设施设备的智能化运维平台研究与应用

2019-11-19黄慧颖蒋海刚武智霞范仲敏

微型电脑应用 2019年11期

黄慧颖, 蒋海刚, 武智霞, 范仲敏

(1. 上海计算机软件技术开发中心，上海 201112; 2. 上海市安装工程集团有限公司，上海 200080;3. 上海嵌入式系统应用工程技术研究中心，上海 201112; 4. 上海产业技术研究院，上海 201206)

0 引言

随着中国经济建设和社会发展，建筑体系及设施设备日趋大型化、连续化和复杂化。当前，建筑产业正从外延粗放式发展转向内涵精细化管理发展，采用现代设施管理知识体系，对设施管理进行分级评价[1-2]。同时，国内众多建筑设施设备在规划、设计、建设和运营阶段通过各种设备采集状态信息。物联网、云计算、大数据、移动互联网等现代信息技术和工具已经广泛运用于建筑设施设备的运行状态监测、预警，及设施设备的检查和维护。

在国内，尽管楼宇自控系统BA/BMS已在大型、分散的机房远程集中监控中得以广泛的应用，然而，由于实际应用中设备状态监测点多、面广、数据实时性要求高，以有线数据采集和远程监控为中心的监控系统实施难度大、造价高、速度慢、覆盖有限；所以，更常见的是建筑设施设备管理大部分软件多采用手工录入数据方式，运维数据碎片化，大量历史数据未得到开发利用，难以支撑管理决策，导致设施设备运营和维护科学性不高，不能适应现代建筑现场设备实时监测和运行维护信息化需求[3]。

针对上述不足，文献[4]提出设施全管理要素，提出了设施全生命周期信息管理FLM的架构模型。文献[5]对BIM技术和运维管理的基本理念进行阐述，提出将BIM技术应用与项目运维阶段的理念。文献[6]对BIM技术在大型商业建筑设施管理中的应用开展研究，提出了一种适用于大型商业建筑的高效设施管理新模式。文献[7]对国内外BIM技术在设施管理的应用现状进行综述，提出了BIM技术在设施管理中具体可操作内容。文献[8]研究了信息化手段设施管理模式，分析了此模式下设施管理的整体解决方案。文献[9]阐述了数据全量同步模块、数据增量同步模块、报表业务模块等的设计与实现。文献[10]研究了基于SaaS模式的软件实现技术，提出基于SaaS的新一代报表工具系统体系结构。

本文以提升设施设备智能化运维管理能力为目标，提出了设施设备智能化运维平台体系架构。基于BIM、大数据等技术，建立设施设备智能化运维平台，以设施设备智能化为核心，智能感知、数据融合和智能决策为主线，深度挖掘运检专业数据，整合设施设备相关信息，为设施设备智能化、运维检修智能化和管理智能化提供决策支持。

1 系统总体架构

设施设备智能化运维平台基于管理系统为基础，对机电设备管理系统进行多系统融合，形成一套智能化设备运行信息的交汇与处理的管理系统，对汇集的各类信息进行分析、处理和判断，采用最优控制手段，对各设备进行分布式监控和管理，使各系统和设备始终处于有条不紊、协调一致的高效、经济的状态下运行。设施设备智能化运维平台总体架构图如图1所示。

图1 平台总体架构

图1中，设施设备智能化运维平台基于云计算平台，整合集成建筑各系统数据，包括结构化数据和非结构化数据，采用开放式结构，实现系统间联动。各系统数据通过消息推送、数据总线、数据抽取等方式接入云平台，用户可通过PC端或手机端进行实时管理，实现设施设备智能化运维。

平台通过集成和联通不同通讯协议的智能化设备，实现不同系统之间的信息共享和协同工作。对各子系统进行全局化的集中统一式监视和管理，将各集成子系统的信息统一存储、显示在智能化集成统一平台上，并进行管理。各子系统实施分散式控制，平台协调各控制系统的运行状态，实时获取不同控制系统的各种运行数据。以各集成子系统的状态参数为基础，实现各子系统之间的相关联动。在各集成子系统的良好运行基础之上，快速准确的满足用户需求以提高服务质量，增加设备控制、无人值守台、自动远程报警等功能。

2 平台体系架构

设施设备智能化运维平台融合建筑物结构信息，设备系统安装信息，设施运行实时信息，设施使用方实时信息和管理服务信息等数字化信息，实现了对系统结构、数据格式、访问方式、系统可用性等都存在巨大差异的海量数据的高效优化处理。基于设施设备全生命周期数据模型和规范，以及各类数据的采集分析技术，构建建筑设施设备数据管理平台，从下至上分为四层。

(1) 存储层。统筹实现各类结构各种数据格式的历史数据、状态数据及知识库的综合存储。

(2) 数据层。实现数据的分布式云存取、数据提取后的分布式计算和行业知识的中间翻译和存取等功能服务。

(3) 服务层。实现数据整理、数据验证、数据分析等功能服务。

(4) 应用层。提供设施状态管理、巡检及工单管理、资产管理、人员管理以及决策支持等功能。

平台架构如图2所示。

建立的建筑设施设备知识库和数据库。通过云计算的数据管理平台实现对海量数据的存储。主要实现对海量结构化、非结构化数据的高效存储、访问、共享交换、处理，为服务层及应用层应用提供高性能的分布式数据管理能力。对海量设施运维数据的优化存储包含以下几个功能。

图2 平台体系架构

(1) 云数据管理中间件。整合关系数据库、SQL数据库、文件系统等异构存储模式，实现按需按数据特性存储，并通过统一的数据总线实现跨存储设施的统一访问。此外，借助并行数据处理技术对吞吐量，并发量以及可用性进行增强。同时，面向不同性质的存储系统的差异，为数据的统一访问封装了一个数据访问统一接口，它将不同数据存储系统的差异进行封装，提供了一个统一的访问形式，降低了异构数据存储的管理和访问难度。

