CN106556480A - 一种热量表耐久性冷热冲击试验异常点检测方法 - Google Patents

Abstract

本发明涉及一种热量表耐久性冷热冲击试验异常点检测方法，其是通过以采样周期t_s为间隔对热量表耐久性试验过程状态参数进行采集，建立试验过程状态参数数据集，提取状态参数特征，建立4000次冷热冲击试验的状态特征参数模型，根据所提取的各状态参数的特征值，结合各个温度状态的特征参数模型进行异常判定，即完成异常点检测，本发明能够对热量表耐久性冷热冲击试验过程监控故障异常点进行实时在线检测，有效提高了对试验过程的全程监控能力，提升了对故障异常点的精细化检测水平，检测过程自动化控制，节约人力成本，操作方便、可靠性高、使用寿命长、安全性好、检测结果可靠性高。

Description

一种热量表耐久性冷热冲击试验异常点检测方法

技术领域

本发明属于仪表异常检测技术领域，具体涉及一种热量表耐久性冷热冲击试验异常点检测方法。

背景技术

在我国，实际使用热量表进行分户计量从开始试点至今已有十多年时间，热量表的安装使用数量已很庞大。从日常检测统计情况看，热量表产品质量存在的问题主要表现在长期可靠性方面。关于热量表的耐久性研究，仅限于理论方面和学习理解。具体试验主要是局限于300h试验，且积累的数据也不很充分。现有的耐久性试验装置也是一些简单的试验装置，不能完全满足基于欧洲标准EN 1434-4：2007《热量表第四章：型式批准测试》和国家标准对热量表耐久性试验方法的要求。

再者，耐久性试验过程时间长、流量周期变化跨度大、一个故障异常可能导致整个耐久性试验的失败，造成巨大的经济损失和人员安全隐患，而在这方面的研究，国内外鲜有探索。故过程故障异常点监控及报警处理尤为重要。

因此，研究一种热量表耐久性冷热冲击试验过程监控故障异常点的在线检测方法，具有重要的现实必要性。

发明内容

本发明的目的就是为了克服上述现有技术存在的不足而提供一种热量表耐久性冷热冲击试验异常点检测方法，本发明的检测方法可靠性高、安全性好、操作方便并可对热量表耐久性冷热冲击试验过程监控故障异常点进行在线检测。

为了实现上述目的，本发明所采用的技术方案由以下步骤组成：

(1)以采样周期t_s为间隔对热量表耐久性试验过程状态参数进行采集，热量表耐久性试验过程状态参数包括被检热量表的瞬时流量、累积流量、累积热量、标准流量计的瞬时流量、累积流量、前管路温度、管路压力、后管路温度、压力、前后管路温差、水箱温度以及液位；

(2)根据步骤(1)所采集的热量表耐久性试验过程状态参数，建立试验过程状态参数数据集，记当前采样次数为k，k≥1；采样时间t＝kt_s，单位：s；

2.1)瞬时流量数据集q_c＝{q_ce1(i),q_ce2(i)}，单位：L/h；

其中，q_ce1(i)为当前采集到的标准流量计的瞬时流量，q_ce2(i)为当前采集到的被检热量表的瞬时流量，1≤i≤k；

2.2)累积流量数据集q_L＝{q_Le1(i),q_Le2(i)}，单位：m³；

其中，1≤i≤k，q_Le1(i)为当前采集到的标准流量计的累积流量，q_Le2(i)为当前采集到的被检热量表的累积流量；

2.3)温度数据集T＝{T_c11(i),T_c12(i),T_Δ1c(i),T_c21(i),T_c22(i),T_Δ2c(i),T_c31(i)，T_c32(i)}，单位：℃；

其中，1≤i≤k，T_c11(i)为当前采集到的被检热量表进口温度，T_c12(i)为当前采集到的被检热量表的出口温度；T_Δ1c(i)当前采集到的被检热量表的进出口温差，T_c21(i)为当前采集到的前管路温度，T_c22(i)为当前采集到的后管路温度；T_Δ2c(i)当前采集到的前后管路温差，T_c31(i)为当前采集到的热水箱温度，T_c32(i)为当前采集到的冷水箱温度；

