© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
浙江德塔森特数据技术有限公司
企业浙江德塔森特数据技术有限公司成立于2016年，位于浙江省。所属行业为软件和信息技术服务业。主要业务包括计算机软硬件、计算机外围设备、电子产品、五金交电、通讯设备、监控设备、电线电缆及配件、制冷设备、办公设备、光缆及配件、电源设备、配电设备、信息化设备、家用...、微型数据机房智能一体机及相关组件的研发、制造、施工与运营、维护。
高新技术企业科技型中小企业专精特新企业技术中心股权融资
数据集列表
模块化机房漏水检测数据
通过对漏水检测系统运行数据的多点监测和智能分析，实现水浸预警、漏水定位和湿度监控三大功能，解决了传统漏水检测手段单一、定位不准确的问题。通过多点传感器实时监测湿度变化，当湿度超标或检测到水时自动报警，预警准确率达95%以上；通过多传感器状态与电阻值变化分析，快速定位漏水源，定位准确率提升至90%；基于多点湿度监测与均匀度分析，评估系统健康状态，设备损坏率降低70%。运用本数据可实现水浸风险分析、漏水位置定位与环境湿度评估，支持快速应急响应与预测性维护，从而提前发现水患、缩短运维响应时间、有效保护机房设备安全。
浙江省数据知识产权登记平台2026-07-08 更新10
模块化机房智能电量仪数据
通过对机房电力参数的实时监测和智能分析，实现电能质量评估、用电安全监控和能耗管理三大功能，解决了传统电量监测手段单一、电能质量评估不足的问题。实时监测三相电压电流、频率及功率波动，将电压不平衡度控制在2%以内、频率偏差稳定在±0.1Hz，电能质量达标率提升至98%；通过电流不平衡度与负载监控，预警准确率达92%以上，电气故障率降低55%；基于功率因数与负载率分析，指导无功补偿与负载优化，能源利用效率提升10%，供电效率提高8-12%。运用本数据可实现电能质量分析、供电系统评估与能耗优化决策，支持预测性维护与管理决策，为配电系统改造、电能质量治理及能效提升提供依据，从而提升供电可靠性、降低运维成本、优化能耗管理。1.数据采集：采集端为浙江DTCT模块化数据中心机房；对象为单台环境智能电量仪PWR-METER-001（额定21.4kVA，环境配电进线端），仅该监测点三相电气量，不含其他电量仪、UPS、列头柜及配电支路；2025-07-01 00:00:00～08:19:30，30秒/次，1000条。原始字段10项：timestamp、DeviceID、Va/Vb/Vc、Ia/Ib/Ic、P、Q、S、F。2.数据处理：剔除电压超额定±20%、频率超45–55Hz无效数据。3.时间对齐：北京时间，30秒间隔。4.算法加工：(1)Vavg=(Va+Vb+Vc)/3；Vunbal=((max-min)/Vavg)×100[%]。(2)Itotal=Ia+Ib+Ic；Iunbal=((max-min)/((Ia+Ib+Ic)/3))×100[%]。(3)PF=P/S。(4)Fdev=F-50[Hz]。(5)RatedCapacity=21.4[kVA]；LoadRate=(S/RatedCapacity)×100[%]。(6)PQI=0.3×Vscore+0.2×Iscore+0.2×Fscore+0.3×PFscore；Vscore=max(0,100-Vunbal×25)；Iscore=max(0,100-Iunbal×2)；Fscore=max(0,100-|Fdev|×500)；PFscore=PF×100。(7)P_prev为上一时刻P（首条P_prev=P）；ΔP=P-P_prev；PfluctRate=|ΔP|/|P_prev|×100（P_prev=0时为0）；PowerScore=PfluctRate≤10%时100-PfluctRate，否则0；SysHealth=0.6×PQI+0.4×PowerScore[%]。(8)QualityLevel：PQI≥90优秀，80–90良好，70–80合格，<70需关注。
浙江省数据知识产权登记平台2026-06-18 更新00
模块化机房柴油发电机组数据
