CN116718249A - 一种水利工程液位检测系统 - Google Patents
一种水利工程液位检测系统 Download PDFInfo
- Publication number
- CN116718249A CN116718249A CN202310987433.XA CN202310987433A CN116718249A CN 116718249 A CN116718249 A CN 116718249A CN 202310987433 A CN202310987433 A CN 202310987433A CN 116718249 A CN116718249 A CN 116718249A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- liquid level
- level information
- anomaly
- 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
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 168
- 238000001514 detection method Methods 0.000 title claims abstract description 103
- 238000004891 communication Methods 0.000 claims abstract description 30
- 230000005856 abnormality Effects 0.000 claims abstract description 29
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000013079 data visualisation Methods 0.000 claims abstract description 15
- 238000002955 isolation Methods 0.000 claims description 79
- 230000002159 abnormal effect Effects 0.000 claims description 74
- 238000004364 calculation method Methods 0.000 claims description 45
- 238000012544 monitoring process Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 26
- 230000000007 visual effect Effects 0.000 claims description 24
- 238000010276 construction Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 12
- 238000004806 packaging method and process Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000003973 irrigation Methods 0.000 description 4
- 230000002262 irrigation Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000000053 physical method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F25/00—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume
- G01F25/20—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume of apparatus for measuring liquid level
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Thermal Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明公开了一种水利工程液位检测系统，涉及液位检测领域，该液位检测系统包括：液位计校准与检测模块、液位信息数据采集模块、数据转换与异常检测模块、无线通信与存储模块、数据可视化与预警方案制定模块及异常报警模块。本发明中数据转换与异常检测模块可以将液位信息数据转换为数字信号数据，并利用KNIF模型进行异常检测，有效消除误报，数据标准化模块能够将各个特征值标准化至相同比例内，并转换为数字信号数据，使得数据更易于处理和分析，实时异常检测模块能够快速检测实时液位信息数据中的异常点，及时发现异常情况，保障水利工程的安全运行。
Description
技术领域
本发明属于液位检测领域，尤其是一种水利工程液位检测系统。
背景技术
