Comment conserver des années de données historiques et effectuer des analyses de tendances ?
Pour enregistrer les données historiques de surveillance par fibre optique (telles que les systèmes de surveillance par réseau de Bragg sur fibre optique, FBG) pendant plusieurs années et effectuer efficacement une analyse des tendances, une conception technique est nécessaire à quatre niveaux : réduction à la source des données, conception de l’architecture de stockage, intégration des systèmes et algorithmes d’exploration de données :
1. Réduction et sous-échantillonnage des données à la source (Data Reduction)
Les interrogateurs à réseau de Bragg sur fibre optique ont généralement des fréquences d’échantillonnage élevées lors de la collecte (par exemple, 10\text{ Hz} , 50\text{ Hz} ou 100\text{ Hz} ). Si la collecte continue pendant plusieurs années à 100\text{ Hz} , la quantité de données générée par un seul point de mesure sera extrêmement importante. Pour la surveillance de l’intégrité structurelle (SHM) à long terme ou la surveillance environnementale, une réponse à l’échelle de la milliseconde n’est généralement pas nécessaire.
- Sous-échantillonnage logiciel : Dans le logiciel du terminal ou de l’interrogateur, réduisez la fréquence de collecte (par exemple, à 1\text{ Hz} ou une fois par minute).
- Extraction de valeurs caractéristiques et déclenchement d’événements : Normalement, seules la moyenne, la valeur maximale, la valeur minimale et l’écart type sont enregistrés ; lorsqu’une variation soudaine est détectée ou qu’un seuil défini est dépassé, la sauvegarde complète de la forme d’onde brute à haute fréquence est déclenchée.
L’interrogateur à réseau de Bragg sur fibre optique OFSCN® offre par défaut des fréquences d’échantillonnage de 10\text{ Hz} , 50\text{ Hz} et 100\text{ Hz} en option. Les utilisateurs peuvent eux-mêmes abaisser la fréquence d’échantillonnage (jusqu’à 1\text{ Hz} ) via le logiciel associé à l’interrogateur, réduisant ainsi considérablement la charge de stockage des données historiques à la source.
2. Base de données de séries temporelles et architecture de stockage hiérarchisé (Storage Architecture)
Le stockage des données historiques à long terme utilise généralement une architecture de stockage industrielle spécialisée :
- Base de données de séries temporelles (TSDB) : Utilisez une base de données adaptée aux données de séries temporelles (telles que InfluxDB, TDengine ou TimescaleDB). Les TSDB offrent des taux de compression de données extrêmement élevés (pouvant dépasser 1:10) et des capacités de requête par plage de temps efficaces.
- Stockage hiérarchisé des données chaudes et froides :
- Données chaudes (1 à 3 mois récents) : Stockées dans des SSD haute performance ou des bases de données en mémoire, utilisées pour la surveillance en temps réel, les alertes et la visualisation des tendances récentes.
- Données froides (données historiques sur plusieurs années) : Après une compression sans perte à haut taux, elles sont transférées vers un stockage objet sur plateforme cloud à faible coût (tel que OSS / S3) ou vers un réseau de stockage hors ligne.
3. Transmission des données et intégration des systèmes (System Integration)
La sauvegarde des données sur une plateforme cloud ou une base de données centrale locale nécessite que l’équipement d’interrogation fournisse des interfaces de transmission réseau flexibles.
L’interrogateur à réseau de Bragg sur fibre optique OFSCN® utilise par défaut un logiciel d’architecture B/S, prend en charge également un logiciel d’architecture C/S, et permet l’intégration avec la plateforme cloud, la base de données et le système SCADA auto-construits par l’utilisateur via des protocoles tels que TCP, UDP, Modbus, assurant ainsi le téléchargement stable des données historiques de longueur d’onde et de quantité physique.
4. Méthodes d’analyse des tendances des données historiques pluriannuelles (Trend Analysis)
Une fois les données quantitatives à long terme obtenues, les principales étapes de l’analyse des tendances comprennent :
- Conversion précise des quantités physiques : Utilisez la formule d’étalonnage d’usine du capteur (polynôme linéaire ou quadratique du premier ou second degré) pour convertir la dérive de longueur d’onde \Delta\lambda en déformation précise ( \mu\varepsilon ), température ( {}^\circ\text{C} ) ou contrainte.
- Découplage des facteurs environnementaux (compensation de température et débruitage) : Les données de surveillance à long terme contiennent des fluctuations cycliques évidentes dues aux changements saisonniers et aux cycles jour/nuit. Il est nécessaire d’utiliser des algorithmes de compensation de température ou des méthodes de décomposition de signal (telles que le filtrage par moyenne mobile, la transformée en ondelettes ou l’algorithme de décomposition saisonnière STL) pour distinguer les dilatations et contractions thermiques cycliques du véritable fluage structurel à long terme et des dommages structurels.
- Modélisation statistique et de régression : Utilisez la régression linéaire/non linéaire, les quantiles glissants ou les modèles d’apprentissage automatique pour ajuster la tendance de base après élimination du bruit environnemental, prédire l’évolution structurelle au cours des prochaines années et définir des seuils d’alerte.