CN114757589A - 数据处理方法、服务器及存储介质 - Google Patents
数据处理方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN114757589A CN114757589A CN202210667260.9A CN202210667260A CN114757589A CN 114757589 A CN114757589 A CN 114757589A CN 202210667260 A CN202210667260 A CN 202210667260A CN 114757589 A CN114757589 A CN 114757589A
- Authority
- CN
- China
- Prior art keywords
- data
- water affair
- water
- group
- groups
- 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
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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本申请提供一种数据处理方法、服务器及存储介质,适用于水务技术领域。在本方案中,当来自数据采集设备的水务数据存在错误数据和/或缺失数据时,云端服务器会根据这些水务数据和/或与这些水务数据对应的历史水务数据进行插值运算,得到有效数据,并采用有效数据替换错误数据和/或缺失数据。如此,云端服务器可以根据有效数据以及水务数据中未存在错误和缺失的数据进行合理运算,以对片区的供水管道进行漏损评估,从而提高了漏损评估结果的准确性。
Description
技术领域
本申请涉及水务技术领域,尤其涉及一种数据处理方法、服务器及存储介质。
背景技术
为了降低管网漏损率,通常会根据供水管网的地址条件、管道现状、用水类型以及加压站的供水加压能力等多种因素划分区域,并对分区中的用户进行统一管理。例如,通过在用户的进水管道上安装流量仪表,将流量数据传输至服务器。然后服务器通过监测流量数据,判断是否出现漏损等问题。
然而,在上述过程中,由于数据编码错误、传输延时、设备临时掉电、协议冲突、设备故障或抄表错误等各种原因,导致传输至服务器的数据存在错误的数据或缺失的数据,从而使得服务器根据这些错误的数据或不完整的数据无法准确预估出管网漏损情况。
发明内容
本申请提供一种数据处理方法、服务器及存储介质,解决了服务器根据错误的数据或不完整的数据无法准确预估出管网漏损情况的问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,提供一种数据处理方法。该方法包括:
接收来自多个数据采集设备的多组水务数据,该多组水务数据的每组水务数据用于反映一个片区中的一个用户的用水情况;
在该多组水务数据的M组水务数据存在错误数据和/或缺失数据的情况下,对该M组水务数据和/或历史水务数据进行插值运算,得到M组有效数据,该M组有效数据用于替换该M组水务数据,M为正整数;
根据该多组水务数据中未存在错误和缺失的数据,以及该M组有效数据,确定漏损评估结果,该漏损评估结果用于反映一个片区的供水管道的漏损情况。
在本方案中,当来自数据采集设备的水务数据存在错误数据和/或缺失数据时,云端服务器会根据这些水务数据和/或与历史水务数据进行插值运算,得到有效数据,并采用有效数据替换错误数据和/或缺失数据。如此,云端服务器可以根据有效数据以及未存在错误和缺失的数据,对片区的供水管道进行漏损评估,从而提高了漏损评估结果的准确性。
在一种可能的实现方式中,M组水务数据和历史水务数据中的不同类型的数据对应不同的插值算法,采用不同的插值算法得到的有效数据的误差率不同。
对M组水务数据和/或历史水务数据进行插值运算,得到M组有效数据,包括:
对M组水务数据和/或历史水务数据包括的各个类型的数据,采用与各个类型的数据对应的插值算法进行插值运算,以得到M组有效数据。
在一种可能的实现方式中,每组水务数据包含一个设备标识、一个时间信息以及至少一个水务数据。其中,一个设备标识用于指示采集至少一个水务数据的一个数据采集设备,一个时间信息用于指示至少一个水务数据的采集时间,至少一个水务数据用于反映一个用户在采集时间的用水情况。采集时间为采集时段或采集时刻。
在一种可能的实现方式中,在多组水务数据的M组水务数据存在错误数据的情况下,对历史水务数据进行插值运算,得到M组有效数据,包括:
获取第一水务数据,该第一水务数据为一组水务数据包含的设备标识所指示的第一数据采集设备在第一时间内采集的历史水务数据,该一组水务数据为M组水务数据中存在错误数据的任意一组水务数据;采用该第一水务数据进行插值运算,得到用于替换该一组水务数据的一组有效数据;
其中,第一时间包括以下任意一项:在第一采集时间之前预设时长的时间,在第一采集时间之后预设时长的时间,在每个采集周期中包含的与第一采集时间相同的时间;该第一采集时间为一组水务数据包含的时间信息所指示的采集时间。
在一种可能的实现方式中,M组水务数据存在错误数据,通过下述至少一种方式确定:
一组水务数据的变化趋势与历史水务数据的变化趋势不符;
一组水务数据大于或等于第一阀值,该第一阀值大于管道的最大漏损量;
一组水务数据与历史数据平均值的差值大于或等于第二阀值,管道的最大漏损量与历史数据平均值的差值小于所述第二阀值;
一组水务数据的编码错误。
在一种可能的实现方式中,采用第一水务数据进行插值运算,得到用于替换一组水务数据的一组有效数据,包括:
根据第一水务数据以及第一水务数据的采集时间,确定多个离散数据点;根据多个离散数据点,确定第一插值函数;利用该第一插值函数和第一采集时间,获取用于替换一组水务数据的一组有效数据。
在一种可能的实现方式中,在多组水务数据的M组水务数据存在缺失数据的情况下,对M组水务数据进行插值运算,得到M组有效数据,包括:
采用一组水务数据所包含的各个水务数据进行插值运算,得到一组水务数据所缺失的水务数据,该一组水务数据为M组水务数据中存在缺失数据的任意一组水务数据;根据一组水务数据所包含的各个水务数据,以及一组水务数据所缺失的水务数据,生成用于替换一组水务数据的有效数据;
其中,M组水务数据存在缺失数据,通过下述至少一种方式确定:
一组水务数据包含的水务数据的数量小于或等于预设值;
一组水务数据包含的水务数据的编码不连续。
在一种可能的实现方式中,采用一组水务数据所包含的各个水务数据进行插值运算,得到一组水务数据所缺失的水务数据,包括:
根据一组水务数据所包含的各个水务数据,以及各个水务数据的采集时间,确定多个离散数据点;根据多个离散数据点,确定第二插值函数;根据一组水务数据所缺失的水务数据,以及各个水务数据的采集时间,获取一组水务数据所缺失的水务数据的采集时间;利用第二插值函数,以及一组水务数据所缺失的水务数据的采集时间,获取一组水务数据所缺失的水务数据。
在一种可能的实现方式中,该方法还包括:
在多组水务数据的一组水务数据存在设备标识错误/或设备标识缺失的情况下,确定第一设备标识;该第一设备标识为一个片区的所有设备标识中未被多组水务数据包含的设备标识;该第一设备标识用于作为一组水务数据的设备标识;
其中,设备标识错误包括以下任意一项:
设备标识不属于一个片区的数据采集设备;
设备标识与一个片区的其他设备标识相同。
在一种可能的实现方式中,该方法还包括:
在多组水务数据的一组水务数据存在时间信息错误/或时间信息缺失的情况下,获取一组水务数据包含的设备标识所指示的第二采集设备在最后P次向云端服务器发送的P组水务数据;根据该P组水务数据包含的时间信息,确定第一时间信息,该第一时间信息用于作为一组水务数据的时间信息,P为正整数;
其中,时间信息错误包括以下任意一项:时间信息指示的采集时间与云端服务器接收水务数据的时间的时间间隔大于或等于预设时长;针对同一数据采集设备,一个时间信息指示的采集时间与一个历史时间信息指示的采集时间重合;时间信息指示的采集时间与预设采集时间不符合。
在一种可能的实现方式中,该方法还包括:
在确定M组水务数据存在错误数据和/或缺失数据之前,按照多组水务数据中每组水务数据的编码协议,对每组水务数据进行解码,得到多组解码数据;根据该多组解码数据包含的时间信息,从多组解码数据的每组解码数据中,提取在目标时间内的数据,得到多组样本数据;对该多组样本数据的每组样本数据进行数据标准化处理,得到标准化后多组水务数据;
其中,目标时间为预设的时间,或为根据每组解码数据包含的时间信息确定的时间。
在一种可能的实现方式中,对多组样本数据的每组样本数据进行数据标准化处理,包括以下至少一项:
将多组样本数据的每组样本数据的量纲统一;
对多组样本数据的每组样本数据进行归一化处理;
若多组样本数据来自不同规则的采集设备,则根据多组样本数据的每组样本数据的采集周期和发送周期,从每组样本数据中提取目标数量的数据,或者,将每组样本数据包含的数据数量扩展至目标数量。
其中,目标样本数量为预设的样本数量,或为根据每组目标时间数据包含的样本数量确定的样本数量。
第二方面,本申请实施例提供一种数据处理装置,该装置包括用于执行上述第一方面的方法的模块。该装置可对应于执行上述第一方面描述的数据处理方法,该装置中的模块的相关描述请参照上述第一方面的描述,为了简洁,在此不再赘述。
第三方面,本申请实施例提供一种云端服务器,包括处理器和通信接口,处理器与存储器耦合,通信接口用于接收来自数据采集设备的数据,处理器用于执行存储器中存储的计算机程序或指令,以使得云端服务器实现如上述第一方面描述的数据处理方法。
