CN115408440A - 非居客户异常用气分析方法、装置、终端设备及存储介质 - Google Patents

非居客户异常用气分析方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN115408440A
CN115408440A CN202210890514.3A CN202210890514A CN115408440A CN 115408440 A CN115408440 A CN 115408440A CN 202210890514 A CN202210890514 A CN 202210890514A CN 115408440 A CN115408440 A CN 115408440A
Authority
CN
China
Prior art keywords
gas
daily
abnormal
divergence rate
pressure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210890514.3A
Other languages
English (en)
Inventor
辛俊萱
杜荣杰
沈威
付雯
廖雯芬
乔亮
赵军委
赵飞
张佳
苏晓颖
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.)
Shenzhen Deep Combustion Gas Technology Research Institute
Shenzhen Gas Corp Ltd
Original Assignee
Shenzhen Deep Combustion Gas Technology Research Institute
Shenzhen Gas Corp Ltd
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 Shenzhen Deep Combustion Gas Technology Research Institute, Shenzhen Gas Corp Ltd filed Critical Shenzhen Deep Combustion Gas Technology Research Institute
Priority to CN202210890514.3A priority Critical patent/CN115408440A/zh
Publication of CN115408440A publication Critical patent/CN115408440A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明公开了非居客户异常用气分析方法、装置、终端设备及存储介质，所述方法包括：通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值；基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率；根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。本发明可有效监测非居客户的用气量，并及时分析出异常用气，以便及时进行调整，避免安全问题。

