CN114235108A - 基于数据分析燃气流量计异常状态检测方法和装置 - Google Patents

基于数据分析燃气流量计异常状态检测方法和装置 Download PDF

Info

Publication number
CN114235108A
CN114235108A CN202111595171.XA CN202111595171A CN114235108A CN 114235108 A CN114235108 A CN 114235108A CN 202111595171 A CN202111595171 A CN 202111595171A CN 114235108 A CN114235108 A CN 114235108A
Authority
CN
China
Prior art keywords
pressure
data
gas
day
temperature
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.)
Granted
Application number
CN202111595171.XA
Other languages
English (en)
Other versions
CN114235108B (zh
Inventor
袁烨
承灿赟
金骏阳
朱大令
张永
唐聪
郝伟光
刘翔
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.)
Wuxi China Resources Gas Co Ltd
HUST Wuxi Research Institute
Original Assignee
Wuxi China Resources Gas Co Ltd
HUST Wuxi Research Institute
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 Wuxi China Resources Gas Co Ltd, HUST Wuxi Research Institute filed Critical Wuxi China Resources Gas Co Ltd
Priority to CN202111595171.XA priority Critical patent/CN114235108B/zh
Publication of CN114235108A publication Critical patent/CN114235108A/zh
Application granted granted Critical
Publication of CN114235108B publication Critical patent/CN114235108B/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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Measuring Volume Flow (AREA)

Abstract

本发明的实施例提供了一种基于数据分析燃气流量计异常状态检测方法和装置。所述方法包括获取目标燃气流量计的检测数据，对所述检测数据进行预处理；分析当日用户的用气状态，若当日用户用气，则计算第一压力温度指标；若当日用户未用气，则计算第二压力温度指标；根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测。以此方式，可以提升燃气流量计的流量、温度和压力的异常检测准确率和效率，解决流量计异常诊断需要耗费大量的人力和时间的技术问题。

