CN113627278A - 一种基于水指纹算法的用水趋势图形化分析方法 - Google Patents
一种基于水指纹算法的用水趋势图形化分析方法 Download PDFInfo
- Publication number
- CN113627278A CN113627278A CN202110822730.XA CN202110822730A CN113627278A CN 113627278 A CN113627278 A CN 113627278A CN 202110822730 A CN202110822730 A CN 202110822730A CN 113627278 A CN113627278 A CN 113627278A
- Authority
- CN
- China
- Prior art keywords
- data
- water
- lane
- analysis method
- graphical analysis
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
一种基于水指纹算法的用水趋势图形化分析方法,包括通过物联网远传设备获取数据,在数据的基础上进行特征发现,数据为波形结构,在波形的外侧进行区域划分形成“泳道”,根据“泳道”的高低起伏发现若干个高峰期和低峰期,同时在水平坐标轴上添加时间,时间精确到小时,通过预测模拟后续数据在“泳道”内进行数据填补,下一个监测数据获取时,修正后续的预测数据,采用以上结构后,本发明具有如下优点:发现用水趋势基本上是按照泳道预测的路径运行的,采用这个图形化分析方法模型,超过几个预测点报警或者突然波形幅度超出预测值很大时,监测设备判断到异常,做突变报警,能够达到及时预警及时告知的目的。
Description
技术领域
本发明涉及数据分析技术领域,具体是指一种基于水指纹算法的用水趋势图形化分析方法(水指纹算法定义为“泳道”结合机器学习预测,结合时间轴,结合后台几何图形以及预警的综合算法)。
背景技术
企业社会经济生活、国家的生产经营发展都离不开用水、排水、雨水、供热、电力、石油、燃气等流体气体在管道中流动,由于用户、企业、社区、整个城市、整个国家大家使用情况都是各自有差异的。如何根据这些差异分析出一些规律,并找出一些现象,为生产生活提供一种有利的方式方法,为供水统筹调度、漏损控制和更加准确判断提供了指导方向,提供了一种基于水指纹算法的用水趋势图形化分析方法。
发明内容
本发明要解决的技术问题是能够根据各种数据的表现发现其中的规律并用更加科学的图形化方法来分析,来达到指导我们工作和更加准确的发现不良情况,提供了一种基于水指纹算法的用水趋势图形化分析方法。
为解决上述技术问题,本发明提供的技术方案为:
一种基于水指纹算法的用水趋势图形化分析方法,包括通过物联网远传设备获取数据,在数据的基础上进行特征发现,数据为波形结构,在波形的外侧进行区域划分形成“泳道”,根据“泳道”的高低起伏发现若干个高峰期和低峰期,同时在水平坐标轴上添加时间,时间精确到小时,可判断出小高峰和最高峰的时间点,并再后台算法中建立高峰、低峰运行的规律几何图形,结合AI可以通过数据分析“泳道”的走势进行推测“泳道”的后续路径,通过模拟后续数据在“泳道”内进行数据填补,下一个监测数据获取时,修正后续的预测数据,水趋势图形化分析方法如下:
①:通过物联网远传设备获取数据,进行分析;
②:根据数据进行“泳道”的区域划分并建立几何图形算法;
③:模拟数据后续的“泳道”,模拟数据在“泳道”内的走势图;
④:根据监测数据的获取,对比模拟数据,进行修正;
⑤:根据后续数据的获取和泳道模拟进行图形相似性的对比分析;
⑥:如实际的运行数据不在与“泳道”内,则作出报警提醒;
⑦:派人去现场查看和维修。
采用以上结构后,本发明具有如下优点:发现用水趋势基本上是按照泳道预测的路径运行的,采用这个图形化分析方法模型,超过几个预测点报警或者突然波形幅度超出预测值很大时,监测设备判断到异常,做突变报警,能够达到及时预警及时告知的目的。
作为改进,数据是基于上海满盛公司的《一种水指纹预测算法》的基础上实现的图形化分析方法。
作为改进,小高峰略低于第二个高峰期最高峰。
作为改进,当连续的四个实际的运行数据不在与“泳道”内,则作出报警提醒。
作为改进,水趋势图形化分析方法适用于流体或气体在管道中运行的情况分析。
