CN115013865A - 基于工业大数据的暖气供热异常识别方法 - Google Patents

Abstract

本发明涉及电数字数据处理技术领域，具体涉及一种基于工业大数据的暖气供热异常识别方法，该方法是一种特别适用于特定功能的数字数据处理方法，具体是利用复杂数学运算的方法对暖气进行供热异常检测，具体为：采集暖气片的噪声频率和水流速度以及温度差异；基于噪声频率和温度差异计算暖气片的供热系数，根据暖气片的供热系数、噪声频率以及温度差异计算两个暖气片之间的相似程度；对所有暖气片进行分类得到多个类别；获取供热损耗类别，并对其内暖气片的异常程度进行分析，得到暖气片是否存在异常，使得暖气供热异常识别结果更加准确。因此，本发明的方法通过对工业信息和数据进行处理，可以用于工业生产大数据资源服务、工业数据集成服务等。

Description

基于工业大数据的暖气供热异常识别方法

技术领域

本发明涉及电数字数据处理技术领域，具体涉及一种基于工业大数据的暖气供热异常识别方法。

背景技术

随着社会经济的发展，越来越多的地方将暖气纳入为必不可少的设备。暖气片在使用时，由于内部的循环水长期的使用，通常随着时间的变化，暖气片内部会产生大量的杂质污垢，严重影响暖气的供热效率，当前对暖气片供热效果检测常常是基于温度变化，但该技术只能检测单个暖气片的异常情况，并未考虑其他暖气片的影响。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于工业大数据的暖气供热异常识别方法，所采用的技术方案具体如下：

采集在设定时间段内不同时刻暖气片内的噪声频率和水流速度，根据暖气片内外的温度，获取在设定时间段内不同时刻暖气片的温度差异；

基于设定时间段内的噪声频率和温度差异，计算各暖气片的供热系数；根据各暖气片的供热系数、设定时间段内的噪声频率以及温度差异，计算任意两个暖气片之间的相似程度；基于所述相似程度，对所有暖气片进行分类，得到多个类别；

计算各类别内所有暖气片的供热系数的均值，得到类别供热系数；设定系数阈值，获取类别供热系数大于系数阈值的对应类别，记为供热损耗类别；获取各供热损耗类别中的标志暖气片；

在设定时间段内，计算每相邻两个时刻标志暖气片的水流速度的比值，得到标志暖气片的水流衰减度序列；将设定时间段划分为第一时间段和第二时间段，基于两个时间段内标志暖气片的水流衰减度序列以及供热系数，计算标志暖气片的异常程度评价；

设定评价阈值，当标志暖气片的异常程度评价大于评价阈值，则标志暖气片对应类别内的各暖气片存在供热异常现象。

优选地，所述供热系数的获取方法具体为：

将设定时间段划分为第一时间段和第二时间段，计算第一时间段和第二时间段内所有时刻暖气片内的噪声频率的差值，得到暖气片的噪声评价；计算设定时间段内所有时刻暖气片的温度差异的方差，得到暖气片的温差评价；根据暖气片的噪声评价和温差评价的乘积，得到暖气片的供热系数。

优选地，所述相似程度的获取方法具体为：

将设定时间段内不同时刻暖气片的噪声频率和温度差异，分别构成噪声频率序列和温度差异序列；利用动态时间规整算法计算两个暖气片的噪声频率序列之间的相似度，并计算两个暖气片的温度差异序列之间的相似度；根据两个暖气片的噪声频率序列之间的相似度和温度差异序列之间的相似度、以及供热系数的差值，得到两个暖气片之间的相似程度。

优选地，所述相似程度用公式表示为：

其中，R(A,B)表示暖气片A和暖气片B之间的相似程度，

、

分别表示暖气片A的噪声频率序列和温度差异序列，

、

分别表示暖气片B的噪声频率序列和温度差异序列，DTW表示动态时间规整算法，

、

分别表示暖气片A和暖气片B的供热系数。

优选地，所述标志暖气片的获取方法为：将供热损耗类别内暖气片的供热系数按照从大到小的顺序排列，获取供热系数的中值对应的暖气片为标志暖气片，进而可以得到各对应类别中的标志暖气片。