第四方面,本申请提供一种芯片系统,该芯片系统与存储器耦合,该芯片系统用于读取并执行存储器中存储的计算机程序,以实现如第一方面描述的数据处理方法。
第五方面,本申请提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,当计算机程序在云端服务器上运行时,使得云端服务器执行如第一方面描述的数据处理方法。
第六方面,本申请提供一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如第一方面描述的数据处理方法。
可以理解的是,上述第二方面至第六方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
图1为本申请实施例提供的一种水务系统的架构示意图;
图2为本申请实施例提供的一种数据处理方法的流程示意图;
图3为本申请实施例提供的一种插值函数的示意图;
图4为本申请实施例提供的另一种插值函数的示意图;
图5为本申请实施例提供的对水务数据进行标准化处理的流程示意图;
图6为本申请实施例提供的数据处理装置的结构示意图;
图7为本申请实施例提供的云端服务器的结构示意图。
具体实施方式
为了使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。
在本申请的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B。在本申请的描述中,“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。
在本申请的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。例如,第一采集时间和第二采集时间等是用于区别不同的采集时间,而不是用于描述采集时间的特定顺序。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图1为本申请实施例提供的一种水务系统的架构示意图。如图1所示,该水务系统包括云端服务器1、数据采集设备2、网关设备3、无线访问点4、集抄平台5、移动式数据采集设备6、数据库服务器7以及手动抄表设备8。
对于多个数据采集设备2中的每个数据采集设备2,一个数据采集设备2可以用于采集一个用户的水务数据,并将水务数据上传至云端服务器1。其中,数据采集设备2可以是水表、压力表、音频监听装置或其他漏损监听装置等。在一种可能的实现方式中,数据采集设备2上传至云端服务器1的水务数据可以是采集的原始数据,例如累计流量、瞬时流量、管道音频和/或管道压力等。其中,累计流量可以是正向累计流量,也可以是负向累计流量。在另一种可能的实现方式中,数据采集设备2上传至云端服务器1的水务数据可以是根据原始数据计算得到的水务数据,例如根据累计流量计算得到的日供水量,根据累计流量等计算得到的夜间最小流量(minimal night flow,MNF)等。
云端服务器1可以用于接收来自各个数据采集设备2的水务数据,并根据这些水务数据对这些用户所在的片区的供水管道进行漏损评估。此外,云端服务器1还可以根据漏损评估结果生成预警策略,如通过工单流转,实现降漏措施。
本申请实施例可通过下述几种方式接收来自数据采集设备的水务数据:
方式1、数据采集设备2将采集的水务数据,通过中转设备上传至云端服务器1。
例如,中转设备可以为网关设备3。数据采集设备2可以通过网关设备3与云端服务器1有线连接。在数据采集设备2采集到水务数据之后,数据采集设备2先通过连接线将水务数据发送至网关设备3。然后,网关设备3将水务数据转发至云端服务器1。
再例如,中转设备可以为无线访问点4。数据采集设备2可以通过无线访问点4与云端服务器1无线连接。在数据采集设备2采集到水务数据之后,数据采集设备2先通过无线连接将水务数据发送至无线访问点4。然后,无线访问点4将水务数据转发至云端服务器1。
方式2、由集抄平台5获取来自各个数据采集设备2的水务数据,并将水务数据转发到云端服务器1。
例如,集抄平台5与各个数据采集设备2以有线或无线通信方式保持连接。在各个数据采集设备2采集到水务数据之后,数据采集设备2通过有线或无线通信方式将水务数据发送到集抄平台5。然后,集抄平台5将这些数据封装为数据包,并发送至云端服务器1。再然后,云端服务器1对数据包解封装,从而得到了来自各个数据采集设备的水务数据。
方式3、由移动式数据采集设备6采集水务数据,并将水务数据直接发送至云端服务器1。其中,移动式数据采集设备6具备可移动性。
例如,以移动式数据采集设备6为移动式调压车为例。与数据采集设备2有所不同,由于移动式调压车具备可移动性,因此可以将移动式调压车行驶至管道的入水口所在位置,并直接通过移动式调压车对管道的入水口进行水务数据采集。然后,移动式调压车可以将采集的数据发送至云端服务器1,从而云端服务器1可以根据这些水务数据对片区的供水管道进行漏损评估。
方式4、由人工采用手动抄表的方式记录数据采集设备2采集的水务数据,并通过手动抄表设备8将水务数据发送至云端服务器1。
例如,以某社区的水表不具备自动抄表功能为例。水厂工人或物业工作人员可以入户,并读取水表采集的水务数据,以及在手动抄表设备8中记录水表采集的水务数据。然后,手动抄表设备8可以将这些水务数据上传至云端服务器1;或者,手动抄表设备8可以先将这些水务数据上传至集抄平台5,再由集抄平台5发送至云端服务器1。本申请实施例对手动抄表设备8将水务数据发送至云端服务器1的方式不作限定。
此外,水务系统还可以包括与云端服务器1通信连接的数据库服务器7。数据库服务器7用于对云端服务器1接收的水务数据进行存储,并在某些情况下为云端服务器1提供存储的水务数据。例如,当云端服务器1接收的来自数据采集设备2或移动式数据采集设备6的水务数据存在错误数据和/或缺失数据时,云端服务器1可以从数据库服务器7获取存储的历史水务数据,并对错误数据和/或缺失数据进行插值运算,以及采用插值运算生成的数据替换存在错误和/或缺失的数据,进而云端服务器1可以根据更正后的水务数据对片区进行漏损评估。
图2为本申请实施例提供的一种数据处理方法的流程示意图。该方法可以应用于如图1所示的水务系统的云端服务器1,比如为云端服务器1中的芯片或者该方法可以直接由云端服务器1来执行;或应用于其他水务系统的云端服务器,本申请实施例不作限定。如图2所示,该方法可以包括下述S201-S206。
S201、云端服务器接收来自多个数据采集设备的多组水务数据。
其中,该多组水务数据的每组水务数据可以用于反映一个片区中的一个用户的用水情况。具体地,在一个片区中采用某种拓扑方式设置多根供水管道,这些供水管道可以为这个片区的多个用户提供用水。在每个用户的管道入水口所在位置可以安装一个数据采集设备,从而数据采集设备可以采集水务数据。
需要说明的是,每个用户可以为社区中的普通住户,也可以为工厂、企业、学校、商场或医院等以集体为单位的用户,还可以为以社区为单位的用户等。可以根据实际使用需求确定,本申请实施例不作限定。
可选地,上述多组水务数据可以为数据采集设备直接上传至云端服务器的,或为数据采集设备通过中转设备上传至云端服务器的,或为由集抄平台收集并转发至云端服务器的,或为由移动式数据采集设备上传至云端服务器的,或为由手动抄表设备传至云端服务器的。当然还可以采用其他方式将数据上传至云端服务器,本申请实施例不作限定。
可选地,对于多组水务数据的每组水务数据,一组水务数据可以为一个数据包或一个数据组。一组水务数据可以包括:一个设备标识、一个时间信息和至少一个水务数据。其中,该一个设备标识用于指示采集该至少一个水务数据的一个数据采集设备。该一个时间信息用于指示该至少一个水务数据的采集时间。该至少一个水务数据用于反映一个用户在该采集时间用水情况。
可选地,上述水务数据可以是累计流量、瞬时流量、日供水量、夜间最小流量、管道音频和/或管道压力等,本申请实施例不作限定。
可选地,上述采集时间可以是采集时段,且该采集时段可以包括多个采集时刻,如采集时段01:00~02:00包括采集时刻01:00、采集时刻01:30和采集时刻02:00;采集时间也可以是一个采集时刻,如采集时刻01:00。可以根据实际使用需求确定,本申请实施例不作限定。
进一步地,当采集时间是包括多个采集时刻的采集时段时,至少一个水务数据的每个水务数据可以用于反映一个用户在该多个采集时刻的一个采集时刻的用水情况。
示例性地,表1示出了数据组、设备标识、时间信息和水务数据的对应关系。如表1所示,对于数据组1-6,每组数据均包含一个设备标识、一个时间信息和一个用水量。以来自数据采集设备a的数据组1为例进行示例说明,设备标识TKO1B261用于标识数据采集设备a,时间信息00:00~05:00用于表示水务数据7.84t(吨)的采集时间为00:00~05:00,用水量7.84t用于表示与数据采集设备a对应的用水用户在采集时间00:00~05:00的用水量为7.84t。
表1
S202、云端服务器判断该多组水务数据中是否存在错误数据和缺失数据。
在传统的漏损评估方式中,云端服务器会直接根据水务数据进行漏损评估,而由于数据编码错误、传输延时、设备临时掉电、协议冲突或抄表错误等各种原因,导致水务数据存在错误的数据或缺失的数据,从而使得云端服务器根据这些错误的数据或不完整的数据无法准确预估出管网漏损情况。与传统的漏损评估方式有所不同,本申请实施例提供的云端服务器在获取多组水务数据之后,先判断该多组水务数据中是否存在错误数据和缺失数据。然后,在多组水务数据存在错误数据的情况下,执行下述S203;在多组水务数据存在缺失数据的情况下,执行下述S204;在多组水务数据既不存在错误数据,也不存在缺失数据的情况下,执行下述S205。
