一种远程加热炉集中管理方法及系统
技术领域
本发明涉及数据监控
技术领域
，特别涉及一种远程加热炉集中管理方法及系统。背景技术
目前，油田加热炉的运行监控大多采取人工监控的方法，即人工查看加热炉中各监控位置点的数据是否异常，该种方法耗费大量人力成本，用户体验较差。
发明内容
本发明目的之一在于提供了一种远程加热炉集中管理方法及系统。
本发明实施例提供的一种远程加热炉集中管理方法，包括：
在加热炉的不同区域内设置至少一个数据采集点；
获取加热炉异常大数据，基于加热炉异常大数据确定获取顺序；
按获取顺序依次获取数据采集点的监测数据；
基于监测数据确定对应数据采集点是否异常；
若是，立即对用户进行相应提醒。
优选的，获取加热炉异常大数据，包括：
获取第一大数据，第一大数据包括：用户的加热炉在历史上的第一异常数据；
获取第二大数据，第二大数据包括：其他用户相同型号的加热炉在历史上的第二异常数据；
整合第一大数据和第二大数据，获得加热炉异常大数据。
优选的，基于加热炉异常大数据确定获取顺序，包括：
提取加热炉异常大数据中的多个第一异常特征；
查询预设的异常特征对照表，确定数据采集点对应的至少一个第二异常特征；
查询预设的异常原因对照表，确定第二异常特征对应的至少一个异常原因；
对异常原因进行解析，确定对应第二异常特征的异常触发方式，异常触发方式包括：主动触发和被动触发；
当第二异常特征的异常触发方式为主动触发时，将对应第二异常特征与第一异常特征逐一进行匹配；
若匹配符合，获取匹配成功的第二异常特征与对应第一异常特征之间的匹配值；
基于匹配值计算对应数据采集点的第一评价值，计算公式如下：
其中，γ1为对应数据采集点的第一评价值，αt，i为对应数据采集点的第t个异常触发方式为主动触发的第二异常特征与第一异常特征逐一匹配后获取的第i个匹配值，O1，t为对应数据采集点的第t个异常触发方式为主动触发的第二异常特征与第一异常特征逐一匹配后获取的匹配值的总数目，n1为对应数据采集点的异常触发方式为主动触发的第二异常特征的总数目；
当第二异常特征的异常触发方式为被动触发时，基于对应故障原因确定造成对应数据采集点被动触发故障的至少一个其它数据采集点，获取其它数据采集点的第一评价值，基于其它数据采集点的第一评价值计算对应数据采集点的第二评价值，计算公式如下；
其中，γ2为对应数据采集点的第二评价值，αt，i为对应数据采集点的第t个异常触发方式为被动触发的第二异常特征基于对应故障原因确定造成对应数据采集点被动触发故障的第i个其它数据采集点的第一评价值，O2，t为对应数据采集点的第t个异常触发方式为被动触发的第二异常特征基于对应故障原因确定造成对应数据采集点被动触发故障的其它数据采集点的总数目，n2为对应数据采集点的异常触发方式为被动触发的第二异常特征的总数目；
基于第一评价值和第二评价值值计算对应数据采集点的第一评价指数，计算公式如下：
其中，γ′为对应数据采集点的第一评价指数，γ1为对应数据采集点的第一评价值，γ2为对应数据采集点的第二评价值，μ1和μ2为预设的权重值，μ1＞μ2；
将各数据采集点按对应第一评价指数从大到小进行排序，优先获取排列靠前的数据采集点监测数据，即完成获取顺序的确定。
优选的，立即对用户进行相应提醒，包括：
获取发生异常的对应数据采集点的异常类型；
查询预设的影响值对照表，确定异常类型对应的影响值；
查询预设的成本值对照表，确定异常类型对应的成本值；
查询预设的触发方法对照表，确定影响值和成本值共同对应的触发方法；
基于触发方法触发对应的预设提醒方式，对用户进行提醒。
优选的，远程加热炉集中控制方法，还包括：
每隔预设的时间间隔基于第一评价指数对相应数据采集点的采集强度值进行适应性调整；
其中，基于第一评价指数对相应数据采集点的采集强度值进行适应性调整，调整公式如下：