优选地，所述异常程度评价的获取方法具体为：

利用动态时间规整算法计算标志暖气片在第一时间段内和第二时间段内的水流衰减度序列之间的相似度；根据所述相似度、标志暖气片在第一时间段内和第二时间段内的供热系数之差，得到标志暖气片的异常程度评价。

本发明实施例至少具有如下有益效果：

本发明涉及电数字数据处理技术领域，具体涉及一种基于工业大数据的暖气供热异常识别方法，该方法是一种特别适用于特定功能的数字数据处理方法，具体是利用复杂数学运算的方法对暖气进行供热异常检测，具体为：

采集暖气片的噪声频率和水流速度以及温度差异；基于噪声频率和温度差异计算暖气片的供热系数，根据暖气片的供热系数、噪声频率以及温度差异计算两个暖气片之间的相似程度；对所有暖气片进行分类得到多个类别；获取供热损耗类别，并对其内暖气片的异常程度进行分析，得到暖气片是否存在异常。

本发明通过暖气片的噪声频率和水流速度对所有暖气片的供热情况进行分析，结合与其他暖气片的相似情况进行分类处理，再对各类别进行阈值分割，分析疑似存在异常状态的类别内的暖气片的供热情况，本发明不仅考虑了多个暖气片之间的相似关系，还考虑了相邻时刻数据的相似关系，能够同时对多个暖气片进行检测，使得暖气供热异常检测结果更加准确。因此，本发明的方法通过对工业信息和数据进行处理，可以用于工业生产大数据资源服务、工业数据集成服务等。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本发明的一种基于工业大数据的暖气供热异常识别方法的方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于工业大数据的暖气供热异常识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种结构件生产信息视觉测量方法的具体方案。

实施例：

请参阅图1，其示出了本发明一个实施例提供的一种基于工业大数据的暖气供热异常识别方法的步骤流程图，该方法包括以下步骤：

步骤一，采集在设定时间段内不同时刻暖气片内的噪声频率和水流速度，根据暖气片内外的温度，获取在设定时间段内不同时刻暖气片的温度差异。

首先，将声音传感器直接安装在暖气片外壳上，可以直接获取暖气片内因水流流动而产生的声音信息。而当暖气片使用时间过长时，暖气片内部会由于长时间的使用而产生杂质或者异物堆积，暖气片内就会由于收到水流或者杂质冲刷而产生声音。

同时，暖气片中若是含有杂质，则会影响热水在暖气片中流动的速度，而水流速度则决定了暖气片的供热效果，当水流速度过慢时，说明暖气片的热水循环越慢，此时的供热效果越差。因此，需要对暖气片中的杂质进行分析。若供热管路中水质较差，就会导致暖气管道中容易结垢，降低传热系数，进而影响导热性能。

具体地，利用声音传感器采集水流声音频率，再使用音频滤波器，将纯净水流的声音频率过滤掉，从而得到暖气片中杂质冲刷的声音频率，记为暖气片的噪声频率。声音传感器的刷新频率为1min检测一次，以1h为时间单位，可以实时记录暖气片的噪声频率，记为暖气片的噪声频率序列。

然后，将温度传感器分别安装在暖气片的内壁和外壳上，可以直接获取暖气片内外的温度值，根据暖气片内外的温度值之差得到暖气片的温度差异，传感器的刷新频率为1min检测一次，以1h为时间单位，可以实时记录暖气片的温度差异，记为暖气片的温度差异序列。

需要说明的是，由于暖气管道内的水都是封闭式循环，使用时间长了，在管道内就会产生大量的水垢还有细菌，后形成管道淤泥、污垢，这些淤泥、污垢会附着在管道的内壁上，会导致水循环的压力增大，热传导不畅，在以后的采暖过程中导致能耗增加，暖气片不热等现象。暖气内外的温度差异从一定程度上反映了暖气片内壁上污垢的附着情况。最初暖气片内壁没有形成污垢时，此时的热传导效率是最佳的，暖气片内外几乎没有温度差异。当随着时间变化，吸附在内部上的污垢逐渐增加，厚度越来越大，此时的热传导效率会逐渐变小，暖气片内外可能会有不同程度的温度差异。

