CN111897771A - 一种基于智能分析模型的燃气表报文测试方法及系统 - Google Patents

Abstract

本申请提供一种基于智能分析模型的燃气表报文测试方法,具体包括：燃气表通过运营商平台将原始报文帧数据传送到前置通讯系统；前置通讯系统对原始报文帧数据进行初步解析，得到原始报文帧数据对应的燃气表的表编号和表信息；通过ELK日志流工具，对元数据进行存储；通过数据接口获取每块燃气表的元数据，并将其输入到主站系统中对应的预置测试模型中进行动态分析，得出动态分析结果；将动态分析结果以文件索引的方式进行存储，测试人员通过查询搜索引擎进行组合条件查询，完成对燃气表的表数据从点到面的多维度测试分析。本申请能够优化报文元数据的存储方式，以文件索引的方式存储报文数据，配合搜索多条件筛选查询，提高报文查询效率。

Description

一种基于智能分析模型的燃气表报文测试方法及系统

技术领域

本申请涉及燃气表测试技术领域，尤其涉及一种基于智能分析模型的燃气表报文测试方法及系统。

背景技术

对于表计制造公司而言，表计的通讯测试工作是必不可少的。NB-IoT通讯平台的智能燃气表，每天都有大量数据由运营商平台推送至前置通讯系统，再由前置机推送数据至数据库。这其中报文元数据的存储占据了数据库的存储空间，增加了数据库的存储压力，日常的数据备份工作也增加了一定的工作量，稍有不慎就会造成历史数据丢失。

现有技术中，测试人员在智能燃气表主站系统中通过报文查询分析问题时，系统因为数据量大，查询速度十分缓慢，经常出现卡顿甚至奔溃的现象。同时，由于测试过程中对需要针对上报原始报文进行分析，通常报文元数据没有进行模型建立，导致排查问题操作流程繁多，导致日常的测试工作以及问题排查工作进行的十分缓慢，效率低下。

因此，亟需对传输报文的测试分析进行流程优化，解决原系统中的数据库存储压力问题，减少操作流程，方便辅助测试人员测试工作的进行。

发明内容

本申请提供了一种基于智能分析模型的燃气表报文测试方法及系统，以解决现有技术中存在的数据库存储压力大，测试人员测试工作流程复杂，测试效率低下的问题。

一方面，本申请提供一种基于智能分析模型的燃气表报文测试方法，具体包括：

燃气表通过运营商平台将原始报文帧数据传送到前置通讯系统；

所述前置通讯系统对所述原始报文帧数据进行初步解析，得到所述原始报文帧数据对应的所述燃气表的表编号和表信息；

通过ELK日志流工具，对元数据进行存储；

通过数据接口获取每块燃气表的元数据，并将其输入到主站系统中对应的预置测试模型中进行动态分析，得出动态分析结果；

将所述动态分析结果以文件索引的方式进行存储，测试人员通过查询搜索引擎进行组合条件查询，完成对燃气表的表数据从点到面的多维度测试分析。

在本申请的较佳实施例中，所述元数据主要包括原始报文帧数据、表编号和解析后的表信息数据。

在本申请的较佳实施例中，所述预置测试模型主要包括事件告警模型、表状态识别模型和表计量数据模型。

在本申请的较佳实施例中，所述事件告警模型主要包括开关阀事件告警、异常用量告警和环境异常告警。

在本申请的较佳实施例中，所述表状态识别模型主要包括信号状态感知和电池电量状态感知。

在本申请的较佳实施例中，所述表计量数据模型主要用于：

根据不同燃气表类型测试表计结算用量是否处于预期范围内；

测试表计计量过程中结算业务是否正常预警、结算，计量数据与结算数据是否正常；

累计用量是否存在突变情况。

另一方面，本申请提供一种基于智能分析模型的燃气表报文测试系统，主要包括：

报文输入单元，所述报文输入单元基于Logback日志组件，接收原始报文帧数据并对原始报文数据的日志进行记录；

元数据存储处理单元，所述元数据存储处理单元用于接收所述报文输入单元通过Http请求传输的元数据；

报文智能分析模型单元，所述报文智能分析模型单元主要用于对所述元数据进行预处理、数据分析以及预置模型匹配；

查询搜索引擎单元，所述查询搜索引擎单元主要用于测试人员进行多条件或单条件的查询筛选，得到直观的数据展示。

采用上述技术方案，由于Logback日志组件可用于主站系统和前置通讯系统，因此能针对性进行报文元数据的定位输出，使得报文元数据来源清晰、便于后续的分析处理；所述查询搜索引擎单元基于开源的Lucene搜索引擎，提供高效、便捷的搜索服务，测试人员可以通过表编号、对象化后的表特征、时间区间等条件进行信息筛选。