水利工程是指为了有效地利用和管理水资源而建设的各种工程，包括水库、灌溉系统、水渠、水闸、排水系统等。其目的是解决水资源的供需矛盾，改善灌溉条件，保障人民生产和生活用水安全，以及防洪、调节水流等功能。水利工程在国家经济发展中起着非常重要的作用，因为它不仅关系到农业生产、工业生产和城市建设，还与环境保护和社会稳定密切相关。
在水利工程中，液位检测是非常重要的一项技术。通过对水库、河流、湖泊等水体的液位进行实时监测和控制，可以有效地保障水资源的安全、有效利用和管理。
液位检测技术主要分为接触式和非接触式两种。接触式液位检测技术通常采用传感器直接接触到水面进行检测，包括浮球式、划板式、压阻式、电容式等。非接触式液位检测技术则是通过无线电波、声波等方式对液位进行监测，包括雷达液位计、超声波液位计等。
传统的液位检测系统通常使用机械液位计或浮球式液位计等传统的物理测量手段进行液位检测，这种方法存在以下弊端：这些传统的物理测量手段需要经常人工校准，校准成本高且易出现误差；其次，传统液位检测系统中使用的数据处理方式通常比较简单，难以对液位信息进行多维度分析和预测，不能及时检测异常值。此外，线缆的老化、外界的干扰以及不良环境等因素也可能会影响液位数据准确性，使监测结果不可靠且容易误报，且使用的物理测量手段精确度低且易出现误差，数据处理方式比较简单，难以及时检测异常值。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
发明目的：提供一种水利工程液位检测系统，以克服现有相关技术所存在的上述技术问题。
技术方案：一种水利工程液位检测系统，该液位检测系统包括：液位计校准与检测模块、液位信息数据采集模块、数据转换与异常检测模块、无线通信与存储模块、数据可视化与预警方案制定模块、异常报警模块；
所述液位计校准与检测模块，用于校准微波雷达液位计，并利用所述微波雷达液位计进行水利工程的液位检测；
所述液位信息数据采集模块，用于实时采集所述微波雷达液位计的液位高度信息，并输出液位信息数据；
所述数据转换与异常检测模块，用于将所述液位信息数据转换为数字信号数据，并利用KNIF模型进行异常检测以消除误报；
所述无线通信与存储模块，用于基于无线通讯协议，将异常检测后的数字信号数据上传至远程监控平台进行存储；
所述数据可视化与预警方案制定模块，用于提供当前数字信号数据可视化界面，并根据实际情况制定预警方案；
所述异常报警模块，用于根据所述预警方案设置报警阈值，当液位达到所述报警阈值的上限或下限时触发报警。
在进一步的实施例中，所述数据转换与异常检测模块包括：液位信息数据处理与特征提取模块、数据标准化模块、KNIF模型训练模块、实时异常检测模块及异常平滑与误报消除模块；
所述液位信息数据处理与特征提取模块，用于对所述液位信息数据进行处理，并从处理后的液位信息数据中提取关键特征，得到关键特征的各个特征值；
所述数据标准化模块，用于将所述各个特征值标准化至相同比例内，并转换为数字信号数据；
所述KNIF模型训练模块，用于使用所述数字信号数据训练KNIF模型，并评估KNIF模型性能；
所述实时异常检测模块，用于将训练好的KNIF模型应用于实时液位信息数据，通过计算异常分数，判断所述实时液位信息数据的数据点否为异常点；
所述异常平滑与误报消除模块，用于采取滑动窗口法并结合历史数据对所述异常点进行平滑处理，以消除误报。
在进一步的实施例中，所述数据标准化模块包括：最小值和最大值计算模块、特征值归一化模块及数字信号数据组合模块；
所述最小值和最大值计算模块，用于遍历所有液位信息数据，找出各个特征值的最小值和最大值；
所述特征值归一化模块，用于根据所述各个特征值的最小值和最大值，利用标准化特征值公式进行归一化处理；
所述数字信号数据组合模块，用于将所述归一化处理的特征值组合为原始液位信息数据的数字信号数据。
在进一步的实施例中，所述标准化特征值公式为：
；
式中，a和b分别为特征值映射范围的最小值和最大值；
T为标准化特征值；
λ为原始特征值；
n为原始特征值的最大值；
m为原始特征的最小值。
在进一步的实施例中，所述实时异常检测模块包括：欧氏距离及第k近邻计算模块、基于k近邻的隔离树和隔离森林模型构建模块、实时液位信息数据处理模块、异常分数计算模块及异常点判断模块；
所述欧氏距离及第k近邻计算模块，用于使用水利工程的历史液位信息数据训练基于k近邻的异常检测模型，并基于k近邻构建超球体，计算历史液位信息数据中数据点之间的欧氏距离及第k近邻；
所述基于k近邻的隔离树和隔离森林模型构建模块，用于利用欧氏距离及第k近邻构建基于k近邻的隔离树和隔离森林模型；
所述实时液位信息数据处理模块，用于对实时液位信息数据进行处理，将处理后的实时液位信息数据输入到所述基于k近邻的隔离树和隔离森林模型中；
所述异常分数计算模块，用于在所述基于k近邻的隔离树和隔离森林模型中，利用实时液位信息数据中数据点之间的欧氏距离及第k近邻信息，为每个数据点计算异常分数；
所述异常点判断模块，用于设定阈值，根据所述异常分数与所述阈值进行比较，确定实时液位信息数据中的异常点。
在进一步的实施例中，所述异常分数计算模块包括：欧氏距离及k近邻计算模块、隔离树构建模块及隔离森林构建模块；
