CDMiner自动化工程大数据挖掘系统….doc

自动化程 简介 在现今的自动化系统动系统 自动系统硬件系统讯状位机系统在线控系统运故障及其类型与候状况电稳状货商期维护状等产指挥运导工化程 随着国内油田采油过程基本实现了自动化、信息化，采油过程中会产生大量的数据，包括采油过程中的生产、作业等多个类型的大数据。尤其，随着中石油A5系统的推广和油气生产物联网系统A11的实施，为在油田企业在采油生产中应用大数据挖掘技术提供了广阔的空间。 以数据库、人工智能以及统计等学科为理论基础，依托现有产指挥平过监测数据指标好率集存储频率数据储量用率存利用率吐量线率包率码率播包率盘使用率序程掌握采集动仪表处理备编程制器程终端控制器传输设备线传输设备线传输设备设备控摄机能视频服务器设备节阀频器备生命周期内的备厂家号用时间保养等基础信息结合候状况电稳状货商期维护状用工具品件与耗材的格量及技术状态等多种化系统现由报警预智能化发展化系统化导化运行状态讯状态 自动化工程大数据挖掘系统主要采用以下挖掘技术和业务应用。 数据预处理 2.1 应用场景 数据预处理是清晰地定义出业务问题，认清数据挖掘的目的，数据理解开始于数据的收集工作，在此基础上进行数据质量问题的鉴定，并从中发现包含隐含信息的感兴趣的数据子集。数据准备阶段覆盖了所有从初始数据构成最终用于挖掘的数据子集所进行的活动。数据准备的工作可能需要进行多次，而且没有任何预定的顺序。数据准备工作包含选择数据表、记录、属性以及转换和清理数据等。 2.2 应用示例 自动化工程大数据挖掘系统的数据可靠性并非万无一失，如数据采集设备、传输网络位机 2.3 技术 数据预处理能够按照统一的规则集成并提高数据的价值，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据仓库的重要步骤。在这个阶段可能需要选择和应用不同的建摸技术，并将其参数校准到最佳值．一般一个类型的数据挖掘问题都需要用到几种技术。 一些技术对数据的结构具有特定的要求，因此经常需要返回到数据准备阶段对数据进行相应的处理。该阶段主要建立的模型包括关联规则、分类与预测、聚类、异常检测等。 数据可视化 3.1 应用场景 数据可视化技术是对大型数据库或数据仓库中的数据的可视化，它是可视化技术在非空间数据领域的应用，使人们不再局限于通过关系数据表来观察和分析数据信息，还能以更直观的方式看到数据及其结构关系。其基本思想是将数据、信息和知识转化为可视的表示形式的过程可视化数据分析技术拓宽了传统的图表功能， 使用户对数据的剖析更清晰。它为人类与计算机之间提供了一个接口。自动化工程大数据挖掘系统中的各种图表组件都是利用数据可视化方法将系统运状态况状类型与气状况电稳状况货商等 3.2 应用示例 可视化展示是将抽象的数据空间转换为直观的视觉空间，以便于人们通过强大的视觉处理能力发现隐藏在抽象数据空间中的模式、见解和知识，可以通过图表以直观的方式展示生产工艺流程 3.3技术 数据可视化已经提出了许多方法，这些方法根据其可视化的原理不同可以划分为基于几何的技术、面向像素技术、基于图标的技术、基于层次的技术、基于图像的技术和分布式技术等。而我们根据客户的需要，将所采集到的信息，加以可视化解释，使得生产系统运行参数艺流程图信息 关联分析与因子分析 4.1 应用场景 在自动化工程大数据挖掘系统的实际应用中，系统运行化警输网存储务度电情况运率 4.2 应用示例 理清楚关系的全貌，在复杂的自动化采集控制联分析要解决数据何发现如传输如何存储务如何调息如何管理 运维案与硬件资源络配置及数据库络传输线率包率码率播包率候电电平稳状况货厂商期维护状态务调度联 数据常供电状况通讯状态产系统工位系统数据存储货厂商期维护状态务调度等关联 4.3 技术 利用灰色关联分析方法，寻求系统中各因素之间的数值关系，进而分析出影响自动化设备有效效法诊断与 5.1 应用场景 从预测对象来看，指标趋势预测包括对自动化系统用护率运维化系统行稳定性运成本 自动化系统化系定运行 生成设备台账及运行台账掌握备生命周期内的备厂家号用时间保养等基础信照产系统备名称地点统计设备信息据设备的维护保养周期达到保修期的设备行提示 5.3 技术 故障诊断 由于自动化行投用率和设备完好 聚类分析 6.1 应用场景 由于传统的自动化运行现由报警预智能化发展行化化化 当遇到如何确定同一区块的众多无线自动化仪表线输感网络电种线自动化仪表电量线化仪表电 6.3 技术 将数据按照相似性分割成多个类或子集，在同一类中的数据之间具有较高的相似度，不同类中的数据差别较大，聚类可以提高人们对客观事物的认识。聚类分析内容丰富，可分为划分法、层次法、基于密度的方法、基于网格的方法、基于模型的方法等。 结语 面对大数据时代的到来，需要对企业多年集聚的内外部数据进行系统的盘点和清理，整合并优化不同类型的数据。自动化工