S203、在该多组水务数据的至少一组水务数据存在错误数据的情况下,云端服务器对该至少一组水务数据和/或历史水务数据进行插值运算,得到至少一组有效数据。其中,该至少一组有效数据用于替换存在错误数据的至少一组水务数据。
具体地,在至少一组水务数据存在错误数据的情况下,云端服务器可以对该至少一组水务数据的正确数据进行插值运算,得到至少一组有效数据;或者,对与该至少一组水务数据对应的历史水务数据进行插值运算,得到至少一组有效数据;或者,对该至少一组水务数据的正确数据和与该至少一组水务数据对应的历史水务数据进行插值运算,得到至少一组有效数据。
需要说明的是,下述实施例是以对存在错误数据的至少一组水务数据对应的历史水务数据进行插值运算,得到有效数据为例进行说明的,其并不对本申请实施例形成限定。
S204、在该多组水务数据的至少一组水务数据存在缺失数据的情况下,云端服务器对该至少一组水务数据和/或历史水务数据进行插值运算,得到至少一组有效数据。其中,该至少一组有效数据包含未缺失的数据,以及通过差值运算后得到的补齐数据。该至少一组有效数据用于替换存在缺失数据的至少一组水务数据。
具体地,在多组水务数据的至少一组数据存在缺失数据(即每组数据存在部分缺失数据)的情况下,云端服务器可以对该至少一组水务数据所包含的各个水务数据进行插值运算,得到至少一组有效数据;或者,对与该至少一组水务数据对应的历史水务数据进行插值运算,得到至少一组有效数据;或者,对该至少一组水务数据所包含的各个水务数据以及历史水务数据进行插值运算,得到至少一组有效数据。
需要说明的是,下述实施例是以对存在缺失数据的至少一组水务数据所包含的各个水务数据进行插值运算进行插值运算,得到有效数据为例进行说明的,其并不对本申请实施例形成限定。
上述S203和S204中的“插值运算”也称为“插补运算”,是一种离散函数逼近方法。在离散数据的基础上补插连续函数,使得连续函数的连续曲线通过全部给定的离散数据点。即,通过连续函数在有限数量的离散数据点处的取值状况,估算出连续函数在其他点处的近似值。具体地,假定在区间[a,b]有n+1个互不相同插值节点x0,x1,……,xn,与这些节点对应的被插值函数f(x)的值是f(x0),……f(xn)。假设要估算f(x)在区间[a,b]中某点x*的值,那么需要确定一个插值函数P(x),在插值节点x0,x1,……,xn的函数值与f(x)函数值相同,用P(x*)的值作为函数f(x*)的近似值。
在本申请实施例中,可以将采集时间作为插值节点x,将在该采集时间采集的水务数据作为被插值函数f(x)的值。具体地,当至少一组数据存在错误数据或缺失数据时,可以分别获取与每组数据对应的历史水务数据。针对与每组数据对应的历史水务数据,可以将历史水务数据的采集时间作为插值节点x,并将在该采集时间采集的水务数据作为被插值函数f(x)的值。如此,利用插值算法可以计算得到插值函数P(x)。然后,通过某些方式获取存在错误数据或缺失数据的采集时间x*,并将P(x*)的值作为在该采集时间x*采集的水务数据f(x*)。
可选地,上述历史水务数据可以包括以下任意一项:
1)在采集时间x*之前预设时长的时间的历史水务数据。以预设时长为2个小时为例,假设采集设备a采集数据的时间为3:00,那么与该数据对应的历史水务数据为01:00~3:00的水务数据。
2)在采集时间x*之后预设时长的时间的历史水务数据。以预设时长为2个小时为例,假设采集设备a采集数据的时间为3:00,那么与该数据对应的历史水务数据为03:00~5:00的水务数据。
3)在每个采集周期中包含的与采集时间x*相同的时间的历史水务数据。以采集周期是天,相同时间为12:00~13:00为例,假设在3.4日采集的水务数据存在错误数据或缺失数据,那么可以根据3.1日12:00~13:00的历史水务数据、3.2日12:00~13:00的历史水务数据、3.3日12:00~13:00的历史水务数据、3.5日12:00~13:00的历史水务数据、3.6日12:00~13:00的历史水务数据及3.7日的历史水务数据进行插值运算,得到3.4日的12:00~13:00的有效数据。
可选地,上述插值算法可以包括但不限于以下至少一项:多项式算法、分段插值与样条插值算法、三角函数算法和埃尔米特算法等。当然,也可以使用matlab提供的插值函数,如nearest(临近的两点插值)算法、linear(线性插值)算法、spline(三次样条插值)算法和pchip(分段三次Hermite插值多项式插值)算法等,本申请实施例不作限定。
上述水务数据可能包含不同类型的数据,而有些数据对通过插值算法得到的有效数据的精确度要求较高,有些数据对通过插值算法得到的有效数据的精确度要求较低。为了满足这一需求,本申请实施例提供的M组水务数据和历史水务数据中的不同类型的数据对应不同的插值算法,采用不同的插值算法得到的有效数据的误差率不同。
示例性地,多组水务数据和历史水务数据中的不同类型的数据可以属于不同的数据优先级,不同的数据优先级对应不同的插值算法,采用不同的插值算法得到的有效数据的误差率不同。
以多种类型数据中的第一类型数据和第二类型数据为例进行示例说明。
①对第一类型数据采用第一插值算法进行插值运算,得到第一有效数据,该第一有效数据用于替换该第一类型数据。
②对第二类型数据采用第二插值算法进行插值运算,得到第二有效数据,该第二有效数据用于替换该第二类型数据。
其中,该第一类型数据的数据优先级高于该第二类型数据的数据优先级。该第一有效数据的误差率小于第二有效数据的误差率。
第一有效数据的误差率=(第一有效数据-第一类型数据对应的真实数据)/第一类型数据对应的真实数据×100%。
第二有效数据的误差率=(第二有效数据-第二类型数据对应的真实数据)/第二类型数据对应的真实数据×100%。
应理解,由于不同的数据优先级对应不同的插值算法,而不同的插值算法的估计的数据精度不同,因此可使得具体较高优先级的类型数据,能采用对应插值算法获得误差率较低、精确度更高的有效数据。
需要说明的是,不同类型数据对应不同差值算法。本申请实施例对第一插值算法和第二插值算法的具体算法不进行具体限定。
S205、云端服务器根据该多组水务数据,确定一个片区的漏损评估结果。其中,该漏损评估结果用于反映一个片区的供水管道的漏损情况。
上述片区可以为独立计量区域。
上述漏损评估结果可以包括但不限于以下至少一项:片区的供水管道是否发生漏损,片区的供水管道发生漏损时的漏损类型、以及片区的供水管道发生漏损时的漏损程度等。其中,漏损类型可以包括表观漏损和物理漏损。表观漏损可以包括非法用水量和因用户计量误差和数据处理错误造成的漏失水量;物理漏损可以包括输配水干管漏失水量、蓄水池漏失和溢流水量、用户支管至计量表具之间漏失水量。漏损程度由高到低依次包括一级漏损、二级漏损、三级漏损等,不同的漏损程度对应的不同的处理方式,例如一级漏损时需要维修或更换供水管道,二级漏损需要调整供水管道的管道压力,三级漏损需要继续观察供水管道的水务数据。
在多组水务数据既不存在错误数据,也不存在缺失数据的情况下,由于这多组水务数据的准确度较高,因此云端服务器可以直接根据多组水务数据,确定一个片区的漏损评估结果。
S206、云端服务器根据该多组水务数据中未存在错误和缺失的数据,以及有效数据,确定一个片区的漏损评估结果。其中,该漏损评估结果用于反映一个片区的供水管道的漏损情况。
上述S206具体可以包括下述几种情形:
情形1、在多组水务数据的x组水务数据存在错误数据、y组水务数据存在缺失数据的情况下,云端服务器根据该多组水务数据中未存在错误和缺失的数据,用于替换x组水务数据的有效数据,以及用于替换y组水务数据的有效数据,确定一个片区的漏损评估结果。
情形2、在多组水务数据的x组水务数据存在错误数据,且多组水务数据不存在缺失数据的情况下,云端服务器根据该多组水务数据中未存在错误和缺失的数据,以及用于替换x组水务数据的有效数据,确定一个片区的漏损评估结果。
情形3、在多组水务数据的y组水务数据存在缺失数据,且多组水务数据不存在错误数据的情况下,云端服务器根据该多组水务数据中未存在错误和缺失的数据,以及用于替换y组水务数据的有效数据,确定一个片区的漏损评估结果。
需要说明的是,在某些场景下,一组水务数据可能既存在错误数据,又存在缺失数据,此时即便采用插值运算方法,可能也难以准确还原出正确的数据,因此在进行漏损评估时可以忽略或删除该组水务数据。
此外,对于云端服务器根据水务数据确定一个片区的漏损评估结果的具体实施方式,可以参照现有技术的相关描述,本申请实施例不作重点描述。
本申请实施例提供的数据处理方法,当来自数据采集设备的水务数据存在错误数据和/或缺失数据时,云端服务器会根据这些水务数据和/或与这些水务数据对应的历史水务数据进行插值运算,得到有效数据,并采用有效数据替换错误数据和/或缺失数据。如此,云端服务器可以根据有效数据以及未存在错误和缺失的数据进行漏损评估,从而提高了漏损评估结果的准确性。
在本申请实施例中,一组水务数据可以包括:一个设备标识、一个时间信息和至少一个水务数据。相应地,一组水务数据存在的错误数据可以为:设备标识错误、时间信息错误或水务数据错误;一组水务数据存在的缺失数据可以为:设备标识缺失、时间信息缺失或水务数据缺失。
下面将以存在错误数据和/或缺失数据的任意一组水务数据(比如数据组s)为例,对各种类型的错误和缺失的补正方法进行示例性说明。
一、设备标识错误或设备标识缺失
本申请实施例中,设备标识错误可以包括以下任意一项:
1)设备标识不属于一个片区的任意一个数据采集设备。
例如,云端服务器预先存储一个数据表,该数据表包含了一个片区中的所有数据采集设备的设备标识。在云端服务器接收多组水务数据后,可以遍历该数据表。若一组水务数据的设备标识不属于该数据表,则确定该设备标识不属于一个片区的任意一个数据采集设备,即发生了设备标识错误。