通过对柴油发电机组运行数据的实时监测和智能分析，实现备用电源监控、运行状态评估和故障预警三大功能，解决了传统发电机组监控不足、故障发现滞后的问题。实时监测三相电压电流，将输出电压不平衡度控制在2%以内、频率偏差稳定在±0.5Hz，供电可靠性达到99.9%；通过水温、油压、油位及负载率等多维度指标评估机组健康状态，故障率降低60%；基于健康度与多参数分析，预警准确率达85%以上，可提前5-15天发现潜在故障，维护成本降低30%。运用本数据可实现电源质量分析、机组状态评估与预测性维护，从而保障供电可靠性、优化运行负载、降低维护成本与故障风险。1.数据采集：频率10秒，数据包括：设备ID、运行状态_RunState、输出电压_VoutA/B/C(V)、输出电流_IoutA/B/C(A)、有功功率_Pout(kW)、频率_F(Hz)、水温_Tw(℃)、油压_Poil(bar)、油位_Flevel(%)、累计时间_Thours(h)、平均电压_Vout_avg(V)、平均电流_Iout_avg(A)、电压不平衡度_Vout_unbal(%)、频率偏差_Fdev(Hz)、负载率_LoadRate(%)、运行健康度_GenHealth(%)、状态_Status、建议_Advice。2.数据处理：剔除无效数据（电压±20%，频率45-55Hz，水温0-100℃）；时间对齐：北京时间，10秒间隔。3.计算指标：(1)Vout_avg=(VoutA+VoutB+VoutC)/3；Iout_avg=(IoutA+IoutB+IoutC)/3。(2)Vout_unbal=((max(VoutA,VoutB,VoutC)-min(VoutA,VoutB,VoutC))/Vout_avg)×100。(3)Fdev=F-50。(4)LoadRate=(Pout/500)×100。(5)GenHealth=0.3×Vscore+0.25×Fscore+0.2×Tscore+0.15×Pscore+0.1×FlevelScore。Vscore=100-Vout_unbal×25(Vunbal≤2否则0)；Fscore=100-|Fdev|×100(|Fdev|≤0.5否则0)；Tscore=100-|Tw-85|×2(75≤Tw≤95否则0)；Pscore=100-|Poil-4|×10(3≤Poil≤5否则0)；FlevelScore=Flevel(Flevel≥20否则Flevel×2)。RunState=0时GenHealth=0。4. 状态判定：(1) 运行状态 [列名：运行状态] 运行良好：健康度≥80、电压不平衡度≤1%、频率偏差≤0.3Hz 且 RunState=1；正常：健康度≥70、电压不平衡度≤2%、频率偏差≤0.5Hz 且 RunState=1；关注：健康度 < 70 或电压不平衡度 > 2% 或频率偏差 > 0.5Hz 且 RunState=1；停机：RunState=0
浙江省数据知识产权登记平台2026-06-16 更新00
模块化机房新风系统数据
本系统通过对新风系统运行数据的实时监测和智能分析，实现空气质量监控、环境质量评估和能效优化三大功能，解决了传统新风系统监控不足、空气质量评估缺失的问题。实时监测温湿度、CO₂及PM2.5等指标，将CO₂去除率控制在30%以上、PM2.5去除率控制在80%以上，空气质量达标率提升至95%；通过综合多维度指标评估系统健康状态，监测过滤效率与风量，系统故障率降低50%；基于空气质量指数与系统健康度智能调节风机参数，优化运行策略，降低能耗10-15%。运用本数据可实现空气质量分析、系统健康评估与能效优化，支持预测性维护与管理决策，从而提升室内空气品质、降低系统故障率与运维成本、实现节能高效运行。1.数据采集：5分钟频率，数据：设备ID_DeviceID、风机状态_FanState、送/回风温湿度_Ts/Tr(℃)/Hs/Hr(%)、送/回风CO2_PM2.5浓度_CO2s/CO2r(ppm)/PM2.5s/PM2.5r(μg/m³)、送风量_Qs(m³/h)、过滤效率_FE(%)、温差_ΔT(℃)、湿差_ΔH(%)、CO2去除率_CO2RR(%)、PM2.5去除率_PMRR(%)、空气质量指数_AQI、系统健康度_AHUHealth(%)、状态_Status、建议_Advice。2.数据处理：剔除异常（温:-10~50℃，湿:10~90%，CO2:300~2000ppm，PM2.5:0~500μg/m³）；北京时间对齐，间隔5分钟。3.计算：(1)ΔT=Tr-Ts；ΔH=Hr-Hs。(2)CO2RR=((CO2r-CO2s)/CO2r)×100 (CO2r>CO2s否则0)；PMRR=((PM2.5r-PM2.5s)/PM2.5r)×100 (PM2.5r>PM2.5s否则0)。(3)AQI=0.3×Tscore+0.25×Hscore+0.25×CO2score+0.2×PMscore。