CN114969068B - 城市压力管网实时流量监测数据分析方法及系统 - Google Patents

城市压力管网实时流量监测数据分析方法及系统 Download PDF

Info

Publication number
CN114969068B
CN114969068B CN202210487870.0A CN202210487870A CN114969068B CN 114969068 B CN114969068 B CN 114969068B CN 202210487870 A CN202210487870 A CN 202210487870A CN 114969068 B CN114969068 B CN 114969068B
Authority
CN
China
Prior art keywords
analysis
monitoring
sub
data
value
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.)
Active
Application number
CN202210487870.0A
Other languages
English (en)
Other versions
CN114969068A (zh
Inventor
付明
汪正兴
桂丽娟
李旋
李舒
王伟伟
汪炜昊
王丽娟
程鹏
刘亚丽
丁灿东
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.)
Hefei City Lifeline Engineering Safety Operation Monitoring Center
Hefei Institute for Public Safety Research Tsinghua University
Original Assignee
Hefei City Lifeline Engineering Safety Operation Monitoring Center
Hefei Institute for Public Safety Research Tsinghua University
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 Hefei City Lifeline Engineering Safety Operation Monitoring Center, Hefei Institute for Public Safety Research Tsinghua University filed Critical Hefei City Lifeline Engineering Safety Operation Monitoring Center
Priority to CN202210487870.0A priority Critical patent/CN114969068B/zh
Publication of CN114969068A publication Critical patent/CN114969068A/zh
Application granted granted Critical
Publication of CN114969068B publication Critical patent/CN114969068B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/219—Managing data history or versioning
    • 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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Alarm Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明提供城市压力管网实时流量监测数据分析方法及系统包括：根据流量数据采集环境及分析要求，确定分析阈值计算参考范围，确定数据每天分析频率；建立分析数据库，数据库包括母表和(n+1)个子表；更新分析数据库，对于修正和更新母表及子表内容；计算分析阈值和分析值变化值阈值；分别判断第(n+1)子表中监测值和监测值变化值是否超过阈值；当设备处于报警标记状态时，调整数据分析频率，重复前述分析步骤；当母表中设备第一次被标记为报警时，生成一次事件；当连续k次循环标记为正常时事件结束，作为完整事件在储存在事件库同时调整数据分析频率为初始分析频率；循环上述步骤。本发明解决了运算量大、程序复杂及分析准确性低的问题。

Description

城市压力管网实时流量监测数据分析方法及系统
技术领域
本发明涉及一种城市压力管网数据分析技术，具体涉及一种城市压力管网实时流量监测数据分析方法及系统。
背景技术
城市地下管网作为城市生命线，承担着城市信息传输、水资源输送、燃气运输、废水排出及城市供热，保障人民基本生活。为了确保城市生命线的安全稳定运行，目前，国内外开始广泛应用新一代信息技术对管网运行的各项指标进行了实时监测，通过物联网平台，对管网安全风险点全面监控，通过大数据建模实现监测数据实时分析处理，实现了管网运行事前分析预测、事中辅助决策、事后优化反馈的闭环管理。