2.4)累积热量数据集Q_L＝{Q_Le1(i-j),Q_Le2(i-j)}

其中，1≤j≤i≤k，Q_Le1(i-j)为t(i)～t(j)时间段内根据采集到的标准流量计的累积流量及供回水端的温差所计算得到的标准累积热量，Q_Le2(i-j)为t(i)～t(j)时间段内采集到的被检热量表的累积热量；

2.5)管路压力数据集P＝{P_h1(i),P_h2(i)}，单位：MPa；

其中，1≤i≤k，P_h1(i)为当前采集到的前管路压力，P_h2(i)为当前采集到的后管路压力；

2.6)液位数据集L＝{L₁(i),L₂(i)}，单位：m；

其中，1≤i≤k，L₁(i)为当前采集到的热水箱液位，L₂(i)为当前采集到的冷水箱液位；

2.7)软件流量某阶段设定值为q_yushe，单位：L/h；水温的某阶段设定值T_yushe，单位：℃；管路中水温的设定最大值θ_max，单位：℃；管路中水温的设定最小值θ_min，单位：℃；系统运行时管路中压力的允许最大值P_high，单位：MPa；系统运行时管路中压力的允许最小值P_low，单位：MPa；水箱中水位的最大允许值L_high，单位：m；水箱中水位的最小允许值L_low，单位：m；

(3)对步骤(2)的各试验过程状态参数数据集进行状态参数特征提取，即：

最大值max＝{q_cmax，q_Lmax,Q_Lmax，T_max，P_max，L_max}；

最小值min＝{q_cmin，q_Lmin，Q_Lmin，T_min，P_min，L_min}；

平均值

中位值

方差σ＝{σ(q_c)，σ(q_L)，σ(Q_L)，σ(T)，σ(P)，σ(L)}；

(4)当选择4000次冷热冲击试验时，流量恒定，温度周期变化，先是θ_max的高温水以q_s流量对被检热量表进行热冲击试验2.5分钟，接着是θ_min的低温水以q_s流量对被检热量表进行冷冲击试验2.5分钟，如此循环进行4000个周期，每个周期持续5分钟，总耗时20000分钟；

(5)建立4000次冷热冲击试验的状态特征参数模型

管路压力P满足集合O_GYmax∩O_GYmin，其中:

集合O_GYmax：P_max≤P_high

集合O_GYmin：P_min≥P_low

水箱液位L满足集合O_SWmax∩O_SWmin，其中：

集合O_SWmax：L_max≤L_high

集合O_SWmin：L_min≥L_low

q_yushe＝q_s，瞬时流量q_c满足集合O_CLSmax∩O_CLSmin∩O_LELS1∩O_LELS2，则供水系统处于稳定状态；

集合O_CLSmax：q_cmax≤q_yushe

集合O_CLSmin：q_cmin≥q_yushe(1-5％)

集合O_LELS1：σ(q_ce1)≤0.5％×q_yushe

集合O_LELS2：

被检热量表的累积流量q_Le2满足集合O_LJ，集合O_LJ为：

5.1)当T_yushe＝θ_max时，管路中水流温度T满足集合O_GLGWG∩O_GLGWD∩O_GLGWC，则水温正常；

集合O_GLGWG：(T_c2max≤θ_max)∪(T_c3max≤θ_max)

集合O_GLGWD：(T_c2min≥θ_max-5℃)∪(T_c3min≥θ_maxx-5℃)

集合O_GLGWC：|T_c21(i)-T_c22(i)|≤5℃

5.2)当T_yushe＝θ_min时，管路中水流温度T满足集合O_GLDWG∩O_GLDWD∩O_GLDWC，认为水温正常

集合O_GLDWG：(T_c2max≤θ_min)∪(T_c3max≤θ_min)

集合O_GLDWD：(T_c2min≥θ_min+5℃)∪(T_c3min≥θ_min+5℃)

集合O_GLDWC：|T_c21(i)-T_c22(i)|≤5℃

(6)根据步骤(3)所提取的各状态参数的特征值，结合步骤(5)建立的各个温度状态的特征参数模型进行异常判定，即：

其中：f(μ,σ，max，min,Med，Desc，Asc)为异常点检测函数，1表示正常，0表示异常，E₃为试验方法3，即4000次冷热冲击试验下的所有特征参数集合，X₃为试验方法3下的当前特征参数集合；

E₃＝(O_GYmax∩O_GYmin)∩(O_SWmax∩O_SWmin)∩(O_CLPmax∩O_CLPmin∩O_LELP1∩O_LELP2)

