[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

权利要求书

1.一种工业运维场景下的数据处理方法，其特征在于，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。

2.根据权利要求1所述的方法，其特征在于，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。

3.根据权利要求1所述的方法，其特征在于，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。

4.根据权利要求1所述的方法，其特征在于，所述建立机理驱动模型和数据驱动模型，包括：

获取工业现场的工业数据源；

根据所述工业数据源，建立数据驱动模型；

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。

5.根据权利要求2所述的方法，其特征在于，所述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，包括：

分别计算所述机理驱动模型在测试工况点下的第一结果和所述数据驱动模型在所述测试工况点下的第二结果；

计算所述第一结果和所述第二结果的误差函数；

根据所述误差函数，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。

6.根据权利要求5所述的方法，其特征在于，所述误差函数采用相对误差和/或最小平方和。

7.根据权利要求1所述的方法，其特征在于，在所述建立机理驱动模型和数据驱动模型步骤之前，还包括：

基于标准协议接入工业互联网平台；

从所述工业互联网平台获取数据源；

所述建立机理驱动模型和数据驱动模型，包括：

根据所述数据源，建立机理驱动模型和数据驱动模型。

8.一种工业运维场景下的数据处理装置，其特征在于，包括：

模型建立模块，用于建立机理驱动模型和数据驱动模型；

第一数据采集模块，用于在第一工况点，采用所述机理驱动模型的计算结果；

第二数据采集模块，用于在第二工况点，采用所述数据驱动模型的计算结果。

9.一种计算机设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的工业运维场景下的数据处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求7任一项所述的工业运维场景下的数据处理方法所执行的操作。