但是，针对变化规律复杂、随机性强的管网流量监测指标，目前广泛采用固定阈值分析和流量差值阈值等分析方法，此类分析方法通过对时间序列监测值的突变进行报警分析。由于不同时间、不同位置的监测点所表现的流量波动具有很大区别，且这两种常规分析方法忽略了节假日、气温、突然关开阀门等偶然因素的影响，导致其分析方法需要频繁的样本训练，才能维持预报警的准确率，样本训练频率不够会导致过多漏判和误判的发生，造成大量人力资源及计算机资源浪费的同时，又很难准确预警管道爆管、水锤等潜在风险。这不仅会导致事故发生后大量水、燃气、热力等资源的浪费，甚至可能进一步导致次生衍生灾害的发生，威胁居民生命财产安全。
目前，所采用的流量报警阈值的设定方法主要有两种：①固定阈值法；②逐点作差阈值法。固定阈值法是针对流量监测设备运行规律设定三级固定阈值；逐点作差阈值法是计算流量监测值针对相邻监测值的差，从而表征流量突变量，对突变量设定阈值，从而达到报警。应用过程中发现此两种方法有过多的漏判和误判，造成了许多不必要的人力资源和计算机资源浪费。申请号为CN202110156765.4的发明专利《一种基于大数据的智能管网监测系统》包括注册登录模块、数据采集模块、管网初检模块、发布接收模块、故障维修模块、监测分析模块以及服务器；所述管网初检模块用于获取服务器内存储的流量数据并进行数据初检，数据初检步骤具体如下：步骤一：智能管网划分为若干个区域，并将若干个区域标记为i，i＝1，2，……，z；步骤二：每个区域包括若干个管网监测点，并将管网监测点标记为Ji，J＝1，2，……，x；获取每个管网监测点Ji对应的管网流量数据并记为LJi；步骤二：获取管网监测点Ji所处位置系统当前时间之后的三天降雨量和湿度数据，并将三天降雨量和湿度数据分别相加取平均值得到管网监测点的平均降雨量和平均湿度，并将管网监测点的平均降雨量和平均湿度分别标记为YPJi、SPJi；步骤三：获取管网监测点的管网流量数据的最大值和最小值，分别标记为LmaxJi和LminJi；步骤四：利用公式获取得到管网监测点的管网监测值GJi，式中a1和a2均为比例系数固定数值，且a1和a2的取值均大于零；步骤五：当管网监测点的管网监测值GJi大于设定阈值，则生成管网监测信号；步骤六：管网初检模块将管网监测点Ji的位置坐标和管网监测信号发送至发布接收模块；所述发布接收模块将监测人员监测到的监测信息发送至监测分析模块；所述监测分析模块将监测人员监测到的监测信息与服务器中管网监测检测点对应的预设监测信息进行对比，若监测信息与预设监测信息之间的数据误差在可控范围内，则对管网监测点的监测信息进行上传，上传的监测信息替换原有的管网监测点的预存储监测信息成为新的管网监测点的预存储监测信息；若监测信息与预设监测信息之间的数据误差不在可控范围内，则对管网监测点的监测信息重新监测；所述监测分析模块将重新监测信号反馈至用户终端，用户终端接收到重新监测信号后对管网监测点进行重新监测，若重新监测后的管网监测点的监测信息与预设监测信息之间的数据误差仍不在可控范围内，则生成故障维修信号；故障维修信号发送至服务器，所述服务器将故障维修信息发送至故障维修模块。现有技术中的主要问题有如下两点：
1、需要频繁的样本训练。此两种方法需要针对不同点位、同点位不同时段分别对样本进行训练，运算工作量大，程序复杂。但是样本训练频率不够，会导致过多误判和漏判的发生，又会造成大量人力资源的浪费。
2、受大用户用水、突然开关泵站及阀门等临时性因素影响大。对于固定阈值法和逐点作差阈值法，忽略了对爆管漏损判断有重要影响的因素，如大用户用水、水厂倒泵、突然开关泵站及阀门、节假日、天气气温等，导致特殊情况下的爆管和漏损判断误差很大，误判和漏判率高。
综上所述，使用①固定阈值法和②逐点作差阈值法进行爆管、水锤分析在实际应用时，难以避免的会产生准确率不高的技术问题，需要对阈值设定规则进行优化，使得爆管和水锤分析判断更加准确，减少误报和漏报比例，以提高计算机和工作人员的工作效率。现有技术存在运算量大、程序复杂及分析准确性低的技术问题。
发明内容
本发明所要解决的技术问题在于如何解决现有技术存在的运算量大、程序复杂及分析准确性低的技术问题。
本发明是采用以下技术方案解决上述技术问题的：一种城市压力管网实时流量监测数据分析方法包括：
S1、根据流量数据采集环境及分析要求，确定分析阈值计算参考数据以及数据每天的分析频率，建立分析数据库，所述分析数据库包括母表和不少于2个的子表，更新所述分析数据库，以存储管网更新监测数据；
S2、针对第(n+1)个所述子表的每个所述管网更新监测数据，调用前n个所述子表的对应列数据，据以利用下述逻辑处理得到所述第(n+1)个所述子表的监测值分析阈值：
，其中，a1,a2∈R+为分析阈值计算参数，n为子表个数，m为分析频率，针对第(n+1)个所述子表的每个所述更新监测数据的监测值变化值，利用下述逻辑处理得到第(n+1)个所述子表的变化值分析阈值；
，
其中，b1,b2∈R+为变化值分析阈值计算参数；
S3、根据所述监测值分析阈值及所述变化值分析阈值分别判断第(n+1)个所述子表中的监测值及所述监测值变化值，据以报警标记所述母表中与当前所述子表对应的监测点；
S4、当管网被监测设备处于所述报警标记的状态时，调整数据分析频率m，循环执行前述步骤S2至步骤S4；
S5、当所述母表中的所述管网被监测设备首次被标记为报警时，生成一次事件并输出所述事件的对应事件报警结果；
S6、当所述管网被检测设备连续预设次数的循环标记为正常时，对应生成的事件结束，作为完整事件存储于预置事件库中，且同步输出对应事件的报警解除结果；
