CN111339129B - 远程抄表异常监测方法、装置、燃气表系统及云服务器 - Google Patents

远程抄表异常监测方法、装置、燃气表系统及云服务器 Download PDF

Info

Publication number
CN111339129B
CN111339129B CN202010141148.2A CN202010141148A CN111339129B CN 111339129 B CN111339129 B CN 111339129B CN 202010141148 A CN202010141148 A CN 202010141148A CN 111339129 B CN111339129 B CN 111339129B
Authority
CN
China
Prior art keywords
gas
data
abnormal
feature
sequence
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.)
Active
Application number
CN202010141148.2A
Other languages
English (en)
Other versions
CN111339129A (zh
Inventor
潘从平
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.)
Gongyi Gas Co.,Ltd.
Original Assignee
Gongyi Gas 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 Gongyi Gas Co ltd filed Critical Gongyi Gas Co ltd
Priority to CN202010141148.2A priority Critical patent/CN111339129B/zh
Priority to CN202011183372.4A priority patent/CN112291348A/zh
Priority to CN202011187923.4A priority patent/CN112307084A/zh
Publication of CN111339129A publication Critical patent/CN111339129A/zh
Application granted granted Critical
Publication of CN111339129B publication Critical patent/CN111339129B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Measuring Volume Flow (AREA)

Abstract

本申请实施例提供一种远程抄表异常监测方法、装置、燃气表系统及云服务器，通过提取每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算燃气表数据中与燃气数据特征对应的第一数据节点序列后，计算燃气数据特征匹配于燃气表的燃气用户所对应的预设异常特征的异常匹配特征，由此进一步提取出对应的第二数据节点序列，并在确定其中每个目标数据节点的燃气数据区间后，查找对应的异常数据以确定每个目标数据节点所对应的异常监测原因。如此，能够针对燃气使用行为节点的燃气异常情况进行实时监测，从而提高燃气异常监测的针对性和灵敏性，从一定程度上可以避免燃气异常问题长期得不到修复而造成无法正常使用的情况。