其中，d′为适应性调整后的相应数据采集点的采集强度值，d为适应性调整前的相应数据采集点的采集强度值，γ′为相应数据采集点的第一评价指数，γ″为相应数据采集点上一次计算获得的第一评价指数，γ0，max为预设的最大第一评价指数阈值，γ0,min为预设的最小第一评价指数阈值，σmax为预设的最大调整幅度值，l1和l2为预设的权重值。
本发明实施例提供的一种远程加热炉集中管理系统，包括：
布局模块，用于在加热炉的不同区域内设置至少一个数据采集点；
第一确定模块，用于获取加热炉异常大数据，基于加热炉异常大数据确定获取顺序；
获取模块，用于按获取顺序依次获取数据采集点的监测数据；
第二确定模块，用于基于监测数据确定对应数据采集点是否异常；
提醒模块，用于若是，立即对用户进行相应提醒。
优选的，第一确定模块执行如下操作：
获取第一大数据，第一大数据包括：用户的加热炉在历史上的第一异常数据；
获取第二大数据，第二大数据包括：其他用户相同型号的加热炉在历史上的第二异常数据；
整合第一大数据和第二大数据，获得加热炉异常大数据。
优选的，第二确定模块执行如下操作：
提取加热炉异常大数据中的多个第一异常特征；
查询预设的异常特征对照表，确定数据采集点对应的至少一个第二异常特征；
查询预设的异常原因对照表，确定第二异常特征对应的至少一个异常原因；
对异常原因进行解析，确定对应第二异常特征的异常触发方式，异常触发方式包括：主动触发和被动触发；
当第二异常特征的异常触发方式为主动触发时，将对应第二异常特征与第一异常特征逐一进行匹配；
若匹配符合，获取匹配成功的第二异常特征与对应第一异常特征之间的匹配值；
基于匹配值计算对应数据采集点的第一评价值，计算公式如下：
其中，γ1为对应数据采集点的第一评价值，αt,i为对应数据采集点的第t个异常触发方式为主动触发的第二异常特征与第一异常特征逐一匹配后获取的第i个匹配值，O1,t为对应数据采集点的第t个异常触发方式为主动触发的第二异常特征与第一异常特征逐一匹配后获取的匹配值的总数目，n1为对应数据采集点的异常触发方式为主动触发的第二异常特征的总数目；
当第二异常特征的异常触发方式为被动触发时，基于对应故障原因确定造成对应数据采集点被动触发故障的至少一个其它数据采集点，获取其它数据采集点的第一评价值，基于其它数据采集点的第一评价值计算对应数据采集点的第二评价值，计算公式如下；
其中，γ2为对应数据采集点的第二评价值，αt,i为对应数据采集点的第t个异常触发方式为被动触发的第二异常特征基于对应故障原因确定造成对应数据采集点被动触发故障的第i个其它数据采集点的第一评价值，O2,t为对应数据采集点的第t个异常触发方式为被动触发的第二异常特征基于对应故障原因确定造成对应数据采集点被动触发故障的其它数据采集点的总数目，n2为对应数据采集点的异常触发方式为被动触发的第二异常特征的总数目；
基于第一评价值和第二评价值值计算对应数据采集点的第一评价指数，计算公式如下：
其中，γ′为对应数据采集点的第一评价指数，γ1为对应数据采集点的第一评价值，γ2为对应数据采集点的第二评价值，μ1和μ2为预设的权重值，μ1＞μ2；
将各数据采集点按对应第一评价指数从大到小进行排序，优先获取排列靠前的数据采集点监测数据，即完成获取顺序的确定。
优选的，提醒模块执行如下操作：
获取发生异常的对应数据采集点的异常类型；
查询预设的影响值对照表，确定异常类型对应的影响值；
查询预设的成本值对照表，确定异常类型对应的成本值；
查询预设的触发方法对照表，确定影响值和成本值共同对应的触发方法；
基于触发方法触发对应的预设提醒方式，对用户进行提醒。
优选的，远程加热炉集中控制系统，还包括：
调整模块，用于每隔预设的时间间隔基于第一评价指数对相应数据采集点的采集强度值进行适应性调整；
调整模块执行如下操作：
基于第一评价指数对相应数据采集点的采集强度值进行适应性调整，调整公式如下：
