CN110469522A - 一种排水系统的异常检测方法及装置 - Google Patents

一种排水系统的异常检测方法及装置 Download PDF

Info

Publication number
CN110469522A
CN110469522A CN201910744375.1A CN201910744375A CN110469522A CN 110469522 A CN110469522 A CN 110469522A CN 201910744375 A CN201910744375 A CN 201910744375A CN 110469522 A CN110469522 A CN 110469522A
Authority
CN
China
Prior art keywords
data
real
time data
detection
abnormal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910744375.1A
Other languages
English (en)
Inventor
宗云兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur General Software Co Ltd
Original Assignee
Inspur General Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inspur General Software Co Ltd filed Critical Inspur General Software Co Ltd
Priority to CN201910744375.1A priority Critical patent/CN110469522A/zh
Publication of CN110469522A publication Critical patent/CN110469522A/zh
Pending legal-status Critical Current

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
    • E21F16/00—Drainage
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
    • E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
    • E21F17/18—Special adaptations of signalling or alarm devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
    • F04D15/0088—Testing machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Mining & Mineral Resources (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mechanical Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供了一种排水系统的异常检测方法及装置，该方法包括：在待检测排水系统中的至少一个检测点分别安装传感器，所述传感器的类型与所对应的所述检测点的数据检测类型相对应；利用所述传感器对所对应的检测点的实时状态进行检测，获取所述实时状态所对应的实时数据；针对每一个所述传感器检测的所述实时数据执行：利用异常检测模型确定所述实时数据中是否存在异常数据，如果是，则确定所述实时数据所对应的检测点异常。本方案能提高排水系统异常检测的准确率，且可对排水系统异常进行预警，从而有效降低安全风险和经济损失。

Description

一种排水系统的异常检测方法及装置
技术领域
本发明涉及计算机技术领域，特别涉及一种排水系统的异常检测方法及装置。
背景技术
目前我国绝大多数煤矿矿井都配备有以水泵为核心的排水系统，确保水泵正常运行对矿井的正常运作至关重要，因此，对水泵的异常检测在维护矿井运作的过程中也显得尤为重要。
目前，对水泵的异常检测主要通过检测人员凭经验进行判断，例如，水泵发生异常时，其振动频率较正常状态会变高，则检测人员可通过检查振动时的噪声等，确定水泵运行是否异常。