Description

远程抄表异常监测方法、装置、燃气表系统及云服务器
技术领域
本申请涉及物联网技术领域，具体而言，涉及一种远程抄表异常监测方法、装置、燃气表系统及云服务器。
背景技术
随着物联网技术的快速发展，传统的燃气表已经逐渐被物联网燃气表所代替，采用物联网技术的燃气物联网系统在给用户提供基本的燃气数据记录和燃气供给外，还可以提供额外的物联网服务。传统方案中通常只能笼统地对燃气使用过程中的异常情况进行监测，无法具体到某个燃气使用行为节点，实际上很多时候燃气异常情况仅仅是发生于某个容易忽视的燃气使用行为节点，例如在刚打开燃气的瞬间时间段，或者在调整燃气进入量的时间时间段可能会存在异常情况，此时按照传统方案往往难以及时监测到，燃气用户也往往不容易关注到此异常，进而导致燃气异常情况无法及时查究原因，造成后续燃气异常问题长期得不到修复而造成无法正常使用的情况。
发明内容
有鉴于此，本申请的目的在于提供一种远程抄表异常监测方法、装置、燃气表系统及云服务器，能够针对燃气使用行为节点的燃气异常情况进行实时监测，从而提高燃气异常监测的针对性和灵敏性，从一定程度上可以避免燃气异常问题长期得不到修复而造成无法正常使用的情况。
第一方面，本申请提供一种远程抄表异常监测方法，应用于燃气云服务器，所述燃气云服务器与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述方法包括：
提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据，所述燃气数据特征用于表征在所述燃气表数据的各个数据节点中存在的数据的特征向量列的燃气数据特征；
获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征；
根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征从所述第一数据节点序列中提取出对应的第二数据节点序列；
从所述燃气表数据中确定所述第二数据节点序列每个目标数据节点的燃气数据区间，并从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对所述异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因。
在第一方面的一种可能的设计中，计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列的步骤，包括：
在所述燃气使用数据序列的每个数据项目的燃气使用数据中，确定与所述燃气使用行为节点相对应的燃气使用标签所关联的标签特征；
针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度，并根据每个燃气使用数据的标签特征关联度，确定每个燃气使用数据的置信标签特征关联度，其中所述标签节点的类型信息包括标签节点的数量、顺序位和特征值中的至少一种；
按照置信标签特征关联度从高到低的顺序，对燃气使用数据进行排序，根据预先设定的特征数量，选取排位在前的所述特征数量的燃气使用数据作为所述燃气使用数据序列的燃气数据特征；
其中，如果所述标签节点的类型信息包括标签节点的数量，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的关联的各个标签特征上的标签节点的数量之和，确定关联的各个标签特征对应的第一标签特征关联度，并根据关联的各个标签特征对应的第一标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，所述数量之和越大，所述第一标签特征关联度越大；
或者，如果所述标签节点的类型信息包括标签节点的顺序位，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的顺序位，确定每个标签特征上的由相邻两个标签节点确定的最大标签范围和最小标签范围，根据每个标签特征上的最大标签范围与最小标签范围的比值是否小于预设的阈值，确定每个标签特征对应的第二标签特征关联度，根据每个标签特征对应的第二标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，比值小于预设的阈值时对应的第二标签特征关联度较比值大于设定的阈值时对应的第二标签特征关联度大；
针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点；
根据关联的各个标签特征上的平均顺序位点的关系，确定关联的各个标签特征对应的位点构成序列，根据该位点构成序列和所述燃气使用数据的数据所对应时间的序列的顺序关联度，确定关联的各个标签特征对应的第三标签特征关联度，并根据关联的各个标签特征对应的第三标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，所述顺序关联度越大，所述第三标签特征关联度越大，所述燃气使用数据的数据所对应时间的序列为燃气使用数据沿正向时间轴构成的序列；
针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并确定每相邻三个标签特征中任意两个标签特征上的平均顺序位点的中间顺序位点，同时确定剩余一个标签特征上的平均顺序位点与该中间顺序位点的匹配程度；
根据所述匹配程度，确定每相邻三个标签特征的重合度，其中，匹配程度越大重合度越高，或确定每相邻三个标签特征中相邻两个标签特征上的平均顺序位点的中间顺序位点，根据两个中间顺序位点的顺序关联度，确定每相邻三个标签特征的重合度以确定每相邻三个标签特征对应的第四标签特征关联度，其中，顺序关联度越大重合度越高；
根据每相邻三个标签特征对应的第四标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，重合度越高，第四标签特征关联度越大；
或者，如果所述标签节点的类型信息包括标签节点的特征值，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的第一个标签节点和最后一个标签节点的特征值变化特征，根据特征值变化特征是否满足预设的特征变化规则，确定每个标签特征对应的第五标签特征关联度，根据每个标签特征对应的第五标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，满足预设的特征变化规则时对应的第五标签特征关联度较不满足所述预设的特征变化规则时对应的第五标签特征关联度大；
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的标签节点的梯度值，根据每个标签特征上的标签节点的梯度值的绝对值的平均值，确定每个标签特征对应的第六标签特征关联度，根据每个标签特征对应的第六标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，该平均值越大，所述第六标签特征关联度越大。
在第一方面的一种可能的设计中，所述计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列的步骤，包括：
从所述燃气表数据中获取与燃气数据特征匹配的每个燃气数据段对应所对应的匹配特征集合；
计算所述匹配特征集合对应特征类型的第一特征类型列表，并对所述第一特征类型列表进行去噪以剔除所述第一特征类型列表中低于设定置信度的特征类型，获取所述匹配特征集合对应特征类型的第二特征类型列表；
将所述第二特征类型列表中的每个特征类型作为一个提取对象，并获取所述多个提取对象中每个提取对象的对象特征信息；
根据所述每个提取对象的对象特征信息和所述每个提取对象在存储过程中的特征区间，获取所述每个提取对象的关键特征字段，所述关键特征字段中包括特征区间和对应的各个燃气数据段所对应的数据量和总计量；
根据所述每个提取对象的特征类型和所述每个提取对象的特征区间，计算得到所述每个提取对象的数据分类范围，并根据所述每个提取对象的数据分类范围和对应的各个燃气数据段分配的次数和总计量，查询特征分类表得到所述多个提取对象的目标特征分类信息；
确定所述多个提取对象的目标特征分类信息对所述多个提取对象进行索引，得到所述多个提取对象对应的索引节点的索引区间；
根据所述多个提取对象对应的索引节点的索引区间与对应的数据分类范围进行匹配，得到与所述燃气数据特征对应的第一数据节点序列，其中，当所述提取对象对应的索引节点的索引区间与对应的数据分类范围存在至少部分重叠时，确定所述提取对象的特征类型为一个数据节点，否则确定所述提取对象的特征类型不为一个数据节点。
在第一方面的一种可能的设计中，所述获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征的步骤，包括：
获取所述燃气用户所对应的用户注册账号，并根据所述用户注册账号从预设的异常特征库中获取包含所述用户注册账号对应的预设异常特征，其中，所述预设的异常特征库中包括用户注册账号与预设异常特征之间的对应关系，所述预设异常特征用于表征所述燃气用户所对应的燃气表数据分析模型根据该燃气用户的历史燃气表数据分析出的燃气使用标签特征信息中标记的异常特征；
根据所述第一数据节点序列获取包含当前所述燃气数据特征的目标数据节点，根据所述目标数据节点确定以所述预设异常特征为比较特征的目标比较特征，将所述目标数据节点以所述燃气数据特征为基准，依次划分为与目标比较特征对应的多个异常比较特征，对每一异常比较特征分别与所述目标比较特征进行隐马尔科夫模型计算得到对应的隐马尔科夫概率值范围，当隐马尔科夫概率值范围不满足设定的概率值范围时，记录所述隐马尔科夫概率值范围对应的异常比较特征为第一比较对象，所述目标比较特征为第二比较对象，以得到由至少一个由所述第一比较对象和所述第二比较对象形成的比较对象统计序列；
基于至少一个所述比较对象统计序列确定对应的第一比较对象熵矩阵，并以第一比较对象熵矩阵为基准，根据设置的熵矩阵选取范围对所述目标数据节点进行划分，分别得到与每一所述熵矩阵选取范围对应的多个包含第一比较对象熵矩阵的第二比较对象熵矩阵；
对所述第二比较对象熵矩阵进行解析，得到所述第二比较对象熵矩阵中各比较对象统计序列的特征信息，并根据所述比较对象统计序列的特征信息确定比较对象统计序列的异常等级以及对应的异常表达参数，并根据所述比较对象统计序列的异常等级以及对应的异常表达参数确定第一比较对象序列；
基于所述第一比较对象序列、比较对象统计序列的异常等级以及对应的异常表达参数确定满足预设条件的比较对象统计序列构成的异常参考参数，确定每一所述比较对象熵矩阵的第一异常参考参数和第二异常参考参数的其中一个，根据所述第一异常参考参数和所述第二异常参考参数的其中一个对每一所述比较对象熵矩阵进行筛选得到与每一所述比较对象熵矩阵对应的筛选后的比较对象熵矩阵；
