智能制造与工业软件 / 系统课时
按窗口聚合运行时长与能耗指标
按窗口聚合运行时长与能耗指标
设备每隔几分钟上报一次运行状态和累计电量,直接按消息条数统计会误判运行时长,电表复位还可能产生负电量。本篇使用 10 分钟窗口,将离散采样转换为运行分钟、耗电增量和平均功率,同时记录缺口与复位,最后写入可查询的 SQLite 指标表。
学习目标
- 根据事件时间切分采样区间,计算窗口内的运行时长和有效数据覆盖时长。
- 从累计电量读数计算用电增量,正确处理跨窗口、采样缺口和计数器复位。
- 将聚合结果写入数据库,通过覆盖率与质量标志判断指标能否用于趋势分析。
统一窗口边界与数据口径
假设 Machine01 每隔几分钟上报一次状态。每条记录包含设备 ID、事件时间、运行位和累计电量读数。运行位 running=1 表示运行,running=0 表示停止;累计电量单位为 kWh,正常情况下持续增加。
使用 UTC 事件时间,以 2026-10-12 08:00 为起点,按照 10 分钟固定窗口聚合。窗口采用左闭右开区间,例如 [08:00, 08:10) 和 [08:10, 08:20),08:10 恰好属于后一个窗口。
准备以下样本:
| 采集时间(UTC) | running | 累计电量(kWh) |
|---|---|---|
| 08:00 | 1 | 100.0 |
| 08:04 | 1 | 101.6 |
| 08:08 | 0 | 103.2 |
| 08:12 | 1 | 103.4 |
| 08:15 | 1 | 0.6 |
| 08:21 | 0 | 2.1 |
08:15 的累计电量从 103.4 降至 0.6,视为疑似计数器复位。08:15 至 08:21 相隔 6 分钟,超过本例允许的最大采样间隔 4 分钟,因此不能直接推断这段时间的运行状态或耗电增量。
工业项目中至少需要统一以下规则:
| 参数 | 本例取值 | 含义 |
|---|---|---|
| 窗口长度 | 10 分钟 | 固定聚合周期 |
| 最大可信采样间隔 | 4 分钟 | 超过则标记区间未知 |
| 运行状态估算 | 左值保持 | 相邻采样之间沿用前一状态 |
| 电量分配 | 按重叠时长比例 | 假设相邻读数间平均功率恒定 |
| 趋势发布门槛 | 两项覆盖率均不低于 80% | 数据不足时不发布平均功率 |
这里的 4 分钟与 80% 是演示用业务阈值,并非工业协议统一规定。实际项目应根据正常采样周期、网络延迟和指标精度要求配置。对于具有精确启停事件时间的设备,应优先使用事件时间计算运行时长,而不是依赖状态保持估算。
将相邻采样切分到窗口
不能把一个窗口内的 running=1 消息数量乘以采样周期,因为采样间隔可能不固定。正确做法是按相邻样本组成时间区间,再计算该区间与各窗口的重叠时长。
例如 08:04 至 08:08 的左端状态为运行,区间长 4 分钟,因此贡献 4 分钟运行时长。08:08 至 08:12 的左端状态为停止,跨越 08:10 边界,分别给两个窗口贡献 2 分钟已知停止时长。
累计电量也要按照区间处理。08:08 至 08:12 的电量增加 0.2 kWh,在平均功率恒定的假设下,两个窗口各分配 0.1 kWh。即使运行位为停止,电表仍可能因为待机设备或辅助系统而增加读数,不能强行将停止区间的电量归零。

对每一对相邻采样,依次执行以下判定:
- 检查时间是否严格递增,计算两次采样间隔和各窗口的重叠分钟数。
- 如果间隔超过 4 分钟,不计算运行时长与电量,将重叠区间记为未知。
- 对有效时间区间,使用左端运行位累计运行分钟,同时累计状态覆盖分钟。
- 当后一次累计电量大于或等于前一次时,按重叠分钟占原区间分钟的比例分配电量增量。
- 当累计电量下降时,记录疑似复位次数;保留可信的状态时长,但不计算该区间的电量增量。
复位不能简单使用读数绝对差,也不能直接把复位后的 0.6 kWh 当成整个区间的新增耗电。没有准确复位时间和复位前最后读数,就无法还原 08:12 至 08:15 的真实耗电量。如果电表具有明确的最大计数值并发生回卷,应另外按照设备手册定义的回卷规则处理。
用 Python 聚合并写入 SQLite
使用 Python 3.9 或更新版本运行下面的完整示例,SQLite 需要支持 3.24.0 或更新版本的 UPSERT 语法。示例仅使用标准库,保存为 window_metrics.py 后执行 python window_metrics.py,会在当前目录创建 window_metrics.sqlite。