本申请相较于现有技术而言，具有有益效果如下；

(1)本申请基于ELK日志工具，能够以文件索引的方式存储报文元数据，极大的缓解了数据库的存储压力，使得数据存储更加高效便捷，节省了硬盘存储空间，提高了硬件资源的运用效率，能够避免在测试过程中，因报文数据量过大而造成的查询缓慢、系统卡顿甚至奔溃的问题。

(2)本申请通过以文件索引方式存储报文元数据，将文件索引作为查询搜索引擎的数据源，能够根据测试人员需要，进行多条件或单条件筛选查询，相比于从数据库中查询报文的效率更高、响应更快，可以使得报文测试分析工作逐渐脱离人工分析，走向智能化分析，提高报文测试工作效率。

(3)本申请中根据流量表通讯协议，解析报文数据，根据报文中数据标识的不同，将解析结果归纳成不同类型，从而建立不同的测试模型，并定义独立的标签赋给测试模型，再对报文数据进行对象化处理，根据测试模型动态序列化报文元数据，简化测试人员的分析流程，减少操作步骤，提高了日常报文测试的效率。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请一种基于智能分析模型的燃气表报文测试方法的整体流程图；

图2为本申请一种基于智能分析模型的燃气表报文测试系统的原理示意图；

图3为本申请一种基于智能分析模型的燃气表报文测试系统中报文分析模型单元的处理流程图。

具体实施方式

为使本申请的目的、实施方式和优点更加清楚，下面将结合本申请示例性实施例中的附图，对本申请示例性实施方式进行清楚、完整地描述，显然，所描述的示例性实施例仅是本申请一部分实施例，而不是全部的实施例。

基于本申请描述的示例性实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请所附权利要求保护的范围。此外，虽然本申请中公开内容按照示范性一个或几个实例来介绍，但应理解，可以就这些公开内容的各个方面也可以单独构成一个完整实施方式。

需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本申请的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。

此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的那些组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。

本申请中使用的术语“单元”，是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合，能够执行与该元件相关的功能。

实施例1

如图1所示，本申请的一种基于智能分析模型的燃气表报文测试方法，具体包括：

S101，燃气表通过运营商平台将原始报文帧数据传送到前置通讯系统；

S102，所述前置通讯系统对所述原始报文帧数据进行初步解析，得到所述原始报文帧数据对应的所述燃气表的表编号和表信息；

S103，通过ELK日志流工具，对元数据进行存储；

S104，通过数据接口获取每块燃气表的元数据，并将其输入到主站系统中对应的预置测试模型中进行动态分析，得出动态分析结果；

S105，将所述动态分析结果以文件索引的方式进行存储，测试人员通过查询搜索引擎进行组合条件查询，完成对燃气表的表数据从点到面的多维度测试分析。

需要特别说明的是，在本实施例1中，所述燃气表采用的是NB-IoT燃气表。

在上述实施方式基础上，进一步地，所述元数据主要包括原始报文帧数据、表编号和解析后的表信息数据。

在本实施例1中，元数据分为从前置通讯系统输入的元数据以及从主站系统输入的报文元数据，其中，从前置通讯系统输入的报文元数据主要包括NB-IoT表编号、报文帧数据、前置通讯系统终端的IP、端口、请求时间等信息；从主站系统输入的元数据主要包括NB-IoT表编号、报文分析结果、主站系统系统终端的IP、端口、处理时间等信息。

在上述实施方式基础上，进一步地，所述预置测试模型主要包括事件告警模型、表状态识别模型和表计量数据模型。

在上述实施方式基础上，进一步地，所述事件告警模型主要包括开关阀事件告警、异常用量告警和环境异常告警，还包括窃气事件告警模型、漏气事件、低电量事件等。

在本实施例1中，开关阀事件告警的定义过程具体为：

首先，根据开关阀事件上报时间，对比主站系统中结算业务和任务列表，判断表计开关阀是否存在异常，得出开关阀数据的测试结论；

其次，通过表计主动上报的开关阀报文，进行报文数据中的开关阀原因解析，原因大致分为停用关阀、电池电压低关阀、达到报警金额管阀、防拆关阀、远程关阀以及磁场干扰等；

最后，对于上述提到的开关阀事件，主站系统中的预置测试模型中的事件告警模型会输出开关阀事件类的测试结果及原因，便于测试人员进行测试结果的筛选分析。

在本实施例1中，异常用量告警的定义过程具体为：定义表计日用量为DayFlow、表计每日理论最大用量为MaxFlow、表计日均用量为AvgFlow、表计当前止码为CheckCode、表计绑定的用户类型为UserType，异常累计天数为Days，进行数据筛选和判断如下：