基于每一所述比较对象熵矩阵对应的筛选后的比较对象熵矩阵得到第一异常参考参数和第二异常参考参数的其中另一个；
根据所述比较对象熵矩阵分别对应的第一异常参考参数得到第一异常参考参数集以及根据所述比较对象熵矩阵分别对应的第二异常参考参数得到第二异常参考参数集；
确定所述第一异常参考参数集对应的第一参考异常参考参数和所述第二异常参考参数集对应的第二参考异常参考参数，并基于所述第一异常参考参数集与所述第一参考异常参考参数以及所述第二异常参考参数集与所述第二参考异常参考参数分别确定对应所述第一异常参考参数集的第一待比对向量以及对应所述第二异常参考参数集的第二待比对向量；
对所述第一异常参考参数集的第一待比对向量以及对应所述第二异常参考参数集的第二待比对向量进行比对，根据比对成果的特征向量得到所述燃气数据特征匹配于所述预设异常特征的异常匹配特征。
在第一方面的一种可能的设计中，所述根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征从所述第一数据节点序列中提取出对应的第二数据节点序列的步骤，包括
根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征，确定出所述第一数据节点序列中存在与所述异常匹配特征相匹配的数据节点；
根据与所述异常匹配特征相匹配的数据节点从所述第一数据节点序列提取出对应的第二数据节点序列。
在第一方面的一种可能的设计中，所述从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对所述异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因的步骤，包括：
从每个目标数据节点的燃气数据区间中筛选出与所述异常匹配特征之间的匹配度大于设定匹配度的多个异常数据以及所述多个异常数据各自对应的匹配度；
根据所述匹配度从所述多个异常数据中选取至少一个异常数据定位节点，形成异常数据定位节点组，并根据所述异常数据定位节点组中的各异常数据定位节点在所述燃气数据区间中的各燃气数据段中的位置以确定各异常数据定位节点的异常标识信息；
根据所述各异常数据定位节点的异常标识信息，分别与得到每个目标数据节点所对应的异常监测原因。
在第一方面的一种可能的设计中，所述根据所述各异常数据定位节点的异常标识信息，分别与得到每个目标数据节点所对应的异常监测原因的步骤，包括：
从预先配置的异常监测原因映射表中查找所述各异常数据定位节点的异常标识信息对应的异常监测原因，并对各异常数据定位节点对应的异常监测原因进行汇总后以得到每个目标数据节点所对应的异常监测原因，其中，所述异常监测原因映射表中包括不同异常标识信息与异常监测原因之间的映射关系。
第二方面，本申请实施例还提供一种远程抄表异常监测装置，应用于燃气云服务器，所述燃气云服务器与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述装置包括：
计算模块，用于提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据，所述燃气数据特征用于表征在所述燃气表数据的各个数据节点中存在的数据的特征向量列的燃气数据特征；
获取模块，用于获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征；
提取模块，用于根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征从所述第一数据节点序列中提取出对应的第二数据节点序列；
数据分析模块，用于从所述燃气表数据中确定所述第二数据节点序列每个目标数据节点的燃气数据区间，并从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对所述异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因。
第三方面，本申请实施例还提供一种燃气表系统，所述燃气表系统包括燃气云服务器以及与所述燃气云服务器通信连接的多个不同燃气用户的燃气物联网系统，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置；
每个燃气控制物联网装置，用于从对应的燃气表中采集燃气表数据，并将所述燃气表数据发送给所述燃气云服务器；
所述燃气云服务器，用于提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据，所述燃气数据特征用于表征在所述燃气表数据的各个数据节点中存在的数据的特征向量列的燃气数据特征；
所述燃气云服务器，用于获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征；
所述燃气云服务器，用于根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征从所述第一数据节点序列中提取出对应的第二数据节点序列；
所述燃气云服务器，用于从所述燃气表数据中确定所述第二数据节点序列每个目标数据节点的燃气数据区间，并从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对所述异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因。
第四方面，本申请实施例还提供一种燃气云服务器，所述燃气云服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个燃气表系统通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的设计中的远程抄表异常监测方法。
第五方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上检测时，使得计算机执行上述第一方面或者第一方面中任意一个可能的设计中的远程抄表异常监测方法。
根据上述任意一个方面，本申请通过提取每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算燃气表数据中与燃气数据特征对应的第一数据节点序列后，计算燃气数据特征匹配于燃气表的燃气用户所对应的预设异常特征的异常匹配特征，由此进一步提取出对应的第二数据节点序列，并在确定其中每个目标数据节点的燃气数据区间后，查找对应的异常数据以确定每个目标数据节点所对应的异常监测原因。如此，能够针对燃气使用行为节点的燃气异常情况进行实时监测，从而提高燃气异常监测的针对性和灵敏性，从一定程度上可以避免燃气异常问题长期得不到修复而造成无法正常使用的情况。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的燃气表系统的应用场景示意图；
图2为本申请实施例提供的远程抄表异常监测方法的流程示意图；
图3为本申请实施例提供的远程抄表异常监测装置的功能模块示意图；
图4为本申请实施例提供的用于实现上述的远程抄表异常监测方法的燃气云服务器的结构示意框图。
具体实施方式
下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。在本申请的描述中，除非另有说明，“至少一个”包括一个或多个。“多个”是指两个或两个以上。例如，A、B和C中的至少一个，包括：单独存在A、单独存在B、同时存在A和B、同时存在A和C、同时存在B和C，以及同时存在A、B和C。在本申请中，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
图1是本申请一种实施例提供的燃气表系统10的交互示意图。燃气表系统10可以包括燃气云服务器100以及与所述燃气云服务器100通信连接的燃气物联网系统200，燃气云服务器100中可以包括执行指令操作的处理器。图1所示的燃气表系统10仅为一种可行的示例，在其它可行的实施例中，该燃气表系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
在一些实施例中，燃气云服务器100可以是单个服务器，也可以是一个服务器组。服务器组可以是集中式的，也可以是分布式的（例如，燃气云服务器100可以是分布式系统）。在一些实施例中，燃气云服务器100相对于燃气物联网系统200，可以是本地的、也可以是远程的。例如，燃气云服务器100可以经由网络访问存储在燃气物联网系统200以及数据库、或其任意组合中的信息。作为另一示例，燃气云服务器100可以直接连接到燃气物联网系统200和数据库中的至少一个，以访问其中存储的信息和/或数据。在一些实施例中，燃气云服务器100可以在云平台上实现；仅作为示例，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云（inter-cloud）、多云(multi-cloud)等，或者它们的任意组合。
在一些实施例中，燃气云服务器100可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据，以执行本申请中描述的一个或多个功能。处理器可以包括一个或多个处理核（例如，单核处理器（S）或多核处理器（S））。仅作为举例，处理器可以包括中央处理单元（Central Processing Unit, CPU）、专用集成电路（Application SpecificIntegrated Circuit, ASIC）、专用指令集处理器（Application Specific Instruction-set Processor, ASIP）、图形处理单元（Graphics Processing Unit, GPU）、物理处理单元（Physics Processing Unit, PPU）、数字信号处理器 (Digital Signal Processor,DSP)、现场可编程门阵列( Field Programmable Gate Array，FPGA)、可编程逻辑器件(Programmable Logic Device, PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing, RISC)、或微处理器等，或其任意组合。