其中，d′为适应性调整后的相应数据采集点的采集强度值，d为适应性调整前的相应数据采集点的采集强度值，γ′为相应数据采集点的第一评价指数，γ″为相应数据采集点上一次计算获得的第一评价指数，γ0,max为预设的最大第一评价指数阈值，γ0,min为预设的最小第一评价指数阈值，σmax为预设的最大调整幅度值，l1和l2为预设的权重值。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种远程加热炉集中管理方法的流程图；
图2为本发明实施例中一种远程加热炉集中管理系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种远程加热炉集中管理方法，如图1所示，包括：
S1、在加热炉的不同区域内设置至少一个数据采集点；
S2、获取加热炉异常大数据，基于加热炉异常大数据确定获取顺序；
S3、按获取顺序依次获取数据采集点的监测数据；
S4、基于监测数据确定对应数据采集点是否异常；
S5、若是，立即对用户进行相应提醒。
上述技术方案的工作原理及有益效果为：
在加热炉的不同区域内设置至少一个数据采集点(例如：设置不同传感器采集加热炉的进口温度、出口温度、出口压力、炉体液位、氧含量、燃气流量值、炉管温度等)；获取加热炉异常大数据，基于该加热炉异常大数据确定获取顺序，按该获取顺序依次远程获取数据采集点的监测数据，每次获取时，基于监测数据确定对应数据采集点是否异常，若是，对用户进行提醒；
本发明实施例基于数据采集点的监测数据确定对应数据采集点是否异常，若是，直接对用户进行提醒，无需人工查看加热炉中各监控位置点的数据是否异常，极大程度上降低了人力成本，提升了用户体验。
本发明实施例提供了一种远程加热炉集中管理方法，获取加热炉异常大数据，包括：
获取第一大数据，第一大数据包括：用户的加热炉在历史上的第一异常数据；
获取第二大数据，第二大数据包括：其他用户相同型号的加热炉在历史上的第二异常数据；
整合第一大数据和第二大数据，获得加热炉异常大数据。
上述技术方案的工作原理及有益效果为：
分别获取第一大数据和第二大数据，再进行整合(例如：按类型进行组合)，完成加热炉异常大数据的获取。
本发明实施例提供了一种远程加热炉集中管理方法，基于加热炉异常大数据确定获取顺序，包括：
提取加热炉异常大数据中的多个第一异常特征；
查询预设的异常特征对照表，确定数据采集点对应的至少一个第二异常特征；
查询预设的异常原因对照表，确定第二异常特征对应的至少一个异常原因；
对异常原因进行解析，确定对应第二异常特征的异常触发方式，异常触发方式包括：主动触发和被动触发；
当第二异常特征的异常触发方式为主动触发时，将对应第二异常特征与第一异常特征逐一进行匹配；
若匹配符合，获取匹配成功的第二异常特征与对应第一异常特征之间的匹配值；
基于匹配值计算对应数据采集点的第一评价值，计算公式如下：
其中，γ1为对应数据采集点的第一评价值，αt,i为对应数据采集点的第t个异常触发方式为主动触发的第二异常特征与第一异常特征逐一匹配后获取的第i个匹配值，O1,t为对应数据采集点的第t个异常触发方式为主动触发的第二异常特征与第一异常特征逐一匹配后获取的匹配值的总数目，n1为对应数据采集点的异常触发方式为主动触发的第二异常特征的总数目；
当第二异常特征的异常触发方式为被动触发时，基于对应故障原因确定造成对应数据采集点被动触发故障的至少一个其它数据采集点，获取其它数据采集点的第一评价值，基于其它数据采集点的第一评价值计算对应数据采集点的第二评价值，计算公式如下；
其中，γ2为对应数据采集点的第二评价值，αt,i为对应数据采集点的第t个异常触发方式为被动触发的第二异常特征基于对应故障原因确定造成对应数据采集点被动触发故障的第i个其它数据采集点的第一评价值，O2，t为对应数据采集点的第t个异常触发方式为被动触发的第二异常特征基于对应故障原因确定造成对应数据采集点被动触发故障的其它数据采集点的总数目，n2为对应数据采集点的异常触发方式为被动触发的第二异常特征的总数目；
