CN117435874B - 一种供排水设备异常数据检测方法及系统 - Google Patents
一种供排水设备异常数据检测方法及系统 Download PDFInfo
- Publication number
- CN117435874B CN117435874B CN202311765718.5A CN202311765718A CN117435874B CN 117435874 B CN117435874 B CN 117435874B CN 202311765718 A CN202311765718 A CN 202311765718A CN 117435874 B CN117435874 B CN 117435874B
- Authority
- CN
- China
- Prior art keywords
- data
- temperature
- point
- data points
- water supply
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 104
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 230000005856 abnormality Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims abstract description 24
- 230000000875 corresponding effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 241000135164 Timea Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B7/00—Water main or service pipe systems
- E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B7/00—Water main or service pipe systems
- E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
- E03B7/071—Arrangement of safety devices in domestic pipe systems, e.g. devices for automatic shut-off
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03F—SEWERS; CESSPOOLS
- E03F7/00—Other installations or implements for operating sewer systems, e.g. for preventing or indicating stoppage; Emptying cesspools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Hydrology & Water Resources (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及电子数字数据处理技术领域,提出了一种供排水设备异常数据检测方法及系统,包括:通过结合供排水设备的温度数据、功率数据以及湿度数据中,不同时间点之间的变化差异以及数据之间的影响关系,对供排水设备的温度数据进行调节,获得反映温度异常概率的新温度值,根据新温度值的大小进行供排水设备异常数据检测。通过上述技术方案,解决了现有技术中利用单一维度数据进行数据异常检测的结果不准确的问题,提高了对供排水设备进行温度检测时检测结果的准确性和鲁棒性,进一步提高了供排水设备运行的稳定性和安全性。
Description
技术领域
本发明涉及电子数字数据处理技术领域,具体的,涉及一种供排水设备异常数据检测方法及系统。
背景技术
供排水设备在运行过程中,由于运行功率变化或环境湿度变化,容易对供排水设备的温度产生影响,当供排水设备运行过程中运行功率加大,设备的温度就会增高,而当环境湿度增加时会对温度传感器的灵敏度产生影响,使温度数据出现误差。