Description

基于数据分析燃气流量计异常状态检测方法和装置
技术领域
本发明一般涉及流量检测领域，并且更具体地，涉及一种基于数据分析燃气流量计异常状态检测方法和装置。
背景技术
燃气流量计是燃气输配系统中非常重要的一类关键设备，从燃气的开采、运输直至贸易销售，流量计量贯穿于全过程中，保证燃气工业的正常生产和贸易交往。
燃气流量计作为机械设备在长期运行的过程中难免会出现计量精度下降、异常等现象。根据一线运维人员的检修经验，流量计主要部件问题包括：传感器故障、基表打坏、腰轮打坏等。以上问题会造成流量计的性能下降或故障，进而引发流量计少计、漏记、甚至完全不计等问题，导致燃气公司的经济损失。
针对这些问题，目前国内大部分燃气公司只能安排巡检人员定期进行现场排查维护，此方法需要投入大量人力物力，并存在排查效率低，随机性大，不够及时等问题。
近年来，燃气公司物联网技术快速发展，针对流量计瞬时流量、压力、温度等数据实现了实时远传功能，但是在业务应用上并没有充分利用到这些宝贵的实时数据来对流量计的健康状态进行实时监控。
发明内容
根据本发明的实施例，提供了一种基于数据分析燃气流量计异常状态检测方案。本方案能够提升燃气流量计的流量、温度和压力的异常检测准确率和效率，解决流量计异常诊断需要耗费大量的人力和时间的技术问题。
在本发明的第一方面，提供了一种基于数据分析燃气流量计异常状态检测方法。该方法包括：
获取目标燃气流量计的检测数据，对所述检测数据进行预处理；其中，所述检测数据包括当日燃气压力数据、当日燃气工况瞬时流量数据、当日燃气温度数据以及日前一段时间的有效关闭压力数据；
分析当日用户的用气状态，若当日用户用气，则计算第一压力温度指标；所述第一压力温度指标包括当日调压器出口压力、当日调压器关闭压力和用气的管路温度曲线之间的DTW距离；若当日用户未用气，则计算第二压力温度指标；所述第二压力温度指标包括日前一段时间的有效关闭压力平均值、压力时序数据复杂度和未用气的管路温度曲线的DTW距离；
根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测。
进一步地，所述对所述检测数据进行预处理，包括：
清洗所述检测数据中的异常数据，将清洗后的剩余数据作为有效数据；
若所述有效数据占比小于预设的有效数据最低阈值，则所述检测数据有误，不进行分析；否则，对所述有效数据进行线性填充，达到设定数据量；
利用箱须图清洗线性填充后数据中的离群数据。
进一步地，所述清洗所述检测数据中的异常数据，包括：
清洗所述当日燃气压力数据中的连续重复值、小于预设压力阈值的数据和NA数据；以及
清洗所述当日燃气温度数据中的连续重复值和NA数据；以及
清洗所述当日燃气工况瞬时流量数据中的连续重复值、小于0的数据和NA数据。
进一步地，所述利用箱须图清洗线性填充后数据中的离群数据，包括：
计算下四分位数Q1、中四分位数Q2和上四分位数Q3；
计算四分位距IQR，所述四分位距IQR＝Q3-Q1；
计算上限和下限；其中，上限＝Q3+1.5IQR，下限＝Q1-1.5IQR；
将分布在上限和下限之外的数据作为离群数据进行清洗。
进一步地，所述分析当日用户的用气状态，包括：
若燃气压力相对于调压器历史关闭压力较低，且主路温度的变化趋势与备路温度的变化趋势不一致，则当日用户用气；
若燃气压力随着环境温度变化而在调压器历史关闭压力附近设定的阈值区间内变化，且燃气温度的变化趋势与环境温度的变化趋势一致，则当日用户未用气。
进一步地，所述计算第一压力温度指标，包括计算当日调压器出口压力以及计算当日调压器关闭压力；
所述计算当日调压器出口压力，包括：
将预处理后的当日调压器出口压力数据，利用基于距离的聚类算法对其进行聚类，对聚类中心的最低群簇点进行核概率密度估计，选择密度曲线第一个满足预设概率密度阈值的峰值点对应的压力点作为当日调压器出口压力；
所述计算当日调压器关闭压力，包括：
若预处理后的燃气工况瞬时流量数据中，持续为0的时间段超过预设时间阈值，则认为该时间段调压器为关闭状态，将对应关闭动作发生时的压力值作为当日调压器关闭压力；
若存在多管路同时用气，则计算用气的管路温度曲线之间的DTW距离，包括：
构建m×m的第一矩阵，其中，m为两条用气的管路温度曲线的时间长度；在所述第一矩阵中，第(i,j)个元素是ai和bj间的欧氏距离，所述欧氏距离计算公式为：
Figure BDA0003430882000000041
其中，ED(ai,bj)为ai和bj间的欧氏距离；ai和bj分别为两条用气的管路温度曲线的第i个数据值和第j个数据值；
从所述第一矩阵起点P[0][0]到终点P[m][m]的路径中，搜索具有最小矩阵元素之和的路径；所述路径的元素之和为所述两条用气的管路温度曲线之间的DTW距离。
进一步地，所述计算第二压力温度指标，包括计算日前一段时间的有效关闭压力平均值以及计算压力时序数据复杂度；
所述计算压力时序数据复杂度，包括：
Figure BDA0003430882000000042
其中，CID为压力时序数据复杂度；xi为燃气压力时序数据中第i个数据值；
若存在多条管路未用气，则计算未用气的管路温度曲线的DTW距离，包括：
