CN114091900A - 一种结合实时抄表大数据的用水分析方法及存储介质 - Google Patents

一种结合实时抄表大数据的用水分析方法及存储介质 Download PDF

Info

Publication number
CN114091900A
CN114091900A CN202111385108.3A CN202111385108A CN114091900A CN 114091900 A CN114091900 A CN 114091900A CN 202111385108 A CN202111385108 A CN 202111385108A CN 114091900 A CN114091900 A CN 114091900A
Authority
CN
China
Prior art keywords
water
data
water consumption
meter
time
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
CN202111385108.3A
Other languages
English (en)
Inventor
林强
王博
张天辰
游婷婷
杨德霏
康凯
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.)
Fu Zhou Internet Of Things Open Lab
Original Assignee
Fu Zhou Internet Of Things Open Lab
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 Fu Zhou Internet Of Things Open Lab filed Critical Fu Zhou Internet Of Things Open Lab
Priority to CN202111385108.3A priority Critical patent/CN114091900A/zh
Publication of CN114091900A publication Critical patent/CN114091900A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
    • G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Fuzzy Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种结合实时抄表大数据的用水分析方法及存储介质，所述方法包括以下步骤：获取各个智能水表采集的水表数据；对获取的水表数据进行去重操作得到有效数据；根据获取的有效数据分析得到用户的用水情况。获取智能水表采集的水表数据，对获取的水表数据进行去重操作，得到有效的数据，然后根据获取的有效数据分析得到用户的用水情况。通过结合智能水表采集的水表数据，先进行去重操作，保证数据的完整性以及统计和分析数据的正确性，然后在根据有效数据对用户的用水情况进行分析，实现了对智能水表采集的海量数据进行挖掘分析，同时节省了大量的人力对这些海量数据的分析，提供了数据分析的效率。