2)设备标识与一个片区的其他设备标识相同。
例如,在云端服务器接收多组水务数据后,可以对这些数据包含的设备标识进行比对。由于各个设备的标识是唯一的,因此,若至少两个设备标识相同,则至少两个设备中最多仅有一个设备标识正确。需要说明的是,由于从中确定出正确的设备标识的难度较高,因此可将至少两个设备标识均判定为设备标识错误。
当数据组s存在设备标识错误或设备标识缺失时,可通过下述S31-S32确定与数据组s对应的正确设备标识。
S31、在一组水务数据存在设备标识错误或设备标识缺失的情况下,云端服务器在一个片区的所有设备标识中,查找未被多组水务数据包含的设备标识。
S32、若第一设备标识未被多组水务数据所包含,则云端服务器将第一设备标识确定为与数据组s对应的正确设备标识。
可以理解,由于第一设备标识是与数据组s对应的正确设备标识,因此,第一设备标识可以用于作为数据组s的设备标识。
示例性地,假设一个片区中所有数据采集设备的设备标识、云端服务器接收的所有数据组包含的设备标识如表2所示。
表2
在上述表2中,由于云端服务器接收的设备标识TKO1B261与该片区的任意一个设备标识均不相符,因此设备标识TKO1B261为错误标识。进一步地,由于该片区的所有设备标识中的设备标识TKO11111未被多组水务数据包含,因此设备标识TKO11111是与设备标识TKO1B261对应的正确设备标识。结合表1,设备标识TKO1B261属于数据组1,因此云端服务器可以将数据组1的设备标识TKO1B261替换成设备标识TKO11111。
二、时间信息错误或时间信息缺失
本申请实施例中,时间信息错误可以包括以下任意一项:
1)时间信息指示的采集时间与云端服务器接收水务数据的时间的时间间隔大于或等于预设时长。
例如,预设时长为4小时,时间信息指示的采集时间为2:00,云端服务器接收水务数据的时间为12:00。由于时间2:00与时间为12:00的时间间隔大于4小时,因此水务数据存在延时,可信度低,从而可将该时间信息判定为错误的时间信息。
2)针对同一数据采集设备,一个时间信息指示的采集时间与一个历史时间信息指示的采集时间重合。
例如,针对同一数据采集设备,若当前接收到的时间信息指示的采集时间为2022.1.1,先前接收到的历史时间信息指示的采集时间也是2022.1.1,则当前接收到的水务数据的采集时间与先前接收到的水务数据的采集时间重合。由于同一数据采集设备的采集时间是由先到后依次变化的,因此可将当前接收到的时间信息判定为错误的时间信息。
3)时间信息指示的采集时间与预设采集时间不符合。
例如,预设采集时间为每晚22:00-5:00,而时间信息指示的采集时间为21:00-23:00,因此两个时间不相符,可将该时间信息判定为错误的时间信息。
当数据组s存在时间信息错误或时间信息缺失时,可通过下述S41-S42确定与数据组s对应的正确时间信息。
S41、云端服务器获取数据组s包含的设备标识所指示的数据采集设备在最后P次向云端服务器发送的P组水务数据。P为正整数。
S42、云端服务器根据该P组水务数据包含的时间信息,确定第一时间信息,该第一时间信息用于作为数据组s的时间信息。
例如,假设数据组s包含的设备标识用于指示数据采集设备a,且数据采集设备a在最后几次向云端服务器发送的水务数据包含的时间信息依次是:2022.1.1的22:00-05:00,2022.1.2的22:00-05:00,2022.1.3的22:00-05:00,2022.1.4的22:00-05:00。云端服务器根据这些时间,可以推断数据采集设备a在每晚22:00-05:00这一时段采集水务数据,进而确定出数据组s包含的正确时间应该是2022.1.5的22:00-05:00。
再例如,假设数据组s包含的设备标识用于指示数据采集设备b,且数据采集设备b在最后几次向云端服务器发送的水务数据包含的时间信息依次是:00:00、02:00、04:00、06:00和08:00,云端服务器根据这些时间,可以推断数据采集设备b每隔两个小时采集一次水务数据,进而确定出数据组s包含的正确时间应该是10:00。
可以理解,云端服务器根据最后几次发送的水务数据所包含的时间信息,可以推断出数据采集设备采集水务数据的时间规律,并根据该时间规律预测出正确的时间信息。
三、水务数据错误或水务数据缺失
(1)水务数据错误
本申请实施例中,水务数据错误可以包括以下任意一项:
1)水务数据的变化趋势与历史水务数据的变化趋势不符。
例如,针对同一数据采集设备,若水务数据为正向累计流量,则正向累计流量应该呈上升趋势。如果当前接收的正向累计流量小于上一次接收的正向累计流量,则可确定当前接收的正向累计流量存在错误。
再例如,针对同一数据采集设备,若水务数据为负向累计流量,则负向累计流量应该呈下降趋势。如果当前接收的负向累计流量大于上一次接收的负向累计流量,则可确定当前接收的负向累计流量存在错误。
2)水务数据大于或等于第一阀值,该第一阀值大于管道的最大漏损量。
以来自一个数据采集设备的水务数据为夜间最小流量为例。根据该数据采集设备的仪表类型、该数据采集设备所在区域的拓扑类型、以及该数据采集设备所监控的管道孔径等多种参数,可以计算得到一个最大的第一阀值。即便是管道存在漏水造成夜间最小流量上升,或者是对管道进行改造造成夜间最小流量上升,也不会导致水务数据超过该第一阀值。因此,如果水务数据超过该第一阀值,那么可以判定水务数据为错误数据。
3)水务数据与历史数据平均值的差值大于或等于第二阀值,且管道的最大漏损量与历史数据平均值的差值小于第二阀值。
其中,不同数据采集设备对应的历史数据平均值不同,不同数据采集设备对应的第二阀值也不相同。
可选地,第二阀值与第一阀值类似,为根据数据采集设备的仪表类型、数据采集设备所在区域的拓扑类型、以及数据采集设备所监控的管道孔径等多种参数计算得到的一个最大阀值。
仍以水务数据为夜间最小流量为例。假设夜间最小流量的平均值为1.5t,第二阀值为50t。当接收的夜间最小流量在区间[0t,51.5t)内时,由于可能在流量突变现场发生了管道的改造或者漏水等其它动作,如果将接收的夜间最小流量判定为错误数据,可能会导致误判,使得最终的漏损评估结果不准确。当接收的夜间最小流量大于或等于51.5t时,由于已经超出了管道的最大漏损量,因此可以确定夜间最小流量存在错误。
4)水务数据的编码错误,例如编码格式错误等。
当数据组s存在水务数据错误时,可通过下述S51-S52确定与数据组s对应的正确水务数据。
S51、云端服务器获取第一水务数据,该第一水务数据为数据组s包含的设备标识所指示的第一数据采集设备在第一时间内采集的历史水务数据。
若数据组s包含的时间信息所指示的采集时间称为第一采集时间,则上述第一时间包括以下任意一项:
在第一采集时间之前预设时长的时间;
在第一采集时间之后预设时长的时间;
在每个采集周期中包含的与第一采集时间相同的时间。
S52、云端服务器采用该第一水务数据进行插值运算,得到用于替换数据组s的一组有效数据。
示例性地,假设水务数据是指瞬时流量,数据组s包含的时间信息所指示的采集时间为12:00。云端服务器可以获取12:00之前的12个小时的历史瞬时流量,以及12:00之后的12个小时的历史瞬时流量。将12:00之前的12个小时的历史瞬时流量(2,2.9)、(4,4.0)、(6,8.3)、(8,12.3)和(10,13.8),以及12:00之后的12个小时的历史瞬时流量(14,13.9)、(16,12.1)、(18,11.1)、(20,9.1)、(22,8.2)和(24,8.3)离散分布至如图3所示的坐标系中。其中,x轴代表时间,y轴代表瞬时流量。云端服务器利用预设的插值算法,根据这些离散数据点,可以确定出连续的第一插值函数g1(x)。令x=12小时,则得到g1(12)=14.2。因此,数据组s的正确瞬时流量应该是14.2升/秒。
需要说明的是,上述S51-S52是以对历史水务数据进行插值运算得到有效数据为例进行说明的,实际实现是,也可以对数据组s包含的正确数据进行插值运算得到有效数据。
(2)水务数据缺失
本申请实施例中,可通过下述至少一种方式确定数据组s存在缺失的水务数据:
1)数据组s包含的水务数据的数量小于或等于预设值。例如,每个数据组预设的数据的数量为100个,若数据组s包含的数据的数量是95,则可以推断出数据组s存在5个缺失数据。
2)数据组s包含的水务数据的编码不连续。例如,数据组s各个数据的编码依次是dwg001、dwg002、dwg004、dwg005、dwg006。由于各个数据是顺序编码的,因此根据这些编码,可以推断出缺失编码为dwg002的水务数据。
当数据组s存在水务数据缺失时,可通过下述S61-S62确定与数据组s对应的正确水务数据。
S61、云端服务器采用数据组s所包含的水务数据进行插值运算,得到数据组s所缺失的水务数据。
S62、云端服务器根据数据组s所包含的水务数据,以及数据组s所缺失的水务数据,生成用于替换数据组s的有效数据。
示例性地,假设水务数据是指累计流量,数据组s包含的时间信息所指示的采集时间为02:00-24:00,数据组s包含的瞬时流量缺失24:00时的瞬时流量。云端服务器可以将与数据组s所包含的瞬时流量对应的离散数据点(2,1009)、(4,1015)、(6,1031)、(8,1043)、(10,1062)、(12,1074)、(14,1089)、(16,1120)、(18,1210)、(20,1290)和(22,1309)离散分布至如图4所示的坐标系中。其中,x轴代表时间,y轴代表累计流量。利用预设的插值算法,根据这些离散数据点,可以确定出连续的第二插值函数g2(x)。令x=24小时,则得到g2(24)=1385。因此,数据组s所缺失的24:00时的瞬时流量应该是1385吨。