上述检测过程主要通过检测人员凭经验对水泵的异常进行检查，其不仅准确率较低，且仅在水泵发生异常情况后，检测人员才能凭经验判断，则对于水泵的异常检测具有滞后性。
发明内容
本发明实施例提供了一种排水系统的异常检测方法及装置，能提高排水系统异常检测的准确率，且可对排水系统异常进行预警，从而有效降低安全风险和经济损失。
第一方面，本发明实施例提供了一种排水系统的异常检测方法，包括：
在待检测排水系统中的至少一个检测点分别安装传感器，所述传感器的类型与所对应的所述检测点的数据检测类型相对应；
利用所述传感器对所对应的检测点的实时状态进行检测，获取所述实时状态所对应的实时数据；
针对每一个所述传感器检测的所述实时数据执行：利用异常检测模型确定所述实时数据中是否存在异常数据，如果是，则确定所述实时数据所对应的检测点异常。
优选地，
所述利用异常检测模型确定所述实时数据中是否存在异常数据，包括：
对所述实时数据进行数据清洗和格式转换，以对所述实时数据进行预处理；
根据所述实时数据所对应的检测点的数据检测类型，将预处理后的实时数据进行特征化处理以及皮尔森相关性分析，得到目标数据；
确定所述目标数据中是否存在异常数据。
优选地，
所述将预处理后的实时数据进行皮尔森相关性分析，包括：
将所述预处理后的实时数据作为当前数据，利用以下计算公式，计算所述当前数据与其他实时数据的线性相关度，根据所述线性相关度对所述当前数据分析所述当前数据与所述其他实时数据的皮尔森相关性；其中，所述其他实时数据为各个所述传感器检测到的实时数据中，除所述当前数据以外的其他实时数据；
其中，r表征所述线性相关度，表征所述当前数据的平均值，表征所述其他实时数据的平均值，Xi表征第i个当前数据，Yi表征第i个其他实时数据。
优选地，
安装可编程逻辑控制器PLC，并开发PLC的通讯接口；
通过PLC接收检测参数，根据所述检测参数控制所述传感器的工作状态，并根据所述通讯接口接收所述传感器获取的所述实时数据。
优选地，
根据所述待检测排水系统的历史运行数据，利用iForest算法构建所述异常检测模型；
根据所述历史运行数据中的标签数据，对所述异常检测模型进行优化；
则，所述利用异常检测模型确定所述实时数据中是否存在异常数据，包括：利用优化后的所述异常检测模型确定是否存在异常数据。
优选地，进一步包括：
开发预警界面；
利用所述预警界面接收维护数据，并根据所述维护数据对所述异常数据所对应的检测点进行维护。
优选地，
所述检测点包括以下任意一个或多个：水泵、闸阀、逆止阀、底阀、引水装置、水管、压力表、电动机、电缆、启动控制开关。
第二方面，本发明实施例提供了一种排水系统的异常检测装置，包括：安装模块、数据检测模块、异常检测模块；其中，
所述安装模块，用于在待检测排水系统中的至少一个检测点分别安装传感器，所述传感器的类型与所对应的所述检测点的数据检测类型相对应；
所述数据检测模块，用于利用所述传感器对所对应的检测点的实时状态进行检测，获取所述实时状态所对应的实时数据；
所述异常检测模块，用于针对每一个所述传感器检测的所述实时数据执行：利用异常检测模型确定所述实时数据中是否存在异常数据，如果是，则确定所述实时数据所对应的检测点异常。
优选地，
所述异常检测模块，用于对所述实时数据进行数据清洗和格式转换，以对所述实时数据进行预处理；根据所述实时数据所对应的检测点的数据检测类型，将预处理后的实时数据进行特征化处理以及皮尔森相关性分析，得到目标数据；确定所述目标数据中是否存在异常数据。
优选地，
所述异常检测模块，用于将所述预处理后的实时数据作为当前数据，利用以下计算公式，计算所述当前数据与其他实时数据的线性相关度，根据所述线性相关度对所述当前数据分析所述当前数据与所述其他实时数据的皮尔森相关性；其中，所述其他实时数据为各个所述传感器检测到的实时数据中，除所述当前数据以外的其他实时数据；
其中，r表征所述线性相关度，表征所述当前数据的平均值，表征所述其他实时数据的平均值，Xi表征第i个当前数据，Yi表征第i个其他实时数据。
本发明实施例提供一种排水系统的异常检测方法及装置，通过在待检测排水系统中的检测点安装传感器，然后利用传感器对其所对应的检测点的实时状态进行检测，以获取该检测点的实时状态所对应的实时数据，然后可利用异常检测模型确定实时数据中是否存在异常数据，如果是，则预测存在异常数据的实时数据所对应的检测点异常，以此实现了自动化检测排水系统的异常情况，并且通过异常检测模型准确识别出实时数据中的异常数据，提高了排水系统异常检测的准确率。另外，通过异常检测模型识别异常数据，可在排水系统的异常潜伏期即可识别出异常，从而实现了对排水系统的异常进行预警，进而有效降低了排水系统的安全风险和经济损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种排水系统的异常检测方法的流程图；