Description

一种结合实时抄表大数据的用水分析方法及存储介质
技术领域
本发明涉及智能水务技术领域，特别涉及一种结合实时抄表大数据的用水分析方法及存储介质。
背景技术
智慧水务在新型智慧城市基础设施建设中是非常重要的部分，智能水表在城市水务建设中往往都是十万甚至百万量级的大规模安装部署，智能水表由于可以通过有线或者无线网络实时上报数据解决了人工每个月去居民家里抄表的问题，节省了大量时间和人力成本。但是由于抄表数据的采集频率缩短到天甚至到分钟，传统水务公司对于随之产生的海量数据缺少可与之匹配的管理平台和数据分析算法，缺乏对大数据价值的挖掘、分析和应用。
发明内容
为此，需要提供一种结合实时抄表大数据的用水分析方法及存储介质，解决传统水务公司对于产生海量数据缺少可与之匹配的管理平台和数据分析算法的问题。
为实现上述目的，发明人提供了一种结合实时抄表大数据的用水分析方法，包括以下步骤：
获取各个智能水表采集的水表数据；
对获取的水表数据进行去重操作得到有效数据；
根据获取的有效数据分析得到用户的用水情况。
进一步优化，所述步骤“对获取的水表数据进行去重操作得到有效数据”具体包括以下步骤：
根据采集时间，每次获取一天的水表数据；
根据用户编号及采集时间对采集的水表数据进行排序，并根据用户编号对数据进行分组；
将每一用户编号对应的分组中每一采集时间的最后采集的水表数据作为有效数据，其他数据作为无效数据。
进一步优化，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
根据获取的有效数据分析得到用户的每日用水量和/或每月用水量；
根据用户的每日用水量生成日统计表，根据用户的每月用水量生成月统计表。
进一步优化，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从日统计表中分批查询出当天的水表数据以及前一天的水表数据；
按照不同的小区分组，计算出每个小区的当天用水总量，并更新每个小区的前一天用水总量。
进一步优化，还包括以下步骤：
根据每个小区的上报成功的水表设备的总数以及应上报的水表设备的总数，计算每个小区的设备上报率。
进一步优化，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从月统计表中获取当月的用水数据；
判断当月的用水数据是否为零；
若为零，则从月统计表中获取前两个月的用水数据；
判断前两个月的用水量是否为零；
若不为零，则判定当月的零用水异常；
若为零，则判定连续零用水异常；
将本月的水量读数、用水时间、零用水异常类型、客户及水表设备的基本信息更新至用水异常表中。
进一步优化，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从获取的有效数据中读取水表设备的整点用水量读数，计算水表设备的每个整点之间的间隔用水量；
判断每个整点的间隔用水量是否大于预设水量；
若大于预设水量，则判定该水表设备漏水，并将该设备的每个小时的平均用水量、用水读数及漏水时间更新到用水异常表中。
进一步优化，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从获取的有效数据中读取水表设备的夜间时段的用水量，并计算得到夜间时段的间隔用水量；
判断夜间时段的间隔用水量是否为全天的最小间隔用水量；
若是，则判断该夜间时段的间隔用水量是否大于零；
若大于零，则判断为夜间最小流异常，将最小间隔用水量、用水读数、异常时间更新到用水异常表中。
进一步优化，还包括以下步骤：
当接收到预设天数之前的采集的水表数据后，将记录该水表数据对应的水表设备、客户编号、数据采集时间、创建时间和未处理状态；
并根据该水表数据对用户的用水情况进行更新。
还提供了另一个技术方案，一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器运行时执行如上述所述结合实时抄表大数据的用水分析方法的步骤。
区别于现有技术，上述技术方案，获取智能水表采集的水表数据，对获取的水表数据进行去重操作，得到有效的数据，然后根据获取的有效数据分析得到用户的用水情况。通过结合智能水表采集的水表数据，先进行去重操作，保证数据的完整性以及统计和分析数据的正确性，然后在根据有效数据对用户的用水情况进行分析，实现了对智能水表采集的海量数据进行挖掘分析，同时节省了大量的人力对这些海量数据的分析，提供了数据分析的效率。
附图说明
图1为具体实施方式所述结合实时抄表大数据的用水分析方法的一种流程示意图；
图2为具体实施方式所述水表数据去重操作的一种流程示意图；
图3为具体实施方式所述零用水异常判断的一种流程示意图；
图4为具体实施方式所述设备漏水异常进行判断的一种流程示意图；
图5为具体实施方式所述存储介质的一种结构示意图。
附图标记说明：
