楊作超 熊文婷 丁小雅 黃雯婕 李博

摘要：汽油精制過程中的辛烷值損失模型實(shí)時(shí)監(jiān)測系統(tǒng)可以有效地保障在精制過程中設(shè)備運(yùn)行時(shí)的安全性，實(shí)時(shí)記錄各時(shí)間段數(shù)據(jù)的變化，便于后期分析、整理，通過調(diào)節(jié)設(shè)備內(nèi)的可控制變量，來提高生產(chǎn)效率。由于得到的數(shù)據(jù)具有緯度高、數(shù)據(jù)量大、臟數(shù)據(jù)多的問題，因此采用數(shù)據(jù)挖掘的方式，對數(shù)據(jù)進(jìn)行優(yōu)化。針對優(yōu)化后的數(shù)據(jù)，采用時(shí)序數(shù)據(jù)庫IoTDB與前端展示工具Grafana，為數(shù)據(jù)的監(jiān)控、存儲、管理、分析提供服務(wù)，組成了一套完備的監(jiān)控系統(tǒng)。通過實(shí)驗(yàn)驗(yàn)證，該系統(tǒng)的服務(wù)可以高效的完成海量數(shù)據(jù)的存儲，以及優(yōu)秀的監(jiān)控能力，為汽油精制過程提供服務(wù)。

關(guān)鍵詞：實(shí)時(shí)監(jiān)測;數(shù)據(jù)挖掘;時(shí)序數(shù)據(jù)庫;IoTDB;Grafana

1引言

隨著科技的不斷發(fā)展，工業(yè)生產(chǎn)機(jī)器設(shè)備越來越智能化，機(jī)器設(shè)備每秒產(chǎn)生大量數(shù)據(jù)然后被記錄、收集和存儲。每間隔一段時(shí)間，這些數(shù)據(jù)都會被存儲和記錄下來，使用一個(gè)時(shí)間戳用來作為唯一標(biāo)識，因此這些數(shù)據(jù)被稱為時(shí)間序列數(shù)據(jù)。為完成本次課題的實(shí)驗(yàn)內(nèi)容，數(shù)據(jù)采用2020年第十七屆中國研究生數(shù)學(xué)建模競賽B題，汽油辛烷值建模，降低汽油精制過程中的辛烷值損失模型中的數(shù)據(jù)。

2時(shí)間序列數(shù)據(jù)的基本理論知識

2.1時(shí)間序列數(shù)據(jù)的定義

時(shí)間序列數(shù)據(jù)（time series data）是在不同時(shí)間上收集到的數(shù)據(jù)，用于所描述現(xiàn)象隨時(shí)間變化的情況。這類數(shù)據(jù)反映了某一事物、現(xiàn)象等隨時(shí)間的變化狀態(tài)或程度。

2.2數(shù)據(jù)來源

本次研究的時(shí)序數(shù)據(jù)記錄了汽油精制過程中催化裂化汽油精制裝置采集的325個(gè)數(shù)據(jù)樣本，包括7個(gè)原料性質(zhì)、2個(gè)待生吸附劑性質(zhì)、2個(gè)再生吸附劑性質(zhì)、2個(gè)產(chǎn)品

3 IoTDB數(shù)據(jù)存儲系統(tǒng)

在將數(shù)據(jù)寫入數(shù)據(jù)庫之前，還需要進(jìn)行大量的準(zhǔn)備工作：虛擬機(jī)環(huán)境的配置、實(shí)驗(yàn)數(shù)據(jù)優(yōu)化、IoTDB使用前測試、Grafana環(huán)境配置及simple-json-datasource插件的配置。

3.1實(shí)驗(yàn)環(huán)境的前期配置

本次實(shí)驗(yàn)采用的環(huán)境有CenOS-7虛擬機(jī)一臺，其中機(jī)器的配置有Apache、Maven、Java1.8、Grafana。

3.2IoTDB數(shù)據(jù)監(jiān)測系統(tǒng)