∩(O_LJ)∩((O_GLGWG∩O_GLGWD∩O_GLGWC)∪(O_GLDWG∩O_GLDWD∩O_GLDWC))

若检测数据结果为异常，则获取其异常点的所有特征值，加入到异常数据集中，异常数据集记录了过程状态参数在不同工况状态下采用不同特征提取方法所检测出的异常点的集合，并对异常点进行验证。

进一步，上述步骤(5)中根据异常值在连续的采样周期内是否连续出现，异常值可分为两种情况：

(1)可恢复性异常点

在连续的采样周期内偶尔出现的异常点为可恢复的异常点，当出现可恢复性异常点时，查看环境、M-Bus接线良好与否、管道是否有堵塞物；

(2)不可恢复性异常点

在连续的采样周期内连续出现的异常点为不可恢复异常点，当出现不可恢复性异常点时，查看热量表、传感器、调节阀、电动阀是否发生故障，管道是否泄漏等，根据实际情况报警。

进一步，上述步骤(5)中异常点验证方法为：

(1)对于可恢复性异常点，依据拉依达准则判定验证当前采集的状态参数是否为异常值，当满足3σ准则集合O_JYZ时，X_T为正常值；当不满足3σ准则集合O_JYZ时，X_T为异常值；

集合O_JYZ：

X_T为当前采集的状态参数；X_T为该参数在采样时间段内的平均值，包括当前量；s(X_T)为该参数采样时间段内的历史实验偏差，包括当前量；

(2)对于不可恢复性异常点，在试验结束后进行相关检定或校准。

本发明所涉及的热量表耐久性冷热冲击试验异常点检测方法，能够对热量表耐久性冷热冲击试验过程监控故障异常点进行实时在线检测，有效提高了对试验过程的全程监控能力，提升了对故障异常点的精细化检测水平，检测过程自动化控制，节约人力成本，操作方便、可靠性高、使用寿命长、安全性好、检测结果可靠性高，有力促进对装置及其热量表的故障诊断及预测，避免因故障异常点导致的巨大经济损失及人员安全隐患，对提升产品计量保障能力及检验检测能力具有重要的意义。

附图说明

图1为实施例1的异常点检测流程图。

图2为管道压力曲线图。

图3为水箱液位曲线图。

图4为标准流量计最大流量点瞬时流量误差图。

图5为4000次冷热冲击试验时间管道水温。

具体实施方式

下面结合附图和具体实施例对本发明的技术方案进一步详细说明。

本实施例所述的热量表耐久性试验，通过设置热水测试循环和冷水测试循环，能够实现“4000次冷热冲击试验”，有效提高了热量表耐久性试验的检测效率和国产热量表生命周期的试验能力。

结合图1，用本实施例的热量表耐久性试验装置对热量表进行4000次冷热冲击试验时，所选热量表为等级3级的DN25热量表，其过程故障异常点的检测由以下步骤实现：

(1)以采样周期t_s＝5s为间隔对热量表耐久性试验过程状态参数，即被检热量表的瞬时流量、累积流量、累积热量、标准流量计的瞬时流量、累积流量、前管路温度、管路压力、后管路温度、压力、前后管路温差、水箱温度以及液位等。

(2)根据步骤(1)所采集的热量表耐久性试验过程状态参数，建立试验过程状态参数数据集，记当前采样次数为k，k≥1；采样时间t＝kt_s，则所建立的试验过程状态参数数据集包括：

2.1)瞬时流量数据集q_c＝{q_ce1(i),q_ce2(i)}，单位：L/h；

其中，q_ce1(i)为当前采集到的标准流量计的瞬时流量，q_ce2(i)为当前采集到的被检热量表的瞬时流量，1≤i≤k；

2.2)累积流量数据集q_L＝{q_Le1(i),q_Le2(i)}，单位：m³；

其中，1≤i≤k，q_Le1(i)为当前采集到的标准流量计的累积流量，q_Le2(i)为当前采集到的被检热量表的累积流量；

2.3)温度数据集T＝{T_c11(i),T_c12(i),T_Δ1c(i),T_c21(i),T_c22(i),T_Δ2c(i),T_c31(i)，T_c32(i)}，单位：℃；