S7、当一个所述事件以所述完整事件存储于所述预置事件库时，调整所述分析频率m为初始分析频率，循环执行前述步骤S1至步骤S7，以分析得到压力管网实时流量监测分析数据。
由于本发明采用了根据设备报警状态而调控的分析频率，所以，有效解决了现有分析方法中分析时间长，占用人力资源和计算机资源多的技术问题，进而实现了高效、快速分析的技术效果。
本发明采用了生成事件库的技术手段，将传统的针对单个数据的分析，改变为针对一个完整事件的分析，所以，有效解决了现有分析方法投入大但准确率低的技术问题，进而实现了高效分析、准确预警的技术效果。由于采用了对母表中设备标记配合对事件更新的技术手段，所以，有效解决了现有分析方法报警过多、人工处理繁杂的技术问题，实现了计算更高的自动化分析，提高了分析人员的工作效率。
在更具体的技术方案中，所述步骤S1包括：
S11、采集所述流量采集环境及所述分析要求；
S12、根据所述流量数据采集环境及所述分析要求确定分析阈值计算的参考范围n以及数据每天的分析频率m；
S13、建立所述分析数据库，所述分析数据库包括所述母表和n+1个的所述子表；
S14、以预设周期修正所述母表的基础信息，获取管网实时监测数据，据以按照预设次序更新第n+1个所述子表；
S15、当完成第m+1个所述管网实时监测数据更新时，删除第1个所述子表，其他所述子表向前移动一位，生成所述子表(n+1)，据以更新所述分析数据库，以存储所述管网更新监测数据。
在更具体的技术方案中，所述步骤S12中的所述监测值分析阈值包括上限阈值和下限阈值。
在更具体的技术方案中，所述步骤S2中的所述监测值变化值为第(n+1)个子表中第(m+1)个管网监测数据与第m个所述管网监测数据的差值，所述变化值分析阈值包括上限阈值和下限阈值，所述分析阈值计算参数及所述变化值分析阈值计算参数以阈值测试样本训练获取，其中，所示样本训练的方法包括：枚举法、神经网络算法、遗传算法。
本发明针对第(n+1)子表的每一个更新数据，都需要调用前n个子表的对应列的数据，计算分析阈值，从而实现了动态阈值的计算和监测值实时判别，有效解决了不同时间、不同地点监测点监测流量波动区别大而导致常规分析方法漏判和误判多的技术问题，进而实现了异常数据准确识别的技术效果。同时，有效解决了常规分析方法受到节假日、气温、突然关开阀门等偶然因素影响而导致误判的技术问题，进而实现了规避偶然因素影响的技术效果。
在更具体的技术方案中，所述步骤S3包括：
S31、判断第(n+1)个所述子表的所述监测值是否超过所述监测值分析阈值；
S32、判断第(n+1)个所述子表是所述监测值变化值是否超过所述变化值分析阈值；
S33、若所述监测值大于所述监测值分析阈值的上限且所述监测值变化值大于所述变化值分析阈值的上限，则将所述母表中对应的所述监测点标记为第一报警类型；
S34、若所述监测值小于所述监测值分析阈值的下限且所述监测值变化值小于所述变化值分析阈值的下限，则将所述母表中对应的所述监测点标记为第二报警类型；
S35、若所述监测值及所述监测值变化值均在所述监测值分析阈值及所述变化值分析阈值的所述上限及所述下限之间的区间内，则标记所述监测点为正常类型。
由于本发明采用流量监测值和流量监测差值双重判断的技术手段，所以，有效解决了事故报警值影响后续阈值计算，从而导致误判的技术问题，进而实现了进一步提升分析准确性的技术效果。
在更具体的技术方案中，所述步骤S4包括：
S41、当所述管网被监测设备处于所述报警标记状态时，判定所述监测点处于高风险状态；
S42、提高所述分析频率m。
在更具体的技术方案中，所述步骤S5中所述事件发生的起点为第一次报警的发生。
本发明以事件作为分析的最小单位，能有效节约分析成本，提高分析效率。也有效实现管网运行事前预测、事中监测、事后分析的闭环管理。
在更具体的技术方案中，所述步骤S6中以连续k次循环标记为正常作为生成的所述事件的终点，其中，k∈[1,48]。
在更具体的技术方案中，所述分析数据库中的所述母表中包括：详细地址、设备编号、所在分区系统、设备状态、设备报警标签等基础信息；所述分析数据库中的所述子表为所述母表中的超表，所述子表包括：(m+1)列的列向量，其中第1～n个所述子表的每一行所述代表对应时刻的历史数据，数据以时间序列排列调用，第(n+1)个所述子表的每一行代表目前每一时刻实时传输得到的数据。
由于本发明采用了包括母表、子表形成的分析数据库，子表内数据库按照时间顺序排列，所以，有效解决了现有分析方法存储空间大的技术问题，进而实现了高效运算和高效存储的技术效果。
在更具体的技术方案中，一种城市压力管网实时流量监测数据分析系统包括：
分析数据库模块，用以根据流量数据采集环境及分析要求，确定分析阈值计算参考数据以及数据每天的分析频率，建立分析数据库，所述分析数据库包括母表和不少于2个的子表，更新所述分析数据库，以存储管网更新监测数据；
阈值模块，用以针对第(n+1)个所述子表的每个所述管网更新监测数据，调用前n个所述子表的对应列数据，据以利用下述逻辑处理得到所述第(n+1)个所述子表的监测值分析阈值：
，
其中，a1,a2∈R+，n为子表个数，m为分析频率，针对第(n+1)个所述子表的每个所述更新监测数据的监测值变化值，利用下述逻辑处理得到第(n+1)个所述子表的变化值分析阈值；
，
其中，b1,b2∈R+，所述阈值模块与所述分析数据库模块连接；