Description

非居客户异常用气分析方法、装置、终端设备及存储介质
技术领域
本发明涉及燃气分析技术领域，尤其涉及非居客户异常用气分析方法、装置、终端设备及存储介质。
背景技术
近年来，生产业务单位普遍采用利用30日日均用气量的差值来计算客户气量变化，并通过设置的阈值进行气量报警，由于算法简单，每天的气量报警客户数量接近1000户，并且绝大多数属于正常的用气量波动范围，对非居客户气量监测工作的帮助有限。由此可见，现有技术对于用气异常分析并不准确，容易造成误报。
因此，现有技术还有待改进。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供非居客户异常用气分析方法、装置、终端设备及存储介质，旨在解决现有技术中对于用气异常分析并不准确，容易造成误报的问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
第一方面，本发明提供一种非居客户异常用气分析方法，其中，所述方法包括：
通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值；
基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率；
根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。
在一种实现方式中，所述基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率，包括：
基于所述压力、气量以及报警阈值，分别计算7、14、28日的日用气量的简单算术平均值与指数平滑平均值；
基于所述日用气量的简单算术平均值与所述指数平滑平均值，计算7、14、28日的日用气量的乖离率；
计算7、14、28日的日用气时数的简单算术平均值，基于所述日用气时数的简单算术平均值计算7、14、28日的日用气时数的乖离率；
计算7、14、28日的日平均压力的简单算术平均值，基于所述日平均压力的简单算术平均值计算7、14、28日的日平均压力的乖离率。
在一种实现方式中，所述简单算术平均值的计算公式为：
Figure BDA0003767377320000021
其中，Ft为每日的日用气量数据，包括压力、气量以及报警阈值，N为移动平均数周期，N等于7、14、28日。
在一种实现方式中，所述指数平滑平均值的计算公式为：
Figure BDA0003767377320000022
其中，k为计数单位。
在一种实现方式中，所述乖离率的计算公式为：
Figure BDA0003767377320000023
在一种实现方式中，所述基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率，还包括：
计算日用气量的相对强弱指标，并使用所述相对强弱指标用于用气趋势的预测，所述相对强弱指标的计算公式为：
Δt＝Ft-Ft-t,gaint＝max(0,Δt),losst＝max(0,-Δt)
Figure BDA0003767377320000031
Figure BDA0003767377320000032
Figure BDA0003767377320000033
在一种实现方式中，所述根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息，包括：
根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定所述用气数据所对应的匹配条件；
根据所述匹配条件，确定对应的标志位代码，并根据所述标志位代码确定所述异常识别码；
根据所述异常识别码，确定气量信息、用气时数信息以及平均压力信息，基于所述气量信息、所述用气时数信息以及所述平均压力信息确定用气异常信息。
第二方面，本发明实施例还提供一种非居客户异常用气分析装置，其中，所述装置包括：
用气量数据获取模块，用于通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值；
乖离率计算模块，用于基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率；
异常分析模块，用于根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。
第三方面，本发明实施例还提供一种终端设备，终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的非居客户异常用气分析程序，处理器执行非居客户异常用气分析程序时，实现如上述方案中任一项的非居客户异常用气分析方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有非居客户异常用气分析程序，非居客户异常用气分析程序被处理器执行时，实现如上述方案中任一项的非居客户异常用气分析方法的步骤。
有益效果：与现有技术相比，本发明提供了一种非居客户异常用气分析方法，本发明首先通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值。然后，基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率。最后，根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。本发明可有效监测非居客户的用气量，并及时分析出异常用气，以便及时进行调整，避免安全问题。
附图说明
图1为本发明实施例提供的非居客户异常用气分析方法的具体实施方式的流程图。
图2为本发明实施例提供的非居客户异常用气分析方法的具体应用时的流程图。
图3为本发明实施例提供的非居客户异常用气分析装置的原理框图。
图4为本发明实施例提供的终端设备的原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
以某城市为例，共有开户装表的非居民客户30271户，其中具备安装远程终端条件并且已经安装使用的27929户，超过82％的远程终端每小时采集一次计量表读数、修正仪温度和压力数据，每天上报一次数据，能够满足异常用气分析的数据需求。目前，生产业务单位基本都是采用利用30日日均用气量的差值来计算客户气量变化并通过设置的阈值进行气量报警，由于算法简单，每天的气量报警客户数量接近1000户，绝大多数属于正常的用气量波动范围，对非居客户气量监测工作的帮助有限。以下是某城市地区安装远程终端的非居客户数量，请见表1。
Figure BDA0003767377320000051
Figure BDA0003767377320000061
表1
为了解现有技术的问题，本实施例提供一种非居客户异常用气分析方法，基于本实施例的方法，可可有效监测非居客户的用气量，并及时分析出异常用气，以便及时进行调整，避免安全问题。具体实施时，本实施例首先通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值。然后，基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率。最后，根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。
示例性方法
本实施例的非居客户异常用气分析方法可应用于终端设备，所述终端设备可为电脑、手机等智能化产品终端。所述终端设备与用户的燃气计量表远程连接，具体应用时，如图1中所示，本实施例的非居客户异常用气分析方法包括如下步骤：
步骤S100、通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值。
具体地，如图2中所示，本实施例利用存储过程同步NB-IOT(物联网设备平台)最后日期的日用气量数据，以及利用存储过程同步CGM(客户气量管理系统)非居服务点信息，包括气量、压力以及报警阈值；以及利用存储过程同步CGM非居客户假期设置，这些同步的数据都会存储在BDM分布式计算数据库服务器中，因此，本实施例就可以通过该数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值。
步骤S200、基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率。
在一种实现方式中，本实施例中的步骤S200具体包括如下步骤：
步骤S201、基于所述压力、气量以及报警阈值，分别计算7、14、28日的日用气量的简单算术平均值与指数平滑平均值；
步骤S202、基于所述日用气量的简单算术平均值与所述指数平滑平均值，计算7、14、28日的日用气量的乖离率；
步骤S203、计算7、14、28日的日用气时数的简单算术平均值，基于所述日用气时数的简单算术平均值计算7、14、28日的日用气时数的乖离率；
步骤S204、计算7、14、28日的日平均压力的简单算术平均值，基于所述日平均压力的简单算术平均值计算7、14、28日的日平均压力的乖离率。
具体地，鉴于大部分非居客户的用气规律呈现七天的周期，本实施例分别计算7、14、28日的日用气时数、日用气时数以及日平均压力的简单算术平均值SMA，所述简单算术平均值的计算公式为：
Figure BDA0003767377320000071
其中，Ft为每日的日用气量数据，包括压力、气量以及报警阈值，N为采集到的日用气量数据的次数。
进一步地，为降低误报率，本实施例需要计算7、14、28日的日用气时数、日用气时数以及日平均压力的指数平滑平均值EMA，所述指数平滑平均值的计算公式为：
Figure BDA0003767377320000081
其中，k为计数单位。
然后，根据7、14、28日的日用气时数、日用气时数以及日平均压力的简单算术平均值SMA计算监测7、14、28日的日用气时数、日用气时数以及日平均压力的乖离率BIAS，所述乖离率的计算公式为：