510、存储介质。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
请参阅图1，本实施例提供了一种结合实时抄表大数据的用水分析方法，包括以下步骤：
步骤S110：获取各个智能水表采集的水表数据；其中，水表数据包括用户编号、采集时间、用水量等。
步骤S120：对获取的水表数据进行去重操作得到有效数据；在百亿级的历史大数据中，存在数据重复的情况，为了保证数据的完整性以及统计和分析数据的正确性，需要先对数据进行去重操作。通过去重操作获取有效数据。
步骤S130：根据获取的有效数据分析得到用户的用水情况。
获取智能水表采集的水表数据，对获取的水表数据进行去重操作，得到有效的数据，然后根据获取的有效数据分析得到用户的用水情况。通过结合智能水表采集的水表数据，先进行去重操作，保证数据的完整性以及统计和分析数据的正确性，然后在根据有效数据对用户的用水情况进行分析，实现了对智能水表采集的海量数据进行挖掘分析，同时节省了大量的人力对这些海量数据的分析，提供了数据分析的效率。
如图2所示的水表数据去重操作，所述步骤“对获取的水表数据进行去重操作得到有效数据”具体包括以下步骤：
步骤S210：根据采集时间，每次获取一天的水表数据；
步骤S220：根据用户编号及采集时间对采集的水表数据进行排序，并根据用户编号对数据进行分组；
步骤S230：将每一用户编号对应的分组中每一采集时间的最后采集的水表数据作为有效数据，其他数据作为无效数据。
首先，根据采集时间，每次一共取一天数据量的水表数据，即每次去重操作是针对同一天内采集的水表数据，当获取同一天内采集的水表数据后，根据用户编号和采集时间对采集的水表数据进行排序，如用户编号A对应智能水表在采集时间t1时采集的多个水表数据进行正序排列的多个序列，再将这些序列根据创建时间进行倒序排列；当水表数据排列好后，在根据用户编号进行分组，如将用户编号A对应的水表数据分在一组内，将用户编号B对应的水表数据分在一组内；当分组完成后，将每一用户编号对应的分组中，每一采集时间中最后一次采集的水表数据作为有效数据，而讲其他水表数据作为无效数据，如用户编号A的采集时间t1采集的五个数据中，最后一个采集的水表数据作为有效数据，用flag＝1标志，而且四个数据为无效数据，用flag＝-1标志。当对所有的水表数据进行去重操作得到有效数据后，对有效数据进行数据处理，保存到列表中共后续数据分析使用，处理的列队结果集如下：
[{customerNum|mid1:
[day1 first time,first num,day1 last time,last num,actualReportNum,hour nums],
[day2 first time,first num,day2 last time,last num,actualReportNum,hour nums]
},
{customerNum|mid2:
[day1 first time,first num,day1 last time,last num,actualReportNum,hour nums],
[day2 first time,first num,day2 last time,last num,actualReportNum,hour nums]
},
......
]
其中，customerNum|mid为用户编号，first time为每天第一条采集的采集时间，first num为每天第一条数据的用水量读数，last num为每天最后一条数据的采集时间，last num为每天最后一条数据的用水量读数，actualReportNum为水表设备的实际上报次数，hour nums为每天整点的用水量读数，用于用水异常分析。
在本实施例中，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
根据获取的有效数据分析得到用户的每日用水量和/或每月用水量；
根据用户的每日用水量生成日统计表，根据用户的每月用水量生成月统计表。
通过有效数据可以对用户的每天用水量和每月用水量进行分析，分别得到用户的用户用水情况的日统计报和月统计表；其中，对用户的用水情况的日统计一般以天为单位，从经过去重操作得到的有效数据中计算出每天的用水量，其中，每天的用水量(day num)＝后一天第一个用水量(day+1first num)-当天第一个用水量(day first num)；而月统计中，根据用户编号mid和日期datatime取出本月的第一条数据((M first num))，取出上一月的第一条数据(m-1first num)；计算月水量(M num)＝本月第一条数据(M first num)–上个月第一条数据(M-1first num)，然后将月用水量、用户编号mid等设备信息批量插入或更新到月统计表中。