分别判断模块，用以根据所述监测值分析阈值及所述变化值分析阈值分别判断第(n+1)个所述子表中的监测值及所述监测值变化值，据以报警标记所述母表中与当前所述子表对应的监测点，所述分别判断模块与所述阈值模块连接；
设备分析频率调制模块，用以当管网被监测设备处于所述报警标记的状态时，调整数据分析频率m，循环执行前述步骤S2至步骤S4，所述设备分析频率调制模块与所述分别判断模块连接；
事件报警模块，用以在所述母表中的所述管网被监测设备首次被标记为报警时，生成一次事件并输出所述事件的对应事件报警结果，所述事件报警模块与所述设备分析频率调制模块连接；
报警解除结果模块，用以在所述管网被检测设备连续预设次数的循环标记为正常时，对应生成的事件结束，作为完整事件存储于预置事件库中，且同步输出对应事件的报警解除结果，所述报警解除结果模块与所述分别判断模块连接；
循环分析模块，用以在一个所述事件以所述完整事件存储于所述预置事件库时，调整所述分析频率m为初始分析频率，循环执行前述步骤S1至步骤S7，以分析得到压力管网实时流量监测分析数据，所述循环分析模块与所述报警解除结果模块连接。
本发明相比现有技术具有以下优点：由于本发明采用了根据设备报警状态而调控的分析频率，所以，有效解决了现有分析方法中分析时间长，占用人力资源和计算机资源多的技术问题，进而实现了高效、快速分析的技术效果。
由于本发明采用同一监测点以24小时为一个周期计算监测阈值的技术手段，所以，有效解决了不同时间、不同地点监测点监测流量波动区别大而导致常规分析方法漏判和误判多的技术问题，进而实现了异常数据准确识别的技术效果，同时有效解决了常规分析方法受到节假日、气温、突然关开阀门等偶然因素影响而导致误判的技术问题，进而实现了规避偶然因素影响的技术效果。
由于采用了生成事件库的技术手段，将传统的针对单个数据的分析，改变为针对一个完整事件的分析，所以，有效解决了现有分析方法投入大但准确率低的技术问题，进而实现了高效分析、准确预警的技术效果。由于采用了对母表中设备标记配合对事件更新的技术手段，所以，有效解决了现有分析方法报警过多、人工处理繁杂的技术问题，实现了计算更高的自动化分析，提高了分析人员的工作效率。
本发明针对第(n+1)子表的每一个更新数据，都需要调用前n个子表的对应列的数据，计算分析阈值，从而实现了动态阈值的计算和监测值实时判别，有效解决了不同时间、不同地点监测点监测流量波动区别大而导致常规分析方法漏判和误判多的技术问题，进而实现了异常数据准确识别的技术效果。同时，有效解决了常规分析方法受到节假日、气温、突然关开阀门等偶然因素影响而导致误判的技术问题，进而实现了规避偶然因素影响的技术效果。由于本发明采用流量监测值和流量监测差值双重判断的技术手段，所以，有效解决了事故报警值影响后续阈值计算，从而导致误判的技术问题，进而实现了进一步提升分析准确性的技术效果。
由于本发明采用流量监测值和流量监测差值双重判断的技术手段，所以，有效解决了事故报警值影响后续阈值计算，从而导致误判的技术问题，进而实现了进一步提升分析准确性的技术效果。本发明以事件作为分析的最小单位，能有效节约分析成本，提高分析效率。也有效实现管网运行事前预测、事中监测、事后分析的闭环管理。
由于本发明采用了包括母表、子表形成的分析数据库，子表内数据库按照时间顺序排列，所以，有效解决了现有分析方法存储空间大的技术问题，进而实现了高效运算和高效存储的技术效果。本发明解决了现有技术中存在的运算量大、程序复杂及分析准确性低的技术问题。
附图说明
图1为城市压力管网实时流量监测数据分析方法的流程示意图；
图2为监测流量变化规律模型示意图；
图3为模拟仿真运算结果界面示意图。
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，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所有其他实施例，都属于本发明保护的范围。
实施例1
如图1及图2所示，一种管网实时流量监测数据分析方法，包括如下步骤：
步骤S1：根据流量数据采集环境及分析要求，确定分析阈值计算的参考范围n，确定数据每天的分析频率m，其中，n∈[3,30]，m∈[48,86400]。(解释：需要针对流量数据采集环境和分析要求，预先设定分析阈值计算的参考范围n和数据每天的分析频率m。计算参考范围过窄，会导致选取的历史数值代表性质不够充分；计算参考范围过宽，会导致计算值受到季节、假期等偶然因素的影响，因此，分析阈值计算的参考范围应该在3～30天期间，例如按照居民生活规律，以一个星期7天为阈值计算的参考范围。数据每天的分析频率m，应该参考前端设备的数据采集频率确定，分析频率不得大于前端设备的数据采集频率，为了节省计算机运算资源，分析频率应该根据宏观风险进行动态调控，例如冬季期间低温低，爆管等事故发生概率大，应该提高分析频率，节假日期间，用水量下降，应该降低分析频率。采用这种分析方法，因地制宜提高准确率的同时，也降低了计算机资源的投入。)
步骤S2：建立分析数据库，数据库包括1个母表和(n+1)个子表。其中，母表记录监测点位的基础信息；子表中的数据为(m+1)列的列向量，用于储存流量监测数据。(解释：分析数据库由1个母表个(n+1)个子表组成，母表的主要功能在于明确监测点位的信息，母表下属子表存储着历史监测数据和实时监测数据，主要功能在于运算和判断。这样，有效解决了现有分析方法存储空间大和运输复杂的技术问题，进而实现了高效运算和高效存储的技术效果。)
