CN109886837A - 居民用水模式的智能分析与故障诊断方法及系统 - Google Patents

Abstract

本发明公开了一种居民用水模式的智能分析与故障诊断方法及系统。该方法包括：包括以下步骤：步骤1：采集家庭用水数据，建立家庭用水数据库；步骤2：通过对家庭用水数据库内的数据进行分析处理，建立决策表，构建不同的用水模型；步骤3：实时数据采集，然后与各用水模型进行实时匹配，从而识别出用水设施的种类。本发明的有益效果是：采用非侵入式检测，最大限度的保护用户家庭的隐私。采用多类用水信息确定一种用水设施，确保用水设施的识别准确性，进而使得用水设施的故障诊断更加可靠。采用物联网技术，以及本发明描述的多重的报警机制和处理方法，使得家庭用水及其故障诊断更加智能化，人性化。

Description

居民用水模式的智能分析与故障诊断方法及系统

技术领域

本发明涉及一种用水模式的分析及诊断方法，具体涉及一种居民用水模式的智能分析以及故障诊断方法。属于智能家居技术领域。

背景技术

节约用水和用水安全是当今社会所关注的两个热点问题。提倡节约用水可以促进水资源的进一步利用，避免自然资源的过度浪费，实现可持续发展；注意用水安全问题，可以最大限度地保障家庭用水安全。但从目前地状况来看，部分家庭对居民用水安全的防范意识比较弱，厕所水箱故障、水管爆裂等原因造成生活的不便和经济上的损失；节约用水意识比较淡薄，水龙头忘关、关不紧的情况时有发生。因此，在人们的日常生活中，需要一种监测居民用水模式的方法，来保障家庭用水的正常运行。

就目前情况分析，居民用水模式的监测方法仍存在着一系列的困难与不足。首先，由于家庭内存在多样的用水设施，但是由于没有进行分类监测，容易导致监测的不准确；再者，居民需要最大限度的保护自己隐私，从而非侵入式检测是非常必要的；现有的监测方法通常采用物联网技术，但需要在每个用水设施上加装检测模块，成本高。通过对居民用水进行非侵入式检测，根据监测结果做出精准的判断，进而实现用水设施精准的识别与用水故障的及时处理，可以使得家庭用水更加的方便简洁、安全可靠。

通过用水数据进行人员用水行为的学习，为供水公司的决策提供支持，使得供水公司对用户用水的详细有更好的了解，能够更有针对性的提供供水服务。

发明内容

为克服现有技术中的不足，本发明的目的在于提供的一种居民用水模式的智能分析与故障诊断方法及系统。

为实现上述目的，本发明采用下述技术方案：

本发明提供了一种居民用水模式的智能分析与故障诊断方法，包括以下步骤：

步骤1：采集家庭用水数据，建立家庭用水数据库；

步骤2：通过对家庭用水数据库内的数据进行分析处理，建立决策表，构建不同的用水模型；

步骤3：实时数据采集，然后与各用水模型进行实时匹配，从而识别出用水设施的种类；

步骤4：将处理之后的实时数据与家庭用水数据库内所设定的安全数据进行实时匹配，若数据均处于安全范围之内，则用水设施正常用水，若数据不在安全范围之内，启动紧急处理模块，采取必要的措施。

优选的，所述步骤1中所述家庭用水信息通过在家庭的进水管道安装嵌有窄带物联网(NB-IoT)模块的智能水表进行采集。

优选的，所述步骤1包括：

步骤11：采集家庭用水数据，包括：用水时段、水流速、用水时长、用水量；

步骤12：对于采集到的数据，对不同用水设施所对应的不同用水数据进行标注；

步骤13：将标注好的数据，进行云储存；

步骤14：通过模糊划分，对用水时段、水流速、用水时长、用水量进行模糊粒化，得到模糊粒化数据；

步骤15：利用模糊粒化数据构建家庭用水数据库。

优选的，所述步骤2中建立决策表，即根据不同家庭用水数据，即用水时段、水流速、用水时长、用水量，对应不同用水设施的决策表。

优选的，所述步骤2中模型结构如下：用水时段+水流速+用水时长+用水量→用水设施。

优选的，所述步骤3包括步骤：

步骤31：采集实时数据，进行实时数据的预处理。

步骤32：根据数据粒化中的模糊划分，判断实时数据所对应的模糊集合。

步骤33：调用用水设施识别模型，进行规则匹配，若匹配成功，则输出相对应的用水设施种类；匹配不成功，则启动异常用水智能识别与处理模块，判断是否用水设施故障。

优选的，还包括异常用水智能识别与处理的步骤，包括：

家庭用水数据库内设定用水时长、用水量的安全阈值，若检测到实时用水时长与实时用水量超出安全阈值，则判定为异常用水，启动报警与紧急处理功能。

优选的，所述紧急处理包括：预先给进水管道安装自动阀门，当异常用水警报指令发出后，进水阀门关闭。

本发明还提供一种居民用水模式的智能分析与故障诊断系统，用于在执行时实现上述居民用水模式的智能分析与故障诊断方法的步骤，包括：

家庭用水数据库构建模块，该模块用于执行步骤1的方法；

用水模式智能构建模块，该模块用于执行步骤2的方法；

用水设备智能识别模块，该模块用于执行步骤3的方法；

异常用水智能识别与处理模块，该模块用于执行步骤4的方法。

由于采用上述技术方案，本发明的有益效果是：

(1)采用非侵入式检测，最大限度的保护用户家庭的隐私。

(2)采用多类用水信息确定一种用水设施，确保用水设施的识别准确性，进而使得故障诊断更加可靠。

(3)采用物联网技术，以及本发明描述的多重报警机制与处理方法，使得家庭用水及其故障诊断更加智能化，人性化。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是居民用水模式的智能分析与故障诊断方法总流程图；