需要说明的是,上述S61-S62是以对数据组s所包含的水务数据进行插值运算得到有效数据为例进行说明的,实际实现是,也可以对与数据组s对应的历史水务数据进行插值运算得到有效数据。
根据上述实施例的描述,水务数据上传至云端服务器的方式多种多样。例如,数据采集设备可以直接将水务数据上传至云端服务器,或通过中转设备将水务数据上传至云端服务器,或由集抄平台收集并转发至云端服务器,或由移动式数据采集设备上传至云端服务器,或由手动抄表设备传至云端服务器。但是这些方式使得水务数据的数据格式不完全统一。为了便于云端服务器对这些水务数据进行错误数据和缺失数据检查以及插值运算,如图5所示,在对这些水务数据进行错误数据和缺失数据检查之前,本申请实施例提供的数据处理方法还可以包括下述S71-S73。
S71、云端服务器按照多组水务数据中每组水务数据的编码协议,对每组水务数据进行解码,得到多组解码数据。
S72、云端服务器根据多组解码数据包含的时间信息,从多组解码数据的每组解码数据中,提取目标时间的数据,得到多组样本数据。
一种方式为,目标时间为预设的时间。例如目标时间为每天01:00-02:00。
另一种方式为,目标时间为根据每组解码数据包含的时间信息确定的时间。例如,如表3所示,数据组1的时间为00:00-02:00,数据组2的时间为01:00-03:00,数据组3的时间为01:00-02:30,因此,目标时间可以为这些时间的共同时间01:00-02:00。
S73、云端服务器对该多组样本数据中的每组样本数据进行数据标准化处理,得到标准化后的多组水务数据。
上述数据标准化处理可以包括以下至少一种方式:
第1种方式、将各组样本数据的量纲统一。
例如,将来自各个数据采集设备的瞬时流量均转换为升/秒。
第2种方式、将各组样本数据转换为无量纲的数据。
例如,通过标准化、区间缩放法以及离散化等进行归一化处理操作。当然还可以包括其他数据标准化处理,本申请实施例不作限定。
第3种方式、若多组样本数据来自不同规则的采集设备,则根据该多组样本数据的每组样本数据的采集周期和发送周期,从该每组样本数据中提取目标数量的数据,或者,将该每组样本数据包含的数据数量扩展至目标数量。
其中,目标样本数量为预设的样本数量,或为根据每组样本数据包含的样本数量确定的样本数量。
在多组样本数据来自不同规则的采集设备的情况下,不同规则的采集设备的数据采集周期可能不同、数据发送周期也可能不同。比如,有些设备每隔5分钟采集一次数据,有些设备每隔1小时采集一次数据。再比如,有些设备每隔6小时上传一次数据,有些设备每隔1天上传一次数据。因此,为了便于对这些数据进行运算,可以先对这些数据进行调整。
可选地,对于用于计算数据的数量要求较少的某些场景,若第一组样本数据的样本数量较多,而第二组样本数据的样本数量较少,则从第一组样本数据提取部分样本,以使两组样本数据的样本数量相同。
可选地,对于用于计算数据的数量要求较多的某些场景,若第一组样本数据的样本数量较多,而第二组样本数据的样本数量较少,则采用某些填补算法将第二组样本数据扩展与第一组样本数据的样本数量相同。
示例性地,如表3所示,数据组1在目标时间01:00-02:00的样本数量为2个,数据组2在目标时间01:00-02:00的样本数量为2个,数据组3在目标时间01:00-02:00的样本数量为3个,因此,目标样本数量可以为2个。
表3
在上述表3中,对于数据组1,从时间为00:00-02:00提取了2个样本数据:h2和h3。对于数据组2,从时间为01:00-03:00提取了2个样本数据:h4和h5。对于数据组3,从时间为01:00-02:300提取了2个样本数据:h7和h9。
应理解,通过对数据格式不统一的水务数据进行时间统一、样本数量统一以及数据格式统一等,便于云端服务器对这些水务数据进行错误数据和缺失数据检查以及插值运算。
图6为本申请实施例提供的数据处理装置的结构示意图。如图6所示,该装置600可以包括接收模块601、处理模块602以及评估模块603。
接收模块601,用于接收来自多个数据采集设备的多组水务数据,该多组水务数据的每组水务数据用于反映一个片区中的一个用户的用水情况。
处理模块602,用于在多组水务数据的M组水务数据存在错误数据和/或缺失数据的情况下,对M组水务数据和/或历史水务数据进行插值运算,得到M组有效数据。M组有效数据用于替换M组水务数据,M为正整数。
评估模块603,用于根据多组水务数据中未存在错误和缺失的数据,以及M组有效数据,确定漏损评估结果,漏损评估结果用于反映该一个片区的供水管道的漏损情况。
在一种可能的实现方式中,M组水务数据和历史水务数据中的不同类型的数据对应不同的插值算法,采用不同的插值算法得到的有效数据的误差率不同。处理模块602具体可以用于:对M组水务数据和/或历史水务数据包括的各个类型的数据,采用与各个类型的数据对应的插值算法进行插值运算,以得到M组有效数据。
在一种可能的实现方式中,在M组水务数据的至少一组水务数据存在错误数据的情况下,处理模块602具体可以用于:获取第一水务数据,该第一水务数据为一组水务数据包含的设备标识所指示的第一数据采集设备在第一时间内采集的历史水务数据;并采用第一水务数据进行插值运算,得到用于替换该一组水务数据的一组有效数据。
其中,第一时间包括以下任意一项:在第一采集时间之前预设时长的时间,在第一采集时间之后预设时长的时间,在每个采集周期中包含的与第一采集时间相同的时间。第一采集时间为该一组水务数据包含的时间信息所指示的采集时间。
在一种可能的实现方式中,M组水务数据存在错误数据,通过下述至少一种方式确定:
一组水务数据的变化趋势与历史水务数据的变化趋势不符;
一组水务数据大于或等于第一阀值,该第一阀值大于管道的最大漏损量;
一组水务数据与历史数据平均值的差值大于或等于第二阀值,管道的最大漏损量与历史数据平均值的差值小于所述第二阀值;
一组水务数据的编码错误。
在一种可能的实现方式中,在M组水务数据的至少一组水务数据存在缺失数据的情况下,处理模块602具体可以用于:采用一组水务数据所包含的各个水务数据进行插值运算,得到该一组水务数据所缺失的水务数据;并根据该一组水务数据所包含的各个水务数据,以及该一组水务数据所缺失的水务数据,生成用于替换该一组水务数据的有效数据。
其中,M组水务数据存在缺失数据,通过下述至少一种方式确定:一组水务数据包含的水务数据的数量小于或等于预设值;一组水务数据包含的水务数据的编码不连续。
在一种可能的实现方式中,处理模块602还可以用于:在一组水务数据存在设备标识错误/或设备标识缺失的情况下,确定第一设备标识。该第一设备标识为一个片区的所有设备标识中未被多组水务数据包含的设备标识。该第一设备标识用于作为该一组水务数据的设备标识。
其中,设备标识错误包括以下任意一项:
设备标识不属于一个片区的数据采集设备;
设备标识与一个片区的其他设备标识相同。
在一种可能的实现方式中,处理模块602还可以用于:在一组水务数据存在时间信息错误/或时间信息缺失的情况下,获取该一组水务数据包含的设备标识所指示的第二采集设备在最后P次发送的P组水务数据,P为正整数;并根据P组水务数据包含的时间信息,确定第一时间信息,该第一时间信息用于作为该一组水务数据的时间信息。
其中,时间信息错误包括以下任意一项:
时间信息指示的采集时间与接收水务数据的时间的时间间隔大于或等于预设时长;
针对同一数据采集设备,一个时间信息指示的采集时间与一个历史时间信息指示的采集时间重合;
时间信息指示的采集时间与预设采集时间不符合。
本申请实施例的数据处理装置可对应于执行本申请实施例中的数据处理方法,为了简洁,在此不再赘述。
图7为本申请实施例提供的一种云端服务器的结构示意图。如图7所示,云端服务器可以包括处理器701,处理器701与存储器703耦合,处理器701用于执行存储器703中存储的计算机程序或指令,以使得云端服务器实现上述各实施例中的方法。存储器703可以包含于云端服务器,也可以独立于云端服务器设置。
云端服务器还可以包括通信总线702、通信接口704、输出设备705和输入设备706。
处理器701的数量可以为一个或多个。一个处理器701可以包括至少一个处理单元。例如,处理器701可以包括如图7所示的至少一个中央处理器(central processingunit,CPU)。在一些实施例中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
通信总线702可包括一通路,用于在处理器701、存储器703以及通信接口704之间传送信息。
通信接口704,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN)或无线局域网(wireless local areanetworks,WLAN)等。在本申请实施例中,通信接口704主要用于与数据采集设备、网关设备、无线访问点、集抄平台和手动抄表设备等通信,直接或间接接收来自数据采集设备的水务数据。
存储器703可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compact disk readonly memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟和蓝光光碟等)、磁盘存储介质或者其他磁存储设备,或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器703可以是独立存在,通过总线702与处理器701相连接。存储器703也可以和处理器701集成在一起。