步骤S3：更新分析数据库，对于母表，定期修正不正确的基础信息；对于子表的第(n+1)子表，更新入实时监测数据；当完成第m+1个数据更新时，删除第1个子表，其他子表向前移动一位，生成子表(n+1)，用于存储新的监测数据。(解释：第(n+1)子表用于存储前端感知设备的实时更新数据，因此需要对第(n+1)子表中的数据进行实时更新。当完成第m+1个数据更新时，表明当天数据分析已结束，进入下一个数据分析循环中，此时，需要将当天全部监测数据作为历史数据保留在子表中，替换掉第一个无计算价值的历史数据表。这样动态更新分析数据库，有效节省了计算机存储空间。)
步骤S4：针对第(n+1)子表的每个更新数据，调用前n个子表的对应列数据，计算分析阈值。计算方法如下：
(1)调用第1～n的子表对应数据，计算
(2)计算：
(3)计算上限阈值和下限阈值：
其中，a1,a2∈R+，m初始值为2。
(解释：这里针对第(n+1)子表的每一个更新数据，都需要调用前n个子表的对应列的数据，计算分析阈值，从而实现了动态阈值的计算和监测值实时判别。值得注意的是，这里计算是从第2列数据开始的。由于采用同一监测点以24小时为一个周期计算监测阈值的技术手段，所以，有效解决了不同时间、不同地点监测点监测流量波动区别大而导致常规分析方法漏判和误判多的技术问题，进而实现了异常数据准确识别的技术效果。同时，有效解决了常规分析方法受到节假日、气温、突然关开阀门等偶然因素影响而导致误判的技术问题，进而实现了规避节假日、气温、突然关开阀门等偶然因素影响的技术效果。)
步骤S5：针对第(n+1)子表的每个更新数据，计算监测值的变化值，即第(n+1)子表中第(m+1)个数据与第m个数据的差值，同理计算过前n个子表的监测值的变化值，计算分析阈值。计算方法如下：
(1)调用第1～n子表对应数据，计算
(2)计算：
(3)计算上限阈值和下限阈值：
其中，b1,b2∈R+，m初始值为2。
(解释：这里针对第(n+1)子表的每一个更新数据，需要计算其相对于前一个数据的差值，同时，计算同一列其他子表的对应差值，进而计算监测值差值的分析阈值，对监测值差值进行判断。值得注意的是，这里计算是从第2列数据开始的。)
步骤S6：分别判断第(n+1)子表中监测值和监测值的变化值是否超过分析阈值，若监测值和监测值的变化值均超过阈值上线，在母表中对应的监测点中标记为“报警类型一”；若监测值和监测值的变化值均超过阈值下线，母表中对应的监测点中标记为“报警类型二”；其他情况标记为“正常”。(解释：为了避免第1～n个子表中的数据有报警的历史数据，影响分析结果的准确性，在监测值阈值判断的基础上，加入监测变化值阈值判断，仅有两者同时超过阈值上限或者阈值下线时，才会作为报警标签的判断依据。由于采用流量监测值和流量监测差值双重判断的技术手段，所以，有效解决了事故报警值影响后续阈值计算，从而导致误判的技术问题，进而实现了进一步提升分析准确性的技术效果。)
步骤S7：当设备处于报警标记状态时，调整数据分析频率m，重复步骤S3～步骤S7的操作。(解释：当设备处于报警标记状态时，设备监测点处于高风险状态，应该提高数据分析频率m，使得对事件能做出及时有效的判断。)
步骤S8：当母表中设备第一次被标记为报警时，生成一次事件，并输出对应事件报警结果。(解释：分析对象从单个数据调整为一个事件，能有效节约分析成本，提高分析效率。事件发生的起点是第一次报警的发生。)
步骤S9：当连续k次循环标记为正常时(k∈[1,48])，对应生成的事件结束，作为一个完整的事件被储存在事件库中。并且，同步输出对应事件报警解除结果。(解释：事件的终点应该是报警后第一次回复正常的时刻，但是，考虑到伴随着分析频率的提高，管网运行不稳定因素对于分析结果的影响被放大，因此，这里考虑以连续k次循环标记为正常时(k∈[1,48])，作为生成的事件终点。)
步骤S10：当一个事件以完整的事件被储存在事件库的同时，调整数据分析频率m为初始分析频率，循环上述分析步骤。
所述分析数据库中母表中应该包括详细地址、设备编号、所在分区系统、设备状态、设备报警标签等基础信息。所述分析数据库中子表，为母表中的超表，共有(n+1)子表，子表内数据为(m+1)列的列向量，第1～n个子表的每一行代表对应时刻的历史数据，数据以时间序列排列调用，第(n+1)个子表的每一行代表目前每一时刻实时传输得到的数据。(解释：子表是母表的下属超表，具有对应关系，方便调用计算，可以节省存储空间，降低运算成本。前n个子表存储的是历史监测数据，数据按照时间顺序排列在子表中，用于后续阈值计算调用，其第1个数据为前一天的最后一个记录数据，第2～(n+1)个数据为历史当天记录的第m个数据。第(n+1)个子表存储的是当天实时监测的数据，数据处于实时更新的状态，未更新数据的单元格数据为空，其第1个数据为前一天的最后一个记录数据，第2～(n+1)个数据为当天实时更新的的第m个数据。这样，实现了高效、快速分析的技术效果)
所述更新分析数据库时，将上一个分析时间点至目前分析时间点内的所有采集数据通过小波去噪后，选取其中的中位数作为监测数据，更新至第(n+1)子表中。
所述计算分析阈值时，a1、a2和b1、b2经过测试样本进行训练得到。(解释：由于不同监测环境，不同管网性质，采用同一个a1、a2和b1、b2参数会导致分析结果误差较大，因此，所述a1、a2和b1、b2参数的确定是基于现有数据的测试样本结果进行训练得到的。例如通过枚举法、神经网络算法、遗传算法都能找到满足分析要求的a1、a2和b1、b2参数。)