图2是本发明用水时间模糊划分示意图；

图3是本发明水流速模糊划分示意图；

图4是本发明用水时长模糊划分示意图；

图5是本发明总流量模糊划分示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

实施例1

如图1所示，居民用水模式的智能分析与故障诊断方法及系统。

本发明通过采集家庭用水信息来建立家庭用水数据库，构建家庭用水模式，实现了不同时间段、不同用水情形下用水设施的智能识别，通过设定用水设施的安全阈值，进而实现异常用水的识别与告警，并且可以快速启动紧急处理模块，保证了家庭用水监测的准确性、可靠性，提高了处理异常用水的速度，确保家庭用水安全可靠。

本发明主要采用物联网技术，由四个核心模块构成，分别为家庭用水数据库构建模块、用水模式智能构建模块、用水设备智能识别模块、异常用水智能识别与处理模块。历史数据库构建模块主要是通过智能水表收集家庭用水数据，建立家庭用水数据库；用水模式智能构建模块主要是通过对家庭用水数据库内的数据进行分析处理，建立决策表，构建不同的用水模型；用水设备智能识别模块主要进行实时数据采集，然后与各用水模型进行实时匹配，从而识别出用水设施的种类；异常用水智能识别与处理模块主要是将处理之后的实时数据与家庭用水数据库内所设定的安全数据进行实时匹配，若数据均处于安全范围之内，则用水设施正常用水，若数据不在安全范围之内，启动紧急处理模块，采取必要的措施。

各个模块的详细功能如下:

1.家庭用水数据库构建模块

本模块的主要作用是采集大量的历史数据，进行预处理，建立家庭用水数据库，并与用水模式智能构建模块、用水设备智能识别模块、异常用水智能识别与处理模块相通信。

(1)在家庭的进水管道安装嵌有窄带物联网(NB-IoT)模块的智能水表，来采集家庭用水信息，包括：用水时段、水流速、用水时长、用水量。

用水时段：用水设施正在用水时所处的时间段。

水流速：用水设施的瞬间用水流速。

用水时长：用水设施从开始用水到结束用水所历经的时间。

用水量：用水设施从开始用水到结束用水的总用水量。

对于采集到的数据，对不同用水设施所对应的不同用水数据进行标注。

前期采集数据用作训练数据，需要人工标注。在前期采集数据时，应该避免多个用水设施同时用水的情况发生。

用水设施：洗衣机、浴室、洗漱间、厕所水箱、阳台、厨房。

将标注好的数据，上传至云端服务器，进行云储存。

(2)用水数据具有用水时段、水流速、用水时长、用水量四个大数据集，对于每一个的用水要素，进行模糊划分，得到不同的属性子集合，每一个属性子集合对应着其属性函数，将采集的家庭用水数据与属性函数进行一一对应，将家庭用水数据归于不同的属性子集合中，进行了数据粒化，进而建立了不同的模糊集合。

图2为用水时间的模糊划分，根据家庭用水时间特性分为清晨、早餐、上班(上午)、午餐、上班(下午)、晚餐、饭后活动、夜间八个集合，建立用水时间相对应的不同模糊集合。

例如：用水时间数据

如果为上午10:00-10:10,则该数据所对应的模糊粒化数据集合为“上班(上午)”。

图3为水流速的模糊划分，根据水流速的快慢程度将水流速划分为很慢、稍慢、慢、稍快、快、很快六个集合，建立水流速相对应的不同模糊集合。

图4为用水时长的模糊划分，根据用水时间的长短将用水时长划分为很短、较短、短、较长、长、很长六个集合，建立用水时长相对应的不同模糊集合。

图5为用水总流量的模糊划分，根据用水总量的多少将总流量划分为很少、较少、少、较多、多、很多六个集合，建立总流量相对应的不同模糊集合。

(3)利用粒化数据构建家庭用水数据库。

2.用水模式智能构建模块

本模块用于建立决策表，进而生成各用水设施的数据模型，并与家庭用水数据库构建模块、用水设备智能识别模块、异常用水智能识别与处理模块通信。

(1)利用家庭用水数据库内的数据构建决策表，不同家庭用水信息对应不同用水设施的决策表如表1所示：

表1决策表

(2)对于家庭用水场景，构建用水设施识别模型，其模型结构如下：用水时段+水流速+用水时长+用水量→用水设施。所得到的用水设施识别模型应具有下述规则形式：如果在时刻T，以流速F用了W时间的水，用水总量为V，那么对应的用水设施为Y。其中，T为某一个用水时段的某一个时刻，F为某一个水流速度值，W为用水的时间总长值，V用水的总量值，Y为某一个家庭用水设施。T,F,W,V,Y在其对应的模糊划分中取值。