对两条未用气的管路温度曲线进行标准化处理，然后构建n×n的第二矩阵，其中，n为两条未用气的管路温度曲线的时间长度；在所述第二矩阵中，第(r,k)个元素是ar和bk间的欧氏距离，所述欧氏距离计算公式为：
Figure BDA0003430882000000051
其中，ED(ar,bk)为ar和bk之间的欧氏距离；ar和bk分别为两条未用气的管路温度曲线的第r个数据值和第k个数据值；
从所述第二矩阵起点P[0][0]到终点P[n][n]的路径中，搜索具有最小矩阵元素之和的路径；所述路径的元素之和为所述两条未用气的管路温度曲线之间的DTW距离。
进一步地，所述根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测，包括：
若当日用户用气，且当日燃气压力连续一段时间高于所述日前一段时间的有效关闭压力平均值的百分比上限阈值或低于所述当日调压器出口压力，则所述目标燃气流量计的压力异常；
若多管路同时用气，且所述用气管路温度曲线之间的DTW距离大于预设的第一距离阈值，则所述目标燃气流量计的温度异常；
若当日用户未用气，且当日燃气压力连续一段时间高于所述日前一段时间的有效关闭压力平均值的百分比上限阈值，则所述目标燃气流量计的压力异常；
若当日用户未用气，且压力时序数据复杂度高于预设的复杂度阈值以及不同管路温度曲线的DTW距离高于预设的第二距离阈值，则所述目标燃气流量计的流量异常。
在本发明的第二方面，提供了一种基于数据分析燃气流量计异常状态检测装置。该装置包括：
获取模块，用于获取目标燃气流量计的检测数据，对所述检测数据进行预处理；其中，所述检测数据包括当日燃气压力数据、当日燃气工况瞬时流量数据、当日燃气温度数据以及日前一段时间的有效关闭压力数据；
分析计算模块，用于分析当日用户的用气状态，若当日用户用气，则计算第一压力温度指标；所述第一压力温度指标包括当日调压器出口压力、当日调压器关闭压力和用气的管路温度曲线之间的DTW距离；若当日用户未用气，则计算第二压力温度指标；所述第二压力温度指标包括日前一段时间的有效关闭压力平均值、压力时序数据复杂度和未用气的管路温度曲线的DTW距离；
异常检测模块，用于根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测。
在本发明的第三方面，提供了一种电子设备。该电子设备至少一个处理器；以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明第一方面的方法。
在本发明的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本发明第一方面的方法。
应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了根据本发明的实施例的基于数据分析燃气流量计异常状态检测方法的流程图；
图2示出了根据本发明的实施例的数据预处理流程图；
图3示出了根据本发明的实施例的管路结构示意图；
图4示出了根据本发明的实施例的基于数据分析燃气流量计异常状态检测装置的方框图；
图5示出了能够实施本发明的实施例的示例性电子设备的方框图；
其中，500为电子设备、501为CPU、502为ROM、503为RAM、504为总线、505为I/O接口、506为输入单元、507为输出单元、508为存储单元、509为通信单元。
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作出创造性劳动前提下所获得的全部其他实施例，都属于本发明保护的范围。
另外，本文中术语“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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1示出了本发明实施例的基于数据分析燃气流量计异常状态检测方法的流程图。
该方法包括：
S101、获取目标燃气流量计的检测数据，对所述检测数据进行预处理。其中，所述检测数据包括当日燃气压力数据、当日燃气工况瞬时流量数据、当日燃气温度数据以及日前一段时间的有效关闭压力数据。所述日前一段时间，例如过去一周或过去三天等。所述当日燃气压力数据、当日燃气工况瞬时流量数据和当日燃气温度数据可以按照固定时间间隔进行采样，例如每隔5分钟采样一次。
数据采集时，针对具有多路传输的管道，需要采集多路工况瞬时流量，用综合的瞬时流量和作为工况瞬时流量数据，温度数据应该真实反映燃气管内的温度，而非室内温度。
传输数据，利用流量计上的无线远传模块，将采集到的数据上传到底层统一采集平台，再由统一采集平台将数据发送到SCADA平台进行格式转换。
存储数据，每日采集到的数据存储在中间数据库中，支持定时分析和实时分析两种数据读取模式，存储过程中需注意设备的性能、容量、寿命、经济性等。
所述对所述检测数据进行预处理，包括：
S201、清洗所述检测数据中的异常数据，将清洗后的剩余数据作为有效数据。这些异常数据由于远传错误或表具维护阶段产生。
所述清洗所述检测数据中的异常数据，包括：
清洗所述当日燃气压力数据中的连续重复值、小于预设压力阈值(90千帕)的数据和NA数据；
清洗所述当日燃气温度数据中的连续重复值和NA数据；
清洗所述当日燃气工况瞬时流量数据中的连续重复值、小于0的数据和NA数据。其中，NA数据是excel表格的缺失值。