在本实施例中，还对每个水表设备的上报率进行计算，具体的，设备上报率＝每天每个设备的实际上报数据次数(actualReportNum)/设备设定的每天上报次数(reportNum)，将每天的用水量(day num),设备上报率,用户编号mid等设备信息批量插入或更新到用户的日统计(day)表中
在本实施例中，还可以对小区的用水情况进行分析，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从日统计表中分批查询出当天的水表数据以及前一天的水表数据；
按照不同的小区分组，计算出每个小区的当天用水总量，并更新每个小区的前一天用水总量。
当对小区的用水情况进行分析时，从日统计表中，分批查询出当前的水表数据和前一天的水表数据，按照不同的小区进行对查询的水表数据进行分组，分别计算出每个小区的当前用水量总和，更新到每个小区的前一天用水量总和。其中，还可以计算小区的水表设备的上报率，具体的，还包括以下步骤：
根据每个小区的上报成功的水表设备的总数以及应上报的水表设备的总数，计算每个小区的设备上报率。
小区的设备上报率＝上报成功的水表设备的总数/应上报的水表设备的总数，进而计算得到每个小区的设备上报率，批量更新或者插入以上的小区统计数据以及小区基本信息到小区日统计表中。
如图3所示，在本实施例中，还可以实现零用水异常判断，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
步骤S310：从月统计表中获取当月的用水数据；
步骤S320：判断当月的用水数据是否为零；
若为零，则执行步骤S330：从月统计表中获取前两个月的用水数据；
步骤S340：判断前两个月的用水量是否为零；
若不为零，则执行步骤S350：判定当月的零用水异常；
若为零，则执行步骤S360：判定连续零用水异常；
步骤S370：将本月的水量读数、用水时间、零用水异常类型、客户及水表设备的基本信息更新至用水异常表中。
当对用户的零用水异常进行判断时，首先从月统计表中获取用户的当月的用水数据，判断当月的用水数据是否为零，若为零，则继续从月统计表中获取用户的前两个的用水数据进行判断前两个月的用水量是否也为零，若前两个月的用水量不为零，则判定当月零用水异常，而若前两个月的用水量也为零，则判定为连续零用水异常，将本月的水量读数、用水时间、零用水异常类型、客户及水表设备的基本信息更新至用水异常表中。
如图4所示，在本实施例中，还可以对设备漏水异常进行判断，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
步骤S410：从获取的有效数据中读取水表设备的整点用水量读数，计算水表设备的每个整点之间的间隔用水量；
步骤S420：判断每个整点的间隔用水量是否大于预设水量；
若大于预设水量，则执行步骤S430：判定该水表设备漏水，并将该设备的每个小时的平均用水量、用水读数及漏水时间更新到用水异常表中。
当对水表设备的漏水异常进行判断时，从获取的有效数据中读取该水表识别的整点用水量读数，计算该水表设备的每个整点之间的间隔用水量，判断每个整点的间隔用水量是否大于预设水量，当每个整点的间隔用水量都大于预设水量，则判断该水表设备出现了设备漏水，然后将该设别的每个小时的平均用水量、用水读数、漏水时间等异常信息批量更新到用水异常表中。
在本实施例中，还可以实现用户的夜间最小流异常判断，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从获取的有效数据中读取水表设备的夜间时段的用水量，并计算得到夜间时段的间隔用水量；
判断夜间时段的间隔用水量是否为全天的最小间隔用水量；
若是，则判断该夜间时段的间隔用水量是否大于零；
若大于零，则判断为夜间最小流异常，将最小间隔用水量、用水读数、异常时间更新到用水异常表中。
从获取的有效数据中得到读取水表设别在夜间时段的用水量读数，并计算夜间时段的间隔用水量，判断夜间时段的间隔用水量是否为全天最小的间隔用水量，以及是否大于零，若夜间时段的间隔用水量为全天最小的间隔用水量，以及大于零，则判断为夜间最小流异常，将最小的间隔水量(min)、用水读数、异常时间等异常信息批量更新到用水异常表中。
在本实施例中，关于补发数据的统计，还包括以下步骤：
当接收到预设天数之前的采集的水表数据后，将记录该水表数据对应的水表设备、客户编号、数据采集时间、创建时间和未处理状态；
并根据该水表数据对用户的用水情况进行更新。
当接收到预设天数之前的采集的水表数据，如接收到三天前采集的水表数据，则记录该水表数据对应的水表设备、客户编号、采集时间、创建时间和未处理状态到附加记录表(additional_recording)中，根据用户标号(mid)和采集时间，从历史的日统计表中取出历史数据，分别进行用户用水情况的日统计更新和设备上报率更新；根据用户编号(mid)和采集时间，从日统计报和小区日统计表中取出历史数据，分别进行小区的用水统计和小区设备上报率统计的更新；重新进行用户用水情况的月统计，在分别进行设备漏水、夜间最小流及零用水等异常更新。