网络可以用于信息和/或数据的交换。在一些实施例中，燃气表系统10中的一个或多个组件（例如，燃气云服务器100，燃气物联网系统200和数据库）可以向其他组件发送信息和/或数据。在一些实施例中，网络可以是任何类型的有线或者无线网络，或者是他们的结合。仅作为示例，网络130可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网（Local Area Network，LAN）、广域网（Wide Area Network，WAN）、无线局域网（Wireless Local Area Networks，WLAN）、城域网（Metropolitan Area Network，MAN）、广域网（Wide Area Network，WAN）、公共电话交换网（Public Switched TelephoneNetwork，PSTN）、蓝牙网络、ZigBee网络、或近场通信（Near Field Communication, NFC）网络等，或其任意组合。在一些实施例中，网络可以包括一个或多个网络接入点。例如，网络可以包括有线或无线网络接入点，例如基站和/或网络交换节点，燃气表系统10的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。
前述的数据库可以存储数据和/或指令。在一些实施例中，数据库可以存储向燃气物联网系统200分配的数据。在一些实施例中，数据库可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中，数据库可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器（Read-Only Memory, ROM）等，或其任意组合。作为举例，大容量存储器可以包括磁盘、光盘、固态驱动器等；可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等；易失性读写存储器可以包括随机存取存储器（Random AccessMemory, RAM）；RAM可以包括动态RAM（Dynamic Random Access Memory, DRAM），双倍数据速率同步动态RAM（Double Date-Rate Synchronous RAM, DDR SDRAM）；静态RAM（StaticRandom-Access Memory, SRAM），晶闸管RAM（Thyristor-Based Random Access Memory,T-RAM）和零电容器RAM（Zero-RAM）等。作为举例，ROM可以包括掩模ROM（Mask Read-OnlyMemory, MROM）、可编程ROM（ Programmable Read-Only Memory, PROM）、可擦除可编程ROM（Programmable Erasable Read-only Memory , PEROM）、电可擦除可编程ROM（Electrically Erasable Programmable read only memory, EEPROM）、光盘ROM（CD-ROM）、以及数字通用磁盘ROM等。在一些实施例中，数据库可以在云平台上实现。仅作为示例，云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等，或其任意组合。
在一些实施例中，数据库可以连接到网络以与燃气表系统10（例如，燃气云服务器100，燃气物联网系统200等）中的一个或多个组件通信。燃气表系统10中的一个或多个组件可以经由网络访问存储在数据库中的数据或指令。在一些实施例中，数据库可以直接连接到燃气表系统10中的一个或多个组件（例如，燃气云服务器100，燃气物联网系统200等；或者，在一些实施例中，数据库也可以是燃气云服务器100的一部分。
本实施例中，所述燃气物联网系统200具体可以包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，燃气表可以用于记录燃气控制过程中的燃气表数据，燃气控制物联网装置可以用于采集燃气表记录的燃气表数据，并可对燃气通道进行控制，本实施例在此不作具体限定。
为了解决前述背景技术中的技术问题，图2为本申请实施例提供的远程抄表异常监测方法的流程示意图，本实施例提供的远程抄表异常监测方法可以由图1中所示的燃气云服务器100执行，下面对该远程抄表异常监测方法进行详细介绍。
步骤S110，提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算燃气表数据中与燃气数据特征对应的第一数据节点序列。
步骤S120，获取燃气表的燃气用户所对应的预设异常特征，并根据第一数据节点序列计算燃气数据特征匹配于预设异常特征的异常匹配特征。
步骤S130，根据燃气数据特征匹配于预设异常特征的异常匹配特征从第一数据节点序列中提取出对应的第二数据节点序列。
步骤S140，从燃气表数据中确定第二数据节点序列每个目标数据节点的燃气数据区间，并从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因。
本实施例中，燃气表数据可以通过燃气用户的燃气物联网系统200中的燃气控制物联网装置对燃气表进行实时数据采集得到。作为一种可能的示例，燃气表数据可以包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为（例如每次燃气的开关、燃气流量的大小控制等行为），燃气使用数据序列可以用于记录相应的燃气使用行为节点下的燃气使用数据，例如，每个燃气使用行为节点通常会持续一定的时间，在此时间段内可以以每个单位时间（例如一秒）为一个记录点记录相应的燃气使用行为节点下的燃气使用数据，并进行汇总后得到燃气使用数据序列。
本实施例中，燃气数据特征可以用于表征在燃气表数据的各个数据节点中存在的数据的特征向量，例如燃气变化特征、燃气数据类型特征等。
基于上述设计，本实施例通过提取每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算燃气表数据中与燃气数据特征对应的第一数据节点序列后，计算燃气数据特征匹配于燃气表的燃气用户所对应的预设异常特征的异常匹配特征，由此进一步提取出对应的第二数据节点序列，并在确定其中每个目标数据节点的燃气数据区间后，查找对应的异常数据以确定每个目标数据节点所对应的异常监测原因。如此，能够针对燃气使用行为节点的燃气异常情况进行实时监测，从而提高燃气异常监测的针对性和灵敏性，从一定程度上可以避免燃气异常问题长期得不到修复而造成无法正常使用的情况。
在一种可能的设计中，针对步骤S110，为了避免噪声特征的引入，本实施例可以在燃气使用数据序列的每个数据项目的燃气使用数据中，确定与燃气使用行为节点相对应的燃气使用标签所关联的标签特征。
本实施例中，值得说明的是，燃气使用标签可以用于表征每个燃气使用行为节点所对应的燃气使用的用途或者作用，例如可以是炒菜（具体还可以多种炒菜方式）、烧开水、清蒸、焖锅等，燃气用户可以根据自身的历史使用情况来设置每个燃气使用行为节点所对应的预设燃气使用标签，并上传到燃气云服务器100中进行记录。
在此基础上，为了使得提取出的燃气数据特征能够有效涉及到不同数据特征的关联性，本实施例可以针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度，并根据每个燃气使用数据的标签特征关联度，确定每个燃气使用数据的置信标签特征关联度。
而后，可以按照置信标签特征关联度从高到低的顺序，对燃气使用数据进行排序，根据预先设定的特征数量，选取排位在前的特征数量的燃气使用数据作为燃气使用数据序列的燃气数据特征。
其中，标签节点的类型信息可以包括标签节点的数量、顺序位和特征值中的至少一种。 接下来本实施例将给出几种可能的示例以确定每个燃气使用数据的标签特征关联度。
例如，如果标签节点的类型信息包括标签节点的数量，那么针对每个燃气使用数据，根据该燃气使用数据中的关联的各个标签特征上的标签节点的数量之和，确定关联的各个标签特征对应的第一标签特征关联度，并根据关联的各个标签特征对应的第一标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，数量之和越大，第一标签特征关联度越大。
或者，如果标签节点的类型信息包括标签节点的顺序位，那么针对每个燃气使用数据，可以根据该燃气使用数据中的每个标签特征上的标签节点的顺序位，确定每个标签特征上的由相邻两个标签节点确定的最大标签范围和最小标签范围，根据每个标签特征上的最大标签范围与最小标签范围的比值是否小于预设的阈值，确定每个标签特征对应的第二标签特征关联度，根据每个标签特征对应的第二标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，比值小于预设的阈值时对应的第二标签特征关联度较比值大于设定的阈值时对应的第二标签特征关联度大。
又例如，可以针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并根据关联的各个标签特征上的平均顺序位点的关系，确定关联的各个标签特征对应的位点构成序列，根据该位点构成序列和燃气使用数据的数据所对应时间的序列的顺序关联度，确定关联的各个标签特征对应的第三标签特征关联度，并根据关联的各个标签特征对应的第三标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，顺序关联度越大，第三标签特征关联度越大，燃气使用数据的数据所对应时间的序列为燃气使用数据沿正向时间轴构成的序列。
再例如，针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并确定每相邻三个标签特征中任意两个标签特征上的平均顺序位点的中间顺序位点，同时确定剩余一个标签特征上的平均顺序位点与该中间顺序位点的匹配程度。
而后，根据匹配程度，确定每相邻三个标签特征的重合度，其中，匹配程度越大重合度越高，或确定每相邻三个标签特征中相邻两个标签特征上的平均顺序位点的中间顺序位点，根据两个中间顺序位点的顺序关联度，确定每相邻三个标签特征的重合度以确定每相邻三个标签特征对应的第四标签特征关联度，其中，顺序关联度越大重合度越高。
由此，根据每相邻三个标签特征对应的第四标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，重合度越高，第四标签特征关联度越大。