Tscore=100-|ΔT|×5 (|ΔT|≤5为0)；Hscore=100-|ΔH|×2 (|ΔH|≤10为0)；CO2score=100-(CO2r-400)/10 (CO2r≤1000为0)；PMscore=100-PM2.5r/5 (PM2.5r≤75为0)。(4)AHUHealth=0.35×AQI+0.3×FEscore+0.2×FlowScore+0.15×FanScore。FEscore=FE (FE≥80否则FE×0.8)；FlowScore=100-|Qs-5000|/5000×100 (|Qs-5000|/5000≤20为0)；FanScore=100 (FanState=1否则0)。4.判定：(1)状态：良好（AHUHealth≥80且AQI≥80且FanState=1）；正常（AHUHealth≥70且AQI≥70且FanState=1）；关注（AHUHealth<70或AQI<70或FanState=0）；预警（AHUHealth<60或AQI<60或FE<60）。(2)建议：对应“正常运行”、“建议检查”或“需要维护”。
浙江省数据知识产权登记平台2026-06-16 更新50
模块化机房智能PDU数据（单相）
通过对单相PDU运行数据的实时监测与智能分析，实现配电管理、负载监控和能耗统计，解决传统PDU监控不足、负载管理粗放的问题，提升配电安全与运维效率。实时监测电压电流，将电压偏差控制在±5%以内，功率因数保持0.8以上，确保供电稳定；基于负载率变化实时跟踪，当负载超过80%时自动预警，指导设备合理配置，防范过载风险；精确统计累计用电量，将能耗管理精度提升至kWh级别，支持精细化成本分析。本系统可保障供电稳定性达99.9%，降低过载事故率80%，并为节能优化与用电成本核算提供可靠数据依据。
浙江省数据知识产权登记平台2026-06-04 更新20
模块化机房智能PDU数据（单相）
通过对单相PDU运行数据的实时监测与智能分析，实现配电管理、负载监控和能耗统计，解决传统PDU监控不足、负载管理粗放的问题，提升配电安全与运维效率。实时监测电压电流，将电压偏差控制在±5%以内，功率因数保持0.8以上，确保供电稳定；基于负载率变化实时跟踪，当负载超过80%时自动预警，指导设备合理配置，防范过载风险；精确统计累计用电量，将能耗管理精度提升至kWh级别，支持精细化成本分析。本系统可保障供电稳定性达99.9%，降低过载事故率80%，并为节能优化与用电成本核算提供可靠数据依据。1.数据采集：采集端为浙江DTCT模块化数据中心机房；对象为单台单相PDU PDU-SP-001（额定250W，机柜配电支路），仅该PDU监测点电气量，不含其他PDU、列头柜及支路；2025-07-01 00:00:00～16:39:00，1分钟/次，1000条。原始字段8项：timestamp、DeviceID、V、I、P、Q、PF_raw、F。2.数据处理：剔除电压超220V额定±20%、电流为负或异常波动、频率超45–55Hz无效数据。3.时间对齐：北京时间，1分钟间隔。4.算法加工：(1)RatedCapacity=250[W]。(2)S=√(P²+Q²)[VA]，仅由P、Q计算，不以V×I；PF=P/S，PQI采用PF非PF_raw。(3)Vdev=((V-220)/220)×100[%]；Fdev=F-50[Hz]。(4)LoadRate=(P/RatedCapacity)×100[%]。(5)E按时间累加Σ(P×Δt/1000)，Δt=1/60[h]，逐条四舍五入至3位。(6)PQI=0.4×Vscore+0.4×PFscore+0.2×Fscore；Vscore=max(0,100-|Vdev|×2)；PFscore=PF×100；Fscore=|Fdev|≤0.2时100-|Fdev|×100否则0。(7)LoadScore=max(0,100-|LoadRate-60|×0.6)；StableScore=100；PHealth=0.5×PQI+0.3×LoadScore+0.2×StableScore[%]。(8)Status：PQI≥80且LoadRate≤80%正常，PQI≥70且LoadRate≤90%良好，PQI<70或LoadRate>90%关注，PQI<60或LoadRate>95%预警；LoadLevel：<30%轻载，30–70%正常，70–90%重载，≥90%过载；本样例LoadRate 24.8–27.6%、PQI 86.6–89.3%，故均为正常+轻载。
浙江省数据知识产权登记平台2026-06-18 更新00
模块化机房消防系统数据