请参阅图5，另一实施例中，一种存储介质510，所述存储介质510存储有计算机程序，所述计算机程序被处理器运行时执行如上述实施例所述结合实时抄表大数据的用水分析方法的步骤：
获取各个智能水表采集的水表数据；其中，水表数据包括用户编号、采集时间、用水量等。
对获取的水表数据进行去重操作得到有效数据；在百亿级的历史大数据中，存在数据重复的情况，为了保证数据的完整性以及统计和分析数据的正确性，需要先对数据进行去重操作。通过去重操作获取有效数据。
根据获取的有效数据分析得到用户的用水情况。
获取智能水表采集的水表数据，对获取的水表数据进行去重操作，得到有效的数据，然后根据获取的有效数据分析得到用户的用水情况。通过结合智能水表采集的水表数据，先进行去重操作，保证数据的完整性以及统计和分析数据的正确性，然后在根据有效数据对用户的用水情况进行分析，实现了对智能水表采集的海量数据进行挖掘分析，同时节省了大量的人力对这些海量数据的分析，提供了数据分析的效率。
所述“对获取的水表数据进行去重操作得到有效数据”具体包括以下步骤：
根据采集时间，每次获取一天的水表数据；
根据用户编号及采集时间对采集的水表数据进行排序，并根据用户编号对数据进行分组；
将每一用户编号对应的分组中每一采集时间的最后采集的水表数据作为有效数据，其他数据作为无效数据。
首先，根据采集时间，每次一共取一天数据量的水表数据，即每次去重操作是针对同一天内采集的水表数据，当获取同一天内采集的水表数据后，根据用户编号和采集时间对采集的水表数据进行排序，如用户编号A对应智能水表在采集时间t1时采集的多个水表数据进行正序排列的多个序列，再将这些序列根据创建时间进行倒序排列；当水表数据排列好后，在根据用户编号进行分组，如将用户编号A对应的水表数据分在一组内，将用户编号B对应的水表数据分在一组内；当分组完成后，将每一用户编号对应的分组中，每一采集时间中最后一次采集的水表数据作为有效数据，而讲其他水表数据作为无效数据，如用户编号A的采集时间t1采集的五个数据中，最后一个采集的水表数据作为有效数据，用flag＝1标志，而且四个数据为无效数据，用flag＝-1标志。当对所有的水表数据进行去重操作得到有效数据后，对有效数据进行数据处理，保存到列表中共后续数据分析使用，处理的列队结果集如下：
[{customerNum|mid1:
[day1 first time,first num,day1 last time,last num,actualReportNum,hour nums],
[day2 first time,first num,day2 last time,last num,actualReportNum,hour nums]
},
{customerNum|mid2:
[day1 first time,first num,day1 last time,last num,actualReportNum,hour nums],
[day2 first time,first num,day2 last time,last num,actualReportNum,hour nums]
},
......
]
其中，customerNum|mid为用户编号，first time为每天第一条采集的采集时间，first num为每天第一条数据的用水量读数，last num为每天最后一条数据的采集时间，last num为每天最后一条数据的用水量读数，actualReportNum为水表设备的实际上报次数，hour nums为每天整点的用水量读数，用于用水异常分析。
在本实施例中，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
根据获取的有效数据分析得到用户的每日用水量和/或每月用水量；
根据用户的每日用水量生成日统计表，根据用户的每月用水量生成月统计表。
通过有效数据可以对用户的每天用水量和每月用水量进行分析，分别得到用户的用户用水情况的日统计报和月统计表；其中，对用户的用水情况的日统计一般以天为单位，从经过去重操作得到的有效数据中计算出每天的用水量，其中，每天的用水量(day num)＝后一天第一个用水量(day+1first num)-当天第一个用水量(day first num)；而月统计中，根据用户编号mid和日期datatime取出本月的第一条数据((M first num))，取出上一月的第一条数据(m-1first num)；计算月水量(M num)＝本月第一条数据(M first num)–上个月第一条数据(M-1first num)，然后将月用水量、用户编号mid等设备信息批量插入或更新到月统计表中。