所述事件库用于存储识别的完整事件，事件库内应该包括有被标记为报警的准确时间点、被标记的报警类型、设备编号、设备布置地点、事件结束的准确时间点等信息，作为分析的最小单位。(解释：以事件作为分析的最小单位，能有效节约分析成本，提高分析效率。也有效实现管网运行事前预测、事中监测、事后分析的闭环管理。)
所述输出对应事件报警结果中，还包括数据是否达到报警条件的比较判断，并通过比较判断的不同，标记为不同类型的报警，输出不同类型的预警结果。
所述技术方案中，还包括根据预警级别发出不同信号进行输出。
实施例2
2021年1月31日，某市流量压力出现异常波动，经过数据分析人员分析研判，和现场勘察，却认为真实爆管险情。
如图3所示，选取其附近超声波插入式流量计1、超声波插入式流量计2、超声波插入式流量计3、超声波插入式流量计4、超声波插入式流量计5、电磁流量计1、电磁流量计2，电磁流量计3、电磁流量计4、电磁流量计5，共10台流量计2020年10月～2021年3月监测数据进行matlab仿真模拟运行。查看阈值设定方法运行准确率。
对2020年10月～2021年3月的模拟报警结果表明，该阈值设定方法有效避免了固定阈值法和和逐点作差阈值法过多的漏判和误判的缺陷，根本上解决了流量动态报警的难题，爆管报警准确率高达98％，水锤报警率高达99％。有效提高了计算机和工人员的工作效率，减少了人力资源和计算资源的投入。
运行部分代码：
/>
综上，由于本发明采用了根据设备报警状态而调控的分析频率，所以，有效解决了现有分析方法中分析时间长，占用人力资源和计算机资源多的技术问题，进而实现了高效、快速分析的技术效果。
由于本发明采用同一监测点以24小时为一个周期计算监测阈值的技术手段，所以，有效解决了不同时间、不同地点监测点监测流量波动区别大而导致常规分析方法漏判和误判多的技术问题，进而实现了异常数据准确识别的技术效果，同时有效解决了常规分析方法受到节假日、气温、突然关开阀门等偶然因素影响而导致误判的技术问题，进而实现了规避偶然因素影响的技术效果。
由于采用了生成事件库的技术手段，将传统的针对单个数据的分析，改变为针对一个完整事件的分析，所以，有效解决了现有分析方法投入大但准确率低的技术问题，进而实现了高效分析、准确预警的技术效果。由于采用了对母表中设备标记配合对事件更新的技术手段，所以，有效解决了现有分析方法报警过多、人工处理繁杂的技术问题，实现了计算更高的自动化分析，提高了分析人员的工作效率。
本发明针对第(n+1)子表的每一个更新数据，都需要调用前n个子表的对应列的数据，计算分析阈值，从而实现了动态阈值的计算和监测值实时判别，有效解决了不同时间、不同地点监测点监测流量波动区别大而导致常规分析方法漏判和误判多的技术问题，进而实现了异常数据准确识别的技术效果。同时，有效解决了常规分析方法受到节假日、气温、突然关开阀门等偶然因素影响而导致误判的技术问题，进而实现了规避偶然因素影响的技术效果。由于本发明采用流量监测值和流量监测差值双重判断的技术手段，所以，有效解决了事故报警值影响后续阈值计算，从而导致误判的技术问题，进而实现了进一步提升分析准确性的技术效果。
由于本发明采用流量监测值和流量监测差值双重判断的技术手段，所以，有效解决了事故报警值影响后续阈值计算，从而导致误判的技术问题，进而实现了进一步提升分析准确性的技术效果。本发明以事件作为分析的最小单位，能有效节约分析成本，提高分析效率。也有效实现管网运行事前预测、事中监测、事后分析的闭环管理。
由于本发明采用了包括母表、子表形成的分析数据库，子表内数据库按照时间顺序排列，所以，有效解决了现有分析方法存储空间大的技术问题，进而实现了高效运算和高效存储的技术效果。本发明解决了现有技术中存在的运算量大、程序复杂及分析准确性低的技术问题。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.城市压力管网实时流量监测数据分析方法，其特征在于，所述方法包括：
S1、根据流量数据采集环境及分析要求，确定分析阈值计算参考数据以及数据每天的分析频率，建立分析数据库，所述分析数据库包括母表和不少于2个的子表，更新所述分析数据库，以存储管网更新监测数据；
S2、针对第(n+1)个所述子表的每个所述管网更新监测数据，调用前n个所述子表的对应列数据，据以利用下述逻辑处理得到所述第(n+1)个所述子表的监测值分析阈值：
，
其中，a1,a2∈R+，n为子表个数，m为分析频率，针对第(n+1)个所述子表的每个所述更新监测数据的监测值变化值，利用下述逻辑处理得到第(n+1)个所述子表的变化值分析阈值，Q表示子表数据；
，
其中，b1,b2∈R+，Δσ(m+1)为前n个子表的监测值的变化值；
S3、根据所述监测值分析阈值及所述变化值分析阈值分别判断第(n+1)个所述子表中的监测值及所述监测值变化值，据以报警标记所述母表中与当前所述子表对应的监测点；
S4、当管网被监测设备处于所述报警标记的状态时，调整数据分析频率m，循环执行前述步骤S2至步骤S4；
S5、当所述母表中的所述管网被监测设备首次被标记为报警时，生成一次事件并输出所述事件的对应事件报警结果；
S6、当所述管网被检测设备连续预设次数的循环标记为正常时，对应生成的事件结束，作为完整事件存储于预置事件库中，且同步输出对应事件的报警解除结果；
S7、当一个所述事件以所述完整事件存储于所述预置事件库时，调整所述分析频率m为初始分析频率，循环执行前述步骤S1至步骤S7，以分析得到压力管网实时流量监测分析数据。