因此当获得的温度数据受到其他因素影响时,直接根据温度大小判断是否存在异常的传统方法依据的数据过于单一,未能考虑供排水设备在运行过程中设备温度与其他因素之间的影响关系,得到的检测结果不准确,容易导致供排水设备的工作效率降低或发生故障。为了保证供排水设备正常且安全地运行,需要结合供排水设备运行时的功率数据以及环境湿度对供排水设备进行温度监测,以获取更加准确的异常检测结果,保证供排水设备的安全运行。
发明内容
本发明提出一种供排水设备异常数据检测方法及系统,以解决现有的问题。
当获得的温度数据受到其他因素影响时,直接根据温度大小判断是否存在异常的传统方法依据的数据过于单一,未能考虑供排水设备在运行过程中设备温度与其他因素之间的影响关系,得到的检测结果不准确,容易导致供排水设备的工作效率降低或发生故障。为了保证供排水设备正常且安全地运行,需要结合供排水设备运行时的功率数据以及环境湿度对供排水设备进行温度监测,以获取更加准确的异常检测结果,保证供排水设备的安全运行。
本发明的技术方案如下:
采集供排水设备的温度数据、湿度数据以及功率数据;
根据温度数据中数据点的温度值以及数据点的温度值之间的差异获得数据点的第一异常程度,所述第一异常程度用于描述供排水设备在任意时间点之前温度发生的变化对该时间点下的温度所产生的影响;利用湿度数据以及功率数据中数据点之间的差异对第一异常程度进行调节获得数据点的第二异常程度,第二异常程度用于描述在对应时间点下供排水设备的温度受到设备运行功率和设备工作环境湿度的影响程度;
根据数据点的第二异常程度以及不同数据点之间的时间点差异对预设的修正幅度进行迭代调节,获得温度数据中所有数据点的修正幅度,所述修正幅度用于描述供排水设备出现温度异常的可能性;利用修正幅度对温度数据中数据点的温度值进行调节,获得数据点的新温度值;
根据新温度值的大小进行供排水设备异常数据检测。
进一步地,所述根据温度数据中数据点的温度值以及数据点的温度值之间的差异获得数据点的第一异常程度,包括:
根据温度数据中第个与第/>个数据点的温度值之间的差异分别获得数据点的温度值变化量和温度特征;
将温度数据中第个数据点的温度值变化量与温度特征之间的比值记为第/>个数据点的第一比值/>,将/>记为第/>个数据点的程度因子,将温度数据中第/>个数据点的温度值与程度因子的乘积记为温度数据中第/>个数据点的第一异常程度。
进一步地,所述根据温度数据中第个与第/>个数据点的温度值之间的差异分别获得数据点的温度值变化量和温度特征,包括:
将温度数据中第个数据点与第/>个数据点的温度值的差值,记为第/>个数据点的温度值变化量,温度数据中任意一个数据点对应一个温度值变化量;将温度数据中时间点小于第/>个数据点的数据点,记为第/>个数据点的前数据点;将第/>个数据点的所有前数据点的温度值变化量的平均值,记为第/>个数据点的温度特征。
进一步地,所述利用湿度数据以及功率数据中数据点之间的差异对第一异常程度进行调节获得数据点的第二异常程度,包括:
将湿度数据中第个数据点与第/>个数据点的湿度值的差值,记为第/>个数据点的湿度值变化量;将功率数据中第/>个数据点与第/>个数据点的功率值的差值,记为第/>个数据点的功率值变化量;
根据不同时间点下数据点的温度变化量和功率变化量之间的比值获得第一相关差异;根据不同时间点下数据点的温度变化量和湿度变化量之间的比值获得第二相关差异;
通过第一公式获取温度数据中第个数据点的第二异常程度;其中,第一公式为:
其中,表示温度数据中第/>个数据点的第二异常程度;/>表示温度数据中第/>个数据点的第一异常程度;/>表示温度数据中第/>个数据点的第一相关差异;/>表示温度数据中第/>个数据点的第二相关差异。
进一步地,所述根据不同时间点下数据点的温度变化量和功率变化量之间的比值获得第一相关差异,包括:
将温度数据中第个数据点的温度值变化量与功率数据中第/>个数据点的功率值变化量的比值,记为温度数据中第/>个数据点的第一功率参数;将温度数据中第/>个数据点的第/>个前数据点的温度值变化量,与功率数据中第/>个数据点的第/>个前数据点的功率值变化量之间的比值,记为温度数据中第/>个数据点的第/>个前数据点的功率因子,将温度数据中第/>个数据点的所有前数据点的功率因子平均值,记为温度数据中第/>个数据点的第二功率参数;所述第一功率参数用于描述第/>个时间点下供排水设备的温度受功率影响的程度,所述第二功率参数用于描述第/>个时间点之前供排水设备的温度受功率影响的程度;