作为本发明的一种实施例，数据清洗过程如下：
针对工业用户分析所需的燃气压力数据进行连续重复值、小于90千帕的数据及NA数据检测，计算这些数据长度占当日数据总长度的百分比。当该百分比小于阈值时，则清洗这些数据。当该百分比大于阈值时，则认定远传数据有误，不进行分析。
针对工业用户分析所需的燃气温度数据进行连续重复值及NA数据检测，计算这些数据长度占当日数据总长度的百分比。当该百分比小于阈值时，则清洗这些数据，当该百分比大于阈值时，则认定远传数据有误，不进行分析。
针对工业用户分析所需的燃气工况瞬时流量数据进行连续重复值、小于0的数据及NA数据检测检测，计算这些数据长度占当日数据总长度的百分比。当该百分比小于阈值时，则清洗这些数据。当该百分比大于阈值时，认定远传数据有误，不进行分析。
S202、若所述有效数据占比小于预设的有效数据最低阈值，则所述检测数据有误，不进行分析；否则，对所述有效数据进行线性填充，达到设定数据量。所述设定数据量例如1440条。
S203、利用箱须图清洗线性填充后数据中的离群数据，包括：
计算下四分位数Q1、中四分位数Q2和上四分位数Q3；
计算四分位距IQR，所述四分位距IQR＝Q3-Q1；
计算上限和下限；其中，上限＝Q3+1.5IQR，下限＝Q1-1.5IQR；
将分布在上限和下限之外的数据作为离群数据进行清洗。
在本实施例中，读取当日采集到的分析所需数据，并对数据进行预处理确保输入算法的数据满足完整性和真实性需求，填充数据使得算法针对不同采集频率的数据均可进行分析，去除数据中因为传输问题、设备重启等原因造成的离群点。然后针对不同用户类型进行数据有效性的判断，当发现数据传输有误或数据所需数据缺失时发送报警信息，并终止当日分析。
S102、分析当日用户的用气状态，若当日用户用气，则计算第一压力温度指标；所述第一压力温度指标包括当日调压器出口压力、当日调压器关闭压力和用气的管路温度曲线之间的DTW距离；若当日用户未用气，则计算第二压力温度指标，包括日前一段时间的有效关闭压力平均值、压力时序数据复杂度和未用气的管路温度曲线的DTW距离。
如图3所示，在一个供气管路中，设置调压器和燃气流量计。
具体地，所述分析当日用户的用气状态，包括：
若燃气压力相对于调压器历史关闭压力较低，且主路温度的变化趋势与备路温度的变化趋势不一致，则当日用户用气。
例如，如果当天全天用气，则调压器没有关闭动作，流量计内压力、温度随燃气流速变化而变化，大致表现为：压力相对于调压器历史关闭压力较低，且主路温度的变化趋势与备路温度的变化趋势不一致。
若燃气压力随着环境温度变化而在调压器历史关闭压力附近设定的阈值区间内变化，且燃气温度的变化趋势与环境温度的变化趋势一致，则当日用户未用气。
例如，如果当日全天未用气，则管内燃气压力和温度只会受环境温度影响，大致表现为：燃气压力随着环境温度变化而在调压器历史关闭压力附近变化，且燃气温度的变化趋势与环境温度的变化趋势一致，此时算法返回前台的分析结果为当日未用气。所述在调压器历史关闭压力附近变化中的附近可以是历史关闭压力的±3％以内或±5％以内，具体需要根据用户用气压力确定。
具体地，若当日用户用气，则计算第一压力温度指标，包括：
计算当日调压器出口压力以及计算当日调压器关闭压力。
所述计算当日调压器出口压力，包括：
将预处理后的当日调压器出口压力数据，利用基于距离的聚类算法对其进行聚类，对聚类中心的最低群簇点进行核概率密度估计，选择密度曲线第一个满足预设概率密度阈值的峰值点对应的压力点作为当日调压器出口压力。
所述计算当日调压器关闭压力，包括：
若预处理后的燃气工况瞬时流量数据中，持续为0的时间段超过预设时间阈值，则认为该时间段调压器为关闭状态，将对应关闭动作发生时的压力值作为当日调压器关闭压力。
若存在多管路同时用气，则计算用气的管路温度曲线之间的DTW(Dynamic TimeWarping，动态时间归整)距离，包括：
构建m×m的第一矩阵，其中，m为两条用气的管路温度曲线的时间长度；在所述第一矩阵中，第(i,j)个元素是ai和bj间的欧氏距离，所述欧氏距离计算公式为：
Figure BDA0003430882000000111
其中，ED(ai,bj)为ai和bj间的欧氏距离；ai和bj分别为两条用气的管路温度曲线的第i个数据值和第j个数据值。
从所述第一矩阵起点P[0][0]到终点P[m][m]的路径中，搜索具有最小矩阵元素之和的路径；所述路径的元素之和为所述两条用气的管路温度曲线之间的DTW距离。
具体地，所述计算第二压力温度指标，包括计算日前一段时间的有效关闭压力平均值以及计算压力时序数据复杂度；所述日前一段时间可以为过去一周(7天)。
所述计算压力时序数据复杂度，包括：
Figure BDA0003430882000000121
其中，CID为压力时序数据复杂度；xi为燃气压力时序数据中第i个数据值。
作为本发明的一种实施例，可以使用基于Python的工具包tsfresh下的cid_ce函数计算所有管路内的压力时序数据复杂度。
若存在多条管路未用气，则计算未用气的管路温度曲线的DTW距离，包括：
对两条未用气的管路温度曲线进行标准化处理，然后构建n×n的第二矩阵，其中，n为两条未用气的管路温度曲线的时间长度；所述标准化处理为温度曲线减去自身的平均值，使处理后的曲线平均值变为0、标准差变为1。