存储器703用于存储执行程序代码,并由处理器701来控制执行。处理器701用于执行存储器703中存储的程序代码,从而实现上述实施例中的数据处理方法。本申请实施例,存储器703还可以用于存储水务数据等。
输出设备705和处理器701通信,可以以多种方式来显示信息,例如显示漏损评估结果。其中,输出设备705可以包括显示面板,例如液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emitting diode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode的,AMOLED),柔性发光二极管(flex light-emitting diode,FLED),或者量子点发光二极管(quantum dot light emitting diodes,QLED)等。
输入设备706和处理器701通信,可以以多种方式接收输入,例如请求显示降漏措施的输入。其中,输入设备706可以是鼠标、键盘、触摸屏或传感设备等。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令。当该计算机可读存储介质在云端服务器上运行时,使得该云端服务器执行如上所示的方法。
其中,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,该计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriberline,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。该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以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘或磁带),光介质或者半导体介质(例如固态硬盘(solid statedisk,SSD))等。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序代码,当计算机程序代码在计算机上运行时,使得计算机执行上述各实施例中的方法。
本申请实施例还提供了一种芯片,该芯片与存储器耦合,该芯片用于读取并执行存储器中存储的计算机程序或指令,以执行上述各实施例中的方法。该芯片可以为通用处理器,也可以为专用处理器。
需要说明的是,该芯片可以使用下述电路或者器件来实现:一个或多个现场可编程门阵列(field programmable gate array,FPGA)、可编程逻辑器件(programmablelogic device,PLD)、控制器、状态机、门逻辑、分立硬件部件、任何其他适合的电路、或者能够执行本申请通篇所描述的各种功能的电路的任意组合。
应理解,上述只是为了帮助本领域技术人员更好地理解本申请实施例,而非要限制本申请实施例的范围。本领域技术人员根据所给出的上述示例,显然可以进行各种等价的修改或变化,例如,上述检测方法的各个实施例中某些步骤可以是不必须的,或者可以新加入某些步骤等。或者上述任意两种或者任意多种实施例的组合。这样的修改、变化或者组合后的方案也落入本申请实施例的范围内。
还应理解,上文对本申请实施例的描述着重于强调各个实施例之间的不同之处,未提到的相同或相似之处可以互相参考,为了简洁,这里不再赘述。
还应理解,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
还应理解,本申请实施例中的方式、情况、类别以及实施例的划分仅是为了描述的方便,不应构成特别的限定,各种方式、类别、情况以及实施例中的特征在不矛盾的情况下可以相结合。
还应理解,在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
最后应说明的是:以上描述内容,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (13)
1.一种数据处理方法,其特征在于,所述方法包括:
接收来自多个数据采集设备的多组水务数据,所述多组水务数据的每组水务数据用于反映一个片区中的一个用户的用水情况;
在所述多组水务数据的M组水务数据存在错误数据和/或缺失数据的情况下,对所述M组水务数据和/或历史水务数据进行插值运算,得到M组有效数据,所述M组有效数据用于替换所述M组水务数据,M为正整数;
根据所述多组水务数据中未存在错误和缺失的数据,以及所述M组有效数据,确定漏损评估结果,所述漏损评估结果用于反映所述一个片区的供水管道的漏损情况。
2.根据权利要求1所述的方法,其特征在于,所述M组水务数据和所述历史水务数据中的不同类型的数据对应不同的插值算法,采用不同的插值算法得到的有效数据的误差率不同;
所述对所述M组水务数据和/或历史水务数据进行插值运算,得到M组有效数据,包括:
对所述M组水务数据和/或所述历史水务数据包括的各个类型的数据,采用与所述各个类型的数据对应的插值算法进行插值运算,以得到所述M组有效数据。
3.根据权利要求1或2所述的方法,其特征在于,所述每组水务数据包含一个设备标识、一个时间信息以及至少一个水务数据;
其中,所述一个设备标识用于指示采集所述至少一个水务数据的一个数据采集设备,所述一个时间信息用于指示所述至少一个水务数据的采集时间,所述至少一个水务数据用于反映一个用户在所述采集时间的用水情况;所述采集时间为采集时段或采集时刻。
4.根据权利要求3所述的方法,其特征在于,在所述多组水务数据的M组水务数据存在错误数据的情况下,对所述历史水务数据进行插值运算,得到所述M组有效数据,包括:
获取第一水务数据,所述第一水务数据为一组水务数据包含的设备标识所指示的第一数据采集设备在第一时间内采集的历史水务数据,所述一组水务数据为所述M组水务数据中存在错误数据的任意一组水务数据;
采用所述第一水务数据进行插值运算,得到用于替换所述一组水务数据的一组有效数据;
其中,所述第一时间包括以下任意一项:在第一采集时间之前预设时长的时间,在第一采集时间之后预设时长的时间,在每个采集周期中包含的与第一采集时间相同的时间;所述第一采集时间为所述一组水务数据包含的时间信息所指示的采集时间;
所述M组水务数据存在错误数据,通过下述至少一种方式确定:
一组水务数据的变化趋势与历史水务数据的变化趋势不符;
一组水务数据大于或等于第一阀值,所述第一阀值大于管道的最大漏损量;
一组水务数据与历史数据平均值的差值大于或等于第二阀值,且管道的最大漏损量与所述历史数据平均值的差值小于所述第二阀值;
一组水务数据的编码错误。
5.根据权利要求4所述的方法,其特征在于,所述采用所述第一水务数据进行插值运算,得到用于替换所述一组水务数据的一组有效数据,包括:
根据所述第一水务数据以及所述第一水务数据的采集时间,确定多个离散数据点;
根据所述多个离散数据点,确定第一插值函数;
利用所述第一插值函数和所述第一采集时间,获取用于替换所述一组水务数据的一组有效数据。
6.根据权利要求3所述的方法,其特征在于,在所述多组水务数据的M组水务数据存在缺失数据的情况下,对所述M组水务数据进行插值运算,得到所述M组有效数据,包括:
采用一组水务数据所包含的各个水务数据进行插值运算,得到所述一组水务数据所缺失的水务数据,所述一组水务数据为所述M组水务数据中存在缺失数据的任意一组水务数据;
根据所述一组水务数据所包含的各个水务数据,以及所述一组水务数据所缺失的水务数据,生成用于替换所述一组水务数据的有效数据;
其中,所述M组水务数据存在缺失数据,通过下述至少一种方式确定:
一组水务数据包含的水务数据的数量小于或等于预设值;
一组水务数据包含的水务数据的编码不连续。
7.根据权利要求6所述的方法,其特征在于,所述采用一组水务数据所包含的各个水务数据进行插值运算,得到所述一组水务数据所缺失的水务数据,包括:
根据所述一组水务数据所包含的各个水务数据,以及所述各个水务数据的采集时间,确定多个离散数据点;
根据所述多个离散数据点,确定第二插值函数;
根据所述一组水务数据所缺失的水务数据,以及所述各个水务数据的采集时间,获取所述一组水务数据所缺失的水务数据的采集时间;
利用所述第二插值函数,以及所述一组水务数据所缺失的水务数据的采集时间,获取所述一组水务数据所缺失的水务数据。
8.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述多组水务数据的一组水务数据存在设备标识错误或设备标识缺失的情况下,确定第一设备标识;所述第一设备标识为所述一个片区的所有设备标识中未被所述多组水务数据包含的设备标识;所述第一设备标识用于作为所述一组水务数据的设备标识;
其中,所述设备标识错误包括以下任意一项:
设备标识不属于所述一个片区的数据采集设备;
设备标识与所述一个片区的其他设备标识相同。
9.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述多组水务数据的一组水务数据存在时间信息错误或时间信息缺失的情况下,获取所述一组水务数据包含的设备标识所指示的第二采集设备在最后P次向云端服务器发送的P组水务数据,P为正整数;
根据所述P组水务数据包含的时间信息,确定第一时间信息,所述第一时间信息用于作为所述一组水务数据的时间信息;
其中,所述时间信息错误包括以下任意一项:
时间信息指示的采集时间与所述云端服务器接收水务数据的时间之间的时间间隔大于或等于预设时长;
针对同一数据采集设备,一个时间信息指示的采集时间与一个历史时间信息指示的采集时间重合;
时间信息指示的采集时间与预设采集时间不符合。
10.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