在本实施例中，还对每个水表设备的上报率进行计算，具体的，设备上报率＝每天每个设备的实际上报数据次数(actualReportNum)/设备设定的每天上报次数(reportNum)，将每天的用水量(day num),设备上报率,用户编号mid等设备信息批量插入或更新到用户的日统计(day)表中
在本实施例中，还可以对小区的用水情况进行分析，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从日统计表中分批查询出当天的水表数据以及前一天的水表数据；
按照不同的小区分组，计算出每个小区的当天用水总量，并更新每个小区的前一天用水总量。
当对小区的用水情况进行分析时，从日统计表中，分批查询出当前的水表数据和前一天的水表数据，按照不同的小区进行对查询的水表数据进行分组，分别计算出每个小区的当前用水量总和，更新到每个小区的前一天用水量总和。其中，还可以计算小区的水表设备的上报率，具体的，还包括以下步骤：
根据每个小区的上报成功的水表设备的总数以及应上报的水表设备的总数，计算每个小区的设备上报率。
小区的设备上报率＝上报成功的水表设备的总数/应上报的水表设备的总数，进而计算得到每个小区的设备上报率，批量更新或者插入以上的小区统计数据以及小区基本信息到小区日统计表中。
在本实施例中，还可以实现零用水异常判断，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从月统计表中获取当月的用水数据；
判断当月的用水数据是否为零；
若为零，则从月统计表中获取前两个月的用水数据；
判断前两个月的用水量是否为零；
若不为零，则判定当月的零用水异常；
若为零，则判定连续零用水异常；
将本月的水量读数、用水时间、零用水异常类型、客户及水表设备的基本信息更新至用水异常表中。
当对用户的零用水异常进行判断时，首先从月统计表中获取用户的当月的用水数据，判断当月的用水数据是否为零，若为零，则继续从月统计表中获取用户的前两个的用水数据进行判断前两个月的用水量是否也为零，若前两个月的用水量不为零，则判定当月零用水异常，而若前两个月的用水量也为零，则判定为连续零用水异常，将本月的水量读数、用水时间、零用水异常类型、客户及水表设备的基本信息更新至用水异常表中。
在本实施例中，还可以对设备漏水异常进行判断，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从获取的有效数据中读取水表设备的整点用水量读数，计算水表设备的每个整点之间的间隔用水量；
判断每个整点的间隔用水量是否大于预设水量；
若大于预设水量，则判定该水表设备漏水，并将该设备的每个小时的平均用水量、用水读数及漏水时间更新到用水异常表中。
当对水表设备的漏水异常进行判断时，从获取的有效数据中读取该水表识别的整点用水量读数，计算该水表设备的每个整点之间的间隔用水量，判断每个整点的间隔用水量是否大于预设水量，当每个整点的间隔用水量都大于预设水量，则判断该水表设备出现了设备漏水，然后将该设别的每个小时的平均用水量、用水读数、漏水时间等异常信息批量更新到用水异常表中。
在本实施例中，还可以实现用户的夜间最小流异常判断，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从获取的有效数据中读取水表设备的夜间时段的用水量，并计算得到夜间时段的间隔用水量；
判断夜间时段的间隔用水量是否为全天的最小间隔用水量；
若是，则判断该夜间时段的间隔用水量是否大于零；
若大于零，则判断为夜间最小流异常，将最小间隔用水量、用水读数、异常时间更新到用水异常表中。
从获取的有效数据中得到读取水表设别在夜间时段的用水量读数，并计算夜间时段的间隔用水量，判断夜间时段的间隔用水量是否为全天最小的间隔用水量，以及是否大于零，若夜间时段的间隔用水量为全天最小的间隔用水量，以及大于零，则判断为夜间最小流异常，将最小的间隔水量(min)、用水读数、异常时间等异常信息批量更新到用水异常表中。
在本实施例中，关于补发数据的统计，还包括以下步骤：
当接收到预设天数之前的采集的水表数据后，将记录该水表数据对应的水表设备、客户编号、数据采集时间、创建时间和未处理状态；
并根据该水表数据对用户的用水情况进行更新。
当接收到预设天数之前的采集的水表数据，如接收到三天前采集的水表数据，则记录该水表数据对应的水表设备、客户编号、采集时间、创建时间和未处理状态到附加记录表(additional_recording)中，根据用户标号(mid)和采集时间，从历史的日统计表中取出历史数据，分别进行用户用水情况的日统计更新和设备上报率更新；根据用户编号(mid)和采集时间，从日统计报和小区日统计表中取出历史数据，分别进行小区的用水统计和小区设备上报率统计的更新；重新进行用户用水情况的月统计，在分别进行设备漏水、夜间最小流及零用水等异常更新。
需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。