2.根据权利要求1所述的城市压力管网实时流量监测数据分析方法，其特征在于，所述步骤S1包括：
S11、采集所述流量采集环境及所述分析要求；
S12、根据所述流量数据采集环境及所述分析要求确定分析阈值计算的参考范围n以及数据每天的分析频率m；
S13、建立所述分析数据库，所述分析数据库包括所述母表和n+1个的所述子表；
S14、以预设周期修正所述母表的基础信息，获取管网实时监测数据，据以按照预设次序更新第n+1个所述子表；
S15、当完成第m+1个所述管网实时监测数据更新时，删除第1个所述子表，其他所述子表向前移动一位，生成所述子表(n+1)，据以更新所述分析数据库，以存储所述管网更新监测数据。
3.根据权利要求2所述的城市压力管网实时流量监测数据分析方法，其特征在于，所述步骤S12中的所述监测值分析阈值包括上限阈值和下限阈值。
4.根据权利要求1所述的城市压力管网实时流量监测数据分析方法，其特征在于，所述步骤S2中的所述监测值变化值为第(n+1)个子表中第(m+1)个管网监测数据与第m个所述管网监测数据的差值，所述变化值分析阈值包括上限阈值和下限阈值，所述分析阈值计算参数及所述变化值分析阈值计算参数以阈值测试样本训练获取，其中，所示样本训练的方法包括：枚举法、神经网络算法、遗传算法。
5.根据权利要求1所述的城市压力管网实时流量监测数据分析方法，其特征在于，所述步骤S3包括：
S31、判断第(n+1)个所述子表的所述监测值是否超过所述监测值分析阈值；
S32、判断第(n+1)个所述子表是所述监测值变化值是否超过所述变化值分析阈值；
S33、若所述监测值大于所述监测值分析阈值的上限且所述监测值变化值大于所述变化值分析阈值的上限，则将所述母表中对应的所述监测点标记为第一报警类型；
S34、若所述监测值小于所述监测值分析阈值的下限且所述监测值变化值小于所述变化值分析阈值的下限，则将所述母表中对应的所述监测点标记为第二报警类型；
S35、若所述监测值及所述监测值变化值均在所述监测值分析阈值及所述变化值分析阈值的所述上限及所述下限之间的区间内，则标记所述监测点为正常类型。
6.根据权利要求1所述的城市压力管网实时流量监测数据分析方法，其特征在于，所述步骤S4包括：
S41、当所述管网被监测设备处于所述报警标记状态时，判定所述监测点处于高风险状态；
S42、提高所述分析频率m。
7.根据权利要求1所述的城市压力管网实时流量监测数据分析方法，其特征在于，所述步骤S5中所述事件发生的起点为第一次报警的发生。
8.根据权利要求1所述的城市压力管网实时流量监测数据分析方法，其特征在于，所述步骤S6中以连续k次循环标记为正常作为生成的所述事件的终点，其中，k∈[1,48]。
9.根据权利要求1所述的城市压力管网实时流量监测数据分析方法，其特征在于，所述分析数据库中的所述母表中包括：详细地址、设备编号、所在分区系统、设备状态、设备报警标签基础信息；所述分析数据库中的所述子表为所述母表中的超表，所述子表包括：(m+1)列的列向量，其中第1～n个所述子表的每一行代表对应时刻的历史数据，数据以时间序列排列调用，第(n+1)个所述子表的每一行代表目前每一时刻实时传输得到的数据。
10.城市压力管网实时流量监测数据分析系统，其特征在于，所述系统包括：
分析数据库模块，用以根据流量数据采集环境及分析要求，确定分析阈值计算参考数据以及数据每天的分析频率，建立分析数据库，所述分析数据库包括母表和不少于2个的子表，更新所述分析数据库，以存储管网更新监测数据；
阈值模块，用以针对第(n+1)个所述子表的每个所述管网更新监测数据，调用前n个所述子表的对应列数据，据以利用下述逻辑处理得到所述第(n+1)个所述子表的监测值分析阈值：
，
其中，a1,a2∈R+，n为子表个数，m为分析频率，针对第(n+1)个所述子表的每个所述更新监测数据的监测值变化值，利用下述逻辑处理得到第(n+1)个所述子表的变化值分析阈值；
，
其中，b1,b2∈R+，所述阈值模块与所述分析数据库模块连接；
分别判断模块，用以根据所述监测值分析阈值及所述变化值分析阈值分别判断第(n+1)个所述子表中的监测值及所述监测值变化值，据以报警标记所述母表中与当前所述子表对应的监测点，所述分别判断模块与所述阈值模块连接；
设备分析频率调制模块，用以当管网被监测设备处于所述报警标记的状态时，调整数据分析频率m，循环执行前述步骤S2至步骤S4，所述设备分析频率调制模块与所述分别判断模块连接；
事件报警模块，用以在所述母表中的所述管网被监测设备首次被标记为报警时，生成一次事件并输出所述事件的对应事件报警结果，所述事件报警模块与所述设备分析频率调制模块连接；
报警解除结果模块，用以在所述管网被检测设备连续预设次数的循环标记为正常时，对应生成的事件结束，作为完整事件存储于预置事件库中，且同步输出对应事件的报警解除结果，所述报警解除结果模块与所述分别判断模块连接；
循环分析模块，用以在一个所述事件以所述完整事件存储于所述预置事件库时，调整所述分析频率m为初始分析频率，循环执行前述步骤S1至步骤S7，以分析得到压力管网实时流量监测分析数据，所述循环分析模块与所述报警解除结果模块连接。