所述欧氏距离及k近邻计算模块，用于计算历史液位信息数据中每个数据点之间的欧氏距离，查找每个数据点的k近邻；
所述隔离树构建模块，用于随机选择特征和切分值，并将所述历史液位信息数据进行划分，重复迭代，直至构建完成一个隔离树；
所述隔离森林构建模块，用于创建多个隔离树，利用多个隔离树组合成隔离森林模型，并将实时液位信息数据输入到所述隔离森林模型中进行异常检测。
在进一步的实施例中，所述为每个数据点计算异常分数的计算公式为：
；
式中，n为数据点的总数；
P为实时液位信息数据中数据点；
rank(P)为实时液位信息数据中数据点P在数据点x的k近邻中的排名。
在进一步的实施例中，所述异常分数计算模块包括：隔离树路径长度计算模块及数据点的异常分数计算模块；
所述隔离树路径长度计算模块，用于将所述实时液位信息数据输入到所构建的隔离森林模型中，计算每个数据点在隔离树中的路径长度，其中，路径长度为从根节点到叶子节点所需经过的边数；
所述数据点的异常分数计算模块，用于利用所述路径长度、结合欧氏距离及k近邻信息，利用异常分数公式为每个数据点计算异常分数，所述异常分数公式为：
；
式中，Save为平均路径长度；
Sk-ave为k近邻中路径长度的平均值；
Sk-SD为k近邻路径长度的标准差；
D为数据点的异常分数。
在进一步的实施例中，所述无线通信与存储模块包括：异常点封装模块、异常点发送模块、异常解码模块及数据存储模块；
所述异常点封装模块，用于利用无线通信协议将所述异常点进行封装；
所述异常点发送模块，用于利用无线通信设备将封装好的异常点通过无线信道发送到远程监控平台；
所述异常解码模块，用于远程监控平台接收来自无线通信设备的异常点后，对异常点进行解码并还原为异常检测后的数字信号数据；
所述数据存储模块，用于远程监控平台根据需要将所述异常检测后的数字信号数据存储在数据库。
在进一步的实施例中，所述数据可视化与预警方案制定模块包括：数据转换模块、可视化界面设计模块、数据绑定模块及预警方案制定模块；
所述数据转换模块，用于从远程监控平台获取异常检测后的数字信号数据，选择可视化工具，并将所述异常检测后的数字信号数据转换为图表形式；
所述可视化界面设计模块，用于根据水利工程液位检测要求，设计包含各种图表、指标和交互功能的可视化界面；
所述数据绑定模块，用于将所述异常检测后的数字信号数据与所述可视化界面中的图表和指标进行绑定，并利用所述可视化界面进行数据的展示；
所述预警方案制定模块，用于结合可视化界面中数据的展示，确定液位预警阈值，并制定预警方案。
有益效果
1、本发明中数据转换与异常检测模块可以将液位信息数据转换为数字信号数据，并利用KNIF模型进行异常检测，有效消除误报，数据标准化模块能够将各个特征值标准化至相同比例内，并转换为数字信号数据，使得数据更易于处理和分析，实时异常检测模块能够快速检测实时液位信息数据中的异常点，及时发现异常情况，保障水利工程的安全运行，异常平滑与误报消除模块能够对异常点进行平滑处理，消除误报，提高系统的可靠性和稳定性，优化隔离树和隔离森林的构建方法，能够更好地适应不同数据场景的需求，提高算法的性能表现。
2、本发明采用无线通讯协议，使得数据上传过程不受物理距离限制，操作更加方便快捷，能够实现实时传输，能够及时将异常检测后的数字信号数据上传至远程监控平台进行存储，实现对水利工程的实时监测，采用无线通讯协议进行数据传输，能够避免数据在传输过程中被窃取或篡改，保证数据的安全性。
3、本发明提供当前数字信号数据可视化界面，能够将数据以直观的方式呈现出来，让用户更加容易理解和分析，能够实时监测水利工程的状态，并通过可视化界面呈现出来，实现对工程状态的实时监控，根据实际情况制定预警方案，能够在异常情况发生前及时提醒用户，避免因异常情况而造成的损失，通过可视化界面，能够更加深入地分析数据，发现潜在问题，并提出相应的解决方案。
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，下面将对实施例中所需要使用的附图作简单地介绍，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他的附图。
图1是根据本发明实施例中水利工程液位检测系统的原理框图。
图中：
1、液位计校准与检测模块；2、液位信息数据采集模块；3、数据转换与异常检测模块；4、无线通信与存储模块；5、数据可视化与预警方案制定模块；6、异常报警模块。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
根据本发明的实施例，提供了一种水利工程液位检测系统。
如图1所示，根据本发明实施例的水利工程液位检测系统，包括该液位检测系统包括：液位计校准与检测模块1、液位信息数据采集模块2、数据转换与异常检测模块3、无线通信与存储模块4、数据可视化与预警方案制定模块5及异常报警模块6；
所述液位计校准与检测模块1，用于校准微波雷达液位计，并利用所述微波雷达液位计进行水利工程的液位检测。