Figure BDA0003767377320000082
本实施例还计算日用气量的相对强弱指标，并使用所述相对强弱指标用于用气趋势的预测，所述相对强弱指标的计算公式为：
Δt＝Ft-Ft-t,gaint＝max(0,Δt),losst＝max(0,-Δt)
Figure BDA0003767377320000083
Figure BDA0003767377320000084
Figure BDA0003767377320000085
步骤S300、根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。
在一种实现方式中，本实施例中的步骤S300具体包括如下步骤：
步骤S301、根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定所述用气数据所对应的匹配条件；
步骤S302、根据所述匹配条件，确定对应的标志位代码，并根据所述标志位代码确定所述异常识别码；
步骤S303、根据所述异常识别码，确定气量信息、用气时数信息以及平均压力信息，基于所述气量信息、所述用气时数信息以及所述平均压力信息确定用气异常信息。
在本实施例中，当计算得到日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率后，可进行日用气量、日用气时数以及日平均压力的条件匹配，得到对应的匹配条件，如表2和表3中所示，当得到匹配条件后，本实施例进一步确定该匹配条件对应的标志位代码，由标志位代码生成异常识别码。如表2所示，表2表示的是日用气量与日用气时数的条件匹配过程，其中不同的日用气量与日用气时数对应的匹配条件不相同，对应的标志位代码也不相同。当然，如果CGM中的气量报警阈值为-1或假期监测标志为0，则不进行气量异常分析。
Figure BDA0003767377320000091
表2
表3表示的是日平均压力的条件匹配过程，其中不同的日平均压力对应的匹配条件不相同，对应的标志位代码也不相同。当然，如果CGM中的忽略压力报警设置为1，则不进行压力异常计算；
匹配条件 标志位代码 说明
压力:SMA14<-20 1 平均压力降低
压力:-20<＝SMA14<＝20 2 平均压力正常
压力:SMA7>20 3 平均压力升高
表3
基于日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率进行条件匹配，得到对应的标志位代码后，本实施例可基于标志位代码生成异常识别码。所述异常识别码由三位数组成，分别第一位表示用气量变化异常，第二位表示用气小时数变化异常，第三位表示平均压力变化异常，分别对应上述日用气量、日用气时数以及日平均压力的标志位代码。因此，当得到异常识别码后，本实施例就可以确定该异常识别码对应的气量信息、用气时数信息以及平均压力信息，基于所述气量信息、所述用气时数信息以及所述平均压力信息确定用气异常信息。由于异常识别码是由日用气量、日用气时数以及日平均压力的标志位代码组成，因此每一位标志位代码均代表不同的气量信息、用气时数信息以及平均压力信息，因此就可以确定出用气异常信息，如表4所示。
Figure BDA0003767377320000101
Figure BDA0003767377320000111
表4
由上述表4可知，本实施例在得到异常识别码后，可基于表4来确定对应的气量信息、用气时数信息以及平均压力信息，从而得到用气异常信息，并在异常时及时进行报警处理。并且，本实施例可将用气异常信息保存到生产服务器，将用气异常信息和异常统计报告发布到可视化服务器，以便是提醒管理人员进行调整与预警。
本实施例的用气异常分析的Python程序每天凌晨自动运行进行计算，计算出T-2日的异常识别代码供非居客户抄核收班组进行气量监测核查。目前计算量约为每日25000户，涉及数据记录数2000万条左右，全部计算耗时小于90分钟。基于本实施例的方法，每日异常用气监测报警户数大约在100户左右，误报信息大幅减少。一般来说，用气量降低但用气小时数未减少，如12X或13X，应该关注是否计量设备异常。用气量未增加但用气小时数增加，如13X或23X，应该关注是否存在燃气泄漏，及时报警处理。生产业务部门的气量管理员会利用系统核查或前往现场核查，并将每天的核查结果反馈信息录入到系统中，为后期改进模型算法提供数据。如果再次出现类似此案例中的燃气泄漏问题，在泄漏最初的时间，就可以及时发现并采取措施，以避免事故的发生。
示例性装置
基于上述实施例，本发明还提供一种非居客户异常用气分析装置，如图3中所示，所述装置包括：用气量数据获取模块10、乖离率计算模块20以及异常分析模块30。具体地，所述用气量数据获取模块10，用于通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值。所述乖离率计算模块20，用于基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率。所述异常分析模块30，用于根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。
在一种实现方式中，所述乖离率计算模块20，包括：
日用气量计算单元，用于基于所述压力、气量以及报警阈值，分别计算7、14、28日的日用气量的简单算术平均值与指数平滑平均值；
日用气量的乖离率计算单元，用于基于所述日用气量的简单算术平均值与所述指数平滑平均值，计算7、14、28日的日用气量的乖离率；
日用气时数的乖离率计算单元，用于计算7、14、28日的日用气时数的简单算术平均值，基于所述日用气时数的简单算术平均值计算7、14、28日的日用气时数的乖离率；
日平均压力的乖离率计算单元，用于计算7、14、28日的日平均压力的简单算术平均值，基于所述日平均压力的简单算术平均值计算7、14、28日的日平均压力的乖离率。
在一种实现方式中，所述简单算术平均值的计算公式为：
Figure BDA0003767377320000121
其中，Ft为每日的日用气量数据，包括压力、气量以及报警阈值N为移动平均数周期，N等于7、14、28日。
在一种实现方式中，所述指数平滑平均值的计算公式为：
Figure BDA0003767377320000131
其中，k为计数单位。
在一种实现方式中，所述乖离率的计算公式为：
Figure BDA0003767377320000132
在一种实现方式中，所述乖离率计算模块20，还包括：
用气预测单元，用于计算日用气量的相对强弱指标，并使用所述相对强弱指标用于用气趋势的预测，所述相对强弱指标的计算公式为：
Δt＝Ft-Ft-t,gaint＝max(0,Δt),losst＝max(0,-Δt)
Figure BDA0003767377320000133
Figure BDA0003767377320000134
Figure BDA0003767377320000135
在一种实现方式中，所述异常分析模块30，包括：
条件匹配单元，用于根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定所述用气数据所对应的匹配条件；
识别码确定单元，用于根据所述匹配条件，确定对应的标志位代码，并根据所述标志位代码确定所述异常识别码；
异常确定单元，用于根据所述异常识别码，确定气量信息、用气时数信息以及平均压力信息，基于所述气量信息、所述用气时数信息以及所述平均压力信息确定用气异常信息。
本实施例的非居客户异常用气分析装置中各个模块的工作原理与上述方法实施例中各个步骤的原理相同，此处不再赘述。
基于上述实施例，本发明还提供了一种终端设备，所述终端设备的原理框图可以如图4所示。终端设备可以包括一个或多个处理器100(图4中仅示出一个)，存储器101以及存储在存储器101中并可在一个或多个处理器100上运行的计算机程序102，例如，非居客户异常用气分析的程序。一个或多个处理器100执行计算机程序102时可以实现非居客户异常用气分析的方法实施例中的各个步骤。或者，一个或多个处理器100执行计算机程序102时可以实现非居客户异常用气分析的装置实施例中各模块/单元的功能，此处不作限制。
在一个实施例中，所称处理器100可以是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在一个实施例中，存储器101可以是电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(smart media card，SMC)，安全数字(secure digital，SD)卡，闪存卡(flash card)等。进一步地，存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解，图4中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端设备的限定，具体的终端设备以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上，本发明公开了非居客户异常用气分析方法、装置、终端设备及存储介质，所述方法包括：通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值；基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率；根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。本发明可有效监测非居客户的用气量，并及时分析出异常用气，以便及时进行调整，避免安全问题。
最后应说明的是：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)