程序分别记录运行分钟、状态覆盖分钟、电量增量、电量覆盖分钟和复位区间数。只有状态覆盖和电量覆盖均达到 8 分钟,才计算可用于趋势观察的平均功率。累计电量计算使用 Decimal,写入演示数据库时转换为浮点数。
from datetime import datetime, timedelta, timezone
from decimal import Decimal
import sqlite3
# 分钟偏移量以 2026-10-12 08:00 UTC 为起点
samples = [
(0, 1, Decimal("100.0")),
(4, 1, Decimal("101.6")),
(8, 0, Decimal("103.2")),
(12, 1, Decimal("103.4")),
(15, 1, Decimal("0.6")),
(21, 0, Decimal("2.1")),
]
base = datetime(2026, 10, 12, 8, 0, tzinfo=timezone.utc)
rows = []
for start in (0, 10):
run = state_known = energy_known = resets = 0
energy = Decimal("0")
for (t0, on, e0), (t1, _, e1) in zip(samples, samples[1:]):
dt = t1 - t0
if dt <= 0:
raise ValueError("采样时间必须严格递增")
overlap = max(0, min(t1, start + 10) - max(t0, start))
if not overlap or dt > 4:
continue # 缺口超阈值,整个相邻区间不作推断
state_known += overlap
run += overlap * on # 使用区间左端的运行状态
if e1 < e0:
resets += 1 # 疑似复位:运行时间仍可信,电量未知
continue
energy_known += overlap
energy += (e1 - e0) * Decimal(overlap) / Decimal(dt)
qualified = state_known >= 8 and energy_known >= 8
mean_kw = round(float(energy) * 60 / energy_known, 1) if qualified else None
window = (base + timedelta(minutes=start)).isoformat().replace("+00:00", "Z")
rows.append((
"Machine01", window, run, state_known,
float(energy.quantize(Decimal("0.001"))),
energy_known, resets, mean_kw,
"可用于趋势" if qualified else "覆盖不足"
))
with sqlite3.connect("window_metrics.sqlite") as db:
db.execute("""
CREATE TABLE IF NOT EXISTS window_metric (
device_id TEXT NOT NULL,
window_start_utc TEXT NOT NULL,
run_min INTEGER NOT NULL,
state_known_min INTEGER NOT NULL,
energy_kwh REAL NOT NULL,
energy_known_min INTEGER NOT NULL,
reset_intervals INTEGER NOT NULL,
mean_kw REAL,
quality TEXT NOT NULL,
PRIMARY KEY (device_id, window_start_utc)
)
""")
db.executemany("""
INSERT INTO window_metric VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?)