其中，1≤i≤k，T_c11(i)为当前采集到的被检热量表进口温度，T_c12(i)为当前采集到的被检热量表的出口温度；T_Δ1c(i)当前采集到的被检热量表的进出口温差，T_c21(i)为当前采集到的前管路温度，T_c22(i)为当前采集到的后管路温度；T_Δ2c(i)当前采集到的前后管路温差，T_c31(i)为当前采集到的热水箱温度，T_c32(i)为当前采集到的冷水箱温度；

2.4)累积热量数据集Q_L＝{Q_Le1(i-j),Q_Le2(i-j)}

其中，1≤j≤i≤k，Q_Le1(i-j)为t(i)～t(j)时间段内根据采集到的标准流量计的累积流量及供回水端的温差所计算得到的标准累积热量，Q_Le2(i-j)为t(i)～t(j)时间段内采集到的被检热量表的累积热量；

2.5)管路压力数据集P＝{P_h1(i),P_h2(i)}，单位：MPa；

其中，1≤i≤k，P_h1(i)为当前采集到的前管路压力，P_h2(i)为当前采集到的后管路压力；

2.6)液位数据集L＝{L₁(i),L₂(i)}，单位：m；

其中，1≤i≤k，L₁(i)为当前采集到的热水箱液位，L₂(i)为当前采集到的冷水箱液位；

2.7)软件流量某阶段设定值为q_yushe，单位：L/h；水温的某阶段设定值T_yushe，单位：℃；管路中水温的设定最大值θ_max，单位：℃；管路中水温的设定最小值θ_min，单位：℃；系统运行时管路中压力的允许最大值P_high，单位：MPa；系统运行时管路中压力的允许最小值P_low，单位：MPa；水箱中水位的最大允许值L_high，单位：m；水箱中水位的最小允许值L_low，单位：m。

(3)对步骤(2)采集的各试验过程状态参数数据集，进行状态参数特征提取，即：

最大值max＝{q_cmax，q_Lmax,Q_Lmax，T_max，P_max，L_max}；

最小值min＝{q_cmin，q_Lmin，Q_Lmin，T_min，P_min，L_min}；

平均值

中位值

方差σ＝{σ(q_c)，σ(q_L)，σ(Q_L)，σ(T)，σ(P)，σ(L)}；

表1为各试验过程状态参数数据集特征简介

名称	介绍	检测意义
			最大值Max	数据中最大可达值	检测数值过高异常
最小值Min	数据中最小可达值	检测数值过低异常
			平均值Avg	所有数据的平均值	检测数据集中程度异常
中位值Med	一组数据中居于中间的一个值	检测数据集中程度异常
			方差Stdev	所有数据的方差值	检测数据变化程度异常常等

(4)依据欧洲耐久性标准和我国的热量表标准，4000次冷热冲击试验，即先是95℃的高温水以q_s＝7000L/h流量对被检热量表进行热冲击试验，紧接着是20℃的低温水以q_s＝7000L/h流量对被检热量表进行冷冲击试验，如此循环进行4000个周期，每个周期持续5分钟，总耗时20000分钟。

工控机通过采集卡对状态参数进行周期性检测，并记录预处理采样数据，令数据集D＝{q_c，q_L，Q_L，T，P，L}，当前采样次数为k，当前状态参数数据集为D(i)，数据集D中每一个数组都由M个元素构成，其中i＝{k-M+1,k-M+2,...,k}，D(i)|_i<＝0＝0；每一组每隔5秒更新增加一个元素。

(5)建立4000次冷热冲击试验的状态特征参数模型，具体如下：

管路压力P满足集合O_GYmax∩O_GYmin，管路某段时间内的压力监控参见图2；其中:

集合O_GYmax：P_max≤1.0MPa

集合O_GYmin：P_min≥0.1MPa

水箱液位L满足集合O_SWmax∩O_SWmin，水箱某段时间内的液位监控参见图3；其中：

集合O_SWmax：L_max≤0.65m

集合O_SWmin：L_min≥0.50m

q_yushe＝q_s＝7000L/h，每隔5s检查被检测热量表和标准流量计的瞬时流量q_c是否满足集合O_CLSmax∩O_CLSmin，则供水系统处于稳定状态；标准流量计某段时间的瞬时流量监控图参见图4。