在所述第二矩阵中，第(r,k)个元素是ar和bk间的欧氏距离，所述欧氏距离计算公式为：
Figure BDA0003430882000000122
其中，ED(ar,bk)为ar和bk之间的欧氏距离；ar和bk分别为两条未用气的管路温度曲线的第r个数据值和第k个数据值。
从所述第二矩阵起点P[0][0]到终点P[n][n]的路径中，搜索具有最小矩阵元素之和的路径；所述路径的元素之和为所述两条未用气的管路温度曲线之间的DTW距离。
通过对预处理完成的数据，分析算法针对不同工业用户自动读取所需数据特征，采用多种的算法计算对应用户的当日压力、温度特征值。
S103、根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测。
基于所计算获得的温度压力指标，进行故障和预警判断。严重偏离每个用户自身的阈值则可以判断并反馈流量计异常。
具体地，异常检测过程包括：
若当日用户用气，且当日燃气压力连续一段时间高于所述日前一段时间的有效关闭压力平均值的百分比上限阈值或低于所述当日调压器出口压力，则所述目标燃气流量计的压力异常。
若多管路同时用气，且所述用气管路温度曲线之间的DTW距离大于预设的第一距离阈值，则所述目标燃气流量计的温度异常。
若当日用户未用气，且当日燃气压力连续一段时间高于所述日前一段时间的有效关闭压力平均值的百分比上限阈值，则所述目标燃气流量计的压力异常。
若当日用户未用气，且压力时序数据复杂度高于预设的复杂度阈值以及不同管路温度曲线的DTW距离高于预设的第二距离阈值，则所述目标燃气流量计的流量异常。
通过上述异常检测可以判断反馈的流量计故障和预警类型包括：超压、低压、高温、低温、燃气少计、不计等故障或传感器零点漂移的预警。
根据压力、温度指标参数以及历史压力、温度指标参数，分析当日温度和压力数据，从而检测流量计的健康状态，输出超压、低压、高温、低温、燃气少计、不计等故障或传感器零点漂移的预警。将分析所得的运行结论反馈回前台，状态信息包括故障、预警和正常三种，对于故障和预警状态会显示相应的具体故障类型。
下述通过具体实验数据对上述S101～S103所述的方法进行结果分析。
实验采用来自某燃气公司采集的半年内462家工业用户每日流量计远传数据。对数据进行逐日分析并分别运用基于1D-CNN的算法和本发明算法对所有用户的每日流量计健康状态进行判断并与现场实测值进行对比得到平均相对误差，将以上的流量计异常分为四个大类：流量异常、温度异常、压力异常、传感器零点漂移。对比结果如表1所示：
Figure BDA0003430882000000141
表1流量计异常判断偏差对比结果
由表1可见两种方法对于传感器零点漂移检测准确率基本接近，平均相对误差较小，都可以较好的满足分析需求。而对于流量异常、温度异常、压力异常的检测，本方法的准确率明显高于基于1D-CNN算法的检测准确率，更符合分析需求。
在检测速度方面，同样使用两种算法对用户10天数据进行分析，每次实验所测得时间为的实验结果如表2所示。10次实验中，本发明算法平均用时287.9秒，1D-CNN算法平均用时439.9秒，从表2可知，基于本发明算法的流量计异常检测技术在速度上明显优于基于1D-CNN算法的流量计异常检测技术，约为1D-CNN算法耗时的65.4％左右，即基于本发明算法的流量计流量异常检测技术在运行速度上提升约34.5％。具体如表2所示：
Figure BDA0003430882000000142
Figure BDA0003430882000000151
表2速度对比结果
检测性能：对诊断性能采用准确率、精确率、召回率三个指标进行评价。首先引入样本的4个统计属性：
TP：True Positive，即检测算法判断正确，流量计正常；
TN：True Negative，即检测算法判断正确，流量计异常；
FP：False Positive，即检测算法判断错误，流量计正常，但是检测算法判断为异常；
FN：False Negative，即检测算法判断错误，流量计异常，但是检测算法判断为正常。
对随机抽取的10天数据进行实验，462家工业用户数为单位，得出了每次实验判断的统计属性值，如表3所示：
Figure BDA0003430882000000152
表3流量计异常检测对比结果
根据表3的4个统计属性，对盘点结果采用准确率(A)、精确率(P)和召回率(R)进行综合评价。评价指标公式定义如下：
Figure BDA0003430882000000161
Figure BDA0003430882000000162
Figure BDA0003430882000000163
根据表3和上述公式可得出两种算法的准确率、精确率和召回率。在精确率方面，1D-CNN的精确率约为92.8％，本发明算法的精确率约为98.3％。也就是说基于本发明算法的流量计异常检测方法能够较为正确的识别出所有在用的时间段，相比1D-CNN算法提高了将近6个百分点。
基于本发明算法的流量计异常检测的准确程度能达到98％以上，较基于1D-CNN的算法技术有大幅提升。
根据本发明的实施例，降低巡检运维成本，打破传统流量计运维方式，不再需要运维人员定期巡检流量计运行状态及性能，实现远程查看、在线运维和异常定位节省了大量的人力和时间。