Claims (10)

1.一种结合实时抄表大数据的用水分析方法，其特征在于，包括以下步骤：
获取各个智能水表采集的水表数据；
对获取的水表数据进行去重操作得到有效数据；
根据获取的有效数据分析得到用户的用水情况。
2.根据权利要求1所述结合实时抄表大数据的用水分析方法，其特征在于，所述步骤“对获取的水表数据进行去重操作得到有效数据”具体包括以下步骤：
根据采集时间，每次获取一天的水表数据；
根据用户编号及采集时间对采集的水表数据进行排序，并根据用户编号对数据进行分组；
将每一用户编号对应的分组中每一采集时间的最后采集的水表数据作为有效数据，其他数据作为无效数据。
3.根据权利要求1所述结合实时抄表大数据的用水分析方法，其特征在于，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
根据获取的有效数据分析得到用户的每日用水量和/或每月用水量；
根据用户的每日用水量生成日统计表，根据用户的每月用水量生成月统计表。
4.根据权利要求3所述结合实时抄表大数据的用水分析方法，其特征在于，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从日统计表中分批查询出当天的水表数据以及前一天的水表数据；
按照不同的小区分组，计算出每个小区的当天用水总量，并更新每个小区的前一天用水总量。
5.根据权利要求4所述结合实时抄表大数据的用水分析方法，其特征在于，还包括以下步骤：
根据每个小区的上报成功的水表设备的总数以及应上报的水表设备的总数，计算每个小区的设备上报率。
6.根据权利要求3所述结合实时抄表大数据的用水分析方法，其特征在于，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从月统计表中获取当月的用水数据；
判断当月的用水数据是否为零；
若为零，则从月统计表中获取前两个月的用水数据；
判断前两个月的用水量是否为零；
若不为零，则判定当月的零用水异常；
若为零，则判定连续零用水异常；
将本月的水量读数、用水时间、零用水异常类型、客户及水表设备的基本信息更新至用水异常表中。
7.根据权利要求1所述结合实时抄表大数据的用水分析方法，其特征在于，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从获取的有效数据中读取水表设备的整点用水量读数，计算水表设备的每个整点之间的间隔用水量；
判断每个整点的间隔用水量是否大于预设水量；
若大于预设水量，则判定该水表设备漏水，并将该设备的每个小时的平均用水量、用水读数及漏水时间更新到用水异常表中。
8.根据权利要求1所述结合实时抄表大数据的用水分析方法，其特征在于，所述步骤“根据获取的有效数据分析得到用户的用水情况”具体包括以下步骤：
从获取的有效数据中读取水表设备的夜间时段的用水量，并计算得到夜间时段的间隔用水量；
判断夜间时段的间隔用水量是否为全天的最小间隔用水量；
若是，则判断该夜间时段的间隔用水量是否大于零；
若大于零，则判断为夜间最小流异常，将最小间隔用水量、用水读数、异常时间更新到用水异常表中。
9.根据权利要求1所述结合实时抄表大数据的用水分析方法，其特征在于，还包括以下步骤：
当接收到预设天数之前的采集的水表数据后，将记录该水表数据对应的水表设备、客户编号、数据采集时间、创建时间和未处理状态；
并根据该水表数据对用户的用水情况进行更新。
10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行如权利要求1-9任意一项所述结合实时抄表大数据的用水分析方法的步骤。
CN202111385108.3A 2021-11-22 2021-11-22 一种结合实时抄表大数据的用水分析方法及存储介质 Pending CN114091900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111385108.3A CN114091900A (zh) 2021-11-22 2021-11-22 一种结合实时抄表大数据的用水分析方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111385108.3A CN114091900A (zh) 2021-11-22 2021-11-22 一种结合实时抄表大数据的用水分析方法及存储介质