或者在另一种情况中，如果标签节点的类型信息包括标签节点的特征值，那么针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的第一个标签节点和最后一个标签节点的特征值变化特征，根据特征值变化特征是否满足预设的特征变化规则，确定每个标签特征对应的第五标签特征关联度，根据每个标签特征对应的第五标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，满足预设的特征变化规则时对应的第五标签特征关联度较不满足预设的特征变化规则时对应的第五标签特征关联度大。
再例如，针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的标签节点的梯度值，根据每个标签特征上的标签节点的梯度值的绝对值的平均值，确定每个标签特征对应的第六标签特征关联度，根据每个标签特征对应的第六标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，该平均值越大，第六标签特征关联度越大。
在一种可能的设计中，针对步骤S110，为了避免噪声数据节点的引入造成后续异常监测的准确性下降的情况，本实施例可以从燃气表数据中获取与燃气数据特征匹配的每个燃气数据段对应所对应的匹配特征集合，然后计算匹配特征集合对应特征类型的第一特征类型列表，并对第一特征类型列表进行去噪以剔除第一特征类型列表中低于设定置信度的特征类型，获取匹配特征集合对应特征类型的第二特征类型列表。
在此基础上，可以将第二特征类型列表中的每个特征类型作为一个提取对象，并获取多个提取对象中每个提取对象的对象特征信息，而后根据每个提取对象的对象特征信息和每个提取对象在存储过程中的特征区间，获取每个提取对象的关键特征字段，关键特征字段中包括特征区间和对应的各个燃气数据段所对应的数据量和总计量。
由此，可以根据每个提取对象的特征类型和每个提取对象的特征区间，计算得到每个提取对象的数据分类范围，并根据每个提取对象的数据分类范围和对应的各个燃气数据段分配的次数和总计量，查询特征分类表得到多个提取对象的目标特征分类信息。接着，确定多个提取对象的目标特征分类信息对多个提取对象进行索引，得到多个提取对象对应的索引节点的索引区间，并根据多个提取对象对应的索引节点的索引区间与对应的数据分类范围进行匹配，得到与燃气数据特征对应的第一数据节点序列，其中，当提取对象对应的索引节点的索引区间与对应的数据分类范围存在至少部分重叠时，确定提取对象的特征类型为一个数据节点，否则确定提取对象的特征类型不为一个数据节点。
在一种可能的设计中，针对步骤S120，为了提高异常匹配特征的判定准确性，本实施例可以获取燃气用户所对应的用户注册账号，并根据用户注册账号从预设的异常特征库中获取包含用户注册账号对应的预设异常特征。
其中值得说明的是，预设的异常特征库中可以包括用户注册账号与预设异常特征之间的对应关系，预设异常特征用于表征燃气用户所对应的燃气表数据分析模型根据该燃气用户的历史燃气表数据分析出的燃气使用标签特征信息中标记的异常特征。
接着，可以根据第一数据节点序列获取包含当前燃气数据特征的目标数据节点，根据目标数据节点确定以预设异常特征为比较特征的目标比较特征，将目标数据节点以燃气数据特征为基准，依次划分为与目标比较特征对应的多个异常比较特征，对每一异常比较特征分别与目标比较特征进行隐马尔科夫模型计算得到对应的隐马尔科夫概率值范围，当隐马尔科夫概率值范围不满足设定的概率值范围时，记录隐马尔科夫概率值范围对应的异常比较特征为第一比较对象，目标比较特征为第二比较对象，以得到由至少一个由第一比较对象和第二比较对象形成的比较对象统计序列。
而后，基于至少一个比较对象统计序列确定对应的第一比较对象熵矩阵，并以第一比较对象熵矩阵为基准，根据设置的熵矩阵选取范围对目标数据节点进行划分，分别得到与每一熵矩阵选取范围对应的多个包含第一比较对象熵矩阵的第二比较对象熵矩阵。
由此，可以对第二比较对象熵矩阵进行解析，得到第二比较对象熵矩阵中各比较对象统计序列的特征信息，并根据比较对象统计序列的特征信息确定比较对象统计序列的异常等级以及对应的异常表达参数，并根据比较对象统计序列的异常等级以及对应的异常表达参数确定第一比较对象序列，而后基于第一比较对象序列、比较对象统计序列的异常等级以及对应的异常表达参数确定满足预设条件的比较对象统计序列构成的异常参考参数，确定每一比较对象熵矩阵的第一异常参考参数和第二异常参考参数的其中一个，根据第一异常参考参数和第二异常参考参数的其中一个对每一比较对象熵矩阵进行筛选得到与每一比较对象熵矩阵对应的筛选后的比较对象熵矩阵。
在上述基础上，可以基于每一比较对象熵矩阵对应的筛选后的比较对象熵矩阵得到第一异常参考参数和第二异常参考参数的其中另一个，然后根据比较对象熵矩阵分别对应的第一异常参考参数得到第一异常参考参数集以及根据比较对象熵矩阵分别对应的第二异常参考参数得到第二异常参考参数集，并确定第一异常参考参数集对应的第一参考异常参考参数和第二异常参考参数集对应的第二参考异常参考参数，并基于第一异常参考参数集与第一参考异常参考参数以及第二异常参考参数集与第二参考异常参考参数分别确定对应第一异常参考参数集的第一待比对向量以及对应第二异常参考参数集的第二待比对向量，从而对第一异常参考参数集的第一待比对向量以及对应第二异常参考参数集的第二待比对向量进行比对，根据比对成果的特征向量得到燃气数据特征匹配于预设异常特征的异常匹配特征。
在一种可能的设计中，针对步骤S130，本实施例可以根据燃气数据特征匹配于预设异常特征的异常匹配特征，确定出第一数据节点序列中存在与异常匹配特征相匹配的数据节点，然后再根据与异常匹配特征相匹配的数据节点从第一数据节点序列提取出对应的第二数据节点序列。
在一种可能的设计中，针对步骤S140，本实施例可以从每个目标数据节点的燃气数据区间中筛选出与异常匹配特征之间的匹配度大于设定匹配度的多个异常数据以及多个异常数据各自对应的匹配度，并根据匹配度从多个异常数据中选取至少一个异常数据定位节点（例如从匹配度大于设定匹配度的异常数据中选取至少一个异常数据定位节点，异常数据定位节点可以理解为异常数据中已被监测到标记了与异常匹配特征相关联的特征的数据段），形成异常数据定位节点组，并根据异常数据定位节点组中的各异常数据定位节点在燃气数据区间中的各燃气数据段中的位置以确定各异常数据定位节点的异常标识信息，而后根据各异常数据定位节点的异常标识信息，分别与得到每个目标数据节点所对应的异常监测原因。
例如在一种可能的示例中，可以从预先配置的异常监测原因映射表中查找各异常数据定位节点的异常标识信息对应的异常监测原因，并对各异常数据定位节点对应的异常监测原因进行汇总后以得到每个目标数据节点所对应的异常监测原因。其中，异常监测原因映射表中可以包括不同异常标识信息与异常监测原因之间的映射关系，具体可以由厂商预先进行配置，具体规则不在本申请的囊括范围中，本领域技术人员可以灵活设置，在此不做具体限定。
图3为本申请实施例提供的远程抄表异常监测装置300的功能模块示意图，本实施例可以根据上述方法实施例对该远程抄表异常监测装置300进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。比如，在采用对应各个功能划分各个功能模块的情况下，图3示出的远程抄表异常监测装置300只是一种装置示意图。其中，远程抄表异常监测装置300可以包括计算模块310、获取模块320、提取模块330以及数据分析模块340，下面分别对该远程抄表异常监测装置300的各个功能模块的功能进行详细阐述。
计算模块310，用于提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算燃气表数据中与燃气数据特征对应的第一数据节点序列，燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据，燃气数据特征用于表征在燃气表数据的各个数据节点中存在的数据的特征向量。
获取模块320，用于获取燃气表的燃气用户所对应的预设异常特征，并根据第一数据节点序列计算燃气数据特征匹配于预设异常特征的异常匹配特征。
提取模块330，用于根据燃气数据特征匹配于预设异常特征的异常匹配特征从第一数据节点序列中提取出对应的第二数据节点序列。
数据分析模块340，用于从燃气表数据中确定第二数据节点序列每个目标数据节点的燃气数据区间，并从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因。
进一步地，图4为本申请实施例提供的用于执行上述远程抄表异常监测方法的燃气云服务器100的结构示意图。如图4所示，该燃气云服务器100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130可以是一个或多个，图4中以一个处理器130为例。网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接，图4中以通过总线140连接为例。
机器可读存储介质120作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的远程抄表异常监测方法对应的程序指令/模块（例如图3中所示的远程抄表异常监测装置300的计算模块310、获取模块320、提取模块330以及数据分析模块340）。处理器130通过检测存储在机器可读存储介质120中的软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述的远程抄表异常监测方法，在此不再赘述。
机器可读存储介质120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，机器可读存储介质120可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合发布节点的存储器。在一些实例中，机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器，这些远程存储器可以通过网络连接至燃气云服务器100。上述网络的实例包括但不限于互联网、待编译项目内部网、局域网、移动通信网及其组合。
处理器130可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。
燃气云服务器100可以通过网络接口110和其它设备（例如燃气物联网系统200）进行信息交互。网络接口110可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器130可以利用网络接口110收发信息。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请实施例的这些表达和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (9)