1.一种非居客户异常用气分析方法，其特征在于，所述方法包括：
通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值；
基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率；
根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。
2.根据权利要求1所述的非居客户异常用气分析方法，其特征在于，所述基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率，包括：
基于所述压力、气量以及报警阈值，分别计算7、14、28日的日用气量的简单算术平均值与指数平滑平均值；
基于所述日用气量的简单算术平均值与所述指数平滑平均值，计算7、14、28日的日用气量的乖离率；
计算7、14、28日的日用气时数的简单算术平均值，基于所述日用气时数的简单算术平均值计算7、14、28日的日用气时数的乖离率；
计算7、14、28日的日平均压力的简单算术平均值，基于所述日平均压力的简单算术平均值计算7、14、28日的日平均压力的乖离率。
3.根据权利要求2所述的非居客户异常用气分析方法，其特征在于，所述简单算术平均值的计算公式为：
Figure FDA0003767377310000011
其中，Ft为每日的日用气量数据，包括压力、气量以及报警阈值，N为移动平均数周期，N等于7、14、28日。
4.根据权利要求3所述的非居客户异常用气分析方法，其特征在于，所述指数平滑平均值的计算公式为：
Figure FDA0003767377310000021
其中，k为计数单位。
5.根据权利要求4所述的非居客户异常用气分析方法，其特征在于，所述乖离率的计算公式为：
Figure FDA0003767377310000022
6.根据权利要求5所述的非居客户异常用气分析方法，其特征在于，所述基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率，还包括：
计算日用气量的相对强弱指标，并使用所述相对强弱指标用于用气趋势的预测，所述相对强弱指标的计算公式为：
Δt＝Ft-Ft-1,gaint＝max(0,Δt),losst＝max(0,-Δt)
Figure FDA0003767377310000023
Figure FDA0003767377310000024
Figure FDA0003767377310000025
7.根据权利要求6所述的非居客户异常用气分析方法，其特征在于，所述根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息，包括：
根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定所述用气数据所对应的匹配条件；
根据所述匹配条件，确定对应的标志位代码，并根据所述标志位代码确定所述异常识别码；
根据所述异常识别码，确定气量信息、用气时数信息以及平均压力信息，基于所述气量信息、所述用气时数信息以及所述平均压力信息确定用气异常信息。
8.一种非居客户异常用气分析装置，其特征在于，所述装置包括：
用气量数据获取模块，用于通过数据库服务器，获取非居服务点前30日内的用气量数据，所述用气量数据包括：压力、气量以及报警阈值；
乖离率计算模块，用于基于所述压力、气量以及报警阈值，分别计算日用气量的乖离率、日用气时数的乖离率以及日平均压力的乖离率；
异常分析模块，用于根据所述日用气量的乖离率、所述日用气时数的乖离率以及所述日平均压力的乖离率，确定异常识别码，并根据所述异常识别码确定用气异常信息。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器中并可在处理器上运行的非居客户异常用气分析程序，所述处理器执行所述非居客户异常用气分析程序时，实现如权利要求1-7任一项的所述非居客户异常用气分析方法的步骤。
10.一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上存储有非居客户异常用气分析程序，所述非居客户异常用气分析程序被处理器执行时，实现如权利要求1-7任一项的所述非居客户异常用气分析方法的步骤。
CN202210890514.3A 2022-07-27 2022-07-27 非居客户异常用气分析方法、装置、终端设备及存储介质 Pending CN115408440A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210890514.3A CN115408440A (zh) 2022-07-27 2022-07-27 非居客户异常用气分析方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210890514.3A CN115408440A (zh) 2022-07-27 2022-07-27 非居客户异常用气分析方法、装置、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN115408440A true CN115408440A (zh) 2022-11-29