具体的，为了确保液位计的精度和稳定性，可以建立一套标准化的校准流程，包括标准试验、校准参数设置、校准结果记录等。校准过程应该在实验室中进行，采用专业校准设备和程序，从而提高校准的可靠性，在利用微波雷达液位计进行水利工程液位检测时，可以采用更为先进的液位检测算法进行数据处理和分析，如神经网络、遗传算法、支持向量机等。这些算法能够更准确地预测液位变化趋势，并及时发现异常情况，从而更好地保障水利工程的安全运行，除了微波雷达液位计，还可以引入其他类型的液位计进行监测，如压阻式液位计、电容式液位计等。同时，可以将液位监测范围进行拓展，覆盖更广泛的水利工程场景，如灌溉系统、输水管道等。
所述液位信息数据采集模块2，用于实时采集所述微波雷达液位计的液位高度信息，并输出液位信息数据。
具体的，为了提高数据采集的实时性和准确性，可以采用更为先进的数据传输方式，如LoRa、NB-IoT等。这些传输方式能够提供更广泛的覆盖范围和更快的数据传输速度，从而更好地满足水利工程液位监测的需求，在液位信息数据采集过程中，需要对采集到的数据进行质量控制，包括数据去噪、数据校正等。这样能够提高数据的准确性和稳定性，并避免因为数据异常引起误判和错误决策，为了保证数据的长期保存和可追溯性，可以建立一套完整的数据存储方案，包括数据备份、容灾恢复等。同时，还可以将数据与其他水利工程管理系统进行集成，实现数据共享和互通。
所述数据转换与异常检测模块3，用于将所述液位信息数据转换为数字信号数据，并利用KNIF模型进行异常检测以消除误报。
优选地，所述数据转换与异常检测模块包括：液位信息数据处理与特征提取模块、数据标准化模块、KNIF模型训练模块、实时异常检测模块及异常平滑与误报消除模块；
所述液位信息数据处理与特征提取模块，用于对所述液位信息数据进行处理，并从处理后的液位信息数据中提取关键特征，得到关键特征的各个特征值；
所述数据标准化模块，用于将所述各个特征值标准化至相同比例内，并转换为数字信号数据；
所述KNIF模型训练模块，用于使用所述数字信号数据训练KNIF模型，并评估KNIF模型性能；
所述实时异常检测模块，用于将训练好的KNIF模型应用于实时液位信息数据，通过计算异常分数，判断所述实时液位信息数据的数据点否为异常点；
所述异常平滑与误报消除模块，用于采取滑动窗口法并结合历史数据对所述异常点进行平滑处理，以消除误报。
优选地，所述数据标准化模块包括：最小值和最大值计算模块、特征值归一化模块及数字信号数据组合模块；
所述最小值和最大值计算模块，用于遍历所有液位信息数据，找出各个特征值的最小值和最大值；
所述特征值归一化模块，用于根据所述各个特征值的最小值和最大值，利用标准化特征值公式进行归一化处理；
所述数字信号数据组合模块，用于将所述归一化处理的特征值组合为原始液位信息数据的数字信号数据。
优选地，所述标准化特征值公式为：
；
式中，a和b分别为特征值映射范围的最小值和最大值；
T为标准化特征值；
λ为原始特征值；
n为原始特征值的最大值；
m为原始特征的最小值。
优选地，所述实时异常检测模块包括：欧氏距离及第k近邻计算模块、基于k近邻的隔离树和隔离森林模型构建模块、实时液位信息数据处理模块、异常分数计算模块及异常点判断模块；
所述欧氏距离及第k近邻计算模块，用于使用水利工程的历史液位信息数据训练基于k近邻的异常检测模型，并基于k近邻构建超球体，计算历史液位信息数据中数据点之间的欧氏距离及第k近邻；
所述基于k近邻的隔离树和隔离森林模型构建模块，用于利用欧氏距离及第k近邻构建基于k近邻的隔离树和隔离森林模型；
所述实时液位信息数据处理模块，用于对实时液位信息数据进行处理，将处理后的实时液位信息数据输入到所述基于k近邻的隔离树和隔离森林模型中；
所述异常分数计算模块，用于在所述基于k近邻的隔离树和隔离森林模型中，利用实时液位信息数据中数据点之间的欧氏距离及第k近邻信息，为每个数据点计算异常分数；
所述异常点判断模块，用于设定阈值，根据所述异常分数与所述阈值进行比较，确定实时液位信息数据中的异常点。
具体的，在利用基于k近邻的异常检测模型进行水利工程液位异常检测时，可以采用更为先进的异常检测算法进行数据处理和分析。如深度学习、支持向量机等，这些算法能够更准确地预测异常点，并及时发现异常情况，从而更好地保障水利工程的安全运行
在利用基于k近邻的隔离树和隔离森林模型进行数据分类时，可以通过优化隔离树和隔离森林的构建方法来提高其性能表现。如引入特征选择、动态调整树结构等方式，能够更好地适应不同数据场景的需求。
在使用历史液位信息数据训练基于k近邻的异常检测模型时，需要考虑多种因素，如数据样本的质量、数据的时效性等。因此，需要制定一套完整的模型训练策略，包括数据采集、数据预处理、模型训练和评估等环节。
优选地，所述异常分数计算模块包括：欧氏距离及k近邻计算模块、隔离树构建模块及隔离森林构建模块；
所述欧氏距离及k近邻计算模块，用于计算历史液位信息数据中每个数据点之间的欧氏距离，查找每个数据点的k近邻；
所述隔离树构建模块，用于随机选择特征和切分值，并将所述历史液位信息数据进行划分，重复迭代，直至构建完成一个隔离树；
所述隔离森林构建模块，用于创建多个隔离树，利用多个隔离树组合成隔离森林模型，并将实时液位信息数据输入到所述隔离森林模型中进行异常检测。
优选地，所述为每个数据点计算异常分数的计算公式为：
；
式中，n为数据点的总数；
P为实时液位信息数据中数据点；