基于第一评价值和第二评价值值计算对应数据采集点的第一评价指数，计算公式如下：
其中，γ′为对应数据采集点的第一评价指数，γ1为对应数据采集点的第一评价值，γ2为对应数据采集点的第二评价值，μ1和μ2为预设的权重值，μ1＞μ2；
将各数据采集点按对应第一评价指数从大到小进行排序，优先获取排列靠前的数据采集点监测数据，即完成获取顺序的确定。
上述技术方案的工作原理及有益效果为：
预设的异常特征对照表具体为：包含多个对照项，每个对照项包括：数据采集点名称和第二异常特征，由工作人员事先制成，便于查询基于数据采集点查询对应第二异常特征；预设的异常原因对照表具体为：包含多个对照项，每个对照项包括：第二异常特征和异常原因，也由工作人员事先整理制成，便于查询第二异常特征对应的异常原因；基于特征提取技术提取加热炉大数据中的多个第一异常特征，确定数据采集点对应的第二异常特征后，基于对应异常原因确定其的异常触发方式是主动触发(自发发生异常)还是被动触发(由其它数据采集点异常时联动其发生异常)，若异常触发方式为主动触发，将主动触发的第二异常特征与第一异常特征进行匹配，获取匹配值，基于匹配值计算对应数据采集点的第一评价值，若异常触发方式为被动触发，获取造成其被动触发的其它数据采集点的第一评价值，基于对应数据采集点自身的第一评价值和相关联的其它数据采集的第一评价值计算第二评价值，基于第一评价值和第二评价值综合计算数据采集点的评价指数，评价指数越大，该数据采集点发生异常的概率越大，应排至靠前，事先获取监测数据判断其是否异常；
不同用户使用相同型号的加热炉时，各加热炉之间数据采集点的异常概率具有参考性，本发明实施例直接获取加热炉异常大数据，在数据共线热潮下，具有很强的适用性，同时，基于异常特征的异常触发方式不同，分开进行评价即分别计算第一评价值和第二评价值，再基于第一评价值和第二评价值综合对数据采集点进行评价，将发生异常的可能性较大的数据采集点排至靠前，优先获取其监测数据判断是否异常，十分智能且合理，一定程度上缩短了发现异常的时间，提升了系统的工作效率。
本发明实施例提供了一种远程加热炉集中管理方法，立即对用户进行相应提醒，包括：
获取发生异常的对应数据采集点的异常类型；
查询预设的影响值对照表，确定异常类型对应的影响值；
查询预设的成本值对照表，确定异常类型对应的成本值；
查询预设的触发方法对照表，确定影响值和成本值共同对应的触发方法；
基于触发方法触发对应的预设提醒方式，对用户进行提醒。
上述技术方案的工作原理及有益效果为：
预设的影响值对照表具体为：包含多个对照项，每个对照项包括：异常类型和影响值，由工作人员事先基于历史异常数据判断每个异常类型发生时对加热炉自身以及公司生成等造成的综合影响，赋予影响值，影响值越大，代表影响越大；预设的成本值对照表具体为：包含多个对照项，每个对照项包括：异常类型和成本值，由工作人员事先基于历史维修数据判断每个异常类型发生时维修花费的时间成本和经费成本，赋予成本值，成本值越大，成本越高；预设的触发方法对照表具体为：包含多个对照项，每个对照项包括影响值区间和成本值区间以及触发方法，对照时，若影响值和成本值均落在对应区间内，则输出对应触发方法；影响值和/或成本值越大，触发方法对应为更高紧急程度的提醒方式，便于工作人员及时介入，避免由于提醒不及时或提醒紧急程度不足(提醒紧急程度不足会造成工作人员懈怠)造成的后期影响和成本扩大问题。
本发明实施例提供了一种远程加热炉集中管理方法，还包括：
每隔预设的时间间隔基于第一评价指数对相应数据采集点的采集强度值进行适应性调整；
其中，基于第一评价指数对相应数据采集点的采集强度值进行适应性调整，调整公式如下：
其中，d′为适应性调整后的相应数据采集点的采集强度值，d为适应性调整前的相应数据采集点的采集强度值，γ′为相应数据采集点的第一评价指数，γ″为相应数据采集点上一次计算获得的第一评价指数，γ0,max为预设的最大第一评价指数阈值，γ0,min为预设的最小第一评价指数阈值，σmax为预设的最大调整幅度值，l1和l2为预设的权重值。