作为改进,模拟数据后续的“泳道”,模拟数据在“泳道”内的走势图,预测数据全部最多采用24小时,超过24小时不再填补任何数据,并做数据中断处理。
附图说明
图1是本发明施案例一的某地区用水数据图
图2是本发明施案例一的“泳道”区域划分图
图3是本发明施案例一的添加时间坐标轴图
图4是本发明施案例一的时间点用水数据放大图
图5是本发明施案例一的社区用水规律图
图6是本发明施案例一的预测用水规律图
图7是本发明施案例一的预测和通过“泳道”结合分析图
图8是本发明施案例一的新的算法去学习适应用水趋势图
图9是本发明施案例一的用水图形化分析图
图10是本发明施案例一的9月份用水分析图
图11是本发明施案例一的MNF报警点示意图
具体实施方式
下面结合附图对本发明做进一步的详细说明。
结合图1-图11,一种基于水指纹算法的用水趋势图形化分析方法,包括通过物联网远传设备获取数据,在数据的基础上进行特征发现,数据为波形结构,在波形的外侧进行区域划分形成“泳道”,根据“泳道”的高低起伏发现若干个高峰期和低峰期,同时在水平坐标轴上添加时间,时间精确到小时,可判断出小高峰和最高峰的时间点,并再后台算法中建立高峰、低峰运行的规律几何图形,结合AI可以通过数据分析“泳道”的走势进行推测“泳道”的后续路径,通过模拟后续数据在“泳道”内进行数据填补,下一个监测数据获取时,修正后续的预测数据,水趋势图形化分析方法如下:
①:通过物联网远传设备获取数据,进行分析;
②:根据数据进行“泳道”的区域划分并建立几何图形算法;
③:模拟数据后续的“泳道”,模拟数据在“泳道”内的走势图;
④:根据监测数据的获取,对比模拟数据,进行修正;
⑤:根据后续数据的获取和泳道模拟进行图形相似性的对比分析;
⑥:如实际的运行数据不在与“泳道”内,则作出报警提醒;
⑦:派人去现场查看和维修。
在实际的测试时,“泳道”的比例可根据实际情况调节,水平坐标轴上添加时间,根据需要可以更加精细到分钟、秒钟。
数据是基于上海满盛公司的《一种水指纹预测算法》的基础上实现的图形化分析方法。
当连续的四个实际的运行数据不在与“泳道”内,则作出报警提醒,在实际的测试时,可根据时间的情况判断和设置数据出现偏差导致报警的次数。
水趋势图形化分析方法适用于流体或气体在管道中运行的情况分析。
模拟数据后续的“泳道”,模拟数据在“泳道”内的走势图,预测数据全部最多采用24小时,超过24小时不再填补任何数据,并做数据中断处理。
具体实施案例一:
水指纹算法定义为“泳道”结合机器学习预测,结合时间轴,结合后台几何图形以及预警的综合算法,我们采取某地区用水数据,通过物联网远传设备发送过来,如图1:
根据数据进行“泳道”的区域划分,设计“泳道”,同时找出小高峰和最高峰,如图2:
通过这个数据我们加上时间(精确到小时)点发现如下,如图3:
第一个高峰期时在早上8点,第二个高峰期时在晚上22点,最低点是在凌晨4点,如图4:
这个数据是一个500万城市规模的城市,我们发现整个城市的运行规律,用这个我们发现整个城市的运行规律,用这个图形化的方法基本就能判断出,这个城市早高峰用水是8点,晚高峰用水是22点,凌晨最低点用水最低谷是4点。
通过以上分析我们很容易发现整个城市的用水规律,进而当我们把这种模式放在一个社区的时候,发现的规律也是同样的规律,如图5:
不同的是该社区的运行规律晚上是发生在凌晨3点和4点,但总图趋势是和整个城市一致的。
现在我们发现了整个城市乃至社区的运行规律,接下来我们希望是能够预测这个规律,并能够预判用水的未来走向,如预测最大值为9708.81,如图6:
当下一个监测数据到来时,我们会替换预测线段,并且修正后续的预测数据当用水规律,为了保证预测的准确性以及对监测设备可靠性的评估,我们预测数据全部最多采用24小时,超过24小时不再填补任何数据,并做数据中断处理,通过预测和通过“泳道”结合,如图7:
我们会看到A区域的用水趋势明显符合我们说的两个高峰期和一个低峰区,C区域明显与这个模式不同,B区域是我们做的报警,当连续4个点的运行数据不在预测区域内,我们就报警,提示该社区用水趋势存在问题,经过核查,发现是二供水箱溢流。通过这个模式,我们针对该小区,发现连续两次二供泵房水箱溢流。
下图是通过该图形化分析,发现另外一个小区用水模式发生重大改变,经过核查,确认是在6月9日停水维修小区内的一个漏点,维修好后,用水量下降,而预测算法会根据水量变化不断学习,继续按新的算法去学习适应用水趋势,如图8:
由于机器学习的适应性过程,我们明显看到A区域泳道的上部空白区留的较多,B区域基本变得很小,这证明机器学习适应了该社区得用水趋势。
接下来我们用这种用水图形化分析,发现流量计工作是否正常,如图9:
该图是一个DN800的流量仪,我们发现A区域的用水和B区域明显不同,原因是A区域里特别是标注的地方,有很多脱离的用水趋势预判以及跌到了0用水量,按用水模式分析我们预判是流量计计量有问题,经过现场核对也的确是流量计计量有问题,B区域是维修后,流量计进入正常运行模式的体现。
下图是另外一个DN800的流量计,上图因为流量计跌变到了零,体现不出水指纹功能的强大,如图10:
该图能够直观的反应出,该流量计9月中旬明显跌出水指纹曲线,现场流量计处于运行状态,并没有停止运行,经过现场分析确认该流量计计量存在问题,后续进行了维修,待9月23日维修好后,数据进入正常的水指纹运行区间。
本次发明综合采用了远传监测、机器预测学习、泳道图形(水指纹展现)来达到现问题规律的做法,根据这个图形化分析方法模型,我们应用中可以用超过几个预测点报警或者突然波形幅度超出预测值很大(我们采用的是振幅比例)做突变报警,能够达到及时预警及时告知的目的。如图11(我们把发明应用于漏损控制项目中,所以采用了MNF报警):
该发明在实际国家生产生活中应用意义适应面是比较广泛的,特别适合于供水、排水、雨水、供热、电力、石油、燃气等流体气体在管道中运行的情况分析。
以上对本发明及其实施方式进行了描述,这种描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施案例,均应属于本发明的保护范围。
Claims (5)
1.一种基于水指纹算法的用水趋势图形化分析方法,其特征在于,包括通过物联网远传设备获取数据,在数据的基础上进行特征发现,数据为波形结构,在波形的外侧进行区域划分形成“泳道”,根据“泳道”的高低起伏发现若干个高峰期和低峰期,同时在水平坐标轴上添加时间,时间精确到小时,可判断出小高峰和最高峰的时间点,并再后台算法中建立高峰、低峰运行的规律几何图形,结合AI可以通过数据分析“泳道”的走势进行推测“泳道”的后续路径,通过模拟后续数据在“泳道”内进行数据填补,下一个监测数据获取时,修正后续的预测数据,水趋势图形化分析方法如下:
①:通过物联网远传设备获取数据,进行分析;
②:根据数据进行“泳道”的区域划分并建立几何图形算法;
③:模拟数据后续的“泳道”,模拟数据在“泳道”内的走势图;
④:根据监测数据的获取,对比模拟数据,进行修正;
⑤:根据后续数据的获取和泳道模拟进行图形相似性的对比分析;
⑥:如实际的运行数据不在与“泳道”内,则作出报警提醒;
⑦:派人去现场查看和维修。
2.根据权利要求1所述的一种基于水指纹算法的用水趋势图形化分析方法,其特征在于:数据是基于上海满盛公司的《一种水指纹预测算法》的基础上实现的图形化分析方法。
3.根据权利要求1所述的一种基于水指纹算法的用水趋势图形化分析方法,其特征在于:当连续的四个实际的运行数据不在与“泳道”内,则作出报警提醒。
4.根据权利要求1所述的一种基于水指纹算法的用水趋势图形化分析方法,其特征在于:水趋势图形化分析方法适用于流体或气体在管道中运行的情况分析。
5.根据权利要求1所述的一种基于水指纹算法的用水趋势图形化分析方法,其特征在于:模拟数据后续的“泳道”,模拟数据在“泳道”内的走势图,预测数据全部最多采用24小时,超过24小时不再填补任何数据,并做数据中断处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110822730.XA CN113627278A (zh) | 2021-07-21 | 2021-07-21 | 一种基于水指纹算法的用水趋势图形化分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110822730.XA CN113627278A (zh) | 2021-07-21 | 2021-07-21 | 一种基于水指纹算法的用水趋势图形化分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627278A true CN113627278A (zh) | 2021-11-09 |
Family