在确定所述M组水务数据存在错误数据和/或缺失数据之前,按照所述每组水务数据的编码协议,对所述每组水务数据进行解码,得到多组解码数据;
根据所述多组解码数据包含的时间信息,从所述多组解码数据的每组解码数据中,提取在目标时间内的数据,得到多组样本数据,所述时间信息用于指示水务数据的采集时间;
对所述多组样本数据的每组样本数据进行数据标准化处理,得到标准化后的所述多组水务数据;
其中,所述目标时间为预设的时间,或为根据所述每组解码数据包含的时间信息确定的时间。
11.根据权利要求10所述的方法,其特征在于,所述对所述多组样本数据的每组样本数据进行数据标准化处理,包括以下至少一项:
将所述多组样本数据的每组样本数据的量纲统一;
对所述多组样本数据的每组样本数据进行归一化处理;
若所述多组样本数据来自不同规则的采集设备,则根据所述多组样本数据的每组样本数据的采集周期和发送周期,从所述每组样本数据中提取目标数量的数据,或者,将所述每组样本数据包含的数据数量扩展至目标数量。
12.一种云端服务器,其特征在于,包括处理器和通信接口,所述处理器与存储器耦合,所述通信接口用于接收来自数据采集设备的数据,所述处理器用于执行所述存储器中存储的计算机程序或指令,以使得所述云端服务器实现如权利要求1至11中任一项所述的数据处理方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,当所述计算机程序在云端服务器上运行时,使得所述云端服务器执行如权利要求1至11中任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667260.9A CN114757589B (zh) | 2022-06-14 | 2022-06-14 | 数据处理方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667260.9A CN114757589B (zh) | 2022-06-14 | 2022-06-14 | 数据处理方法、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114757589A true CN114757589A (zh) | 2022-07-15 |
CN114757589B CN114757589B (zh) | 2022-10-11 |
Family
ID=82336457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210667260.9A Active CN114757589B (zh) | 2022-06-14 | 2022-06-14 | 数据处理方法、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114757589B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116501728A (zh) * | 2023-06-30 | 2023-07-28 | 国家海洋技术中心 | 水文气象自动观测系统实时业务数据文件生成方法及系统 |
CN117518939A (zh) * | 2023-12-06 | 2024-02-06 | 广州市顺风船舶服务有限公司 | 一种基于大数据的工业控制系统 |
CN117743808A (zh) * | 2024-02-20 | 2024-03-22 | 中铁西南科学研究院有限公司 | 一种隧道变形预测方法、系统、设备及介质 |
CN117743808B (zh) * | 2024-02-20 | 2024-05-14 | 中铁西南科学研究院有限公司 | 一种隧道变形预测方法、系统、设备及介质 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070092156A1 (en) * | 2003-11-10 | 2007-04-26 | Satoshi Yamanaka | Mean preserving interpolation calculation circuit, pixel interpolation circuit, mean preserving interpolation method, and pixel interpolation method |
JP2010044618A (ja) * | 2008-08-13 | 2010-02-25 | Hitachi Ltd | 欠落データの補間方法、その実行プログラム、及びデータ収集装置 |
US20130173322A1 (en) * | 2011-12-30 | 2013-07-04 | Schneider Electric USA, Inc. | Energy Management with Correspondence Based Data Auditing Signoff |
US20130197890A1 (en) * | 2010-11-18 | 2013-08-01 | Sony Corporation | Data processing device, data processing method, and program |
US8868993B1 (en) * | 2012-04-13 | 2014-10-21 | Google Inc. | Data replacement policy |
CN107577649A (zh) * | 2017-09-26 | 2018-01-12 | 广州供电局有限公司 | 缺失数据的插补处理方法及装置 |
CN109578816A (zh) * | 2018-12-14 | 2019-04-05 | 中冶京诚工程技术有限公司 | 给水管网爆管检测方法及装置、控制方法及装置 |
CN109801181A (zh) * | 2017-11-17 | 2019-05-24 | 中国电力科学研究院有限公司 | 一种配变数据清洗修补方法及系统 |
CN109918415A (zh) * | 2019-02-21 | 2019-06-21 | 智恒科技股份有限公司 | 一种数据仓库技术的水务数据预测的方法及系统 |
CN110866843A (zh) * | 2019-11-26 | 2020-03-06 | 郑州力通水务有限公司 | 智慧水务管网水平衡分析系统 |
CN111210093A (zh) * | 2020-03-05 | 2020-05-29 | 重庆森鑫炬科技有限公司 | 基于大数据的日用水量预测方法 |
CN112286924A (zh) * | 2020-11-20 | 2021-01-29 | 中国水利水电科学研究院 | 一种数据异常动态识别与多模式自匹配的数据清洗技术 |
CN112488392A (zh) * | 2020-12-01 | 2021-03-12 | 重庆邮电大学 | 一种基于机器学习的智慧水务日用水量预测方法 |
CN112488395A (zh) * | 2020-12-01 | 2021-03-12 | 湖南大学 | 一种配电网线损预测方法及系统 |
CN113111056A (zh) * | 2021-05-08 | 2021-07-13 | 中国水利水电科学研究院 | 一种城市洪涝积水监测数据清洗方法 |
CN113420057A (zh) * | 2021-06-29 | 2021-09-21 | 未鲲(上海)科技服务有限公司 | 对账数据处理方法及相关装置 |
US20210357781A1 (en) * | 2020-05-15 | 2021-11-18 | International Business Machines Corporation | Efficient techniques for determining the best data imputation algorithms |
CN113760880A (zh) * | 2021-09-07 | 2021-12-07 | 天津大学 | 一种水质自动监测数据的预处理方法 |
CN114495497A (zh) * | 2022-01-19 | 2022-05-13 | 山东大学 | 一种交通异常数据的判别和插补方法及系统 |
-
2022
- 2022-06-14 CN CN202210667260.9A patent/CN114757589B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070092156A1 (en) * | 2003-11-10 | 2007-04-26 | Satoshi Yamanaka | Mean preserving interpolation calculation circuit, pixel interpolation circuit, mean preserving interpolation method, and pixel interpolation method |
JP2010044618A (ja) * | 2008-08-13 | 2010-02-25 | Hitachi Ltd | 欠落データの補間方法、その実行プログラム、及びデータ収集装置 |
US20130197890A1 (en) * | 2010-11-18 | 2013-08-01 | Sony Corporation | Data processing device, data processing method, and program |