Publications (1)

Publication Number Publication Date
CN114091900A true CN114091900A (zh) 2022-02-25

Family

ID=80302609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111385108.3A Pending CN114091900A (zh) 2021-11-22 2021-11-22 一种结合实时抄表大数据的用水分析方法及存储介质

Country Status (1)

Country Link
CN (1) CN114091900A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020169A (zh) * 2012-11-27 2013-04-03 山东黄金矿业（莱州）有限公司 一种电力数据的有效性及唯一性处理方法
CN108475257A (zh) * 2015-12-17 2018-08-31 苏伊士集团 处理远程仪表读取数据以分析消耗量模式
CN111813773A (zh) * 2020-04-22 2020-10-23 深圳市科陆电子科技股份有限公司 一种电网抄表数据存储方法、上传方法、装置和存储装置
CN112539792A (zh) * 2020-12-03 2021-03-23 江苏禹高物联科技有限公司 一种智能水表的监控方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020169A (zh) * 2012-11-27 2013-04-03 山东黄金矿业（莱州）有限公司 一种电力数据的有效性及唯一性处理方法
CN108475257A (zh) * 2015-12-17 2018-08-31 苏伊士集团 处理远程仪表读取数据以分析消耗量模式
CN111813773A (zh) * 2020-04-22 2020-10-23 深圳市科陆电子科技股份有限公司 一种电网抄表数据存储方法、上传方法、装置和存储装置
CN112539792A (zh) * 2020-12-03 2021-03-23 江苏禹高物联科技有限公司 一种智能水表的监控方法及系统

Similar Documents

Publication Publication Date Title
CN109840260B (zh) 一种基于动态插补的大规模实时降雨自动观测站分级数据处理方法
CN113343342B (zh) 一种基于bim技术的建筑工程量分析管理方法、系统及计算机存储介质
CN109684320B (zh) 监测数据在线清洗的方法和设备
CN115375522A (zh) 智慧城市碳中和数据分析系统
CN114792169A (zh) 基于MIC-XGBoost算法的居民用水量预测方法
CN114565171A (zh) 一种建筑碳码生成方法及系统
CN116166655B (zh) 大数据清洗系统
CN113538063A (zh) 基于决策树的电费异常数据分析方法、装置、设备及介质
CN111831857A (zh) 一种网络告警规则多维关联生成方法及系统
CN114091900A (zh) 一种结合实时抄表大数据的用水分析方法及存储介质
CN114676931B (zh) 一种基于数据中台技术的电量预测系统
CN115496460A (zh) 基于数字孪生的智慧农贸系统
CN114511174A (zh) 一种业务指标图谱构建方法及装置
CN114971053A (zh) 低压台区网络线损率在线预测模型的训练方法及装置
WO2021237459A1 (zh) 基于工业对象模型的数据处理方法、装置及设备
CN113568898A (zh) 电力数据漏点补全方法、装置、设备及可读存储介质
CN113127464A (zh) 农业大数据环境特征处理方法、装置及电子设备
CN112527442A (zh) 一种环境数据多维显示方法、装置、介质及终端设备
CN116052404B (zh) 一种基于5g通信技术的电网数据交互系统
CN116579546B (zh) 一种基于园区的智能化用电数据分析及管理系统
CN114547018B (zh) 一种sis实时数据库自动清洗废弃点的方法及系统
CN113420068A (zh) 基于大数据的智慧园林管理方法、系统及终端
CN115001147B (zh) 一种光伏发电数据采集方法、系统及云平台
CN116702068B (zh) 面向多地形场站的风速预报极值提取方法及相关装置
CN114356992A (zh) 用于智能化城市管理的疑似重复案件判断方法及系统

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