上述技术方案的工作原理及有益效果为：
预设的时间间隔具体为：例如，5秒；预设的最大第一评价值指数阈值具体为：例如，95；预设的最小第一评价指数阈值具体为：例如，85；预设的最大调整幅度值具体为：例如，0.009；评价指数越大，代表对应数据采集点发生异常的可能性越大，应增加其采集强度(例如：增加采集频率、精度等)，评价指数越小，代表对应数据采集点发生异常的可能性越小，应减小其采集强度，降低功耗，智能且合理；同时，通过上述公式快速对采集强度进行适应性调整，极大程度上提升了系统的工作效率。
本发明实施例提供了一种远程加热炉集中管理系统，如图2所示，包括：
布局模块1，用于在加热炉的不同区域内设置至少一个数据采集点；
第一确定模块2，用于获取加热炉异常大数据，基于加热炉异常大数据确定获取顺序；
获取模块3，用于按获取顺序依次获取数据采集点的监测数据；
第二确定模块4，用于基于监测数据确定对应数据采集点是否异常；
提醒模块5，用于若是，立即对用户进行相应提醒。
上述技术方案的工作原理及有益效果为：
在加热炉的不同区域内设置至少一个数据采集点(例如：设置不同传感器采集加热炉的进口温度、出口温度、出口压力、炉体液位、氧含量、燃气流量值、炉管温度等)；获取加热炉异常大数据，基于该加热炉异常大数据确定获取顺序，按该获取顺序依次远程获取数据采集点的监测数据，每次获取时，基于监测数据确定对应数据采集点是否异常，若是，对用户进行提醒；
本发明实施例基于数据采集点的监测数据确定对应数据采集点是否异常，若是，直接对用户进行提醒，无需人工查看加热炉中各监控位置点的数据是否异常，极大程度上降低了人力成本，提升了用户体验。
本发明实施例提供了一种远程加热炉集中管理系统，第一确定模块2执行如下操作：
获取第一大数据，第一大数据包括：用户的加热炉在历史上的第一异常数据；
获取第二大数据，第二大数据包括：其他用户相同型号的加热炉在历史上的第二异常数据；
整合第一大数据和第二大数据，获得加热炉异常大数据。
上述技术方案的工作原理及有益效果为：
分别获取第一大数据和第二大数据，再进行整合(例如：按类型进行组合)，完成加热炉异常大数据的获取。
本发明实施例提供了一种远程加热炉集中管理系统，第二确定模块4执行如下操作：
提取加热炉异常大数据中的多个第一异常特征；
查询预设的异常特征对照表，确定数据采集点对应的至少一个第二异常特征；
查询预设的异常原因对照表，确定第二异常特征对应的至少一个异常原因；
对异常原因进行解析，确定对应第二异常特征的异常触发方式，异常触发方式包括：主动触发和被动触发；
当第二异常特征的异常触发方式为主动触发时，将对应第二异常特征与第一异常特征逐一进行匹配；
若匹配符合，获取匹配成功的第二异常特征与对应第一异常特征之间的匹配值；
基于匹配值计算对应数据采集点的第一评价值，计算公式如下：
其中，γ1为对应数据采集点的第一评价值，αt，i为对应数据采集点的第t个异常触发方式为主动触发的第二异常特征与第一异常特征逐一匹配后获取的第i个匹配值，O1，t为对应数据采集点的第t个异常触发方式为主动触发的第二异常特征与第一异常特征逐一匹配后获取的匹配值的总数目，n1为对应数据采集点的异常触发方式为主动触发的第二异常特征的总数目；
当第二异常特征的异常触发方式为被动触发时，基于对应故障原因确定造成对应数据采集点被动触发故障的至少一个其它数据采集点，获取其它数据采集点的第一评价值，基于其它数据采集点的第一评价值计算对应数据采集点的第二评价值，计算公式如下；
其中，γ2为对应数据采集点的第二评价值，αt，i为对应数据采集点的第t个异常触发方式为被动触发的第二异常特征基于对应故障原因确定造成对应数据采集点被动触发故障的第i个其它数据采集点的第一评价值，O2，t为对应数据采集点的第t个异常触发方式为被动触发的第二异常特征基于对应故障原因确定造成对应数据采集点被动触发故障的其它数据采集点的总数目，n2为对应数据采集点的异常触发方式为被动触发的第二异常特征的总数目；