3.2.1IoTDB數(shù)據(jù)庫

本系統(tǒng)由Apache公司于2018年在清華大學(xué)孵化的開源項(xiàng)目IoTDB時(shí)序數(shù)據(jù)庫作為數(shù)據(jù)庫存儲數(shù)據(jù)。IoTDB是一款專為物聯(lián)網(wǎng)大數(shù)據(jù)時(shí)序數(shù)據(jù)所打造的數(shù)據(jù)庫，提供高效的數(shù)據(jù)采集、存儲、上傳、查詢等服務(wù)。

3.2.2IoTDB數(shù)據(jù)庫查詢性能

利用random函數(shù)隨機(jī)生成數(shù)量不同的數(shù)據(jù)，將系統(tǒng)時(shí)間作為時(shí)間戳。每組數(shù)據(jù)包括了int型數(shù)據(jù)、float型數(shù)據(jù)、double型數(shù)據(jù)、Boolean型數(shù)據(jù)各10條，以測試IoTDB、MySQL、InfluxDB的寫入性能。

4 IoTDB+Grafana監(jiān)控系統(tǒng)

4.1實(shí)驗(yàn)數(shù)據(jù)優(yōu)化

題目中給出的數(shù)據(jù)通過數(shù)據(jù)分析出現(xiàn)了數(shù)據(jù)的維度過高、空值較多、臟數(shù)據(jù)多的問題。使用先降維后建模的方法，有利于忽略次要因素，發(fā)現(xiàn)并分析影響模型的主要變量與因素。然后篩選出建模主要變量，使之盡可能具有代表性、獨(dú)立性。

4.3可視化監(jiān)控頁面

首先在IoTDB寫入數(shù)據(jù)，然后連接Grafana，設(shè)置后得到監(jiān)控頁面，如圖5-1。

4.4實(shí)時(shí)可視化監(jiān)控頁面

利用數(shù)據(jù)的屬性，以其平均值為基礎(chǔ)，使用random方法，每間隔5s生成一組隨機(jī)數(shù)據(jù)，將Grafana設(shè)置刷新時(shí)間為5s，就可以做到數(shù)據(jù)的實(shí)時(shí)監(jiān)控。

5結(jié)論

本課題采用Java語言、面向?qū)ο蟮脑O(shè)計(jì)方法、Python機(jī)器學(xué)習(xí)、IoTDB時(shí)序數(shù)據(jù)庫來實(shí)現(xiàn)系統(tǒng)，實(shí)現(xiàn)了對汽油精制過程中重要儀器的實(shí)時(shí)檢測、記錄，分析了IoTDB時(shí)序數(shù)據(jù)庫在解決汽油精制檢測系統(tǒng)的可行性，利用IoTDB+Grafana的方式，構(gòu)建了一套完整的檢測系統(tǒng)。

該系統(tǒng)的實(shí)驗(yàn)效果良好，可用性高，以及設(shè)備要求較低。實(shí)際生產(chǎn)生活中可以以較低的成本，較高的體驗(yàn)性吸引用戶。

參考文獻(xiàn)

[1]李天安，黃向東，王建民，毛東方，徐毅，袁駿.Apache IoTDB的分布式框架設(shè)計(jì)[J].中國科學(xué)：信息科學(xué)，2020，50（05）：621-636.王偉國，劉永萍，王生年，等.B/S模式網(wǎng)上考試系統(tǒng)分析與設(shè)計(jì)[J].石河子大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，6（2）：145-147.

[2]韓藝?yán)?，李富年，陳志?基于InfluxDB的橋梁監(jiān)測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2020，43（16）：21-25.鄧輝.校訓(xùn)雷同，缺失是什么？[N].光明日報(bào)，2013-03-06（08）.

作者簡介

姓名：楊作超（出生1999年08月17日—），性別：男，民族：漢族，籍貫：甘肅肅南，職務(wù)/職稱：學(xué)生，學(xué)歷：本科在讀，單位：西北師范大學(xué)，研究方向：工業(yè)大數(shù)據(jù)、物聯(lián)網(wǎng)，單位信息單位全名：計(jì)算機(jī)科學(xué)與工程學(xué)院，所在省市：甘肅省蘭州市，郵編：730070。