1.一种远程抄表异常监测方法，其特征在于，应用于燃气云服务器，所述燃气云服务器与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述方法包括：
提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据，所述燃气数据特征用于表征在所述燃气表数据的各个数据节点中存在的数据的特征向量列的燃气数据特征；
获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征；
根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征从所述第一数据节点序列中提取出对应的第二数据节点序列；
从所述燃气表数据中确定所述第二数据节点序列每个目标数据节点的燃气数据区间，并从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对所述异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因；
所述获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征的步骤，包括：
获取所述燃气用户所对应的用户注册账号，并根据所述用户注册账号从预设的异常特征库中获取包含所述用户注册账号对应的预设异常特征，其中，所述预设的异常特征库中包括用户注册账号与预设异常特征之间的对应关系，所述预设异常特征用于表征所述燃气用户所对应的燃气表数据分析模型根据该燃气用户的历史燃气表数据分析出的燃气使用标签特征信息中标记的异常特征；
根据所述第一数据节点序列获取包含当前所述燃气数据特征的目标数据节点，根据所述目标数据节点确定以所述预设异常特征为比较特征的目标比较特征，将所述目标数据节点以所述燃气数据特征为基准，依次划分为与目标比较特征对应的多个异常比较特征，对每一异常比较特征分别与所述目标比较特征进行隐马尔科夫模型计算得到对应的隐马尔科夫概率值范围，当隐马尔科夫概率值范围不满足设定的概率值范围时，记录所述隐马尔科夫概率值范围对应的异常比较特征为第一比较对象，所述目标比较特征为第二比较对象，以得到由至少一个由所述第一比较对象和所述第二比较对象形成的比较对象统计序列；
基于至少一个所述比较对象统计序列确定对应的第一比较对象熵矩阵，并以第一比较对象熵矩阵为基准，根据设置的熵矩阵选取范围对所述目标数据节点进行划分，分别得到与每一所述熵矩阵选取范围对应的多个包含第一比较对象熵矩阵的第二比较对象熵矩阵；
对所述第二比较对象熵矩阵进行解析，得到所述第二比较对象熵矩阵中各比较对象统计序列的特征信息，并根据所述比较对象统计序列的特征信息确定比较对象统计序列的异常等级以及对应的异常表达参数，并根据所述比较对象统计序列的异常等级以及对应的异常表达参数确定第一比较对象序列；
基于所述第一比较对象序列、比较对象统计序列的异常等级以及对应的异常表达参数确定满足预设条件的比较对象统计序列构成的异常参考参数，确定每一所述比较对象熵矩阵的第一异常参考参数和第二异常参考参数的其中一个，根据所述第一异常参考参数和所述第二异常参考参数的其中一个对每一所述比较对象熵矩阵进行筛选得到与每一所述比较对象熵矩阵对应的筛选后的比较对象熵矩阵；
基于每一所述比较对象熵矩阵对应的筛选后的比较对象熵矩阵得到第一异常参考参数和第二异常参考参数的其中另一个；
根据所述比较对象熵矩阵分别对应的第一异常参考参数得到第一异常参考参数集以及根据所述比较对象熵矩阵分别对应的第二异常参考参数得到第二异常参考参数集；
确定所述第一异常参考参数集对应的第一参考异常参考参数和所述第二异常参考参数集对应的第二参考异常参考参数，并基于所述第一异常参考参数集与所述第一参考异常参考参数以及所述第二异常参考参数集与所述第二参考异常参考参数分别确定对应所述第一异常参考参数集的第一待比对向量以及对应所述第二异常参考参数集的第二待比对向量；
对所述第一异常参考参数集的第一待比对向量以及对应所述第二异常参考参数集的第二待比对向量进行比对，根据比对成果的特征向量得到所述燃气数据特征匹配于所述预设异常特征的异常匹配特征。
2.根据权利要求1所述的远程抄表异常监测方法，其特征在于，所述提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列的步骤，包括：
在所述燃气使用数据序列的每个数据项目的燃气使用数据中，确定与所述燃气使用行为节点相对应的燃气使用标签所关联的标签特征；
针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度，并根据每个燃气使用数据的标签特征关联度，确定每个燃气使用数据的置信标签特征关联度，其中所述标签节点的类型信息包括标签节点的数量、顺序位和特征值中的至少一种；
按照置信标签特征关联度从高到低的顺序，对燃气使用数据进行排序，根据预先设定的特征数量，选取排位在前的所述特征数量的燃气使用数据作为所述燃气使用数据序列的燃气数据特征；
其中，如果所述标签节点的类型信息包括标签节点的数量，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的关联的各个标签特征上的标签节点的数量之和，确定关联的各个标签特征对应的第一标签特征关联度，并根据关联的各个标签特征对应的第一标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，所述数量之和越大，所述第一标签特征关联度越大；
或者，如果所述标签节点的类型信息包括标签节点的顺序位，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的顺序位，确定每个标签特征上的由相邻两个标签节点确定的最大标签范围和最小标签范围，根据每个标签特征上的最大标签范围与最小标签范围的比值是否小于预设的阈值，确定每个标签特征对应的第二标签特征关联度，根据每个标签特征对应的第二标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，比值小于预设的阈值时对应的第二标签特征关联度较比值大于设定的阈值时对应的第二标签特征关联度大；
针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点；
根据关联的各个标签特征上的平均顺序位点的关系，确定关联的各个标签特征对应的位点构成序列，根据该位点构成序列和所述燃气使用数据的数据所对应时间的序列的顺序关联度，确定关联的各个标签特征对应的第三标签特征关联度，并根据关联的各个标签特征对应的第三标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，所述顺序关联度越大，所述第三标签特征关联度越大，所述燃气使用数据的数据所对应时间的序列为燃气使用数据沿正向时间轴构成的序列；
针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并确定每相邻三个标签特征中任意两个标签特征上的平均顺序位点的中间顺序位点，同时确定剩余一个标签特征上的平均顺序位点与该中间顺序位点的匹配程度；
根据所述匹配程度，确定每相邻三个标签特征的重合度，其中，匹配程度越大重合度越高，或确定每相邻三个标签特征中相邻两个标签特征上的平均顺序位点的中间顺序位点，根据两个中间顺序位点的顺序关联度，确定每相邻三个标签特征的重合度以确定每相邻三个标签特征对应的第四标签特征关联度，其中，顺序关联度越大重合度越高；
根据每相邻三个标签特征对应的第四标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，重合度越高，第四标签特征关联度越大；
或者，如果所述标签节点的类型信息包括标签节点的特征值，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的第一个标签节点和最后一个标签节点的特征值变化特征，根据特征值变化特征是否满足预设的特征变化规则，确定每个标签特征对应的第五标签特征关联度，根据每个标签特征对应的第五标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，满足预设的特征变化规则时对应的第五标签特征关联度较不满足所述预设的特征变化规则时对应的第五标签特征关联度大；
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的标签节点的梯度值，根据每个标签特征上的标签节点的梯度值的绝对值的平均值，确定每个标签特征对应的第六标签特征关联度，根据每个标签特征对应的第六标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，该平均值越大，所述第六标签特征关联度越大。
3.根据权利要求1所述的远程抄表异常监测方法，其特征在于，所述计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列的步骤，包括：
从所述燃气表数据中获取与燃气数据特征匹配的每个燃气数据段对应所对应的匹配特征集合；
计算所述匹配特征集合对应特征类型的第一特征类型列表，并对所述第一特征类型列表进行去噪以剔除所述第一特征类型列表中低于设定置信度的特征类型，获取所述匹配特征集合对应特征类型的第二特征类型列表；
将所述第二特征类型列表中的每个特征类型作为一个提取对象，并获取多个提取对象中每个提取对象的对象特征信息；
根据所述每个提取对象的对象特征信息和所述每个提取对象在存储过程中的特征区间，获取所述每个提取对象的关键特征字段，所述关键特征字段中包括特征区间和对应的各个燃气数据段所对应的数据量和总计量；
根据所述每个提取对象的特征类型和所述每个提取对象的特征区间，计算得到所述每个提取对象的数据分类范围，并根据所述每个提取对象的数据分类范围和对应的各个燃气数据段分配的次数和总计量，查询特征分类表得到所述多个提取对象的目标特征分类信息；
确定所述多个提取对象的目标特征分类信息对所述多个提取对象进行索引，得到所述多个提取对象对应的索引节点的索引区间；
根据所述多个提取对象对应的索引节点的索引区间与对应的数据分类范围进行匹配，得到与所述燃气数据特征对应的第一数据节点序列，其中，当所述提取对象对应的索引节点的索引区间与对应的数据分类范围存在至少部分重叠时，确定所述提取对象的特征类型为一个数据节点，否则确定所述提取对象的特征类型不为一个数据节点。
4.根据权利要求1所述的远程抄表异常监测方法，其特征在于，所述根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征从所述第一数据节点序列中提取出对应的第二数据节点序列的步骤，包括
根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征，确定出所述第一数据节点序列中存在与所述异常匹配特征相匹配的数据节点；
根据与所述异常匹配特征相匹配的数据节点从所述第一数据节点序列提取出对应的第二数据节点序列。
5.根据权利要求1所述的远程抄表异常监测方法，其特征在于，所述从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对所述异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因的步骤，包括：