实施过程简单，只需要采集每日SCADA上的流量计远传数据，即可以实现对前一天该流量计运行状态和性能分析，流量计预防性维护软件平台会针对故障或性能下降的流量计发出故障或预警信号，运维人员可以根据反馈信号安排运维工作，目的性更强。
运行维护简单，算法实现了对用户类型和数据结构的自适应，算法的分析判断逻辑基于行业一线专家的长期运维经验，清晰明了，算法不需要针对新用户重新训练模型，只需要读取到流量计上线时的远程上传的数据(燃气压力、温度、工况瞬时流量)即可进行分析诊断。
诊断准确度高，基于现场检验和数据分析，验证了算法对于故障和预警的分析准确率达到95％以上，针对单个用户的平均分析耗时不到1秒。算法的分析准确性和时间成本均可以满足流量计在线运维的需求。
分析速度快，时效性强，算法针对单个用户的平均分析耗时不到1秒，结合流量计运维平台可以在夜间对前一日所有在线流量计的全天运行数据进行分析，并给出分析结果。运维人员在当日上班时即可收到前一日流量计的故障或预警报告，组织安排维修，较传统的基于巡检和用户报修的流量计运维方式运维时效性大幅提高。
适用性较强，算法有效适用于不同厂家型号的流量计设备，并且有效适配不同的远传数据采集频率(1-5分钟)。
可以实现不同终端的部署，算法可以配置部署于服务器端的软件平台，实现集中运维分析，也可以实现手机端的微信小程序部署，方便就地登录，查看分析结果。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。
如图4所示，装置400包括：
获取模块410，用于获取目标燃气流量计的检测数据，对所述检测数据进行预处理；其中，所述检测数据包括当日燃气压力数据、当日燃气工况瞬时流量数据、当日燃气温度数据以及日前一段时间的有效关闭压力数据。
分析计算模块420，用于分析当日用户的用气状态，若当日用户用气，则计算第一压力温度指标；所述第一压力温度指标包括当日调压器出口压力、当日调压器关闭压力和用气的管路温度曲线之间的DTW距离；若当日用户未用气，则计算第二压力温度指标，包括日前一段时间的有效关闭压力平均值、压力时序数据复杂度和未用气的管路温度曲线的DTW距离。
异常检测模块430，用于根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本发明的实施例，本发明还提供了一种电子设备和一种可读存储介质。
图5示出了可以用来实施本发明的实施例的电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如方法S101～S103。例如，在一些实施例中，方法S101～S103可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的方法S101～S103的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法S101～S103。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种基于数据分析燃气流量计异常状态检测方法，其特征在于，包括：
获取目标燃气流量计的检测数据，对所述检测数据进行预处理；其中，所述检测数据包括当日燃气压力数据、当日燃气工况瞬时流量数据、当日燃气温度数据以及日前一段时间的有效关闭压力数据；
分析当日用户的用气状态，若当日用户用气，则计算第一压力温度指标；所述第一压力温度指标包括当日调压器出口压力、当日调压器关闭压力和用气的管路温度曲线之间的DTW距离；若当日用户未用气，则计算第二压力温度指标；所述第二压力温度指标包括日前一段时间的有效关闭压力平均值、压力时序数据复杂度和未用气的管路温度曲线的DTW距离；
根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测。
2.根据权利要求1所述的方法，其特征在于，所述对所述检测数据进行预处理，包括：
清洗所述检测数据中的异常数据，将清洗后的剩余数据作为有效数据；
若所述有效数据占比小于预设的有效数据最低阈值，则所述检测数据有误，不进行分析；否则，对所述有效数据进行线性填充，达到设定数据量；
利用箱须图清洗线性填充后数据中的离群数据。
3.根据权利要求2所述的方法，其特征在于，所述清洗所述检测数据中的异常数据，包括：
清洗所述当日燃气压力数据中的连续重复值、小于预设压力阈值的数据和NA数据；以及
清洗所述当日燃气温度数据中的连续重复值和NA数据；以及
清洗所述当日燃气工况瞬时流量数据中的连续重复值、小于0的数据和NA数据。
4.根据权利要求2所述的方法，其特征在于，所述利用箱须图清洗线性填充后数据中的离群数据，包括：
计算下四分位数Q1、中四分位数Q2和上四分位数Q3；
计算四分位距IQR，所述四分位距IQR＝Q3-Q1；
计算上限和下限；其中，上限＝Q3+1.5IQR，下限＝Q1-1.5IQR；
将分布在上限和下限之外的数据作为离群数据进行清洗。
5.根据权利要求1所述的方法，其特征在于，所述分析当日用户的用气状态，包括：
若燃气压力相对于调压器历史关闭压力较低，且主路温度的变化趋势与备路温度的变化趋势不一致，则当日用户用气；
