信号提取特征；在确认为信号提取特征为直流电源信号提取特征时，则将信号提取特征输入训练收敛的BP神经网络模型中进行故障诊断处理，在诊断完成之后，输出信号提取特征对应的故障诊断信息；在信号提取特征为低压电源信号提取特征时，则将信号提取特征输入利用遗传算法优化的模糊集理论中进行故障诊断处理，输出信号提取特征对应的故障诊断信息。

[0094] 在对提取的统一信号数据进行业务分析处理之后，需要将提取的统一信号数据在虚拟数据服务器中的分区存储中删除，然后利用提取的统一信号数据对应的分析结果进行标记处理，从而获得标记后的统一信号数据；最终，将标记后的统一信号数据存储至历史数据存储分区中，形成历史数据，方便后续的查看或者模型训练学习使用。

[0095] 播放展示模块24：用于将所述分析结果推送至终端，并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。

[0096] 在本发明具体实施过程中，将分析结果推送至终端，该终端采用终端适配软件来根据根据XHTML/XML(The Extensible Hyper Text MarkupLanguage，可扩展超文本标记语言/The Extensible Markup Language，可扩展标记语言)来生成配合浏览器软件的用户界面。实现电源终端监测数据的实时查询展示、故障预警展示、状态评价展示以及其他指标展示。

[0097] 在本发明实施例中，可以使得相关的管理用户直观的对电源进行全景监控，及时了解电源健康状态；及可以实现对不同地域的电源的各个节点数据进行集成，并利用相关的大数据处理技术，实现对电源的状态进行实时的监控以及可能出现故障的提前预警，从而达到对电源状态的全景监视的目的。

[0098] 本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnly Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

[0099] 另外，以上对本发明实施例所提供的一种基于云部署的直流电源状态全景监视方法及装置进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。