从每个目标数据节点的燃气数据区间中筛选出与所述异常匹配特征之间的匹配度大于设定匹配度的多个异常数据以及所述多个异常数据各自对应的匹配度；
根据所述匹配度从所述多个异常数据中选取至少一个异常数据定位节点，形成异常数据定位节点组，并根据所述异常数据定位节点组中的各异常数据定位节点在所述燃气数据区间中的各燃气数据段中的位置以确定各异常数据定位节点的异常标识信息；
根据所述各异常数据定位节点的异常标识信息，分别与得到每个目标数据节点所对应的异常监测原因。
6.根据权利要求5所述的远程抄表异常监测方法，其特征在于，所述根据所述各异常数据定位节点的异常标识信息，分别与得到每个目标数据节点所对应的异常监测原因的步骤，包括：
从预先配置的异常监测原因映射表中查找所述各异常数据定位节点的异常标识信息对应的异常监测原因，并对各异常数据定位节点对应的异常监测原因进行汇总后以得到每个目标数据节点所对应的异常监测原因，其中，所述异常监测原因映射表中包括不同异常标识信息与异常监测原因之间的映射关系。
7.一种远程抄表异常监测装置，其特征在于，应用于燃气云服务器，所述燃气云服务器与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述装置包括：
计算模块，用于提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据，所述燃气数据特征用于表征在所述燃气表数据的各个数据节点中存在的数据的特征向量列的燃气数据特征；
获取模块，用于获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征；
提取模块，用于根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征从所述第一数据节点序列中提取出对应的第二数据节点序列；
数据分析模块，用于从所述燃气表数据中确定所述第二数据节点序列每个目标数据节点的燃气数据区间，并从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对所述异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因；
所述获取模块获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征的方式，包括：
获取所述燃气用户所对应的用户注册账号，并根据所述用户注册账号从预设的异常特征库中获取包含所述用户注册账号对应的预设异常特征，其中，所述预设的异常特征库中包括用户注册账号与预设异常特征之间的对应关系，所述预设异常特征用于表征所述燃气用户所对应的燃气表数据分析模型根据该燃气用户的历史燃气表数据分析出的燃气使用标签特征信息中标记的异常特征；
根据所述第一数据节点序列获取包含当前所述燃气数据特征的目标数据节点，根据所述目标数据节点确定以所述预设异常特征为比较特征的目标比较特征，将所述目标数据节点以所述燃气数据特征为基准，依次划分为与目标比较特征对应的多个异常比较特征，对每一异常比较特征分别与所述目标比较特征进行隐马尔科夫模型计算得到对应的隐马尔科夫概率值范围，当隐马尔科夫概率值范围不满足设定的概率值范围时，记录所述隐马尔科夫概率值范围对应的异常比较特征为第一比较对象，所述目标比较特征为第二比较对象，以得到由至少一个由所述第一比较对象和所述第二比较对象形成的比较对象统计序列；
基于至少一个所述比较对象统计序列确定对应的第一比较对象熵矩阵，并以第一比较对象熵矩阵为基准，根据设置的熵矩阵选取范围对所述目标数据节点进行划分，分别得到与每一所述熵矩阵选取范围对应的多个包含第一比较对象熵矩阵的第二比较对象熵矩阵；
对所述第二比较对象熵矩阵进行解析，得到所述第二比较对象熵矩阵中各比较对象统计序列的特征信息，并根据所述比较对象统计序列的特征信息确定比较对象统计序列的异常等级以及对应的异常表达参数，并根据所述比较对象统计序列的异常等级以及对应的异常表达参数确定第一比较对象序列；
基于所述第一比较对象序列、比较对象统计序列的异常等级以及对应的异常表达参数确定满足预设条件的比较对象统计序列构成的异常参考参数，确定每一所述比较对象熵矩阵的第一异常参考参数和第二异常参考参数的其中一个，根据所述第一异常参考参数和所述第二异常参考参数的其中一个对每一所述比较对象熵矩阵进行筛选得到与每一所述比较对象熵矩阵对应的筛选后的比较对象熵矩阵；
基于每一所述比较对象熵矩阵对应的筛选后的比较对象熵矩阵得到第一异常参考参数和第二异常参考参数的其中另一个；
根据所述比较对象熵矩阵分别对应的第一异常参考参数得到第一异常参考参数集以及根据所述比较对象熵矩阵分别对应的第二异常参考参数得到第二异常参考参数集；
确定所述第一异常参考参数集对应的第一参考异常参考参数和所述第二异常参考参数集对应的第二参考异常参考参数，并基于所述第一异常参考参数集与所述第一参考异常参考参数以及所述第二异常参考参数集与所述第二参考异常参考参数分别确定对应所述第一异常参考参数集的第一待比对向量以及对应所述第二异常参考参数集的第二待比对向量；
对所述第一异常参考参数集的第一待比对向量以及对应所述第二异常参考参数集的第二待比对向量进行比对，根据比对成果的特征向量得到所述燃气数据特征匹配于所述预设异常特征的异常匹配特征。
8.一种燃气表系统，其特征在于，所述燃气表系统包括燃气云服务器以及与所述燃气云服务器通信连接的多个不同燃气用户的燃气物联网系统，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置；
每个燃气控制物联网装置，用于从对应的燃气表中采集燃气表数据，并将所述燃气表数据发送给所述燃气云服务器；
所述燃气云服务器，用于提取每个燃气控制物联网装置从对应的燃气表中采集的燃气表数据中每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征，并计算所述燃气表数据中与所述燃气数据特征对应的第一数据节点序列，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据，所述燃气数据特征用于表征在所述燃气表数据的各个数据节点中存在的数据的特征向量列的燃气数据特征；
所述云服务器，用于获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征；
所述云服务器，用于根据所述燃气数据特征匹配于所述预设异常特征的异常匹配特征从所述第一数据节点序列中提取出对应的第二数据节点序列；
所述云服务器，用于从所述燃气表数据中确定所述第二数据节点序列每个目标数据节点的燃气数据区间，并从每个目标数据节点的燃气数据区间中查找对应的异常数据后，对所述异常数据进行数据分析，得到每个目标数据节点所对应的异常监测原因；
所述云服务器获取所述燃气表的燃气用户所对应的预设异常特征，并根据所述第一数据节点序列计算所述燃气数据特征匹配于所述预设异常特征的异常匹配特征的方式，包括：
获取所述燃气用户所对应的用户注册账号，并根据所述用户注册账号从预设的异常特征库中获取包含所述用户注册账号对应的预设异常特征，其中，所述预设的异常特征库中包括用户注册账号与预设异常特征之间的对应关系，所述预设异常特征用于表征所述燃气用户所对应的燃气表数据分析模型根据该燃气用户的历史燃气表数据分析出的燃气使用标签特征信息中标记的异常特征；
根据所述第一数据节点序列获取包含当前所述燃气数据特征的目标数据节点，根据所述目标数据节点确定以所述预设异常特征为比较特征的目标比较特征，将所述目标数据节点以所述燃气数据特征为基准，依次划分为与目标比较特征对应的多个异常比较特征，对每一异常比较特征分别与所述目标比较特征进行隐马尔科夫模型计算得到对应的隐马尔科夫概率值范围，当隐马尔科夫概率值范围不满足设定的概率值范围时，记录所述隐马尔科夫概率值范围对应的异常比较特征为第一比较对象，所述目标比较特征为第二比较对象，以得到由至少一个由所述第一比较对象和所述第二比较对象形成的比较对象统计序列；
基于至少一个所述比较对象统计序列确定对应的第一比较对象熵矩阵，并以第一比较对象熵矩阵为基准，根据设置的熵矩阵选取范围对所述目标数据节点进行划分，分别得到与每一所述熵矩阵选取范围对应的多个包含第一比较对象熵矩阵的第二比较对象熵矩阵；
对所述第二比较对象熵矩阵进行解析，得到所述第二比较对象熵矩阵中各比较对象统计序列的特征信息，并根据所述比较对象统计序列的特征信息确定比较对象统计序列的异常等级以及对应的异常表达参数，并根据所述比较对象统计序列的异常等级以及对应的异常表达参数确定第一比较对象序列；
基于所述第一比较对象序列、比较对象统计序列的异常等级以及对应的异常表达参数确定满足预设条件的比较对象统计序列构成的异常参考参数，确定每一所述比较对象熵矩阵的第一异常参考参数和第二异常参考参数的其中一个，根据所述第一异常参考参数和所述第二异常参考参数的其中一个对每一所述比较对象熵矩阵进行筛选得到与每一所述比较对象熵矩阵对应的筛选后的比较对象熵矩阵；
基于每一所述比较对象熵矩阵对应的筛选后的比较对象熵矩阵得到第一异常参考参数和第二异常参考参数的其中另一个；
根据所述比较对象熵矩阵分别对应的第一异常参考参数得到第一异常参考参数集以及根据所述比较对象熵矩阵分别对应的第二异常参考参数得到第二异常参考参数集；
确定所述第一异常参考参数集对应的第一参考异常参考参数和所述第二异常参考参数集对应的第二参考异常参考参数，并基于所述第一异常参考参数集与所述第一参考异常参考参数以及所述第二异常参考参数集与所述第二参考异常参考参数分别确定对应所述第一异常参考参数集的第一待比对向量以及对应所述第二异常参考参数集的第二待比对向量；
对所述第一异常参考参数集的第一待比对向量以及对应所述第二异常参考参数集的第二待比对向量进行比对，根据比对成果的特征向量得到所述燃气数据特征匹配于所述预设异常特征的异常匹配特征。
9.一种燃气云服务器，其特征在于，所述燃气云服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个燃气表系统通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-6中任意一项所述的远程抄表异常监测方法。
CN202010141148.2A 2020-03-04 2020-03-04 远程抄表异常监测方法、装置、燃气表系统及云服务器 Active CN111339129B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010141148.2A CN111339129B (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法、装置、燃气表系统及云服务器
CN202011183372.4A CN112291348A (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法及燃气表系统
CN202011187923.4A CN112307084A (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法、燃气表系统及燃气云平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010141148.2A CN111339129B (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法、装置、燃气表系统及云服务器