ON CONFLICT(device_id, window_start_utc) DO UPDATE SET
run_min=excluded.run_min,
state_known_min=excluded.state_known_min,
energy_kwh=excluded.energy_kwh,
energy_known_min=excluded.energy_known_min,
reset_intervals=excluded.reset_intervals,
mean_kw=excluded.mean_kw,
quality=excluded.quality
""", rows)
for row in db.execute("""
SELECT window_start_utc, run_min, state_known_min, energy_kwh,
energy_known_min, reset_intervals, mean_kw, quality
FROM window_metric
WHERE device_id = 'Machine01'
AND window_start_utc >= '2026-10-12T08:00:00Z'
AND window_start_utc < '2026-10-12T08:20:00Z'
ORDER BY window_start_utc
"""):
print(" | ".join("NULL" if v is None else str(v) for v in row))预期输出(字段依次为窗口起点、运行分钟、状态覆盖分钟、已知耗电 kWh、电量覆盖分钟、复位区间数、平均功率 kW、质量状态):
2026-10-12T08:00:00Z | 8 | 10 | 3.3 | 10 | 0 | 19.8 | 可用于趋势
2026-10-12T08:10:00Z | 3 | 5 | 0.1 | 2 | 1 | NULL | 覆盖不足程序使用设备 ID 和 UTC 窗口起点作为联合主键。重复处理同一窗口时执行更新,而不是重复插入一条指标记录,这有利于断线补传和迟到数据触发的重新聚合。
本例在同一窗口内采用整数分钟作为时间单位。生产环境如果需要秒级精度,应直接使用时间戳计算实际重叠秒数,避免提前取整造成误差。若需要精确保存电量,可以将 kWh 转换为整数 Wh 或更小的固定单位存储。
验证统计结果与异常窗口
先核对 08:00 至 08:10:设备在 08:00 至 08:08 连续运行,共 8 分钟;08:08 至 08:10 停止,共 2 分钟。状态覆盖完整,因此运行分钟为 8,覆盖分钟为 10。
电量方面,前两个有效区间各增加 1.6 kWh,08:08 至 08:10 分配到 0.1 kWh,得到 3.3 kWh。平均功率为 3.3 × 60 / 10 = 19.8 kW。这里的平均功率包含运行与停机期间的实际电表增量,不等同于设备运行时的平均功率。
再核对 08:10 至 08:20:08:10 至 08:12 已知停止 2 分钟,08:12 至 08:15 已知运行 3 分钟,08:15 至 08:20 处于超时缺口,不能认定为运行或停止。因此状态覆盖只有 5 分钟。
电量只有 08:10 至 08:12 的 0.1 kWh 可计算。08:12 至 08:15 出现复位,08:15 至 08:20 缺少可信连续采样,电量覆盖仅为 2 分钟。
需要明确区分以下结果:
| 指标 | 08:00—08:10 | 08:10—08:20 |
|---|---|---|
| 已知运行时长 | 8 分钟 | 3 分钟 |
| 状态覆盖率 | 100% | 50% |
| 已知电量增量 | 3.3 kWh | 0.1 kWh |
| 电量覆盖率 | 100% | 20% |
| 可发布平均功率 | 19.8 kW | NULL |
第二个窗口的 0.1 kWh 仅代表有可靠读数支持的部分区间,不代表完整 10 分钟耗电量。将它直接与前一个窗口的 3.3 kWh 比较并判断能耗大幅下降,会产生错误结论。
用于工业看板时还要检查什么
把聚合结果接入设备运行率、能耗曲线和停机分析之前,需要补充几个生产环境约束。
- 事件时间与乱序处理:按
device_id和事件时间排序,同一设备相同时间戳的重复消息先按事件 ID 或明确规则去重。使用合理的迟到容忍窗口,迟到数据到达后重新计算受影响的聚合窗口。 - 采样质量过滤:OPC UA 的 Bad 状态、无效数值或明显违反设备量程的数据不得直接参与计算;这些区间应降低覆盖率,而不是强行填入零值。
- 计数器身份与复位事件:同一设备可能存在总电表与分项电表,应按测点 ID 分开计算。若有独立的复位事件与准确计数信息,可以补算部分区间;否则保留未知电量。
- 窗口发布状态:实时窗口先标记为暂定,等待允许的迟到数据后再定稿。已发布窗口发生重算时,以联合主键更新同一行,并记录更新时间或修订版本。
- 趋势指标口径:运行率应明确分母。如果需要完整窗口运行率,只有状态覆盖充分时才发布;已知区间运行比例
run_min / state_known_min不能无条件冒充完整窗口运行率。
建议实际验收时再做两项检查:先删除 08:08 的采样并重新计算,确认 08:04 至 08:12 的 8 分钟缺口不会被错误补齐;再将 08:15 的累计电量改成大于 103.4 的正常读数,确认复位标记消失且该有效区间的电量覆盖恢复。
工业窗口指标应始终保留来源设备、UTC 时间窗口、有效覆盖时长和质量状态。这样看板既能展示正常窗口的运行率与能耗趋势,也能把采集故障与真实生产变化区分开来。