若燃气压力随着环境温度变化而在调压器历史关闭压力附近设定的阈值区间内变化，且燃气温度的变化趋势与环境温度的变化趋势一致，则当日用户未用气。
6.根据权利要求5所述的方法，其特征在于，所述计算第一压力温度指标，包括计算当日调压器出口压力以及计算当日调压器关闭压力；
所述计算当日调压器出口压力，包括：
将预处理后的当日调压器出口压力数据，利用基于距离的聚类算法对其进行聚类，对聚类中心的最低群簇点进行核概率密度估计，选择密度曲线第一个满足预设概率密度阈值的峰值点对应的压力点作为当日调压器出口压力；
所述计算当日调压器关闭压力，包括：
若预处理后的燃气工况瞬时流量数据中，持续为0的时间段超过预设时间阈值，则认为该时间段调压器为关闭状态，将对应关闭动作发生时的压力值作为当日调压器关闭压力；
若存在多管路同时用气，则计算用气的管路温度曲线之间的DTW距离，包括：
构建m×m的第一矩阵，其中，m为两条用气的管路温度曲线的时间长度；在所述第一矩阵中，第(i,j)个元素是ai和bj间的欧氏距离，所述欧氏距离计算公式为：
Figure FDA0003430881990000031
其中，ED(ai,bj)为ai和bj间的欧氏距离；ai和bj分别为两条用气的管路温度曲线的第i个数据值和第j个数据值；
从所述第一矩阵起点P[0][0]到终点P[m][m]的路径中，搜索具有最小矩阵元素之和的路径；所述路径的元素之和为所述两条用气的管路温度曲线之间的DTW距离。
7.根据权利要求5所述的方法，其特征在于，所述计算第二压力温度指标，包括计算日前一段时间的有效关闭压力平均值以及计算压力时序数据复杂度；
所述计算压力时序数据复杂度，包括：
Figure FDA0003430881990000032
其中，CID为压力时序数据复杂度；xi为燃气压力时序数据中第i个数据值；
若存在多条管路未用气，则计算未用气的管路温度曲线的DTW距离，包括：
对两条未用气的管路温度曲线进行标准化处理，然后构建n×n的第二矩阵，其中，n为两条未用气的管路温度曲线的时间长度；在所述第二矩阵中，第(r,k)个元素是ar和bk间的欧氏距离，所述欧氏距离计算公式为：
Figure FDA0003430881990000041
其中，ED(ar,bk)为ar和bk之间的欧氏距离；ar和bk分别为两条未用气的管路温度曲线的第r个数据值和第k个数据值；
从所述第二矩阵起点P[0][0]到终点P[n][n]的路径中，搜索具有最小矩阵元素之和的路径；所述路径的元素之和为所述两条未用气的管路温度曲线之间的DTW距离。
8.根据权利要求5-7任一项所述的方法，其特征在于，所述根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测，包括：
若当日用户用气，且当日燃气压力连续一段时间高于所述日前一段时间的有效关闭压力平均值的百分比上限阈值或低于所述当日调压器出口压力，则所述目标燃气流量计的压力异常；
若多管路同时用气，且所述用气管路温度曲线之间的DTW距离大于预设的第一距离阈值，则所述目标燃气流量计的温度异常；
若当日用户未用气，且当日燃气压力连续一段时间高于所述日前一段时间的有效关闭压力平均值的百分比上限阈值，则所述目标燃气流量计的压力异常；
若当日用户未用气，且压力时序数据复杂度高于预设的复杂度阈值以及不同管路温度曲线的DTW距离高于预设的第二距离阈值，则所述目标燃气流量计的流量异常。
9.一种基于数据分析燃气流量计异常状态检测装置，其特征在于，包括：
获取模块，用于获取目标燃气流量计的检测数据，对所述检测数据进行预处理；其中，所述检测数据包括当日燃气压力数据、当日燃气工况瞬时流量数据、当日燃气温度数据以及日前一段时间的有效关闭压力数据；
分析计算模块，用于分析当日用户的用气状态，若当日用户用气，则计算第一压力温度指标；所述第一压力温度指标包括当日调压器出口压力、当日调压器关闭压力和用气的管路温度曲线之间的DTW距离；若当日用户未用气，则计算第二压力温度指标；所述第二压力温度指标包括日前一段时间的有效关闭压力平均值、压力时序数据复杂度和未用气的管路温度曲线的DTW距离；
异常检测模块，用于根据所述第一压力温度指标或第二压力温度指标，对所述目标燃气流量计进行异常检测。
10.一种电子设备，至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其特征在于，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
CN202111595171.XA 2021-12-24 2021-12-24 基于数据分析燃气流量计异常状态检测方法和装置 Active CN114235108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111595171.XA CN114235108B (zh) 2021-12-24 2021-12-24 基于数据分析燃气流量计异常状态检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111595171.XA CN114235108B (zh) 2021-12-24 2021-12-24 基于数据分析燃气流量计异常状态检测方法和装置