集合O_CLSmax：q_c1max≤7000(1+5％)L/h＝7350L/h

集合O_CLSmin：q_c1min≥7000(1-5％)L/h＝6650L/h

检查标准流量计是否满足集合O_LELS1：

集合O_LELS1：σ(q_ce1)≤0.5％×7000L/h＝35L/h

检查被检测热量表是否满足集合O_LELS2：

集合O_LELS2：

被检热量表的累积流量q_Le2满足集合O_LJ，集合O_LJ为：

当T_yushe＝θ_max时，管路中水流温度T_c2和水箱中水温T_c3均满足集合O_GLGWG∩O_GLGWD∩O_GLGWC，则水温正常；管路某段时间内的水温监控参见图5；管路前水温与管路后水温之差满足集合O_GLGWC1；其中：

集合O_GLGWG：(T_c2max≤95℃)∪(T_c3max≤95℃)

集合O_GLGWD：(T_c2min≥90℃)∪(T_c3min≥90℃)

集合O_GLGWC：|T_c21(i)-T_c22(i)|≤5℃

当T_yushe＝θ_min时，管路中水流温度T满足集合O_GLDWG∩O_GLDWD∩O_GLDWC，认为水温正常；

集合O_GLDWD：(T_c2max≤25℃)∪(T_c3max≤25℃)

集合O_GLDWD：(T_c2min≥20℃)∪(T_c3min≥20℃)

集合O_GLDWC：|T_c21(i)-T_c22(i)|≤5℃

(6)根据步骤(3)所提取的各状态参数的特征值，结合步骤(5)建立的各个温度状态的特征参数模型进行异常判定；

其中：f(μ,σ，max，min,Med，Desc，Asc)为异常点检测函数，1表示正常，0表示异常，E₃为试验方法3，即4000次冷热冲击试验下的所有特征参数集合，X₃为试验方法3下的当前特征参数集合；

E3＝(O_GYmax∩O_GYmin)∩(O_SWmax∩O_SWmin)∩(O_CLSmax∩O_CLSmin∩O_LELS1∩O_LELS2)

∩(O_LJ)∩((O_GLGWG∩O_GLGWD∩O_GLGWC)∪(O_GLDWG∩O_GLDWD∩O_GLDWC))

若检测数据结果为异常，则获取其异常点的所有特征值，并将异常点的所有特征值加入到异常数据集中，异常数据集记录了过程状态参数在不同工况状态下采用不同特征提取方法所检测出的异常点的集合，根据异常值在连续的采样周期内是否连续出现，异常值可分为两种情况：在连续的采样周期内偶尔出现的异常点为可恢复的异常点，当出现可恢复性异常点时，查看环境、M-Bus接线良好与否、管道是否有堵塞物；在连续的采样周期内连续出现的异常点为不可恢复异常点，当出现不可恢复性异常点时，查看热量表、传感器、调节阀、电动阀是否发生故障，管道是否泄漏等，根据实际情况报警。对异常点一一进行验证，异常验证的方法如下：

(1)对于可恢复性异常点，依据拉依达准则判定验证当前采集的状态参数是否为异常值，当满足3σ准则集合O_JYZ时，X_T为正常值；当不满足3σ准则集合O_JYZ时，X_T为异常值；

集合O_JYZ：

X_T为当前采集的状态参数；为该参数在采样时间段内的平均值，包括当前量；s(X_T)为该参数采样时间段内的历史实验偏差，包括当前量；

(2)对于不可恢复性异常点，在试验结束后进行相关检定或校准。如热量表在试验过程出现连续的不可恢复性异常点，可立即终止试验后，送到检定部门进行检定验证。其他表则继续未完成的试验。

如传感器在试验过程出现连续的不可恢复性异常点，可立即终止试验后，送到校准部门进行校准验证。被检测表在传感器检定后合格再重新安装后或跟换新的传感器继续试验。

本实施例的试验结果分析如下：

(1)试验样表说明

试验样表为DN25热量表，等级3，厂家西安诺文电子科技股份有限公司、沈阳航发热计量技术有限公司、龙口博思达仪器仪表公司、西安旌旗电子股份有限公司、陕西米特智能科技有限公司、西安北斗星数码信息股份有限公司。共12块表，每个厂家各2块表，试验编号随机分配1～12。