将第一功率参数和第二功率参数的差值绝对值记为温度数据中第个数据点的第一相关差异,所述第一相关差异用于描述第/>个时间点下以及第/>个时间点之前,供排水设备的温度受功率影响的程度差异。
进一步地,所述根据不同时间点下数据点的温度变化量和湿度变化量之间的比值获得第二相关差异,包括:
将温度数据中第个数据点的温度值变化量与湿度数据中第/>个数据点的湿度值变化量的比值,记为温度数据中第/>个数据点的第一湿度参数;将温度数据中第/>个数据点的第/>个前数据点的温度值变化量,与湿度数据中第/>个数据点的第/>个前数据点的湿度值变化量之间的比值,记为温度数据中第/>个数据点的第/>个前数据点的湿度因子,将温度数据中第/>个数据点的所有前数据点的湿度因子平均值,记为温度数据中第/>个数据点的第二湿度参数;所述第一湿度参数用于描述第/>个时间点下供排水设备的温度受湿度影响的程度,所述第二湿度参数用于描述第/>个时间点之前供排水设备的温度受湿度影响的程度;
将第一湿度参数和第二湿度参数的差值绝对值记为温度数据中第个数据点的第二相关差异,所述第二相关差异用于描述第/>个时间点下以及第/>个时间点之前,供排水设备的温度受湿度影响的程度差异。
进一步地,所述根据数据点的第二异常程度以及不同数据点之间的时间点差异对预设的修正幅度进行迭代调节,获得温度数据中所有数据点的修正幅度,包括:
预设温度数据中第1个数据点的修正幅度;获取温度数据中数据点与对应前数据点中任意前数据点之间在时间点上的差值绝对值,记为数据点与前数据点之间的时间间隔;
依据温度数据中第1个数据点的修正幅度,通过第二公式获取温度数据中第个数据点的修正幅度;其中,第二公式为:
其中,/>表示对温度数据中第/>个数据点的修正幅度;/>表示温度数据中第/>个数据点的第二异常程度;/>表示温度数据中第/>个数据点的第/>个前数据点的第二异常程度;/>表示温度数据中第/>个数据点的前数据点的数量;/>表示温度数据中第/>个数据点与第/>个前数据点之间的时间间隔;/>表示温度数据中第/>个数据点的第/>个前数据点的修正幅度;/>表示绝对值符号;
通过依次迭代获得温度数据中所有数据点的修正幅度。
进一步地,通过第三公式计算数据点的新温度值;其中,所述第三公式为:
其中,表示温度数据中第/>个数据点的新温度值;/>表示温度数据中第/>个数据点的修正幅度;/>表示温度数据中第/>个数据点的温度值;/>表示线性归一化函数。
进一步地,所述根据新温度值的大小进行供排水设备异常数据检测,包括:
将温度数据中新温度值大于阈值的数据点记为温度异常点,当供排水设备的温度数据中出现温度异常点时,确定供排水设备出现异常数据,其中阈值/>为预设的超参数。
本发明一个实施例提供了一种供排水设备异常数据检测系统,该系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种供排水设备异常数据检测方法的步骤。
本发明的工作原理及有益效果为:
本发明中通过结合供排水设备的温度数据、功率数据以及湿度数据中,不同时间点之间的变化差异以及数据之间的影响关系,对供排水设备的温度数据进行调节,获得反映温度异常概率的新温度值,避免了利用单一维度数据进行数据异常检测,提高了对供排水设备进行温度检测时检测结果的准确性和鲁棒性,进一步提高了供排水设备运行的稳定性和安全性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明供排水设备异常数据检测方法流程图。
具体实施方式
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,所描述的实施例仅仅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,都涉及本发明保护的范围。
实施例1
如图1所示,本实施例提出了一种供排水设备异常数据检测方法,该方法包括以下步骤:
步骤S001:采集供排水设备的温度数据、湿度数据以及功率数据。
需要说明的是,在进行数据采集时,需要在同一时间段内进行采集,且采集频率也应保持一致。
具体的,为了实现本实施例提出的一种供排水设备异常数据检测方法,首先需要采集温度数据、湿度数据以及功率数据,具体过程为:
分别使用温度传感器、湿度传感器、功率传感器采集供排水设备的温度数据、湿度数据以及功率数据,温度数据、湿度数据以及功率数据中数据点的数值分别为数据点的温度值、湿度值以及功率值。
需要说明的是,温度数据、湿度数据以及功率数据中一个数据点对应一个时间点,则一个时间点下分别对应有数据点的温度值、湿度值以及功率值。
需要说明的是,采集数据的总时长为一小时,采集频率为每秒一次。
至此,通过上述方法得到温度数据、湿度数据以及功率数据。
步骤S002:根据温度数据中数据点的温度值以及数据点的温度值之间的差异获得数据点的第一异常程度,利用湿度数据以及功率数据中数据点之间的差异对第一异常程度进行调节获得数据点的第二异常程度。
需要说明的是,引起供排水设备出现温度变化的原因通常有两个,一是供排水设备自身工作功率升高,二是供排水设备工作环境的湿度升高;温度数据中数据点的温度值越大,供排水设备出现温度异常的可能性就越高,另外,温度数据中数据点的温度值变化越不稳定,供排水设备出现温度异常的可能性就越高;温度数据与功率数据之间的相关性越低,供排水设备出现温度异常的可能性就越高;温度数据与湿度数据的变化越相关,则湿度越高时,越可能存在温度异常的数据点,即供排水设备出现温度异常的可能性越高。
步骤(1),首先,将温度数据中第个数据点与第/>个数据点的温度值差值,记为第/>个数据点的温度值变化量,温度数据中任意一个数据点对应一个温度值变化量;将温度数据中时间点小于第/>个数据点的数据点,记为第/>个数据点的前数据点;将第/>个数据点的所有前数据点的温度值变化量的平均值,记为第/>个数据点的温度特征。
然后,获取温度数据中第个数据点的第一异常程度,具体计算方法为:
其中,表示温度数据中第/>个数据点的第一异常程度;/>表示温度数据中第/>个数据点的温度值;/>表示温度数据中第/>个数据点的温度值变化量;/>表示温度数据中第/>个数据点的温度特征。
需要说明的是,程度因子表示温度数据中第/>个数据点相较于前数据点的温度值变化量在整个温度数据中的稳定程度,程度因子越大,说明温度数据中第/>个数据点的温度变化越不稳定,则第/>个数据点的第一异常程度越大;第一异常程度描述了供排水设备在前温度发生的变化对该时间点下设备的温度所产生的影响。
步骤(2),首先,将湿度数据中第个数据点与第/>个数据点的湿度值的差值,记为第/>个数据点的湿度值变化量;将功率数据中第/>个数据点与第/>个数据点的功率值的差值,记为第/>个数据点的功率值变化量。
然后,获取温度数据中第个数据点的第二异常程度,具体计算方法为:
其中,表示温度数据中第/>个数据点的第二异常程度;表示温度数据中第/>个数据点的第一异常程度;/>表示温度数据中第/>个数据点的温度值变化量;/>表示功率数据中第/>个数据点的功率值变化量;/>表示湿度数据中第/>个数据点的湿度值变化量;/>表示温度数据中第/>个数据点的前数据点的数量;/>表示温度数据中第/>个数据点的第/>个前数据点的温度值变化量;/>表示功率数据中第/>个数据点的第/>个前数据点的功率值变化量;/>表示湿度数据中第/>个数据点的第/>个前数据点的湿度值变化量;/>表示绝对值符号。
需要说明的是,温度数据、湿度数据以及功率数据中第个数据点的前数据点的数量一致。
需要说明的是,温度数据中第个数据点的第一异常程度越大,对应的第二异常程度越大,第二异常程度表示在对应时间点下供排水设备的温度受到设备运行功率和设备工作环境湿度的影响程度。
需要说明的是,第一功率参数表示温度数据中第/>个数据点的温度值变化量,与功率数据中第/>个数据点的功率值变化量之间的比值,反映了第/>个时间点下供排水设备的温度受功率影响的程度;第二功率参数/>表示温度数据与功率数据中所有前数据点之间的变化相关关系的平均值,反映了第/>个时间点之前温度数据与功率数据中对应数据点之间的相关关系;功率因子/>表示温度数据与功率数据中对应时刻下前数据点的温度变化量和功率变化量的比值,反映了温度数据与功率数据中对应时刻下前数据点之间的变化相关关系;第一相关差异/>表示温度数据与功率数据中,第/>个数据点与所有前数据点关于温度变化量以及功率变化量之间相关性的差异,第一相关差异反映了第/>个时间点下以及第/>个时间点之前,供排水设备的温度受功率影响的程度差异;差异越大表示第/>个数据点的温度值变化量与功率值变化量的相关性越小,则该数据点的第二异常程度越大。