rank(P)为实时液位信息数据中数据点P在数据点x的k近邻中的排名。
优选地，所述异常分数计算模块包括：隔离树路径长度计算模块及数据点的异常分数计算模块；
所述隔离树路径长度计算模块，用于将所述实时液位信息数据输入到所构建的隔离森林模型中，计算每个数据点在隔离树中的路径长度，其中，路径长度为从根节点到叶子节点所需经过的边数；
所述数据点的异常分数计算模块，用于利用所述路径长度、结合欧氏距离及k近邻信息，利用异常分数公式为每个数据点计算异常分数，所述异常分数公式为：
；
式中，Save为平均路径长度；
Sk-ave为k近邻中路径长度的平均值；
Sk-SD为k近邻路径长度的标准差；
D为数据点的异常分数。
所述无线通信与存储模块4，用于基于无线通讯协议，将异常检测后的数字信号数据上传至远程监控平台进行存储。
优选地，所述无线通信与存储模块包括：异常点封装模块、异常点发送模块、异常解码模块及数据存储模块；
所述异常点封装模块，用于利用无线通信协议将所述异常点进行封装；
所述异常点发送模块，用于利用无线通信设备将封装好的异常点通过无线信道发送到远程监控平台；
所述异常解码模块，用于远程监控平台接收来自无线通信设备的异常点后，对异常点进行解码并还原为异常检测后的数字信号数据；
所述数据存储模块，用于远程监控平台根据需要将所述异常检测后的数字信号数据存储在数据库。
具体的，为了提高异常点传输的实时性和可靠性，可以考虑采用更为先进的通信方式，如5G、物联网等。这些通信技术能够提供更高的带宽和更快的数据传输速度，从而更好地保障数据的及时性和准确性；
在利用无线通信设备发送异常点之前，需要对异常点进行合理的处理和压缩，以降低数据传输量并提高数据传输效率。因此，需要制定一套完整的异常点处理策略，包括异常点封装、错误校验、数据压缩等环节；
在进行远程监控平台数据存储时，需要充分考虑数据的安全保护问题。例如，采用加密传输、权限管理、备份恢复等方式来避免数据泄露和丢失情况的发生。
除了简单的异常点传输和存储，还可以将接收到的异常点数据进行分析和挖掘，以发现潜在的异常规律和趋势。例如，运用机器学习算法、数据可视化等手段来提取数据中的特征信息，从而更好地理解水利工程液位异常情况的发生和演化。
所述数据可视化与预警方案制定模块5，用于提供当前数字信号数据可视化界面，并根据实际情况制定预警方案。
优选地，所述数据可视化与预警方案制定模块包括：数据转换模块、可视化界面设计模块、数据绑定模块及预警方案制定模块；
所述数据转换模块，用于从远程监控平台获取异常检测后的数字信号数据，选择可视化工具，并将所述异常检测后的数字信号数据转换为图表形式；
所述可视化界面设计模块，用于根据水利工程液位检测要求，设计包含各种图表、指标和交互功能的可视化界面；
所述数据绑定模块，用于将所述异常检测后的数字信号数据与所述可视化界面中的图表和指标进行绑定，并利用所述可视化界面进行数据的展示；
所述预警方案制定模块，用于结合可视化界面中数据的展示，确定液位预警阈值，并制定预警方案。
具体的，为了更准确地识别液位异常情况，需要对预警阈值进行优化。例如，结合历史数据分析、水文模型等方式来确定更为科学合理的预警阈值，并根据实时数据调整预警阈值的大小和范围，在设计预警方案时需要考虑到预警响应的紧急程度和执行效率。因此，建议制定一套完整的预警响应机制，包括预警信息的发布渠道、应急处置流程、人员职责等环节，以确保在出现液位异常情况时能够快速、有效地采取措施。
所述异常报警模块6，用于根据所述预警方案设置报警阈值，当液位达到所述报警阈值的上限或下限时触发报警。
需要解释说明的是，KNIF模型是一种用于解决机器学习中分类问题的模型，其名称来源于模型中包含的四个重要部分：K近邻算法、神经网络、信息增益和Fisher判别准则。下面简单介绍一下这四个部分：K近邻算法：该算法是一种基于实例的学习方法，通过计算样本之间的距离来确定新样本所属的类别。在KNIF模型中，K近邻算法被用于初步筛选出可能属于某一类别的样本。神经网络：神经网络是一种通过训练来学习复杂关系的模型，其结构类似于人脑神经元网络。在KNIF模型中，神经网络用于对初步筛选的样本进行进一步分类，并生成分类结果的概率分布。信息增益：信息增益是一种用于特征选择的方法，可以根据特征的区分度来评估其对分类结果的贡献。在KNIF模型中，信息增益用于评估各个特征对分类结果的影响，并帮助优化神经网络的结构。Fisher判别准则：Fisher判别准则是一种经典的线性分类方法，可以通过寻找最佳投影方向来实现分类。在KNIF模型中，Fisher判别准则被用于对神经网络生成的概率分布进行进一步优化，从而提高分类结果的准确性。