US20130173322A1 (en) * | 2011-12-30 | 2013-07-04 | Schneider Electric USA, Inc. | Energy Management with Correspondence Based Data Auditing Signoff |
US8868993B1 (en) * | 2012-04-13 | 2014-10-21 | Google Inc. | Data replacement policy |
CN107577649A (zh) * | 2017-09-26 | 2018-01-12 | 广州供电局有限公司 | 缺失数据的插补处理方法及装置 |
CN109801181A (zh) * | 2017-11-17 | 2019-05-24 | 中国电力科学研究院有限公司 | 一种配变数据清洗修补方法及系统 |
CN109578816A (zh) * | 2018-12-14 | 2019-04-05 | 中冶京诚工程技术有限公司 | 给水管网爆管检测方法及装置、控制方法及装置 |
CN109918415A (zh) * | 2019-02-21 | 2019-06-21 | 智恒科技股份有限公司 | 一种数据仓库技术的水务数据预测的方法及系统 |
CN110866843A (zh) * | 2019-11-26 | 2020-03-06 | 郑州力通水务有限公司 | 智慧水务管网水平衡分析系统 |
CN111210093A (zh) * | 2020-03-05 | 2020-05-29 | 重庆森鑫炬科技有限公司 | 基于大数据的日用水量预测方法 |
US20210357781A1 (en) * | 2020-05-15 | 2021-11-18 | International Business Machines Corporation | Efficient techniques for determining the best data imputation algorithms |
CN112286924A (zh) * | 2020-11-20 | 2021-01-29 | 中国水利水电科学研究院 | 一种数据异常动态识别与多模式自匹配的数据清洗技术 |
CN112488392A (zh) * | 2020-12-01 | 2021-03-12 | 重庆邮电大学 | 一种基于机器学习的智慧水务日用水量预测方法 |
CN112488395A (zh) * | 2020-12-01 | 2021-03-12 | 湖南大学 | 一种配电网线损预测方法及系统 |
CN113111056A (zh) * | 2021-05-08 | 2021-07-13 | 中国水利水电科学研究院 | 一种城市洪涝积水监测数据清洗方法 |
CN113420057A (zh) * | 2021-06-29 | 2021-09-21 | 未鲲(上海)科技服务有限公司 | 对账数据处理方法及相关装置 |
CN113760880A (zh) * | 2021-09-07 | 2021-12-07 | 天津大学 | 一种水质自动监测数据的预处理方法 |
CN114495497A (zh) * | 2022-01-19 | 2022-05-13 | 山东大学 | 一种交通异常数据的判别和插补方法及系统 |
Non-Patent Citations (4)
Title |
---|
张佳欣 等: "DMA数据质量评估与错误数据识别方法", 《给水排水》 * |
张坤林 等: "基于分级分区计量的供水管网漏损预警系统应用", 《给水排水》 * |
谢善斌等: "智慧水务信息化系统建设与实践", 《给水排水》 * |
谢翘楚等: "电网历史数据缺失及补录研究", 《四川理工学院学报(自然科学版)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116501728A (zh) * | 2023-06-30 | 2023-07-28 | 国家海洋技术中心 | 水文气象自动观测系统实时业务数据文件生成方法及系统 |
CN116501728B (zh) * | 2023-06-30 | 2023-09-08 | 国家海洋技术中心 | 水文气象自动观测系统实时业务数据文件生成方法及系统 |
CN117518939A (zh) * | 2023-12-06 | 2024-02-06 | 广州市顺风船舶服务有限公司 | 一种基于大数据的工业控制系统 |
CN117743808A (zh) * | 2024-02-20 | 2024-03-22 | 中铁西南科学研究院有限公司 | 一种隧道变形预测方法、系统、设备及介质 |
CN117743808B (zh) * | 2024-02-20 | 2024-05-14 | 中铁西南科学研究院有限公司 | 一种隧道变形预测方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114757589B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114757589B (zh) | 数据处理方法、服务器及存储介质 | |
CN108984873B (zh) | 供水管网实时漏损检测方法、设备、系统及存储介质 | |
US20230191464A1 (en) | Methods for smart gas pipeline cleaning management for safety management and internet of things systems thereof | |
CN110829590B (zh) | 一种台区线损智能监测系统、方法、平台及存储介质 | |
EP3349126B1 (en) | Method, device, storage medium, and apparatus for automatically discovering fuel station poi | |
CN113258995A (zh) | 故障预测方法、装置和计算机可读存储介质 | |
US20130069948A1 (en) | System and method for processing and displaying data relating to consumption data | |
CN114860833B (zh) | 应用于数字孪生水利工程的数据中台和数据处理方法 | |
CN114449373B (zh) | 一种基于物联网无线传输的智慧水务系统 | |
CN112148733A (zh) | 确定故障类型的方法、装置、电子装置和计算机可读介质 | |
CN110786021A (zh) | 用于收集传感器数据的方法和系统 | |
CN115388344A (zh) | 一种基于分布式协调检测的管道泄漏监测方法 | |
CN113612567B (zh) | 设备多传感器采集数据的对齐方法、装置和电子设备 | |
CN115842847B (zh) | 一种基于物联网的水表智能控制方法、系统及介质 | |
CN115951123B (zh) | 一种基于无线通信的电能计量方法及系统 | |
CN110443711B (zh) | 一种基于区块链的城市设备管理方法 | |
CN108898201B (zh) | 太阳能组件的信息关联系统和方法 | |
CN105847978B (zh) | 一种基于智能电视的信息收集方法及系统 | |
CN114545455A (zh) | 基于多重算法校正的gps历史轨迹方法及系统 | |
CN108920635A (zh) | 一种数据编码分析的方法及装置 | |
CN112953786B (zh) | 信息处理方法、装置、系统和计算机可读存储介质 | |
CN114331128A (zh) | 一种基于物联网的智慧水务管理方法、系统、设备及介质 | |
CN110796761B (zh) | 基于嵌入式系统的车载设备用数据采集系统 | |
CN104574795A (zh) | 针对配电站的报警系统及其报警方法 | |
CN103023701B (zh) | 网络管理系统中性能参数的分析方法及装置 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 518000 3203, block D, building 1, Section 1, Chuangzhi Yuncheng, Liuxian Avenue, Xili community, Xili street, Nanshan District, Shenzhen, Guangdong Province Patentee after: Shenzhen Tuoan Trust Internet of Things Co.,Ltd. Address before: 518000 3203, block D, building 1, Section 1, Chuangzhi Yuncheng, Liuxian Avenue, Xili community, Xili street, Nanshan District, Shenzhen, Guangdong Province Patentee before: SHENZHEN ANSO MEASUREMENT & CONTROL INSTRUMENTS CO.,LTD. |
|
CP01 | Change in the name or title of a patent holder |