CN202210487870.0A 2022-05-06 2022-05-06 城市压力管网实时流量监测数据分析方法及系统 Active CN114969068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210487870.0A CN114969068B (zh) 2022-05-06 2022-05-06 城市压力管网实时流量监测数据分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210487870.0A CN114969068B (zh) 2022-05-06 2022-05-06 城市压力管网实时流量监测数据分析方法及系统

Publications (2)

Publication Number Publication Date
CN114969068A CN114969068A (zh) 2022-08-30
CN114969068B true CN114969068B (zh) 2024-05-14

Family

ID=82981191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210487870.0A Active CN114969068B (zh) 2022-05-06 2022-05-06 城市压力管网实时流量监测数据分析方法及系统

Country Status (1)

Country Link
CN (1) CN114969068B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117470306B (zh) * 2023-10-31 2024-04-02 上海永大菌业有限公司 一种菇棚生长环境监测分析方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020063819A1 (zh) * 2018-09-27 2020-04-02 清华大学合肥公共安全研究院 水管网的数据实时分析方法及装置
CN113775939A (zh) * 2021-07-29 2021-12-10 河海大学 一种供水管网新增漏损的在线识别与定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020063819A1 (zh) * 2018-09-27 2020-04-02 清华大学合肥公共安全研究院 水管网的数据实时分析方法及装置
CN113775939A (zh) * 2021-07-29 2021-12-10 河海大学 一种供水管网新增漏损的在线识别与定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
监测供水管网爆管的测压点优化布置方法;何锐;俞亭超;邵煜;;中国给水排水;20200915(第17期);全文 *

Also Published As

Publication number Publication date
CN114969068A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN115578015B (zh) 基于物联网的污水处理全过程监管方法、系统及存储介质
CN110320892A (zh) 基于Lasso回归的污水处理设备故障诊断系统及方法
CN106302739A (zh) 一种工业锅炉监测及分析辅助决策云平台系统
CN112785458A (zh) 一种桥梁健康大数据智能管养系统
CN102174994A (zh) 城市供水管网事故爆管在线定位系统
CN111259334A (zh) 一种工业企业大用户用水异常监测预警方法
US20240142063A1 (en) Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof
CN113074324B (zh) 基于城市供水管网运行安全动态预警的数据库及建立方法
TWI738016B (zh) 液態氣體充填之智能化學習機制與自適應調節系統
CN113036913B (zh) 一种综合能源设备状态监测方法及装置
CN112418624A (zh) 一种智慧市政管网运行评价指标体系建立方法及应用系统
CN114969068B (zh) 城市压力管网实时流量监测数据分析方法及系统
CN115018343A (zh) 矿井海量瓦斯监测数据异常识别与处置系统及方法
CN114519923A (zh) 一种电厂智能诊断预警方法和系统
CN109507992A (zh) 一种机车制动系统部件的故障预测方法、装置及设备
CN113379280A (zh) 一种燃气用埋地高分子聚乙烯管道风险的判定方法及系统
CN116307673A (zh) 一种用于城市生命线的地下管网交互风险预警系统
CN117314709A (zh) 污水处理进度的智能监测系统
CN115936923A (zh) 一种智能水务管理信息系统
CN115830812B (zh) 泵站建筑物异常沉降智能预警系统及方法
CN112232632A (zh) 一种基于haccp的供水系统运行管理关键技术评估方法
CN116245412A (zh) 一种建筑工程现场安全监测管理系统
CN116522746A (zh) 高耗能企业配电托管方法
CN115424419A (zh) 一种地下水动态监测多元预警系统
CN110543122A (zh) 一种管网安全在线检测的远程智能化物联网自动识别系统及方法

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