图2是本发明另一个实施例提供的一种排水系统的异常检测方法的流程图；
图3是本发明一个实施例提供的一种排水系统的异常检测装置的结构示意图；
图4是本发明另一个实施例提供的一种排水系统的异常检测装置的结构示意图；
图5是本发明又一个实施例提供的一种排水系统的异常检测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种排水系统的异常检测方法，该方法可以包括以下步骤：
步骤101：在待检测排水系统中的至少一个检测点分别安装传感器，所述传感器的类型与所对应的所述检测点的数据检测类型相对应；
在这里，传感器的类型与检测点的数据检测类型相对应表示：检测点的数据检测类型为电流时，传感器的类型为电流传感器，当检测点的数据检测类型为电压时，传感器的类型为电压传感器，以此类推，使得传感器的类型与检测点的数据检测类型相对应。
步骤102：利用所述传感器对所对应的检测点的实时状态进行检测，获取所述实时状态所对应的实时数据；
步骤103：针对每一个所述传感器检测的所述实时数据执行：利用异常检测模型确定所述实时数据中是否存在异常数据，如果是，则确定所述实时数据所对应的检测点异常。
在上述实施例中，通过在待检测排水系统中的检测点安装传感器，然后利用传感器对其所对应的检测点的实时状态进行检测，以获取该检测点的实时状态所对应的实时数据，然后可利用异常检测模型确定实时数据中是否存在异常数据，如果是，则预测存在异常数据的实时数据所对应的检测点异常，以此实现了自动化检测排水系统的异常情况，并且通过异常检测模型准确识别出实时数据中的异常数据，提高了排水系统异常检测的准确率。另外，通过异常检测模型识别异常数据，可在排水系统的异常潜伏期即可识别出异常，从而实现了对排水系统的异常进行预警，进而有效降低了排水系统的安全风险和经济损失。
其中，在安装传感器前，可先梳理排水系统中的各个检测点(组件)，调研并确定可在哪些检测点的哪些位置安装传感器，确定需要采集的数据，确定可调整的检测点开关范围和数据范围。排水系统可由具体企业厂商确定，但核心的水泵、电机、阀门和管路是必备组成部分。水泵、电机等品牌和型号也可依实际情况而定即可。排水系统的所有检测点(组件)必须确保畅通可用，否则将发生所见非所得的错误现象。
其中，所述检测点为排水系统中的组件，这些检测点可以包括以下任意一个或多个：水泵、闸阀、逆止阀、底阀、引水装置、水管、压力表、电动机、电缆、启动控制开关。一般情况下，水泵、电动机、阀门和水管都设置为检测点。
在检测点安装传感器时，一旦确定了排水系统主要的器件组成(主要是水泵、电机的品牌型号)，下一步则是确定传感器的安装。一般首先要根据设备的出厂说明书，详细了解电机、水泵等的具体结构参数和工况参数。然后在可能的情况下，确保电流、电压、振动、流量、压力、温度等传感器可以良好地安装到机器上。异常检测模型并非只针对以上这六种传感器，如其他的加速度传感器、光学传感器也可以纳入进来。确定好传感器以后，具体安装传感器时一般按照如下步骤进行：a.通过专业仪表，在特定大气压和温度条件下，核实传感器的频率反应值；b.核实传感器的编码与相应的频率反应信号的正确性；c.传感器建议沿着线缆安装，安装在线缆接头处最佳；d.确定线缆敷设方式，保证线路安全。在安装传感器时，可结合矿用水泵的日常运转和故障发生情况，安装电流、电压、振动、温度、压力、流量等传感器。
在本发明一个实施例中，该方法可以进一步包括：安装可编程逻辑控制器PLC，并开发PLC的通讯接口；通过PLC接收检测参数，根据所述检测参数控制所述传感器的工作状态，并根据所述通讯接口接收所述传感器获取的所述实时数据。
采集的实时出具可通过openTSDB进行存储，而为了便于用户控制检测过程，可安装PLC，以使用户通过PLC输入检测参数。另外，为了便于实时数据的采集和存储，还需开发PLC与openTSDB的通讯接口，具体地，可根据openTSDB的api接口标准在PLC上编程，以开发PLC的通讯接口，从而满足传感器实时数据的传递。
其中，在安装PLC时需注意：PLC不宜直接安装在以下场景中：含有腐蚀性气体之场所，阳光直接照射到的地方，温度上下值在短时间内急剧变化的地方，油、水、化学物质容易侵入的地方，有大量灰尘的地方，振动大且会造成安装件移位的地方。如果上述条件不能避免，则要为PLC制作控制箱。使用控制箱时，需要注意：控制箱内空气流通是否顺畅、箱内各装置间保持适当距离、动力线与信号控制线是否需要分开配置，组件安装位置是否方便日后检修，是否需要预留空间供系统扩展。静电也是安装PLC时必须要注意的，尤其是在北方或干燥的空间中，PLC极易受到静电的致命打击。为避免静电产生，需要注意几点：人员维修或更换组件时，要提前触摸金属或大地，去除身体上静电；不要接触电路板插头等。安装基座时，在确定组件及线槽位置后，要严格按照标准尺寸，标定孔位，钻孔后将固定螺丝旋紧到基座牢固为止。在安装电源模块前，必须将电源线接地端与金属机壳连接。I/O模块在插入导槽时，务必插到底，以确保各接触点紧密结合；接线端子排插入后，其上下螺丝必须旋紧。