表计计量异常：当表计日用量大于表计每日理论最大用量时，即

DayFlow>{(MaxFlow,UserType)}，

则定义为表计计量异常；

表计漏气事件：

{(AvgFlow,Days,UserType})≤DayFlow*Days≤{(MaxFlow,Days,UserType})，则定义为表计漏气事件；

超大超小流量告警：根据表计超大超小流量报警标识的数据解析，判断是否为此情况。

在本实施例1中，环境异常告警的定义过程具体为：通过表计主动上报磁场干扰、阀门异常、通讯异常数据的报文解析，同一输出外界干扰报警的测试结果。

在上述实施方式基础上，进一步地，所述表状态识别模型主要包括信号状态感知和电池电量状态感知，还包括安装地理位置、信号强度、信噪比等环境信息的识别感知。

在本实施例1中，信号状态感知的定义过程具体为：根据NB-IoT燃气表信号参数标准，定义表计上报信号功率为RSRP、表计上报信噪比为SINR、表计安装环境参数等数据进行筛选和判断。由于NB-IoT燃气表一般安装在用户家中，系统解析获取到的表计信号数据后，只需根据标准判断，即可输出测试结果，判定NB-IoT燃气表信号状态是否合格，判断标准如下：

RSRP≥-105，且SINR≥0

电池电量感知的定义过程具体为：定义表计电池电量为BP，电量增量为Δ(BP)，电量增量均值为

电量增量标准差为σ(BP)，根据电池电量正常消耗模型计算标准差，公式如下：

若根据近10日表计上报电量数据计算出的标准差σ(BP)_Last10Days满足公式

则可判定表计电量属于异常消耗，否则属于电池电量状态正常。

在上述实施方式基础上，进一步地，所述表计量数据模型，包括当前剩余金额、累计用量等计量信息等，所述表计量数据模型主要用于：

根据不同燃气表类型测试表计结算用量是否处于预期范围内；

测试表计计量过程中结算业务是否正常预警、结算，计量数据与结算数据是否正常；

累计用量是否存在突变情况。

在本实施例1中，通过对上述各种不同的预置测试模型的匹配和分析，可以针对特定表进行表对象的反序列化，将报文数据转化为分析对象，得出表计的各种信息，方便测试人员进行直观的数据查询和状态分析。

实施例2

如图2所示，本申请的一种基于智能分析模型的燃气表报文测试系统，主要包括：

报文输入单元，所述报文输入单元基于Logback日志组件，接收原始报文帧数据并对原始报文数据的日志进行记录；如图2所示，在本实施例2中，所述报文输入单元分为前置通讯系统报文输入单元和主站系统报文输入单元；

元数据存储处理单元，所述元数据存储处理单元用于接收所述报文输入单元通过Http请求传输的元数据，即包括所述前置通讯系统报文输入单元传输的元数据和所述主站系统报文输入单元传输的元数据；

报文智能分析模型单元，所述报文智能分析模型单元主要用于对所述元数据进行预处理、数据分析以及预置模型匹配；

查询搜索引擎单元，所述查询搜索引擎单元主要用于测试人员进行多条件或单条件的查询筛选，得到直观的数据展示。

采用上述技术方案，由于Logback日志组件可用于主站系统和前置通讯系统，因此能针对性进行报文元数据的定位输出，使得报文元数据来源清晰、便于后续的分析处理；所述查询搜索引擎单元基于开源的Lucene搜索引擎，提供高效、便捷的搜索服务，测试人员可以通过表编号、对象化后的表特征、时间区间等条件进行信息筛选。