通过对消防系统运行数据的多点监测和智能分析，实现火灾预警、烟雾监控和系统状态评估三大功能，解决了传统消防系统监控不足、预警不及时的问题。通过多点烟雾与温度监测，实现火灾风险指数评估，预警准确率达98%以上；基于烟雾浓度均匀度分析与温度关联判断，使误报率降至2%以下；通过多维度指标综合评估系统健康状态，监控喷淋系统与传感器工况，系统可靠性提升至99.5%。运用本数据可实现火灾风险分析、烟雾扩散评估与系统健康诊断，支持预警模型优化与应急决策，从而提升火灾防控能力、降低误报干扰、保障消防系统始终处于可靠可用状态。1.数据采集：30秒/次，含设备ID、烟雾S1/2/3(%LEL)温度T1/2/3(℃)喷淋Sprinkler、报警Alarm、平均烟雾Smoke_avg(%LEL)、烟雾均匀度Smoke_uniform(%LEL)平均温度Tavg(℃)温度均匀度Tuniform(℃)火灾风险FRI、健康度FireHealth(%)、状态Status、建议Advice。2.数据处理：剔除无效值（烟雾0-100%LEL，温度-10-100℃）时间对齐至北京时间间隔30秒。3.计算指标：(1)Smoke_avg=(S1+S2+S3)/3；Smoke_uniform=max(S1,S2,S3)-min(S1,S2,S3)(2)Tavg=(T1+T2+T3)/3；Tuniform=max(T1,T2,T3)-min(T1,T2,T3)(3)FRI=0.5×Smokescore+0.3×Tscore+0.2×UniformScore。Smokescore=min(100,Smoke_avg×5)(>0否则0)；Tscore=min(100,(Tavg-25)×2)(>25否则0)；UniformScore=min(100,(Smoke_uniform+Tuniform)×10)(>0否则0)。若Smoke_avg>20或Tavg>60，则FRI=100(4)FireHealth=0.4×SensorScore+0.3×AlarmScore+0.2×SprinklerScore+0.1×StabilityScore。SensorScore=100-(Smoke_avg/2+abs(Tavg-25)/2)(Smoke_avg≤5且20≤Tavg≤30否则扣至0)；AlarmScore=100(Alarm=0否则0)；SprinklerScore=100(Sprinkler=0否则50)；StabilityScore=100-(Smoke_uniform+Tuniform)×5(Smoke_uniform≤5且Tuniform≤3否则0)。4.状态判定 1 运行状态 运行良好 (健康≥80、火灾风险≤10、报警 = 0)正常 (健康≥70、火灾风险≤20、报警 = 0)关注 (健康 < 70 或火灾风险 > 20 或报警 = 1)预警 (火灾≥50 或烟雾 > 20% LEL 或温度 > 60℃)
浙江省数据知识产权登记平台2026-06-17 更新10
模块化机房机柜微环境数据
通过对新风系统运行数据的实时监测和智能分析，实现空气质量监控、环境质量评估和能效优化三大功能，解决了传统新风系统监控不足、空气质量评估缺失的问题。实时监测温湿度、CO₂及PM2.5等参数，将CO₂去除率控制在30%以上、PM2.5去除率控制在80%以上，空气质量达标率提升至95%；通过多维度指标评估系统健康状态，监测过滤效率与送风量，系统故障率降低50%；基于空气质量指数与系统健康度智能调节风机运行参数，优化系统策略，降低能耗10-15%。运用本数据可实现空气质量分析、系统健康评估与能效优化，支持预测性维护与管理决策，从而提升室内空气品质、降低系统故障与运维成本、实现节能高效运行。1.数据采集：频率5分钟，数据：设备ID、温度_Ttop/mid/bot(℃)、湿度_Htop/mid/bot(%)、进/出口温_Tin/out(℃)、风速_Vin/out(m/s)、功耗_Pcabinet(kW)、均温_Tavg(℃)、温均度_Tuniform(℃)、均湿_Havg(%)、湿均度_Huniform(%)、温差_ΔT_io(℃)、风速比_Vratio、热密度_HD(kW/m²)、健康指数_EHI(%)、状态_Status、建议_Advice。2.数据处理：剔除无效（温度10~50℃，湿度20~80%）；时间对齐：北京时间，5分钟间隔。3.计算指标：(1)Tavg=(Ttop+Tmid+Tbot)/3；Tuniform=max(Ttop,Tmid,Tbot)-min(Ttop,Tmid,Tbot)。(2)Havg=(Htop+Hmid+Hbot)/3；Huniform=max(Htop,Hmid,Hbot)-min(Htop,Hmid,Hbot)。