在本发明一个实施例中，步骤103的具体实施方式可以包括：对所述实时数据进行数据清洗和格式转换，以对所述实时数据进行预处理；根据所述实时数据所对应的检测点的数据检测类型，将预处理后的实时数据进行特征化处理以及皮尔森相关性分析，得到目标数据；确定所述目标数据中是否存在异常数据。
在通过openTSDB储存了各项传感器数据以后，采用iForest算法开发异常检测模型。由于不同传感器采集的数据格式不同，有的是json格式，有的是结构化的，因此在数据预处理时，需要进行不同清洗措施和格式转换，如行列转置、sring转换为number数值类型。同时可能还要根据数值大小进行0-1归一化处理。其次，可对传感器采集的数据进行特征化处理和相关性分析，例如，根据工业设备的故障类型和产生故障的原因，筛选有关的数据列，以去除不相关的特征，实现对实时数据的特征化处理。另外，进行皮尔森相关性分析也很有必要，皮尔森相关系数可用来反映两个变量线性相关程度的统计量。
具体地，在本发明一个实施例中，所述将预处理后的实时数据进行皮尔森相关性分析，包括：将所述预处理后的实时数据作为当前数据，利用以下计算公式，计算所述当前数据与其他实时数据的线性相关度，根据所述线性相关度对所述当前数据分析所述当前数据与所述其他实时数据的皮尔森相关性；其中，所述其他实时数据为各个所述传感器检测到的实时数据中，除所述当前数据以外的其他实时数据；
其中，r表征所述线性相关度，表征所述当前数据的平均值，表征所述其他实时数据的平均值，Xi表征第i个当前数据，Yi表征第i个其他实时数据。
然后，可根据不同的开发语言(python、java)，利用常见第三方开源集成开发工具PyCharm、Eclipse编写代码。iForest算法借用开源代码版本即可。
代码示例如下：
import pandas as pd
import numpy as np
from sklearn.ensemble import IsolationForest
def iforest(pumpdata,user,threshold):
length＝len(pumpdata)
clf＝IsolationForest(max_samples＝length,random_state＝rng)
clf.fit(pumpdata)
b＝clf.decision_function(pumpdata)
print('Minimum decision value for user％d:％f'％(user['prsId'][user.index[0]],min(b)))
在开发出异常检测模型后，为了保证异常检测模型的准确率，在本发明一个实施例中，该方法可以进一步包括：根据所述待检测排水系统的历史运行数据，利用iForest算法构建所述异常检测模型；根据所述历史运行数据中的标签数据，对所述异常检测模型进行优化；则，所述利用异常检测模型确定所述实时数据中是否存在异常数据，包括：利用优化后的所述异常检测模型确定是否存在异常数据。
一般情况下，搭建异常检测模型的过程是无监督学习的过程，因此需要用矿用水泵的历史运行数据中的标签数据来验证和优化异常检测模型，其中，标签数据可以是任意类型的，但其时间戳需尽可能准确，以准确验证异常检测模型。
由此可以看出，在构建异常检测模型时，数据经过了数据清洗和格式转换，则在利用异常检测模型确定实时数据是否存在异常数据时，实时数据也可经过数据清洗和格式转换，以便于异常检测模型对实时数据的识别。进一步地，还可对实时数据进行特征化处理以及皮尔森相关性分析，以提高数据分析的准确性。
进一步地，为了提高用户体验，在本发明一个实施例中，该方法还可以进一步包括：开发预警界面；利用所述预警界面接收维护数据，并根据所述维护数据对所述异常数据所对应的检测点进行维护。
在这里，可根据用户需求，利用JS开发工具开发水泵异常检测检测，并开发矿用水泵预警界面，供排水系统的维护人员使用，以使维护人员可根据预警界面输入维护数据，以对异常数据所对应的检测点进行维护。
综上所述，本发明实施例提供的异常检测方法可以包括如图2所示的步骤，其对应的模块化结构可如图3所示；