综上所述，借助于本发明的上述技术方案，本发明中数据转换与异常检测模块可以将液位信息数据转换为数字信号数据，并利用KNIF模型进行异常检测，有效消除误报，数据标准化模块能够将各个特征值标准化至相同比例内，并转换为数字信号数据，使得数据更易于处理和分析，实时异常检测模块能够快速检测实时液位信息数据中的异常点，及时发现异常情况，保障水利工程的安全运行，异常平滑与误报消除模块能够对异常点进行平滑处理，消除误报，提高系统的可靠性和稳定性，优化隔离树和隔离森林的构建方法，能够更好地适应不同数据场景的需求，提高算法的性能表现；本发明采用无线通讯协议，使得数据上传过程不受物理距离限制，操作更加方便快捷，能够实现实时传输，能够及时将异常检测后的数字信号数据上传至远程监控平台进行存储，实现对水利工程的实时监测，采用无线通讯协议进行数据传输，能够避免数据在传输过程中被窃取或篡改，保证数据的安全性；本发明提供当前数字信号数据可视化界面，能够将数据以直观的方式呈现出来，让用户更加容易理解和分析，能够实时监测水利工程的状态，并通过可视化界面呈现出来，实现对工程状态的实时监控，根据实际情况制定预警方案，能够在异常情况发生前及时提醒用户，避免因异常情况而造成的损失，通过可视化界面，能够更加深入地分析数据，发现潜在问题，并提出相应的解决方案。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种水利工程液位检测系统，其特征在于，该液位检测系统包括：液位计校准与检测模块、液位信息数据采集模块、数据转换与异常检测模块、无线通信与存储模块、数据可视化与预警方案制定模块及异常报警模块；
所述液位计校准与检测模块，用于校准微波雷达液位计，并利用所述微波雷达液位计进行水利工程的液位检测；
所述液位信息数据采集模块，用于实时采集所述微波雷达液位计的液位高度信息，并输出液位信息数据；
所述数据转换与异常检测模块，用于将所述液位信息数据转换为数字信号数据，并利用KNIF模型进行异常检测以消除误报；
所述无线通信与存储模块，用于基于无线通讯协议，将异常检测后的数字信号数据上传至远程监控平台进行存储；
所述数据可视化与预警方案制定模块，用于提供当前数字信号数据可视化界面，并根据实际情况制定预警方案；
所述异常报警模块，用于根据所述预警方案设置报警阈值，当液位达到所述报警阈值的上限或下限时触发报警。
2.根据权利要求1所述的水利工程液位检测系统，其特征在于，所述数据转换与异常检测模块包括：液位信息数据处理与特征提取模块、数据标准化模块、KNIF模型训练模块、实时异常检测模块及异常平滑与误报消除模块；
所述液位信息数据处理与特征提取模块，用于对所述液位信息数据进行处理，并从处理后的液位信息数据中提取关键特征，得到关键特征的各个特征值；
所述数据标准化模块，用于将所述各个特征值标准化至相同比例内，并转换为数字信号数据；
所述数据标准化模块包括：最小值和最大值计算模块、特征值归一化模块及数字信号数据组合模块；
所述最小值和最大值计算模块，用于遍历所有液位信息数据，找出各个特征值的最小值和最大值；
所述特征值归一化模块，用于根据所述各个特征值的最小值和最大值，利用标准化特征值公式进行归一化处理；
所述数字信号数据组合模块，用于将所述归一化处理的特征值组合为原始液位信息数据的数字信号数据；
所述KNIF模型训练模块，用于使用所述数字信号数据训练KNIF模型，并评估KNIF模型性能；
所述实时异常检测模块，用于将训练好的KNIF模型应用于实时液位信息数据，通过计算异常分数，判断所述实时液位信息数据的数据点否为异常点；
所述异常平滑与误报消除模块，用于采取滑动窗口法并结合历史数据对所述异常点进行平滑处理，以消除误报。
3.根据权利要求2所述的水利工程液位检测系统，其特征在于，所述标准化特征值公式为：
；
式中，a和b分别为特征值映射范围的最小值和最大值；
T为标准化特征值；
λ为原始特征值；
n为原始特征值的最大值；
m为原始特征的最小值。
4.根据权利要求2所述的水利工程液位检测系统，其特征在于，所述实时异常检测模块包括：欧氏距离及第k近邻计算模块、基于k近邻的隔离树和隔离森林模型构建模块、实时液位信息数据处理模块、异常分数计算模块及异常点判断模块；
所述欧氏距离及第k近邻计算模块，用于使用水利工程的历史液位信息数据训练基于k近邻的异常检测模型，并基于k近邻构建超球体，计算历史液位信息数据中数据点之间的欧氏距离及第k近邻；
所述基于k近邻的隔离树和隔离森林模型构建模块，用于利用欧氏距离及第k近邻构建基于k近邻的隔离树和隔离森林模型；
所述实时液位信息数据处理模块，用于对实时液位信息数据进行处理，将处理后的实时液位信息数据输入到所述基于k近邻的隔离树和隔离森林模型中；
所述异常分数计算模块，用于在所述基于k近邻的隔离树和隔离森林模型中，利用实时液位信息数据中数据点之间的欧氏距离及第k近邻信息，为每个数据点计算异常分数；
所述异常点判断模块，用于设定阈值，根据所述异常分数与所述阈值进行比较，确定实时液位信息数据中的异常点。
5.根据权利要求4所述的水利工程液位检测系统，其特征在于，所述异常分数计算模块包括：欧氏距离及k近邻计算模块、隔离树构建模块及隔离森林构建模块；
所述欧氏距离及k近邻计算模块，用于计算历史液位信息数据中每个数据点之间的欧氏距离，查找每个数据点的k近邻；
所述隔离树构建模块，用于随机选择特征和切分值，并将所述历史液位信息数据进行划分，重复迭代，直至构建完成一个隔离树；
所述隔离森林构建模块，用于创建多个隔离树，利用多个隔离树组合成隔离森林模型，并将实时液位信息数据输入到所述隔离森林模型中进行异常检测。
6.根据权利要求5所述的水利工程液位检测系统，其特征在于，所述为每个数据点计算异常分数的计算公式为：
；
式中，n为数据点的总数；