(2)结果说明

(2.1)可恢复性异常点

在4000次冷热冲击试验中，总共出现可恢复性异常点53处，且相隔间接大。原因可能是流量切换时水流状态的急速变化、环境的不确定影响等。

把异常值代入集合O_JYZ中验证，可发现，通过验证的39个，还有14个3σ准则未检测出。可见本检测方法相比3σ准则更为精准可靠。

(2.2)不可恢复性异常点

3#、7#表在3500次的时候不再计量，且开始漏水。

5#、6#、12#表流量误差明显正方向偏离，且在3300次后负方向变大，变差超差。

本发明可以对故障异常点的精细化检测，能够对热量表耐久性冷热冲击试验过程监控故障异常点进行实时在线检测。

Claims (3)

1.一种热量表耐久性冷热冲击试验异常点检测方法，其特征在于由以下步骤组成：

(1)以采样周期t_s为间隔对热量表耐久性试验过程状态参数进行采集，热量表耐久性试验过程状态参数包括被检热量表的瞬时流量、累积流量、累积热量、标准流量计的瞬时流量、累积流量、前管路温度、管路压力、后管路温度、压力、前后管路温差、水箱温度以及液位；

(2)根据步骤(1)所采集的热量表耐久性试验过程状态参数，建立试验过程状态参数数据集，记当前采样次数为k，k≥1；采样时间t＝kt_s，单位：s；

2.1)瞬时流量数据集q_c＝{q_ce1(i),q_ce2(i)}，单位：L/h；

其中，q_ce1(i)为当前采集到的标准流量计的瞬时流量，q_ce2(i)为当前采集到的被检热量表的瞬时流量，1≤i≤k；

2.2)累积流量数据集q_L＝{q_Le1(i),q_Le2(i)}，单位：m³；

其中，1≤i≤k，q_Le1(i)为当前采集到的标准流量计的累积流量，q_Le2(i)为当前采集到的被检热量表的累积流量；

2.3)温度数据集T＝{T_c11(i),T_c12(i),T_Δ1c(i),T_c21(i),T_c22(i),T_Δ2c(i),T_c31(i)，T_c32(i)}，单位：℃；

其中，1≤i≤k，T_c11(i)为当前采集到的被检热量表进口温度，T_c12(i)为当前采集到的被检热量表的出口温度；T_Δ1c(i)当前采集到的被检热量表的进出口温差，T_c21(i)为当前采集到的前管路温度，T_c22(i)为当前采集到的后管路温度；T_Δ2c(i)当前采集到的前后管路温差，T_c31(i)为当前采集到的热水箱温度，T_c32(i)为当前采集到的冷水箱温度；

2.4)累积热量数据集Q_L＝{Q_Le1(i-j),Q_Le2(i-j)}

其中，1≤j≤i≤k，Q_Le1(i-j)为t(i)～t(j)时间段内根据采集到的标准流量计的累积流量及供回水端的温差所计算得到的标准累积热量，Q_Le2(i-j)为t(i)～t(j)时间段内采集到的被检热量表的累积热量；

2.5)管路压力数据集P＝{P_h1(i),P_h2(i)}，单位：MPa；

其中，1≤i≤k，P_h1(i)为当前采集到的前管路压力，P_h2(i)为当前采集到的后管路压力；

2.6)液位数据集L＝{L₁(i),L₂(i)}，单位：m；

其中，1≤i≤k，L₁(i)为当前采集到的热水箱液位，L₂(i)为当前采集到的冷水箱液位；

2.7)软件流量某阶段设定值为q_yushe，单位：L/h；水温的某阶段设定值T_yushe，单位：℃；管路中水温的设定最大值θ_max，单位：℃；管路中水温的设定最小值θ_min，单位：℃；系统运行时管路中压力的允许最大值P_high，单位：MPa；系统运行时管路中压力的允许最小值P_low，单位：MPa；水箱中水位的最大允许值L_high，单位：m；水箱中水位的最小允许值L_low，单位：m；

(3)对步骤(2)的各试验过程状态参数数据集进行状态参数特征提取，即：

最大值max＝{q_cmax，q_Lmax,Q_Lmax，T_max，P_max，L_max}；

最小值min＝{q_cmin，q_Lmin，Q_Lmin，T_min，P_min，L_min}；

平均值

中位值

方差σ＝{σ(q_c)，σ(q_L)，σ(Q_L)，σ(T)，σ(P)，σ(L)}；

(4)当选择4000次冷热冲击试验时，流量恒定，温度周期变化，先是θ_max的高温水以q_s流量对被检热量表进行热冲击试验2.5分钟，接着是θ_min的低温水以q_s流量对被检热量表进行冷冲击试验2.5分钟，如此循环进行4000个周期，每个周期持续5分钟，总耗时20000分钟；