Publications (2)

Publication Number Publication Date
CN114235108A true CN114235108A (zh) 2022-03-25
CN114235108B CN114235108B (zh) 2023-08-15

Family

ID=80762373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111595171.XA Active CN114235108B (zh) 2021-12-24 2021-12-24 基于数据分析燃气流量计异常状态检测方法和装置

Country Status (1)

Country Link
CN (1) CN114235108B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN118312914A (zh) * 2024-06-07 2024-07-09 浙江宋氏实业有限公司 一种基于工业互联网自动包装的智能生产线方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010019677A (ja) * 2008-07-10 2010-01-28 Tokyo Gas Co Ltd ガスメーター計量方法及びガスメーター計量装置
TW201602392A (zh) * 2014-01-17 2016-01-16 蘭姆研究公司 氣相沉積膜中用以減輕瑕疵狀態之方法及設備
CN105510045A (zh) * 2015-11-27 2016-04-20 哈尔滨工业大学 基于系数矩阵的燃气轮机燃烧系统在线监测方法
US20180328817A1 (en) * 2017-05-11 2018-11-15 General Electric Company Systems and methods related to detecting blowout occurrences in gas turbines
CN109443499A (zh) * 2018-09-07 2019-03-08 金卡智能集团股份有限公司 一种电子温补膜式燃气表示值误差动态测试方法
CN110086649A (zh) * 2019-03-19 2019-08-02 深圳壹账通智能科技有限公司 异常流量的检测方法、装置、计算机设备及存储介质
US20200012270A1 (en) * 2017-03-24 2020-01-09 Abb Schweiz Ag Computer system and method for monitoring the technical state of industrial process systems
CN112084229A (zh) * 2020-07-27 2020-12-15 北京市燃气集团有限责任公司 一种识别城镇燃气用户异常用气行为的方法及装置
CN112819107A (zh) * 2021-04-16 2021-05-18 四川九门科技股份有限公司 基于人工智能的燃气调压设备故障预测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010019677A (ja) * 2008-07-10 2010-01-28 Tokyo Gas Co Ltd ガスメーター計量方法及びガスメーター計量装置
TW201602392A (zh) * 2014-01-17 2016-01-16 蘭姆研究公司 氣相沉積膜中用以減輕瑕疵狀態之方法及設備
CN105510045A (zh) * 2015-11-27 2016-04-20 哈尔滨工业大学 基于系数矩阵的燃气轮机燃烧系统在线监测方法
US20200012270A1 (en) * 2017-03-24 2020-01-09 Abb Schweiz Ag Computer system and method for monitoring the technical state of industrial process systems
US20180328817A1 (en) * 2017-05-11 2018-11-15 General Electric Company Systems and methods related to detecting blowout occurrences in gas turbines
CN109443499A (zh) * 2018-09-07 2019-03-08 金卡智能集团股份有限公司 一种电子温补膜式燃气表示值误差动态测试方法
CN110086649A (zh) * 2019-03-19 2019-08-02 深圳壹账通智能科技有限公司 异常流量的检测方法、装置、计算机设备及存储介质
CN112084229A (zh) * 2020-07-27 2020-12-15 北京市燃气集团有限责任公司 一种识别城镇燃气用户异常用气行为的方法及装置
CN112819107A (zh) * 2021-04-16 2021-05-18 四川九门科技股份有限公司 基于人工智能的燃气调压设备故障预测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN118312914A (zh) * 2024-06-07 2024-07-09 浙江宋氏实业有限公司 一种基于工业互联网自动包装的智能生产线方法及系统

Also Published As

Publication number Publication date
CN114235108B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
EP3902992B1 (en) Scalable system and engine for forecasting wind turbine failure
US11062212B2 (en) Outage prevention in an electric power distribution grid using smart meter messaging
US10248528B2 (en) System monitoring method and apparatus
US10481195B2 (en) Distributed IoT based sensor analytics for power line diagnosis
US9104998B2 (en) Integrated production loss managment
US12007251B2 (en) Methods and internet of things (IoT) systems for diagnosing accuracy of smart gas ultrasonic meters
CN114235108A (zh) 基于数据分析燃气流量计异常状态检测方法和装置
CN104777813A (zh) 综合气象观测运行监控系统及其监控方法
KR20170060031A (ko) 머신 러닝을 이용한 비-기술적인 손실의 식별
CN117664281B (zh) 基于物联网的超声波水表故障检测与自动校准方法和系统
CN115033463B (zh) 一种系统异常类型确定方法、装置、设备和存储介质
CN117955245B (zh) 电网的运行状态的确定方法、装置、存储介质和电子设备
CN117235664A (zh) 配电通信设备的故障诊断方法、系统和计算机设备
CN107121616B (zh) 一种用于对智能仪表进行故障定位的方法和装置
CN105137776B (zh) 计量自动化终端控制辅助系统
CN115858291A (zh) 一种系统指标的检测方法、装置、电子设备及其存储介质
CN114861909A (zh) 模型质量监控方法、装置、电子设备以及存储介质
CN115223344A (zh) 表具设备的监控报警方法和装置、电子设备和存储介质
CN116596336B (zh) 电子设备的状态评估方法、装置、电子设备及存储介质
CN113944801B (zh) 基于数据分析的燃气调压器性能检测方法及装置
Yuan et al. Identification and Calibration Method of Deviation of Main Transformer Online Monitoring Date Groups
CN116990744B (zh) 一种电能表检测方法、装置、设备及介质
CN118132968A (zh) 一种基于Apriori算法的锡冶炼能耗数据采集系统及分析方法
CN118709855A (zh) 电力系统数据异常检测方法、装置、电子设备及存储介质
CN118856241A (zh) 基于数据分析的城市管道监测方法及系统

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
GR01 Patent grant
GR01 Patent grant