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202011183372.4A Division CN112291348A (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法及燃气表系统
CN202011187923.4A Division CN112307084A (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法、燃气表系统及燃气云平台

Publications (2)

Publication Number Publication Date
CN111339129A CN111339129A (zh) 2020-06-26
CN111339129B true CN111339129B (zh) 2021-06-04

Family

ID=71184070

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202011183372.4A Withdrawn CN112291348A (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法及燃气表系统
CN202011187923.4A Withdrawn CN112307084A (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法、燃气表系统及燃气云平台
CN202010141148.2A Active CN111339129B (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法、装置、燃气表系统及云服务器

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN202011183372.4A Withdrawn CN112291348A (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法及燃气表系统
CN202011187923.4A Withdrawn CN112307084A (zh) 2020-03-04 2020-03-04 远程抄表异常监测方法、燃气表系统及燃气云平台

Country Status (1)

Country Link
CN (3) CN112291348A (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762685A (zh) * 2020-12-28 2021-12-07 京东城市(北京)数字科技有限公司 异常用户的检测方法、装置及电子设备
CN113421020A (zh) * 2021-07-13 2021-09-21 神策网络科技（北京）有限公司 一种多指标异常点重合度分析方法
CN113655307A (zh) * 2021-07-27 2021-11-16 珠海格力电器股份有限公司 生产设备的异常监测方法、装置、设备和注塑机
CN113722557B (zh) * 2021-08-25 2024-05-24 广州东部发展燃气有限公司 一种燃气供销差的确定方法及装置
CN114173370A (zh) * 2021-12-30 2022-03-11 中国电信股份有限公司 一种故障定位方法、装置、设备及存储介质
CN114613120A (zh) * 2022-03-29 2022-06-10 新奥（中国）燃气投资有限公司 一种远程抄表异常识别方法及装置
CN114757270A (zh) * 2022-03-30 2022-07-15 重庆合众慧燃科技股份有限公司 基于NB-IoT燃气智能设备的异常分析方法系统及存储介质
CN116717729B (zh) * 2023-08-09 2023-10-20 山东国研自动化有限公司 一种监测燃气安全的分级管控系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008101952A (ja) * 2006-10-17 2008-05-01 Toshiba Corp ガス器具判別装置および判別方法
CN103791964A (zh) * 2013-09-29 2014-05-14 成都秦川科技发展有限公司 安全切断型物联网智能燃气表
CN105185051A (zh) * 2015-07-31 2015-12-23 常州维格电子有限公司 基于用气行为的异常发现疑似燃气泄漏的检测方法及系统
CN105737212A (zh) * 2014-12-12 2016-07-06 青岛海尔洗碗机有限公司 一种燃气灶智能监控系统
CN107120531A (zh) * 2017-03-22 2017-09-01 北京航空航天大学 城市天然气管道系统故障传播影响评估方法及系统
CN109243148A (zh) * 2018-09-29 2019-01-18 四川博能燃气股份有限公司 室内燃气泄漏警报与疏散系统及其警报和泄漏点定位方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609317A (zh) * 2009-07-26 2009-12-23 浙江金卡高科技工程有限公司 燃气仪表远程实时监控系统
KR101115522B1 (ko) * 2009-12-02 2012-02-27 중앙대학교 산학협력단 건물 내 무선통신을 이용한 가스 안전 관리 시스템
CN103307447B (zh) * 2013-06-03 2015-06-10 清华大学 一种城市燃气管网技术故障信息监测预警系统
CN105824277A (zh) * 2016-03-08 2016-08-03 厦门合创成电子科技有限公司 一种远程监控的联动燃气报警系统
CN108154005A (zh) * 2017-12-28 2018-06-12 福州信诺通信息技术有限公司 一种燃气抄表异常分析方法和存储介质
CN110796848A (zh) * 2019-09-30 2020-02-14 南京达蓝自动化科技有限公司 一种远程控制的抄表系统及其控制方法
CN110728836A (zh) * 2019-10-22 2020-01-24 深圳供电局有限公司 一种集中器抄表异常分析方法及其系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008101952A (ja) * 2006-10-17 2008-05-01 Toshiba Corp ガス器具判別装置および判別方法
CN103791964A (zh) * 2013-09-29 2014-05-14 成都秦川科技发展有限公司 安全切断型物联网智能燃气表
CN105737212A (zh) * 2014-12-12 2016-07-06 青岛海尔洗碗机有限公司 一种燃气灶智能监控系统
CN105185051A (zh) * 2015-07-31 2015-12-23 常州维格电子有限公司 基于用气行为的异常发现疑似燃气泄漏的检测方法及系统
CN107120531A (zh) * 2017-03-22 2017-09-01 北京航空航天大学 城市天然气管道系统故障传播影响评估方法及系统
CN109243148A (zh) * 2018-09-29 2019-01-18 四川博能燃气股份有限公司 室内燃气泄漏警报与疏散系统及其警报和泄漏点定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
膜式燃气表的无线远程抄表系统设计;沈成钦;《膜式燃气表的无线远程抄表系统设计》;20130315(第03期);第I140-579页 *

Also Published As

Publication number Publication date
CN111339129A (zh) 2020-06-26
CN112307084A (zh) 2021-02-02
CN112291348A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN111339129B (zh) 远程抄表异常监测方法、装置、燃气表系统及云服务器
CN111064614B (zh) 一种故障根因定位方法、装置、设备及存储介质
CN111245912B (zh) 智能楼宇信息监控方法、装置、服务器及智能楼宇系统
CN111277469B (zh) 网络诊断处理方法、装置、网络系统及服务器
WO2017076154A1 (zh) 网络事件预测以及建立网络事件预测模型的方法和装置
CN105187242B (zh) 一种基于变长序列模式挖掘的用户异常行为检测方法
CN113626502B (zh) 基于集成学习的电网数据异常检测方法及装置
CN105120433A (zh) 基于连续采样及模糊聚类处理的wlan室内定位方法
CN111176953B (zh) 一种异常检测及其模型训练方法、计算机设备和存储介质
KR20190072652A (ko) 정보 처리 장치 및 정보 처리 방법
CN102609501B (zh) 一种基于实时历史数据库的数据清洗方法
CN111210198B (zh) 信息投递方法、装置及服务器
CN111327706B (zh) 远程抄表数据处理方法、装置、燃气表系统及燃气云平台
CN111258968B (zh) 企业冗余数据清理方法、装置及大数据平台
CN111148046B (zh) 轨迹记录方法、装置及系统
CN115422263B (zh) 一种电力现场多功能通用型故障分析方法及系统
CN111343664A (zh) 用户定位方法、装置、设备及介质
CN109284286A (zh) 一种从原始数据集中提取有效特征的方法
CN111107162B (zh) 基于物联网的室内定位数据处理方法、装置及系统
CN112085082A (zh) 一种污水排放实时监测方法、装置及服务器
CN111209943A (zh) 数据融合方法、装置及服务器
CN112598041A (zh) 一种基于k-means算法的配电网云平台数据校验方法
CN111340683B (zh) 图像数据处理方法、装置、图像处理系统及服务器
CN111698700B (zh) 一种小区的工作状态的判定方法及装置
CN111783012A (zh) 互联网产品监控方法、装置、服务器及可读存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 430056 Hubei city of Wuhan province Wuhan City Economic and Technological Development Zone East Road No. 164

Applicant after: Pan Congping

Address before: 361015 No.11, torch East Road, Huli District, Xiamen City, Fujian Province

Applicant before: Pan Congping

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210517

Address after: 451299 gymnasium, No.90 tongben Road, Gongyi City, Zhengzhou City, Henan Province

Applicant after: Gongyi Gas Co.,Ltd.

Address before: No. 164, East Checheng Road, Wuhan Economic and Technological Development Zone, Wuhan, Hubei 430056

Applicant before: Pan Congping

GR01 Patent grant
GR01 Patent grant