本發明涉及設備狀態監測方法領域，具體是基于物聯網的設備狀態監測方法、裝置、系統及存儲介質。
背景技術：
1、狀態監測是對運行中的設備整體或其零部件的工作狀態參數進行檢查監測的過程，用于識別顯著變化，這些變化能預示設備運行中的潛在缺陷。電氣設備狀態監測，即針對電氣設備，進行狀態監測。電氣設備在線監測通過實時提取故障的特征信號，為故障診斷打下基礎，正確的故障診斷為狀態維修提供了檢修依據。在線監測的目的是通過測量在運設備的狀況，識別其現有的和即將出現的缺陷，進而方便后續的檢修。
2、現有電氣設備的狀態監測通常是對其運行過程中的電流、電壓等參數進行監測，針對線纜狀態、振動與溫度的監測不夠全面，進而導致分析出的設備狀態不夠精準，存在一定的誤差，影響使用。因此，本領域技術人員提供了基于物聯網的設備狀態監測方法、裝置、系統及存儲介質，以解決上述背景技術中提出的問題。
技術實現思路
1、針對現有技術中的缺陷，本發明提供基于物聯網的設備狀態監測方法，包括以下步驟：
2、采集線纜監測數據，其中，線纜監測數據包括目標設備內部所有線纜的受損信息；
3、采集溫度監測數據，其中，溫度監測數據包括目標設備內部若干個預設位置的溫度信息；
4、采集振動監測數據，其中，振動監測數據包括目標設備內部若干個預設位置的振動信息；
5、導入預設數據，并基于預設數據對所采集到的所有信息進行分析，輸出分析結果；
6、根據分析結果進行預警分級，基于預警分級結果發出相應的通知。
7、作為本發明進一步的方案：所述線纜監測數據的具體分析過程為：
8、將目標設備內部所有線纜標記為ai，i＝1···n，其中，n為正整數；
9、通過紅外熱成像儀檢測線纜ai各部位的溫度，識別出線纜ai上溫度異常的部位，該部位的溫度大于預設溫度；
10、若線纜ai中存在一個溫度異常的部位，則將線纜ai規劃到第一序列，若線纜ai中存在兩個溫度異常的部位，則將線纜ai規劃到第二序列，若線纜ai中存在兩個以上溫度異常的部位，則將線纜ai規劃到第三序列；
11、將第一序列中線纜ai的數量標記為a1，將第二序列中線纜ai的數量標記為a2，將第三序列中線纜ai的數量標記為a3；
12、若a1＝0，a2＝0，a3＝0，則輸出分析結果為當前目標設備內部線纜正常，若a1、a2與a3中任意一項大于零，則進入下一步驟；
13、計算當前線纜溫度異常權重值v＝a1+3*a2+5*a3；
14、將線纜溫度異常權重值v與預設值v進行比對，若v＜v則進入下一步驟，若v≥v則說明當前目標設備內部線纜存在異常；
15、構建線纜異常分析模型，判斷當前線纜的異常程度是否在預設的暫時可控范圍內。
16、作為本發明再進一步的方案：所述線纜異常分析模型的具體分析過程為：
17、通過三維掃描設備采集目標設備內部線纜的三維坐標點云數據；
18、將所識別出的所有線纜ai上溫度異常的部位標記為bi，i＝1···n；
19、將異常部位bi對應的三維坐標標記為(xi、yi、zi)，(xi、yi、zi)即為異常部位點；
20、設定一個目標空間，移動該目標空間，使得該目標空間中包含的異常部位點數量最多；
21、統計目標空間內異常部位點的數量，并標記為c；
22、將異常部位點數量c與預設值c進行比對，若c＞c，則輸出分析結果為目標設備內部線纜存在異常，且異常程度不在預設的暫時可控范圍內，若c≤c，則輸出分析結果為目標設備內部線纜存在異常，但異常程度在預設的暫時可控范圍內。
23、作為本發明再進一步的方案：所述溫度監測數據的具體分析過程為：
24、將采集到的目標設備內部若干個預設位置的溫度標記為ti，i＝1···n，其中，n為正整數；
25、將ti與預設溫度t進行比對，若ti＞t，則說明ti對應位置的溫度異常，將溫度異常位置規劃到第一集群，若ti≤t，則將ti對應的位置規劃到第二集群；
26、統計第一集群中溫度異常位置的數量并標記為d，若d＞0，則說明目標設備內部溫度異常并進入下一步驟，若d＝0，則說明目標設備內部溫度正常；