如图2所示，本申请的一种基于智能分析模型的燃气表报文测试系统的具体实现过程如下：

首先，终端NB-IoT燃气表上报原始报文帧数据到运营商平台，在本实施例2中，采用电信平台，电信平台输送给前置通讯系统报文输入单元进行数据传输，携带表编号、帧数据等信息。前置通讯系统报文输入单元接收到帧数据等信息后，先识别NB-IoT燃气表的协议类型，根据该NB-IoT燃气表的通讯协议对该帧数据进行初步解析，获取到报文所对应的NB-IoT燃气表的表编号、帧数据标识所解析到的表信息，再通过ELK日志流工具的日志服务配置将报文元数据及解析后的基础数据，如表信息数据等，均以Http请求的方式输入到元数据存储处理单元中。而主站系统报文输入单元则是另一个数据输入来源，通过定时计划扫描各个表计的各种入库数据，将结果输入到元数据存储处理单元中，以文件索引的方式进行数据存储；同时，主站系统报文输入单元中预设了测试模型，通过定时任务，以Rest数据接口调用的形式获取每块NB-IoT燃气表的元数据，将其匹配输入到不同的测试模型中进行动态分析，具体分析过程如下文所述。

其次，元数据存储处理单元会将接收到的报文帧数据、基础数据进行以文件索引方式的存储和处理，使数据存储更加高效便捷，节省CPU、内存的资源开支，提高查询效率。

再次，如图3所示，报文智能分析模型单元则是对数据进行一系列的处理和特征匹配。元数据进行存储后，报文智能分析模型单元首先将元数据进行预处理，然后根据元数据特征进行特征匹配，匹配到预先建立好的各类测试模型中，如图3所示，主要以事件告警模型、表状态识别模型、表计量数据模型等三个模型进行数据描述，对表信息进行对象化处理，得出的结果输出给测试人员进行分析。

测试人员能够通过查询搜索引擎单元进行动态组合条件的查询，或者进行多标签查询，利用元数据的上报来源、上报时间区间、表编号等额外筛选条件进行分段查询，其中，上报来源包括服务器运行的IP地址、程序ID、线名称等，根据不同需要，可以得到精准或模糊的分析结果，实现从点到面对NB-IoT燃气表的表数据进行多维度的测试分析。

本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (7)

1.一种基于智能分析模型的燃气表报文测试方法，其特征在于，所述燃气表报文测试方法具体包括：

燃气表通过运营商平台将原始报文帧数据传送到前置通讯系统；

所述前置通讯系统对所述原始报文帧数据进行初步解析，得到所述原始报文帧数据对应的所述燃气表的表编号和表信息；

通过ELK日志流工具，对元数据进行存储；

通过数据接口获取每块燃气表的元数据，并将其输入到主站系统中对应的预置测试模型中进行动态分析，得出动态分析结果；

将所述动态分析结果以文件索引的方式进行存储，测试人员通过查询搜索引擎进行组合条件查询，完成对燃气表的表数据从点到面的多维度测试分析。

2.根据权利要求1所述的一种基于智能分析模型的燃气表报文测试方法，其特征在于，所述元数据主要包括原始报文帧数据、表编号和解析后的表信息数据。

3.根据权利要求1所述的一种基于智能分析模型的燃气表报文测试方法，其特征在于，所述预置测试模型主要包括事件告警模型、表状态识别模型和表计量数据模型。

4.根据权利要求3所述的一种基于智能分析模型的燃气表报文测试方法，其特征在于，所述事件告警模型主要包括开关阀事件告警、异常用量告警和环境异常告警。

5.根据权利要求3所述的一种基于智能分析模型的燃气表报文测试方法，其特征在于，所述表状态识别模型主要包括信号状态感知和电池电量状态感知。

6.根据权利要求3所述的一种基于智能分析模型的燃气表报文测试方法，其特征在于，所述表计量数据模型主要用于：

根据不同燃气表类型测试表计结算用量是否处于预期范围内；

测试表计计量过程中结算业务是否正常预警、结算，计量数据与结算数据是否正常；

累计用量是否存在突变情况。

7.一种基于智能分析模型的燃气表报文测试系统，所述燃气表报文测试系统主要包括：

报文输入单元，所述报文输入单元基于Logback日志组件，接收原始报文帧数据并对原始报文数据的日志进行记录；

元数据存储处理单元，所述元数据存储处理单元用于接收所述报文输入单元通过Http请求传输的元数据；

报文智能分析模型单元，所述报文智能分析模型单元主要用于对所述元数据进行预处理、数据分析以及预置模型匹配；

查询搜索引擎单元，所述查询搜索引擎单元主要用于测试人员进行多条件或单条件的查询筛选，得到直观的数据展示。

Images