最后，利用水流流速传感器对各暖气片的水流速度进行采集，能够直接获取暖气片的水流速度，传感器的刷新频率为1min检测一次，以1h为时间单位，可以实时记录暖气片的水流速度，记为暖气片的水流速度序列。

需要说明的是，由于暖气管道长度的关系，管道越长时，水流压力基于暖气管道长度的关系会逐渐变小。实施者可根据实际情况将传感器放置在各暖气片对应位置，以防止其他因素干扰。

在本实施例中，将时间段设定为1小时，设定时间段对应的时刻设定为1分钟；实施者可根据情况调整设定时间段和时刻对应的值。

步骤二，基于设定时间段内的噪声频率和温度差异，计算各暖气片的供热系数；根据各暖气片的供热系数、设定时间段内的噪声频率以及温度差异，计算任意两个暖气片之间的相似程度；基于所述相似程度，对所有暖气片进行分类，得到多个类别。

首先，将设定时间段划分为第一时间段和第二时间段，计算第一时间段和第二时间段内所有时刻暖气片内的噪声频率的差值，得到暖气片的噪声评价；根据设定时间段内所有时刻暖气片的温度差异的方差，得到暖气片的温差评价；根据暖气片的噪声评价和温差评价的乘积，得到暖气片的供热系数。

计算暖气片的噪声评价，用公式表示为：

其中，

表示暖气片A的噪声评价，

表示第i个时刻暖气片的噪声频率，M为设定时间段内时刻的数量。在本实施例中，将设定时间段均匀划分为第一时间段和第二时间段，实施者也可根据实际采集到的信息，对设定时间段进行划分，或者其他合适的划分方法。

其中，两个时间段内的噪声频率差异越大，则噪声评价越小，该段时间内的噪声频率变化越大。而噪声频率越大，意味着暖气片内所含杂质越多，从而对水循环的速度影响较大，导致换热率越差，暖气片内所含杂质噪声频率的变化可以体现暖气片内杂质的变化。

计算暖气片的温度差异序列的方差的倒数，得到暖气片的温差评价，随着暖气片使用时间的增长，暖气片内污垢的厚度也会随之增加，暖气片的温度差异逐渐变大，暖气片的温度差异波动性大，温差评价小。当温差评价较大时，表示当前温差的波动性较小，即温差的变化较小，此时暖气片内的污垢厚度较小。

根据暖气片的噪声评价和温差评价的乘积，得到暖气片的供热系数U，其中，噪声评价越小，温差评价越小，暖气片的供热系数越小；噪声评价越大，温差评价越大，暖气片的供热系数越大。

暖气片的噪声越大，噪声波动越大，说明暖气片内杂质含量较多，导致水循环速度慢，水流换热率低，一段时间内的噪声评价越小，则暖气片的供热系数越小。暖气片内的污垢厚度增大，从而导致暖气片热传导效率的减小，暖气片的温度差异变大，温差变大，一段时间内的温差评价较小，则暖气片的供热系数越小。

然后，利用动态时间规整算法计算两个暖气片的噪声频率序列之间的相似度，并计算两个暖气片的温度差异序列之间的相似度；根据两个暖气片的噪声频率序列之间的相似度和温度差异序列之间的相似度、以及供热系数的差值，得到两个暖气片之间的相似程度，用公式表示为：

其中，R(A,B)表示暖气片A和暖气片B之间的相似程度，

、

分别表示暖气片A的噪声频率序列和温度差异序列，

、

分别表示暖气片B的噪声频率序列和温度差异序列，

、

分别表示暖气片A和暖气片B的供热系数，

为两个暖气片的供热系数的绝对差值，当差值越大，说明两个暖气片的相似程度越小，反之越大。

DTW表示动态时间规整算法，用来比较两个不同的暖气片之间噪声频率序列和温度差异序列的相似性。两个暖气片的噪声频率序列的数值变化趋势越接近，则DTW的数值越大，反之越小。两个暖气片的温度差异序列的数值变化趋势越接近，则DTW的数值越大，反之越小。

与

的值域为[0,1]。

最后，根据不同的暖气片之间的相似程度，对所有暖气片进行分类，得到多个类别。具体地，采用DBSCAN聚类算法，设定一个值，围绕这个值设定一个的半径r，通过搜索半径r值得到一个根据相似程度的分组。根据实际情况实施者可以根据适当调整r值的大小。