步骤201：在待检测排水系统中的至少一个检测点分别安装传感器。
例如，在水泵、闸阀、逆止阀、底阀、引水装置、水管、压力表、电动机、电缆、启动控制开关等装置组件的检测点安装传感器，安装的传感器包括电流、电压、振动、温度、压力、流量等传感器。
步骤202：利用所述传感器对所对应的检测点的实时状态进行检测，获取所述实时状态所对应的实时数据。
这些实时数据包括电流、电压、振动、温度、压力、流量等数据。
步骤203：安装可编程逻辑控制器PLC，并开发PLC的通讯接口；通过PLC接收检测参数，根据所述检测参数控制所述传感器的工作状态，并根据所述通讯接口接收所述传感器获取的所述实时数据，将实时数据存储至openTSDB。
步骤204：根据所述待检测排水系统的历史运行数据，利用iForest算法构建所述异常检测模型；根据所述历史运行数据中的标签数据，对所述异常检测模型进行优化。
步骤205：对openTSDB中的所述实时数据进行数据清洗和格式转换，以对所述实时数据进行预处理；根据所述实时数据所对应的检测点的数据检测类型，将预处理后的实时数据进行特征化处理以及皮尔森相关性分析，得到目标数据。
步骤206：利用优化后的异常检测模型，判断目标数据中是否存在异常数据，如果是，执行步骤207，否则结束当前流程。
步骤207：预测异常数据对应的检测点异常。
如图4、图5所示，本发明实施例提供了一种排水系统的异常检测装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图4所示，为本发明实施例排水系统的异常检测装置所在设备的一种硬件结构图，除了图4所示的CPU、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图5所示，作为一个逻辑意义上的装置，是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。本实施例提供的排水系统的异常检测装置包括：安装模块501、数据检测模块502、异常检测模块503；其中，
所述安装模块501，用于在待检测排水系统中的至少一个检测点分别安装传感器，所述传感器的类型与所对应的所述检测点的数据检测类型相对应；
所述数据检测模块502，用于利用所述传感器对所对应的检测点的实时状态进行检测，获取所述实时状态所对应的实时数据；
所述异常检测模块503，用于针对每一个所述传感器检测的所述实时数据执行：利用异常检测模型确定所述实时数据中是否存在异常数据，如果是，则确定所述实时数据所对应的检测点异常。
在本发明一个实施例中，所述异常检测模块503，用于对所述实时数据进行数据清洗和格式转换，以对所述实时数据进行预处理；根据所述实时数据所对应的检测点的数据检测类型，将预处理后的实时数据进行特征化处理以及皮尔森相关性分析，得到目标数据；确定所述目标数据中是否存在异常数据。
在本发明一个实施例中，所述异常检测模块503，用于将所述预处理后的实时数据作为当前数据，利用以下计算公式，计算所述当前数据与其他实时数据的线性相关度，根据所述线性相关度对所述当前数据分析所述当前数据与所述其他实时数据的皮尔森相关性；其中，所述其他实时数据为各个所述传感器检测到的实时数据中，除所述当前数据以外的其他实时数据；
其中，r表征所述线性相关度，表征所述当前数据的平均值，表征所述其他实时数据的平均值，Xi表征第i个当前数据，Yi表征第i个其他实时数据。
上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本发明实施例提供了一种可读介质，包括执行指令，当存储控制器的处理器执行所述执行指令时，所述存储控制器执行本发明上述任一实施例提供的方法。
本发明实施例提供了一种存储控制器，包括：处理器、存储器和总线；所述存储器用于存储执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述执行指令，以使所述存储控制器执行本发明上述任一实施例提供的方法。
综上所述，本发明以上各个实施例至少具有如下有益效果：
1、在本发明实施例中，通过在待检测排水系统中的检测点安装传感器，然后利用传感器对其所对应的检测点的实时状态进行检测，以获取该检测点的实时状态所对应的实时数据，然后可利用异常检测模型确定实时数据中是否存在异常数据，如果是，则预测存在异常数据的实时数据所对应的检测点异常，以此实现了自动化检测排水系统的异常情况，并且通过异常检测模型准确识别出实时数据中的异常数据，提高了排水系统异常检测的准确率。
2、在本发明实施例中，通过异常检测模型识别异常数据，可在排水系统的异常潜伏期即可识别出异常，从而实现了对排水系统的异常进行预警，进而有效降低了排水系统的安全风险和经济损失。