3.用水设备智能识别模块

本模块主要是通过实时数据与用水设施识别模型相匹配，得到相应的用水设施，且与家庭用水数据库构建模块、用水模式智能构建模块、异常用水智能识别与处理模块相通信。

(1)采集实时数据，进行实时数据的预处理。

(2)根据数据粒化中的模糊划分，判断实时数据所对应的模糊集合。

(3)调用用水设施识别模型，进行规则匹配，若匹配成功，则输出相对应的用水设施种类；匹配不成功，则启动异常用水智能识别与处理模块，判断是否用水设施故障。

4.异常用水智能识别与处理模块

此模块主要是判断用水设施是否存在异常用水，若异常用水则启动处理模块。并且与家庭用水数据库构建模块、用水模式智能构建模块、用水设备智能识别模块。

异常用水判断：家庭用水数据库内设定用水时长、用水量的安全阈值，若检测到实时用水时长与实时用水量超出安全阈值，则判定为异常用水，启动报警与紧急处理功能。

异常用水处理：异常用水处理部分主要具有报警和紧急处理功能。

(1)报警功能：当系统判定用水设施异常用水时，启动家用报警系统，发出警报声，告知用户进行下一步的检查与维修。通过远程通信功能，告知不在家的用户用水设施异常用水。

(2)紧急处理功能：预先给进水管道安装自动阀门，当异常用水警报指令发出后，进水阀门关闭。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (9)

1.一种居民用水模式的智能分析与故障诊断方法，其特征在于，包括以下步骤：

步骤1：采集家庭用水数据，建立家庭用水数据库；

步骤2：通过对家庭用水数据库内的数据分析处理，建立决策表，构建不同的用水模型；

步骤3：实时数据采集，然后与各用水模型进行实时匹配，从而识别出用水设施的种类；

步骤4：将处理之后的实时数据与家庭用水数据库内所设定的安全数据进行实时匹配，若数据均处于安全范围之内，则用水设施正常用水，若数据不在安全范围之内，启动紧急处理模块，采取必要的措施。

2.根据权利要求1所述的居民用水模式的智能分析与故障诊断方法，其特征在于，所述步骤1中所述家庭用水信息通过在家庭的进水管道安装嵌有窄带物联网(NB-IoT)模块的智能水表进行采集。

3.根据权利要求1所述的居民用水模式的智能分析与故障诊断方法，其特征在于，所述步骤1包括：

步骤11：采集家庭用水数据，包括：用水时段、水流速、用水时长、用水量；

步骤12：对于采集到的数据，对不同用水设施所对应的不同用水数据进行标注；

步骤13：将标注好的数据，进行云储存；

步骤14：通过模糊划分，对用水时段、水流速、用水时长、用水量进行模糊粒化，得到模糊粒化数据；

步骤15：利用模糊粒化数据构建家庭用水数据库。

4.根据权利要求1所述的居民用水模式的智能分析与故障诊断方法，其特征在于，所述步骤2中根据不同家庭用水数据建立决策表，即用水时段、水流速、用水时长、用水量，对应不同用水设施的决策表。

5.根据权利要求1所述的居民用水模式的智能分析与故障诊断方法，其特征在于，所述步骤2中模型结构如下：用水时段+水流速+用水时长+用水量→用水设施。

6.根据权利要求1所述的居民用水模式的智能分析与故障诊断方法，其特征在于，所述步骤3包括步骤：

步骤31：采集实时数据，进行实时数据的预处理；

步骤32：根据数据粒化中的模糊划分，判断实时数据所对应的模糊集合；

步骤33：调用用水设施识别模型，进行规则匹配，若匹配成功，则输出相对应的用水设施种类；匹配不成功，则启动异常用水智能识别与处理模块，判断是否用水设施故障。

7.根据权利要求1所述的居民用水模式的智能分析与故障诊断方法，其特征在于，还包括异常用水智能识别与处理的步骤，包括：

家庭用水数据库内设定用水时长、用水量的安全阈值，若检测到实时用水时长与实时用水量超出安全阈值，则判定为异常用水，启动报警与紧急处理功能。

8.根据权利要求7所述的居民用水模式的智能分析与故障诊断方法，其特征在于，所述紧急处理包括：预先给进水管道安装自动阀门，当异常用水警报指令发出后，进水阀门关闭。

9.一种居民用水模式的智能分析与故障诊断系统，其特征在于，用于在执行时实现权利要求1-8任一项所述的居民用水模式的智能分析与故障诊断方法的步骤，包括：

家庭用水数据库构建模块，该模块用于执行步骤1的方法；

用水模式智能构建模块，该模块用于执行步骤2的方法；

用水设备智能识别模块，该模块用于执行步骤3的方法；

异常用水智能识别与处理模块，该模块用于执行步骤4的方法。