基于第一评价值和第二评价值值计算对应数据采集点的第一评价指数，计算公式如下：
其中，γ′为对应数据采集点的第一评价指数，γ1为对应数据采集点的第一评价值，γ2为对应数据采集点的第二评价值，μ1和μ2为预设的权重值，μ1＞μ2；
将各数据采集点按对应第一评价指数从大到小进行排序，优先获取排列靠前的数据采集点监测数据，即完成获取顺序的确定。
上述技术方案的工作原理及有益效果为：
预设的异常特征对照表具体为：包含多个对照项，每个对照项包括：数据采集点名称和第二异常特征，由工作人员事先制成，便于查询基于数据采集点查询对应第二异常特征；预设的异常原因对照表具体为：包含多个对照项，每个对照项包括：第二异常特征和异常原因，也由工作人员事先整理制成，便于查询第二异常特征对应的异常原因；基于特征提取技术提取加热炉大数据中的多个第一异常特征，确定数据采集点对应的第二异常特征后，基于对应异常原因确定其的异常触发方式是主动触发(自发发生异常)还是被动触发(由其它数据采集点异常时联动其发生异常)，若异常触发方式为主动触发，将主动触发的第二异常特征与第一异常特征进行匹配，获取匹配值，基于匹配值计算对应数据采集点的第一评价值，若异常触发方式为被动触发，获取造成其被动触发的其它数据采集点的第一评价值，基于对应数据采集点自身的第一评价值和相关联的其它数据采集的第一评价值计算第二评价值，基于第一评价值和第二评价值综合计算数据采集点的评价指数，评价指数越大，该数据采集点发生异常的概率越大，应排至靠前，事先获取监测数据判断其是否异常；
不同用户使用相同型号的加热炉时，各加热炉之间数据采集点的异常概率具有参考性，本发明实施例直接获取加热炉异常大数据，在数据共线热潮下，具有很强的适用性，同时，基于异常特征的异常触发方式不同，分开进行评价即分别计算第一评价值和第二评价值，再基于第一评价值和第二评价值综合对数据采集点进行评价，将发生异常的可能性较大的数据采集点排至靠前，优先获取其监测数据判断是否异常，十分智能且合理，一定程度上缩短了发现异常的时间，提升了系统的工作效率。
本发明实施例提供了一种远程加热炉集中管理系统，提醒模块5执行如下操作：
获取发生异常的对应数据采集点的异常类型；
查询预设的影响值对照表，确定异常类型对应的影响值；
查询预设的成本值对照表，确定异常类型对应的成本值；
查询预设的触发方法对照表，确定影响值和成本值共同对应的触发方法；
基于触发方法触发对应的预设提醒方式，对用户进行提醒。
上述技术方案的工作原理及有益效果为：
预设的影响值对照表具体为：包含多个对照项，每个对照项包括：异常类型和影响值，由工作人员事先基于历史异常数据判断每个异常类型发生时对加热炉自身以及公司生成等造成的综合影响，赋予影响值，影响值越大，代表影响越大；预设的成本值对照表具体为：包含多个对照项，每个对照项包括：异常类型和成本值，由工作人员事先基于历史维修数据判断每个异常类型发生时维修花费的时间成本和经费成本，赋予成本值，成本值越大，成本越高；预设的触发方法对照表具体为：包含多个对照项，每个对照项包括影响值区间和成本值区间以及触发方法，对照时，若影响值和成本值均落在对应区间内，则输出对应触发方法；影响值和/或成本值越大，触发方法对应为更高紧急程度的提醒方式，便于工作人员及时介入，避免由于提醒不及时或提醒紧急程度不足(提醒紧急程度不足会造成工作人员懈怠)造成的后期影响和成本扩大问题。
本发明实施例提供了一种远程加热炉集中管理系统，还包括：
调整模块，用于每隔预设的时间间隔基于第一评价指数对相应数据采集点的采集强度值进行适应性调整；
调整模块执行如下操作：
基于第一评价指数对相应数据采集点的采集强度值进行适应性调整，调整公式如下：