3、在本发明实施例中，安装PLC并开发预警界面，可通过PLC接收检测参数，通过预警界面接收维护数据，便于用户对检测参数和维护数据的输入，从而提高用户体验。
4、在本发明实施例中，通过排水系统的历史运行数据中的标签数据，对异常检测模型进行优化，以准确验证异常检测模型，从而提高检测异常数据的准确性。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种排水系统的异常检测方法，其特征在于，包括：
在待检测排水系统中的至少一个检测点分别安装传感器，所述传感器的类型与所对应的所述检测点的数据检测类型相对应；
利用所述传感器对所对应的检测点的实时状态进行检测，获取所述实时状态所对应的实时数据；
针对每一个所述传感器检测的所述实时数据执行：利用异常检测模型确定所述实时数据中是否存在异常数据，如果是，则确定所述实时数据所对应的检测点异常。
2.根据权利要求1所述的方法，其特征在于，
所述利用异常检测模型确定所述实时数据中是否存在异常数据，包括：
对所述实时数据进行数据清洗和格式转换，以对所述实时数据进行预处理；
根据所述实时数据所对应的检测点的数据检测类型，将预处理后的实时数据进行特征化处理以及皮尔森相关性分析，得到目标数据；
确定所述目标数据中是否存在异常数据。
3.根据权利要求2所述的方法，其特征在于，
所述将预处理后的实时数据进行皮尔森相关性分析，包括：
将所述预处理后的实时数据作为当前数据，利用以下计算公式，计算所述当前数据与其他实时数据的线性相关度，根据所述线性相关度对所述当前数据分析所述当前数据与所述其他实时数据的皮尔森相关性；其中，所述其他实时数据为各个所述传感器检测到的实时数据中，除所述当前数据以外的其他实时数据；
其中，r表征所述线性相关度，表征所述当前数据的平均值，表征所述其他实时数据的平均值，Xi表征第i个当前数据，Yi表征第i个其他实时数据。
4.根据权利要求1所述的方法，其特征在于，进一步包括：
安装可编程逻辑控制器PLC，并开发PLC的通讯接口；
通过PLC接收检测参数，根据所述检测参数控制所述传感器的工作状态，并根据所述通讯接口接收所述传感器获取的所述实时数据。
5.根据权利要求1所述的方法，其特征在于，进一步包括：
根据所述待检测排水系统的历史运行数据，利用iForest算法构建所述异常检测模型；
根据所述历史运行数据中的标签数据，对所述异常检测模型进行优化；
则，所述利用异常检测模型确定所述实时数据中是否存在异常数据，包括：利用优化后的所述异常检测模型确定是否存在异常数据。
6.根据权利要求1所述的方法，其特征在于，进一步包括：
开发预警界面；
利用所述预警界面接收维护数据，并根据所述维护数据对所述异常数据所对应的检测点进行维护。
7.根据权利要求1至6任一所述的方法，其特征在于，
所述检测点包括以下任意一个或多个：水泵、闸阀、逆止阀、底阀、引水装置、水管、压力表、电动机、电缆、启动控制开关。
8.一种排水系统的异常检测装置，其特征在于，包括：安装模块、数据检测模块、异常检测模块；其中，
所述安装模块，用于在待检测排水系统中的至少一个检测点分别安装传感器，所述传感器的类型与所对应的所述检测点的数据检测类型相对应；
所述数据检测模块，用于利用所述传感器对所对应的检测点的实时状态进行检测，获取所述实时状态所对应的实时数据；
所述异常检测模块，用于针对每一个所述传感器检测的所述实时数据执行：利用异常检测模型确定所述实时数据中是否存在异常数据，如果是，则确定所述实时数据所对应的检测点异常。
9.根据权利要求8所述的装置，其特征在于，
所述异常检测模块，用于对所述实时数据进行数据清洗和格式转换，以对所述实时数据进行预处理；根据所述实时数据所对应的检测点的数据检测类型，将预处理后的实时数据进行特征化处理以及皮尔森相关性分析，得到目标数据；确定所述目标数据中是否存在异常数据。
10.根据权利要求9所述的装置，其特征在于，
所述异常检测模块，用于将所述预处理后的实时数据作为当前数据，利用以下计算公式，计算所述当前数据与其他实时数据的线性相关度，根据所述线性相关度对所述当前数据分析所述当前数据与所述其他实时数据的皮尔森相关性；其中，所述其他实时数据为各个所述传感器检测到的实时数据中，除所述当前数据以外的其他实时数据；
其中，r表征所述线性相关度，表征所述当前数据的平均值，表征所述其他实时数据的平均值，Xi表征第i个当前数据，Yi表征第i个其他实时数据。