P为实时液位信息数据中数据点；
rank(P)为实时液位信息数据中数据点P在数据点x的k近邻中的排名。
7.根据权利要求4所述的水利工程液位检测系统，其特征在于，所述异常分数计算模块包括：隔离树路径长度计算模块及数据点的异常分数计算模块；
所述隔离树路径长度计算模块，用于将所述实时液位信息数据输入到所构建的隔离森林模型中，计算每个数据点在隔离树中的路径长度，其中，路径长度为从根节点到叶子节点所需经过的边数；
所述数据点的异常分数计算模块，用于利用所述路径长度、结合欧氏距离及k近邻信息，利用异常分数公式为每个数据点计算异常分数，所述异常分数公式为：
；
式中，Save为平均路径长度；
Sk-ave为k近邻中路径长度的平均值；
Sk-SD为k近邻路径长度的标准差；
D为数据点的异常分数。
8.根据权利要求1所述的水利工程液位检测系统，其特征在于，所述无线通信与存储模块包括：异常点封装模块、异常点发送模块、异常解码模块及数据存储模块；
所述异常点封装模块，用于利用无线通信协议将所述异常点进行封装；
所述异常点发送模块，用于利用无线通信设备将封装好的异常点通过无线信道发送到远程监控平台；
所述异常解码模块，用于远程监控平台接收来自无线通信设备的异常点后，对异常点进行解码并还原为异常检测后的数字信号数据；
所述数据存储模块，用于远程监控平台根据需要将所述异常检测后的数字信号数据存储在数据库。
9.根据权利要求1所述的水利工程液位检测系统，其特征在于，所述数据可视化与预警方案制定模块包括：数据转换模块、可视化界面设计模块、数据绑定模块及预警方案制定模块；
所述数据转换模块，用于从远程监控平台获取异常检测后的数字信号数据，选择可视化工具，并将所述异常检测后的数字信号数据转换为图表形式；
所述可视化界面设计模块，用于根据水利工程液位检测要求，设计包含各种图表、指标和交互功能的可视化界面；
所述数据绑定模块，用于将所述异常检测后的数字信号数据与所述可视化界面中的图表和指标进行绑定，并利用所述可视化界面进行数据的展示；
所述预警方案制定模块，用于结合可视化界面中数据的展示，确定液位预警阈值，并制定预警方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310987433.XA CN116718249A (zh) | 2023-08-08 | 2023-08-08 | 一种水利工程液位检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310987433.XA CN116718249A (zh) | 2023-08-08 | 2023-08-08 | 一种水利工程液位检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116718249A true CN116718249A (zh) | 2023-09-08 |
Family
ID=87866433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310987433.XA Pending CN116718249A (zh) | 2023-08-08 | 2023-08-08 | 一种水利工程液位检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116718249A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844799A (zh) * | 2017-10-17 | 2018-03-27 | 西安建筑科技大学 | 一种集成svm机制的冷水机组故障诊断方法 |
| CN109538143A (zh) * | 2018-12-31 | 2019-03-29 | 中石化石油工程技术服务有限公司 | 一种钻井液出口流量定量检测装置及钻井液液位测量方法 |
| WO2019233189A1 (zh) * | 2018-06-04 | 2019-12-12 | 江南大学 | 一种传感网络异常数据检测方法 |
| WO2020010701A1 (zh) * | 2018-07-11 | 2020-01-16 | 平安科技（深圳）有限公司 | 污染物异常监测方法、系统、计算机设备和存储介质 |
| AU2020102377A4 (en) * | 2020-09-23 | 2020-11-12 | Chordiya, S. B. Prof.(Dr.) | CNI-Water Management Technology: WATER COLLECTION AND NOTIFICATION INTELLIGENT MANAGEMENT TECHNOLOGY |
| CN113569920A (zh) * | 2021-07-06 | 2021-10-29 | 上海顿飞信息科技有限公司 | 基于自动编码的第二近邻异常检测方法 |
| CN115452089A (zh) * | 2022-07-05 | 2022-12-09 | 刘建伟 | 一种用于水利水电工程的水位检测装置 |