(3)ΔT_io=Tout-Tin；Vratio=Vout/Vin。(4)HD=Pcabinet/2.0。(5)EHI=0.3×Tscore+0.25×Hscore+0.25×UniformScore+0.2×FlowScore。Tscore=100-|Tavg-25|×4(20≤Tavg≤30否则0)；Hscore=100-|Havg-50|×2(40≤Havg≤60否则0)；UniformScore=100-(Tuniform×10+Huniform×2)(Tuniform≤3且Huniform≤5否则0)；FlowScore=100-|Vratio-1|×50(0.8≤Vratio≤1.2否则0)。4.状态判定：(1)状态：良好(EHI≥80且Tuniform≤2且HD≤4)；正常(EHI≥70且Tuniform≤3且HD≤5)；关注(EHI<70或Tuniform>3或HD>5)；预警(EHI<60或Tuniform>5或HD>6)。(2)建议：对应“正常”、“检查”或“维护”。
浙江省数据知识产权登记平台2026-06-16 更新00
模块化机房UPS数据
通过对UPS运行数据的实时监测和智能分析，实现供电质量保障、能效管理和预测性维护三大核心功能，解决了传统UPS监控手段单一、预警滞后的问题。实时监测输出电压不平衡度与功率因数，将电压波动控制在±1%以内，供电可靠性达到99.99%；通过计算运行效率与负载率优化参数，整体能效提升5-8%，并指导无功补偿；基于健康度与环境温度监控，预警准确率达90%以上，可提前3-10天发现潜在故障，使UPS故障率降低45%。运用本数据可实现UPS性能与电能质量分析、容量规划与能效优化，支持预测性维护与管理决策，为供电系统改造、设备选型及运维策略制定提供依据，从而保障供电安全、提升能效水平、降低运维成本。1.数据采集：采集UPS运行数据，频率10秒，包括：设备ID_DeviceID、输入A/B/C相电压Vin_A/B/C(V)、输入A/B/C相电流Iin_A/B/C(A)、输出A/B/C相电压Vout_A/B/C(V)、输出A/B/C相电流Iout_A/B/C(A)、输出视在功率S(kVA)、输出有功功率P(kW)、输出无功功率Q(kVar)、输入总功率Pin(kW)、环境温度Tamb(℃)。2.数据处理：剔除电压超出额定范围±20%的异常数据；时间对齐为北京时间，间隔10秒。3.计算规则：（1）Vin_avg=(Vin_A+Vin_B+Vin_C)/3；Vout_avg=(Vout_A+Vout_B+Vout_C)/3；Vin_unbal、Vout_unbal=((max-min)/avg)×100。（2）S=3×Vout_avg×Iout_avg/1000；PF=P/S；Q=√(S²-P²)；LoadRate=(S/10kVA)×100；Eff=(P/Pin)×100，Pin在数据结构中单独列示。（3）UPSHealth=0.4×电压稳定性得分+0.3×运行效率得分+0.3×环境温度得分；电压稳定性：Vout_unbal≤0.5%为100，否则100-Vout_unbal×50；运行效率得分=Eff；环境温度：20℃≤Tamb≤30℃为100，否则100-|Tamb-25|×2。（4）运行状态：正常运行—UPSHealth≥80且Vout_unbal≤0.5%且Eff≥92%；关注—UPSHealth≥70且Vout_unbal≤1%且Eff≥90%；预警—UPSHealth<70或Vout_unbal>1%或Eff<90%；告警—UPSHealth<60或Vout_unbal>2%或Eff<85%。
浙江省数据知识产权登记平台2026-06-10 更新20
模块化机房智能电量仪数据
通过对机房电力参数的实时监测和智能分析，实现电能质量评估、用电安全监控和能耗管理三大功能，解决了传统电量监测手段单一、电能质量评估不足的问题。实时监测三相电压电流、频率及功率波动，将电压不平衡度控制在2%以内、频率偏差稳定在±0.1Hz，电能质量达标率提升至98%；通过电流不平衡度与负载监控，预警准确率达92%以上，电气故障率降低55%；基于功率因数与负载率分析，指导无功补偿与负载优化，能源利用效率提升10%，供电效率提高8-12%。运用本数据可实现电能质量分析、供电系统评估与能耗优化决策，支持预测性维护与管理决策，为配电系统改造、电能质量治理及能效提升提供依据，从而提升供电可靠性、降低运维成本、优化能耗管理。
浙江省数据知识产权登记平台2026-06-04 更新10