CN201910744375.1A 2019-08-13 2019-08-13 一种排水系统的异常检测方法及装置 Pending CN110469522A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910744375.1A CN110469522A (zh) 2019-08-13 2019-08-13 一种排水系统的异常检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910744375.1A CN110469522A (zh) 2019-08-13 2019-08-13 一种排水系统的异常检测方法及装置

Publications (1)

Publication Number Publication Date
CN110469522A true CN110469522A (zh) 2019-11-19

Family

ID=68511870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910744375.1A Pending CN110469522A (zh) 2019-08-13 2019-08-13 一种排水系统的异常检测方法及装置

Country Status (1)

Country Link
CN (1) CN110469522A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111505433A (zh) * 2020-04-10 2020-08-07 国网浙江余姚市供电有限公司 一种低压台区户变关系纠错及相位识别方法
CN114781567A (zh) * 2022-06-21 2022-07-22 深圳市信润富联数字科技有限公司 检测设备安装方法、装置、电子设备及可读存储介质
CN115222164A (zh) * 2022-09-20 2022-10-21 国能大渡河大数据服务有限公司 一种基于经验耦合函数的水泵故障预测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809304A (zh) * 2014-12-27 2016-07-27 上海麦杰环境科技有限公司 电厂和治污设施生产运行参数相关性分析的方法
CN106523393A (zh) * 2016-11-18 2017-03-22 山东科技大学 一种用于井下排水系统的故障诊断方法
CN107355686A (zh) * 2017-06-09 2017-11-17 昆明理工大学 一种排水管道堵塞故障的检测方法
CN108921440A (zh) * 2018-07-11 2018-11-30 平安科技（深圳）有限公司 污染物异常监测方法、系统、计算机设备和存储介质
CN109990803A (zh) * 2018-01-02 2019-07-09 西门子（中国）有限公司 检测系统异常的方法、装置及传感器处理的方法、装置
CN110084326A (zh) * 2019-05-13 2019-08-02 东北大学 一种基于模糊集的工业设备异常检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809304A (zh) * 2014-12-27 2016-07-27 上海麦杰环境科技有限公司 电厂和治污设施生产运行参数相关性分析的方法
CN106523393A (zh) * 2016-11-18 2017-03-22 山东科技大学 一种用于井下排水系统的故障诊断方法
CN107355686A (zh) * 2017-06-09 2017-11-17 昆明理工大学 一种排水管道堵塞故障的检测方法
CN109990803A (zh) * 2018-01-02 2019-07-09 西门子（中国）有限公司 检测系统异常的方法、装置及传感器处理的方法、装置
CN108921440A (zh) * 2018-07-11 2018-11-30 平安科技（深圳）有限公司 污染物异常监测方法、系统、计算机设备和存储介质
CN110084326A (zh) * 2019-05-13 2019-08-02 东北大学 一种基于模糊集的工业设备异常检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周娟: "矿井主排水装置状态监测及故障诊断技术开发", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111505433A (zh) * 2020-04-10 2020-08-07 国网浙江余姚市供电有限公司 一种低压台区户变关系纠错及相位识别方法