27、構建溫度異常分析模型，判斷當前溫度的異常程度是否在預設的暫時可控范圍內。
28、作為本發明再進一步的方案：所述溫度異常分析模型的具體分析過程為：
29、將第一集群中溫度異常位置標記為ei，i＝1···k，其中，k為正整數；
30、在目標設備內部建立空間坐標系，并將目標設備內部散熱扇的三維坐標標記為(x0、y0、z0)；
31、將溫度異常位置ei的三維坐標標記為(xi、yi、zi)，計算坐標(xi、yi、zi)與坐標(x0、y0、z0)之間的距離，標記為fi；
32、將預設距離標記為f，計算每個溫度異常位置ei對應的異常程度權重值s＝(f/fi)；
33、將所有溫度異常位置ei對應的異常程度權重值s相加，得到總異常程度權重值s總；
34、將總異常程度權重值s總與預設值s進行比對，若s總＞s，則說明當前溫度的異常程度不在預設的暫時可控范圍內，若s總≤s，則說明當前溫度的異常程度在預設的暫時可控范圍內。
35、作為本發明再進一步的方案：所述振動監測數據的具體分析過程為：
36、將采集到的目標設備內部若干個預設位置的振動頻率標記為gi，i＝1···n，其中，n為正整數；
37、基于所有預設位置的振動頻率gi，生成頻率雷達圖p；
38、獲取所有預設位置以往的振動頻率，再基于以往的振動頻率生成頻率雷達圖pi，i＝1···n；
39、將頻率雷達圖p與頻率雷達圖pi進行相似度比對，若頻率雷達圖p與任意一個頻率雷達圖pi的相似度大于預設相似度，則輸出分析結果為目標設備內部振動正常，若頻率雷達圖p與所有頻率雷達圖pi的相似度均小于等于預設相似度，則輸出分析結果為目標設備內部振動異常。
40、作為本發明再進一步的方案：所述預警分級的具體過程為：
41、若分析結果中出現目標設備內部線纜存在異常、目標設備內部溫度異常、目標設備內部振動異常中的任意一項，則輸出的預警級別為一級；
42、若分析結果中出現目標設備內部線纜存在異常、目標設備內部溫度異常、目標設備內部振動異常中的任意兩項，則輸出的預警級別為二級；
43、若分析結果中出現目標設備內部線纜存在異常、目標設備內部溫度異常、目標設備內部振動異常中的所有項，則輸出的預警級別為三級。
44、本技術還公開了基于物聯網的設備狀態監測系統，采用基于物聯網的設備狀態監測方法，包括：
45、線纜監測數據采集模塊，用于采集線纜監測數據，其中，線纜監測數據包括目標設備內部所有線纜的受損信息；
46、溫度監測數據采集模塊，用于采集溫度監測數據，其中，溫度監測數據包括目標設備內部若干個預設位置的溫度信息；
47、振動監測數據采集模塊，用于采集振動監測數據，其中，振動監測數據包括目標設備內部若干個預設位置的振動信息；
48、數據分析模塊，用于對所采集到的所有信息進行分析，輸出分析結果；
49、預設數據導入模塊，用于向數據分析模塊導入預設數據；
50、預警通知模塊，用于根據分析結果進行預警分級，基于預警分級結果發出相應的通知。
51、本技術還公開了基于物聯網的設備狀態監測裝置，包括：
52、存儲器，用于存儲計算機程序；
53、處理器，用于執行所述計算機程序，以實現基于物聯網的設備狀態監測方法。
54、本技術還公開了一種可讀存儲介質，用于保存計算機程序，其中，所述計算機程序被處理器執行時實現基于物聯網的設備狀態監測方法。
55、本發明的有益效果體現在：
56、本技術能夠對設備運行時的線纜狀態、振動與溫度進行全面監測，進而提高設備狀態分析結果的精準性，減小誤差，便于使用。其中，針對線纜狀態的監測分析，不僅能夠快速識別存在溫度異常的線纜，還能夠在計算異常權重值時采用差異化計算方式，使得最終得到的線纜溫度異常權重值更具有代表性。此外，針對存在異常的線纜，本技術就異常程度是否在預設的暫時可控范圍內進行二次分析確定，以此來節省檢修人員的工作量。而針對于設備內部溫度異常的位置，若是異常位置靠近散熱風扇，則說明該位置的溫度異常程度比較嚴重，即使距離散熱設備較近也無法得到有效減緩，基于此，計算各個溫度異常位置的異常程度權重值之和，能夠更精準的分析當前設備內部的溫度異常程度。