其中，d′为适应性调整后的相应数据采集点的采集强度值，d为适应性调整前的相应数据采集点的采集强度值，γ′为相应数据采集点的第一评价指数，γ″为相应数据采集点上一次计算获得的第一评价指数，γ0，max为预设的最大第一评价指数阈值，γ0，min为预设的最小第一评价指数阈值，σmax为预设的最大调整幅度值，l1和l2为预设的权重值。
上述技术方案的工作原理及有益效果为：
预设的时间间隔具体为：例如，5秒；预设的最大第一评价值指数阈值具体为：例如，95；预设的最小第一评价指数阈值具体为：例如，85；预设的最大调整幅度值具体为：例如，0.009；评价指数越大，代表对应数据采集点发生异常的可能性越大，应增加其采集强度(例如：增加采集频率、精度等)，评价指数越小，代表对应数据采集点发生异常的可能性越小，应减小其采集强度，降低功耗，智能且合理；同时，通过上述公式快速对采集强度进行适应性调整，极大程度上提升了系统的工作效率。
本发明实施例提供了一种远程加热炉集中管理系统，还包括：
故障预测模块，用于基于所述监测数据对所述加热炉进行故障预测，获得故障预测结果，所述故障预测模块执行如下操作：
对所述监测数据进行随机采样，获得采样数据；
获取预设的完整性分析模型，将所述采样数据输入所述完整性分析模型，获取所述完整性分析模型输出的多个缺失方向；
获取所述监测数据中在所述采样数据的每个所述缺失方向上预设数量的多个缺失数据；
整合各所述缺失数据，获得补充数据；
将所述补充数据输入所述完整性分析模型，获取所述完整性分析模型输出的完整数据；
基于特征提取技术提取所述完整数据的多个第一特征；
获取预设的故障预测特征数据库，将所述第一特征与所述故障预测特征数据库中的第二特征进行匹配，若匹配符合，确定匹配符合的所述第二特征的特征类型，同时输出符合度；
查询预设的故障类型对照表，确定与每个所述特征类型共同对应的故障类型；
查询预设的概率值对照表，确定与所述特征类型和对应所述符合度共同对应的概率值；
基于所述概率值计算故障概率，计算公式如下：
其中，γ为所述故障概率，αi，j为与第i个所述第一特征匹配符合的第j个所述第二特征对应的所述概率值，α0为预设的概率值阈值，μi，j为中间变量，e为自然常数，n为所述第一特征的总数目，Oi为与第i个所述第一特征匹配符合的所述第二特征的总数目；
若所述故障概率大于等于预设的故障概率阈值，确定故障即将发生，将所述故障类型作为故障预测结果，否则继续对所述监测数据进行随机采样。
本发明实施例提供了一种远程加热炉集中管理系统，还包括：
预处理模块，用于在所述故障预测模块将所述第一特征与所述故障预测特征数据库中的第二特征进行匹配之前，对所述故障预测特征数据库进行预处理，所述预处理模块执行如下操作：
获取预设的数据来源列表，从所述数据来源列表中选取任一数据来源；
建立事件，所述事件包括：预设的时间段内所述监测数据中与所述数据来源相对应的目标数据中任一子数据被采样后确定故障发生的第一次数与任一所述子数据被采样后未确定故障发生的第二次数相近；
获取预设的故障预测记录数据库；
查询所述故障预测记录数据库，确定是否有所述事件频繁发生；
若是，从所述故障预测特征数据库中确定与所述数据来源相对应的多个目标特征；
获取预设的故障诊断记录数据库，从所述故障诊断记录数据库中确定与所述数据来源相对应的多个目标记录以及与所述目标记录一一对应的故障发生时间；
获取每个所述目标记录中在对应所述故障发生时间前的多个故障数据，提取每个所述故障数据的第三特征；
将不同所述目标记录对应的多个所述第三特征进行特征拟合，获得多个替代特征；
将各所述替代特征替代各所述目标特征存入所述故障预测特征数据库；
当所述故障预测特征数据库中需要替代的各所述目标特征均被相应所述替代特征替代后，完成预处理。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