步骤三，计算各类别内所有暖气片的供热系数的均值，得到类别供热系数；设定系数阈值，获取类别供热系数大于系数阈值的对应类别，记为供热损耗类别；获取各供热损耗类别中的标志暖气片；在设定时间段内，计算每相邻两个时刻标志暖气片的水流速度的比值，得到标志暖气片的水流衰减度序列。

将设定时间段划分为第一时间段和第二时间段，基于两个时间段内标志暖气片的水流衰减度序列以及供热系数，计算标志暖气片的异常程度评价；设定评价阈值，当标志暖气片的异常程度评价大于评价阈值，则标志暖气片对应类别内的各暖气片存在供热异常现象。

首先，计算各类别内所有暖气片的供热系数的均值，得到类别供热系数；设定系数阈值，获取类别供热系数大于系数阈值的对应类别，记为供热损耗类别。对于各供热损耗类别，暖气片内杂质较多，导致暖气片热损耗较大，因此这些类别内的暖气片可能会存在供热异常的隐患，故需对这些类别内的暖气片相关情况进行进一步的分析。获取类别供热系数小于系数阈值的对应类别，记为非供热损耗类别。对于各非供热损耗类别，暖气片内的杂质较少，污垢的厚度较小，因此暖气片的热损耗较少，故这些类别内的暖气片不存在供热异常的情况。

然后，将供热损耗类别内暖气片的供热系数按照从大到小的顺序排列，获取供热系数的中值对应的暖气片为标志暖气片，进而可以得到各对应类别中的标志暖气片。实施者也可根据实际情况选择各供热类别内暖气片的供热系数最小值对应的暖气片记为标志暖气片，或者根据其他方法选择各供热损耗类别内的具有代表性的暖气片作为标志暖气片。

计算水流衰减度，用公式表示为：

X表示水流衰减度，

表示第i时刻暖气片的水流速度，

表示第i+1时刻暖气片的水流衰减速度。X的值域为[0,1]，X的取值趋向与1时，说明相邻两个时刻所对应的水流相差较小，反之相差较大。由于管道长度关系，暖气片内水流的速度会随着管道长度的增加而减小，对各暖气片的水流速度进行采集。得到不同时刻的水流速度的大小。同时对标志暖气片相邻时刻对应的水流速度进行分析，得到了当前标志暖气片相邻时刻的水流速度变化。

最后，获取标志暖气片在第一时间段内所有相邻两时刻之间的水流速度比值，得到第一水流衰减度序列；获取标志暖气片在第二时间段内所有相邻两时刻之间的水流速度比值，得到第二水流衰减度序列。

需要说明的是，在本实施例中，是将设定时间段划分为两个时间段，即第一时间段和第二时间段，实施者可以根据实际情况获取与当前设定时间段相同时长的下一时间段，通过分析当前时间段内与下一时间段内标志暖气片的相关情况。

需要说明的是，暖气片可能存在以下异常情况：当某一处的暖气片供暖关闭，或者杂质突然堵塞过多，导致某一暖气片发生堵塞，供热水流不流动，则少了一个暖气片的分流，供热管道内的压力增加，而水流速度增大，水流的衰减度也持续变小。同时由于水流的衰减度变小。则此时的供热管道内的水中所含杂质，持续向下流动，流入其他的暖气片中。当供热管道水流衰减度变化时，结合各个暖气片的供热系数变化，从而判定暖气管道内的杂质流动异常程度。

计算标志暖气片的异常程度评价，用公式表示为：

其中，

表示标志暖气片C的异常程度评价，

、

分别表示第一水流衰减度序列和第二水流衰减度序列，

表示标志暖气片在第一时间段内计算得到的供热系数，

标志暖气片在第二时间段内计算得到的供热系数，

表示两个时间段对应的供热系数的绝对差值，该差值越小，说明两个时间段的数据差异越小，标志暖气片的异常程度评价越小，则该标志暖气片越可能处于正常工作状态。该差值越大，说明两个时间段的数据差异越大，标志暖气片的异常程度评价越大，则该标志暖气片越可能处于异常状态。