| CN116430423A (zh) * | 2023-06-13 | 2023-07-14 | 广州悦跑信息科技有限公司 | 一种运动数据中卫星导航定位轨迹点坐标方法 |
-
2023
- 2023-08-08 CN CN202310987433.XA patent/CN116718249A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844799A (zh) * | 2017-10-17 | 2018-03-27 | 西安建筑科技大学 | 一种集成svm机制的冷水机组故障诊断方法 |
| WO2019233189A1 (zh) * | 2018-06-04 | 2019-12-12 | 江南大学 | 一种传感网络异常数据检测方法 |
| WO2020010701A1 (zh) * | 2018-07-11 | 2020-01-16 | 平安科技（深圳）有限公司 | 污染物异常监测方法、系统、计算机设备和存储介质 |
| CN109538143A (zh) * | 2018-12-31 | 2019-03-29 | 中石化石油工程技术服务有限公司 | 一种钻井液出口流量定量检测装置及钻井液液位测量方法 |
| AU2020102377A4 (en) * | 2020-09-23 | 2020-11-12 | Chordiya, S. B. Prof.(Dr.) | CNI-Water Management Technology: WATER COLLECTION AND NOTIFICATION INTELLIGENT MANAGEMENT TECHNOLOGY |
| CN113569920A (zh) * | 2021-07-06 | 2021-10-29 | 上海顿飞信息科技有限公司 | 基于自动编码的第二近邻异常检测方法 |
| CN115452089A (zh) * | 2022-07-05 | 2022-12-09 | 刘建伟 | 一种用于水利水电工程的水位检测装置 |
| CN116430423A (zh) * | 2023-06-13 | 2023-07-14 | 广州悦跑信息科技有限公司 | 一种运动数据中卫星导航定位轨迹点坐标方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110263846B (zh) | 基于故障数据深度挖掘及学习的故障诊断方法 | |
| CN103776480B (zh) | 基于多次移动平均的微小故障检测方法和装置 | |
| CN110636066B (zh) | 基于无监督生成推理的网络安全威胁态势评估方法 | |
| CN116881749B (zh) | 一种污染场地施工监测方法及系统 | |
| CN117150283B (zh) | 一种基于大数据分析的突发环境事件安全预警方法 | |
| CN117421616B (zh) | 一种矿山竖井井筒检测系统及方法 | |
| CN116975728B (zh) | 用于煤层气钻井工程的安全管理方法及其系统 | |
| CN117434372B (zh) | 电子产品的电磁兼容抗扰度测试方法及系统 | |
| CN115144548B (zh) | 有害气体成分实时监测系统及其监测方法 | |
| CN111797533B (zh) | 一种核动力装置运行参数异常检测方法及系统 | |
| CN109670549A (zh) | 火电机组的数据筛选方法、装置以及计算机设备 | |
| CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
| CN111191855B (zh) | 一种基于管网多元水质时序数据的水质异常事件识别预警方法 | |
| CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN117574180B (zh) | 燃料生产排放系统数据关联性控制管理系统 | |
| CN117740072B (zh) | 一种基于多传感器的水浸感应方法 | |
| CN105404709B (zh) | 基于复杂网络的堤坝健康监测敏感测点分析方法 | |
| CN116822352A (zh) | 基于grnn神经网络的井下防水密闭墙工况预测方法及系统 | |
| CN116718249A (zh) | 一种水利工程液位检测系统 | |
| CN114371677B (zh) | 基于谱半径-区间主成分分析的工业过程状态监测方法 | |
| CN116311739A (zh) | 一种基于长短时记忆网络及环境信息融合的多传感器火灾检测方法 | |
| CN114662977A (zh) | 海上钻井平台运动状态的异常检测方法、系统和电子设备 | |
| CN117726308B (zh) | 基于物联网和5g的智慧水利管理系统及方法 | |
| CN118413265B (zh) | 一种卫星在线状态监测系统及方法 |
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 |