(2) 数据存储平台。平台融合多个节点信息、提供面向海量数据的高效存储，具有提供统一海量内容管理能力。建立以项目为单位的空间及设备的信息存储服务器，区域运行数据服务器，建筑BMS数据服务器等，协同中央管理专用数据服务器完成大型复杂建筑设施系统的综合海量数据存储服务。

(3) 分布式计算。采用云计算的架构，将各建筑的巡检数据过滤，筛选验证，并在主服务器汇总合并计算总体结果，保证数据的完整性、计算时效的稳定性、计算能力的易扩展性。

3 平台功能设计

基于统一业务数据中心的数据管理中心模块和数据分析中心模块的数据分析技术,实现数据管理中心为运维平台提供静态模型、分析模型支撑,数据分析中心为运维平台提供数据实体、数据分析支撑。

(1) 平台基本功能

提供工单管理、巡检管理、人员管理、资产管理、决策支持、知识管理、业务管理等基本功能，满足现有建筑设施设备一般管理业务的需求。

(2) 平台高级功能

基于设施运维历史服务、设施运行状态服务、公共信息服务以及建筑设施设备知识服务等四种基本服务，实现对指定区域、指定时间上设施设备的即时状态、历史演化、环境关联及管理的知识支持，直接为建筑设施设备人员提供决策支持，满足现有建筑设施设备模式的需求。具体有以下三种服务。

建筑设施设备决策支持服务。对建筑设施设备的现状依据历史运行信息进行分析，提供设施设备运行现状评价服务、设施异常状态及处置的模拟仿真服务、设施运维管理决策评价服务、设施运维管理决策支持服务和设施运行安全评价服务等多个扩展服务。

运行现状评价及预警服务。针对选定目标区域，综合各途径获取的建筑物状态、设备运行状态、用户状态和公共服务状态，以及相关历史状态信息，提供一套分析评价方法对区域设施状态提供可用性、运作效率、安全风险等维度的综合评价，并对可能引发的异常状态提供预警。

异常状态及处置的模拟服务。针对某个选定系统的异常状态，基于异常状态相关的设备及空间关联关系，获取关联空间及设备状态数据、公共服务状态数据、运维管理选项，通过模拟方式计算并展示该异常状态的未来演化趋势，并在多个维度综合展示管理选项对最终后果的影响。

4 关键技术与应用

4.1 图像识别技术

针对传统指针式仪表数据采集，通过图像识别技术实现自动采集。由定位装置确定仪表位置，启动摄像指令，摄像系统完成扫描仪表盘并输出，图像采集模块接收到模拟图像信号，转化为数字信号并存放在处理器中，处理器对图像进行处理、分析、识别，获得测量结果，测量结果通过网络传输到后台系统。图像识别系统读取仪表数据系统原理如图3所示。

图3中的仪表识别模块(主要针对指针式仪表)，根据我们的现实并结合文献[11，12]，可以通过Hough变换后指针中心线的位置来判断直线落在坐标系的哪个象限中，进而计算出指针式仪表表盘的读数。即通过图像识别技术计算出指针中心线与X轴夹角并检测出表盘转动轴心的指针位置。

图3 图像识别系统读取仪表数据系统原理

注意为使提高计算准确性，应首先提高指针角度提取的准确性。

4.2 建筑设施运维报表平台构建

为进一步提升设施运维数据可视化程度，建筑设施运维报表平台对建筑设施运维原始数据维度、层级、粒度进行有效梳理，将源数据系统的“碎片化”的数据报表展现方式转换为更符合经营决策分析所需的多维数据报表，有效提升设施运维决策管理的效率。系统按数据主题分为巡检、工单、设备运行、点位、人员绩效等6个分析主题，从多个维度完成数据展示，并实现数据按维度层级的穿透功能，弥补了源系统在数据维度展示上缺乏“数据穿透”功能的不足。

通过该报表系统也强化设施运维质量的事后监控，通过将二维数据图表化展示，使使用者从纷繁复杂的数据关联中解放出来，通过各类图表展示有效帮助其解读数据内在规律，获取正确的运维质量指标信息，加速经营管理决策过程，实现设施运维精益化管理。

图4 报表平台数据大屏应用场景

图4给出某设施运维管理报表平台应用场景。以平台数据大屏应用场景为例，大屏显示通过内存数据集方式实现了2个源系统数据源、22个管理项目的数据集中展示，通过仪表盘和数据地图技术实现设施运维数据可视化展示。

4.3 多维数据分析技术

基于多维数据分析技术，将源系统中二维的平面数据通过数据建模方式按时间组织架构维度，将巡检、工单、人员绩效指标形成多个分析维度方向，通过数据萃取、数据切片技术完成数据的从汇总向明细数据按数据层级架构导航的过程，弥补了传统报表一旦固化后调整难度较大的难点。同时通过多维数据集构建可以有效规范源数据规范，为数据挖掘和数据深度应用奠定基础。

4.4 应用情况

某工程项目基于22个管理项目已经构建设施运维报表平台，并完成数据维度和管理KPI指标的初步构建。目前该报表平台巡检任务情况分析报表已经在9个项目中进行试点，有效提升的巡检质量的监控水平。通过巡检执行情况分析该课题项目完成巡检任务、巡检点位、巡检明细的三级联动监控，自顶向下完成数据层面的巡检质量监控。在应用后，试点项目的巡检完成率有原先75% 提升到98%。图5给出该平台的巡检执行情况分析。