Family

ID=84157826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210890514.3A Pending CN115408440A (zh) 2022-07-27 2022-07-27 非居客户异常用气分析方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN115408440A (zh)

Similar Documents

Publication Publication Date Title
US20170371757A1 (en) System monitoring method and apparatus
Lau et al. The newsboy problem with price-dependent demand distribution
US8121962B2 (en) Automated entity identification for efficient profiling in an event probability prediction system
CN103455943B (zh) 一种股票或股票投资组合波动率的预测方法、装置
CN104811344A (zh) 网络动态业务监控方法及装置
CN109522190B (zh) 异常用户行为识别方法及装置、电子设备、存储介质
CN113962468A (zh) 基于用能监控统计能源消耗碳排放管理方法及系统
US8214275B1 (en) Multiple transaction property valuation
CN103763152A (zh) 一种电信欺诈行为多维监测方法和系统
CN110471821A (zh) 异常变更检测方法、服务器及计算机可读存储介质
CN108090831A (zh) 信贷风险评估方法、应用服务器及计算机可读存储介质
WO2018184520A1 (zh) 业务数据处理方法、装置、服务器和存储介质
CN118172201B (zh) 一种油气生产多源报警融合管理方法及系统
CN117151726A (zh) 故障的修复方法、修复装置、电子设备以及存储介质
CN114757270A (zh) 基于NB-IoT燃气智能设备的异常分析方法系统及存储介质
US8738388B1 (en) Market based data cleaning
CN116562715B (zh) 指标数据监测方法、装置、计算机设备和存储介质
CN115408440A (zh) 非居客户异常用气分析方法、装置、终端设备及存储介质
US7783509B1 (en) Determining that a change has occured in response to detecting a burst of activity
CN115913745A (zh) 车辆安全事件预测方法、装置、计算机设备和存储介质
CN116049765A (zh) 数据分析处理方法、装置及设备
CN117882062A (zh) 用于连续数据剖析的系统和方法
CN114565452A (zh) 转账风险识别方法、装置、计算机设备和存储介质
CN113568950A (zh) 一种指标检测方法、装置、设备及介质
CN114257411A (zh) 交易流量控制方法、装置、设备、介质和计算机程序产品

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