(5)建立4000次冷热冲击试验的状态特征参数模型

管路压力P满足集合O_GYmax∩O_GYmin，其中:

集合O_GYmax：P_max≤P_high

集合O_GYmin：P_min≥P_low

水箱液位L满足集合O_SWmax∩O_SWmin，其中：

集合O_SWmax：L_max≤L_high

集合O_SWmin：L_min≥L_low

q_yushe＝q_s，瞬时流量q_c满足集合O_CLSmax∩O_CLSmin∩O_LELS1∩O_LELS2，则供水系统处于稳定状态；

集合O_CLSmax：q_cmax≤q_yushe

集合O_CLSmin：q_cmin≥q_yushe(1-5％)

集合O_LELS1：σ(q_ce1)≤0.5％×q_yushe

集合O_LELS2：

被检热量表的累积流量q_Le2满足集合O_LJ，集合O_LJ为：

当T_yushe＝θ_max时，管路中水流温度T满足集合O_GLGWG∩O_GLGWD∩O_GLGWC，则水温正常；

集合O_GLGWG1：(T_c2max≤θ_max)∪(T_c3max≤θ_max)

集合O_GLGWD1：(T_c2min≥θ_max-5℃)∪(T_c3min≥θ_maxx-5℃)

集合O_GLGWC1：|T_c21(i)-T_c22(i)|≤5℃

当T_yushe＝θ_min时，管路中水流温度T满足集合O_GLDWG∩O_GLDWD∩O_GLDWC，认为水温正常

集合O_GLDWG2：(T_c2max≤θ_min)∪(T_c3max≤θ_min)

集合O_GLDWD2：(T_c2min≥θ_min+5℃)∪(T_c3min≥θ_min+5℃)

集合O_GLDWC2：|T_c21(i)-T_c22(i)|≤5℃

(6)根据步骤(3)所提取的各状态参数的特征值，结合步骤(5)建立的各个温度状态的特征参数模型进行异常判定，即：

其中：f(μ,σ，max，min,Med，Desc，Asc)为异常点检测函数，1表示正常，0表示异常，E₃为试验方法3，即4000次冷热冲击试验下的所有特征参数集合，X₃为试验方法3下的当前特征参数集合；

E₃＝(O_GYmax∩O_GYmin)∩(O_SWmax∩O_SWmin)∩(O_CLPmax∩O_CLPmin∩O_LELP1∩O_LELP2)

∩(O_LJ)∩((O_GLGWG∩O_GLGWD∩O_GLGWC)∪(O_GLDWG∩O_GLDWD∩O_GLDWC))

若检测数据结果为异常，则获取其异常点的所有特征值，加入到异常数据集中，异常数据集记录了过程状态参数在不同工况状态下采用不同特征提取方法所检测出的异常点的集合，并对异常点进行验证。

2.根据权利要求1所述的热量表耐久性冷热冲击试验异常点检测方法，其特征在于所述步骤(5)中根据异常值在连续的采样周期内是否连续出现，异常值可分为两种情况：

(1)可恢复性异常点

在连续的采样周期内偶尔出现的异常点为可恢复的异常点，当出现可恢复性异常点时，查看环境、M-Bus接线良好与否、管道是否有堵塞物；

(2)不可恢复性异常点

在连续的采样周期内连续出现的异常点为不可恢复异常点，当出现不可恢复性异常点时，查看热量表、传感器、调节阀、电动阀是否发生故障，管道是否泄漏等，根据实际情况报警。

3.根据权利要求1所述的热量表耐久性冷热冲击试验异常点检测方法，其特征在于所述步骤(5)中异常点验证方法为：

(1)对于可恢复性异常点，依据拉依达准则判定验证当前采集的状态参数是否为异常值，当满足3σ准则集合O_JYZ时，X_T为正常值；当不满足3σ准则集合O_JYZ时，X_T为异常值；

集合O_JYZ：

X_T为当前采集的状态参数；为该参数在采样时间段内的平均值，包括当前量；s(X_T)为该参数采样时间段内的历史实验偏差，包括当前量；

(2)对于不可恢复性异常点，在试验结束后进行相关检定或校准。