DTW表示时间规整算法，第一水流衰减度序列和第二水流衰减度序列的数值变化趋势越接近，则DTW的数值越大，标志暖气片的异常程度评价越小，说明两个时间段内的水流衰减度的变换越接近，标志暖气片越可能处于正常工作状态。第一水流衰减度序列和第二水流衰减度序列的数值变化趋势越不相似，则DTW的数值越小，标志暖气片的异常程度评价越大，说明两个时间段内的水流衰减度的变换差异越大，标志暖气片越可能处于异常状态。

设定评价阈值，当标志暖气片的异常程度评价大于评价阈值，则标志暖气片对应类别内的各暖气片存在供热异常现象。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种基于工业大数据的暖气供热异常识别方法，其特征在于，该方法包括以下步骤：

采集在设定时间段内不同时刻暖气片内的噪声频率和水流速度，根据暖气片内外的温度，获取在设定时间段内不同时刻暖气片的温度差异；

基于设定时间段内的噪声频率和温度差异，计算各暖气片的供热系数；根据各暖气片的供热系数、设定时间段内的噪声频率以及温度差异，计算任意两个暖气片之间的相似程度；基于所述相似程度，对所有暖气片进行分类，得到多个类别；

计算各类别内所有暖气片的供热系数的均值，得到类别供热系数；设定系数阈值，获取类别供热系数大于系数阈值的对应类别，记为供热损耗类别；获取各供热损耗类别中的标志暖气片；

在设定时间段内，计算每相邻两个时刻标志暖气片的水流速度的比值，得到标志暖气片的水流衰减度序列；将设定时间段划分为第一时间段和第二时间段，基于两个时间段内标志暖气片的水流衰减度序列以及供热系数，计算标志暖气片的异常程度评价；

设定评价阈值，当标志暖气片的异常程度评价大于评价阈值，则标志暖气片对应类别内的各暖气片存在供热异常现象。

2.根据权利要求1所述的一种基于工业大数据的暖气供热异常识别方法，其特征在于，所述供热系数的获取方法具体为：

将设定时间段划分为第一时间段和第二时间段，计算第一时间段和第二时间段内所有时刻暖气片内的噪声频率的差值，得到暖气片的噪声评价；计算设定时间段内所有时刻暖气片的温度差异的方差，得到暖气片的温差评价；根据暖气片的噪声评价和温差评价的乘积，得到暖气片的供热系数。

3.根据权利要求1所述的一种基于工业大数据的暖气供热异常识别方法，其特征在于，所述相似程度的获取方法具体为：

将设定时间段内不同时刻暖气片的噪声频率和温度差异，分别构成噪声频率序列和温度差异序列；利用动态时间规整算法计算两个暖气片的噪声频率序列之间的相似度，并计算两个暖气片的温度差异序列之间的相似度；根据两个暖气片的噪声频率序列之间的相似度和温度差异序列之间的相似度、以及供热系数的差值，得到两个暖气片之间的相似程度。

4.根据权利要求3所述的一种基于工业大数据的暖气供热异常识别方法，其特征在于，所述相似程度用公式表示为：

其中，R(A,B)表示暖气片A和暖气片B之间的相似程度，

、

分别表示暖气片A的噪声频率序列和温度差异序列，

、

分别表示暖气片B的噪声频率序列和温度差异序列，DTW表示动态时间规整算法，

、

分别表示暖气片A和暖气片B的供热系数。

5.根据权利要求1所述的一种基于工业大数据的暖气供热异常识别方法，其特征在于，所述标志暖气片的获取方法为：

将供热损耗类别内暖气片的供热系数按照从大到小的顺序排列，获取供热系数的中值对应的暖气片为标志暖气片，进而可以得到各对应类别中的标志暖气片。

6.根据权利要求1所述的一种基于工业大数据的暖气供热异常识别方法，其特征在于，所述异常程度评价的获取方法具体为：

利用动态时间规整算法计算标志暖气片在第一时间段内和第二时间段内的水流衰减度序列之间的相似度；根据所述相似度、标志暖气片在第一时间段内和第二时间段内的供热系数之差，得到标志暖气片的异常程度评价。

Images