ID=78380437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110822730.XA Pending CN113627278A (zh) | 2021-07-21 | 2021-07-21 | 一种基于水指纹算法的用水趋势图形化分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627278A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116339175A (zh) * | 2023-05-30 | 2023-06-27 | 合肥荣叙科技有限公司 | 基于大数据分析的供水泵房自控系统 |
-
2021
- 2021-07-21 CN CN202110822730.XA patent/CN113627278A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116339175A (zh) * | 2023-05-30 | 2023-06-27 | 合肥荣叙科技有限公司 | 基于大数据分析的供水泵房自控系统 |
CN116339175B (zh) * | 2023-05-30 | 2023-07-25 | 合肥荣叙科技有限公司 | 基于大数据分析的供水泵房自控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN109086804B (zh) | 一种基于多源状态监测信息和可靠性特征融合的液压设备早期故障预测方法 | |
CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
CN103793853A (zh) | 基于双向贝叶斯网络的架空输电线路运行状态评估方法 | |
CN105046445A (zh) | 一种防汛调度决策支持系统 | |
CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
CN104657788A (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
CN104200288A (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
CN109034641A (zh) | 管道缺陷预测方法及装置 | |
CN102393299A (zh) | 一种定量计算滚动轴承运行可靠性的方法 | |
CN112529327A (zh) | 一种用于构建商业地区建筑火灾风险预测等级模型的方法 | |
CN104156786A (zh) | 一种考虑气象多因素影响的非工作日最大日负荷预测系统 | |
CN104376383A (zh) | 一种基于地理信息系统的电网电压监视与预测系统及方法 | |
CN110991725B (zh) | 一种基于风速分频和权值匹配的rbf超短期风电功率预测方法 | |
CN114418224A (zh) | 一种用于海水环境监测数据统计系统及其统计方法 | |
CN103150635A (zh) | 电力设备运维方法 | |
CN113128758B (zh) | 基于近海浮标海浪观测数据构建的最大浪高预报系统 | |
CN104456092A (zh) | 一种石油天然气管道报警优先级多维评定方法 | |
CN113627278A (zh) | 一种基于水指纹算法的用水趋势图形化分析方法 | |
CN116498908A (zh) | 基于超声波流量计的智慧燃气管网监测方法和物联网系统 | |
CN113869633A (zh) | 一种配电网多源数据质量管控方法 | |
Du et al. | Spatiotemporal characteristics and influencing factors of China’s construction industry carbon intensity | |
CN104809514A (zh) | 一种浮选过程浮精品位的动态预测方法及系统 | |
CN112926656A (zh) | 一种核电厂循环水泵状态预测方法、系统及设备 |
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 |