CN111505433B (zh) * 2020-04-10 2022-06-28 国网浙江余姚市供电有限公司 一种低压台区户变关系纠错及相位识别方法
CN114781567A (zh) * 2022-06-21 2022-07-22 深圳市信润富联数字科技有限公司 检测设备安装方法、装置、电子设备及可读存储介质
CN114781567B (zh) * 2022-06-21 2022-09-16 深圳市信润富联数字科技有限公司 检测设备安装方法、装置、电子设备及可读存储介质
CN115222164A (zh) * 2022-09-20 2022-10-21 国能大渡河大数据服务有限公司 一种基于经验耦合函数的水泵故障预测方法及系统

Similar Documents

Publication Publication Date Title
CN110469522A (zh) 一种排水系统的异常检测方法及装置
EP1019818B1 (en) Automated validation and verification of computer software
CN109186813A (zh) 一种温度传感器自检装置及方法
US20140289852A1 (en) Systems and methods for remote monitoring, security, diagnostics, and prognostics
US10466671B2 (en) System and method for an optimized operation of real-time embedded solutions in industrial automation
US9098616B2 (en) Analyzing computer programs to identify errors
CN102566421B (zh) 机器状态监控中异常检测的条件相关性建模的系统和方法
BRPI1101439B1 (pt) Método para detectar a degradação do desempenho de um sensor em um aparelho de medição angular de fluxo
CN104272102A (zh) 用于监控流体中的腐蚀性污染物的系统和方法
KR102510060B1 (ko) 딥러닝 펌프 시뮬레이션을 통한 이상 데이터 확보 방법과 오토인코더 기반의　 이상 감지 모델 수립 방법과 시스템
CN111949488A (zh) 一种硬盘故障预测方法、系统及电子设备和存储介质
KR20220127474A (ko) 자동화 공정 이상상태 모니터링 및 제어 시스템 및 방법
KR102694136B1 (ko) 인공지능 기반의 오일가스 플랜트 설비 고장 예측 및 진단시스템
KR101140698B1 (ko) 잠재적 발전정지유발기기의 관리시스템 및 그 방법
CN115755147A (zh) 放射性气溶胶的评估方法、装置、介质和计算设备
US20230359191A1 (en) System and method for determining a cause of an operating anomaly of a machine, computer program and electronically readable data storage device
CN103825649A (zh) 光模块信息的修复方法和装置
CN114238980A (zh) 一种工控设备漏洞挖掘方法、系统、设备及存储介质
CN106776219A (zh) 一种服务器整机烧机的检测方法
CN117435883A (zh) 一种基于数字孪生的设备故障预测的方法和系统
CN116777088A (zh) 用于保障生命安全的供电应急抢修环境监测方法及系统
CN112001466A (zh) 一种智能电缆的射频识别系统、方法及装置
JP2009151420A (ja) ソフトウェア動作監視装置、プログラム
KR20200074740A (ko) 산소농도분석기의 원격 고장진단 시스템 및 방법
KR102267286B1 (ko) 데이터 기반의 머신러닝 기술을 이용한 보일러 굴뚝원격감시체계(tms) 자동측정기기의 고장 식별 및 백업 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191119