同样地,第一湿度参数表示温度数据中第/>个数据点的温度值变化量,与湿度数据中第/>个数据点的湿度值变化量之间的比值,反映了温度数据与湿度数据中第/>个数据点的变化相关关系;第二湿度参数/>表示温度数据与湿度数据中所有前数据点之间的变化相关关系的平均值;湿度因子/>表示温度数据与湿度数据中对应时刻下前数据点的温度变化量和湿度变化量的比值,反映了温度数据与湿度数据中对应时刻下数据点之间的变化相关关系;第二相关差异/>表示温度数据和湿度数据中,第/>个数据点与所有前数据点关于温度变化量以及湿度变化量之间相关性的差异,第二相关差异反映了第/>个时间点下以及第/>个时间点之前,供排水设备的温度受湿度影响的程度差异;差异越大表示第/>个数据点的温度值变化量与湿度变化量的相关性越小,则该数据点的第二异常程度越小。
需要说明的是,本实施例通过获取温度数据中每一个数据点的温度值变化量,以反映供排水设备的温度变化的异常情况,根据温度值变化量获取数据点的第一异常程度,进一步结合同时刻下温度数据相对于湿度数据和功率数据在变化量上的相关性,对第一异常程度进行调节,获得数据点的第二异常程度。
至此,通过上述方法得到温度数据中每个数据点的第二异常程度。
步骤S003:根据数据点的第二异常程度以及不同数据点之间的时间点差异对预设的修正幅度进行迭代调节,获得温度数据中所有数据点的修正幅度,利用修正幅度对温度数据中数据点的温度值进行调节,获得数据点的新温度值。
需要说明的是,对于每一个数据点的温度采样值进行修正,首先,利用数据点自身的异常程度来对当前数据段的采样值进行修正。其自身异常程度越大,说明这个采样时刻的温度数据受到湿度影响而减少的越多,所以对温度采样值修正的越多。然后,再结合相邻数据点对当前数据点的温度数据进行再次修正。具体的,相邻数据点的异常程度表现与当前数据点的表现相似性越大,那么当前数据点的异常程度的可信度越高,对应的对当前数据点的温度采样值修正的越多;同时,相邻数据点的修正幅度越大,说明相邻数据点对应的异常程度越高,那么当前数据点的异常程度的可信度就会越大,进而对当前数据点的温度采样值修正的越多。
具体的,步骤(1),首先,预设温度数据中第1个数据点的修正幅度;获取温度数据中数据点与对应前数据点中任意前数据点之间在时间点上的差值绝对值,记为数据点与前数据点之间的时间间隔。
需要说明的是,根据经验预设温度数据中第1个数据点的修正幅度为1,可根据实际情况进行调整,本实施例不进行具体限定。
然后,依据温度数据中第1个数据点的修正幅度,获取温度数据中第个数据点的修正幅度,具体计算方法为:
其中,/>表示对温度数据中第/>个数据点的修正幅度;/>表示温度数据中第/>个数据点的第二异常程度;/>表示温度数据中第/>个数据点的第/>个前数据点的第二异常程度;/>表示温度数据中第/>个数据点的前数据点的数量;/>表示温度数据中第/>个数据点与第/>个前数据点之间的时间间隔;/>表示温度数据中第/>个数据点的第/>个前数据点的修正幅度;/>表示绝对值符号。
需要说明的是,第二异常程度越大,对对应数据点的温度值修正的幅度越大;表示温度数据中第/>个数据点与第/>个前数据点之间的第二异常程度的差异,反映温度数据中第/>个数据点与前数据点之间的相似关系,差异越大,数据点异常的可信程度越高,数据点的修正幅度的越大,即后续利用修正幅度对数据点修正后数据点的数值大小前后变化越大;数据点与前数据点之间的时间间隔值越小,前数据点与数据点在时间上越接近,数据点与前数据点的数值越有可能相近,同时,当数据点的修正幅度越大时,则数据点的修正幅度也会变大;修正幅度表示了供排水设备出现温度异常的可能性,数据点的修正幅度越大说明相邻的数据点所对应的异常程度就越高,那么对应数据点异常的可信程度就会越大,即供排水设备的温度数据中对应数据点出现温度异常的可能性越大,因此对该数据点的修正幅度越大。
最后,通过依次迭代获得温度数据中所有数据点的修正幅度。
步骤(2),利用修正幅度对温度数据中数据点的温度值进行调节,获得数据点的新温度值,具体计算方法为:
其中,表示温度数据中第/>个数据点的新温度值;/>表示温度数据中第/>个数据点的修正幅度;/>表示温度数据中第/>个数据点的温度值;/>表示线性归一化函数。
需要说明的是,本实施例通过利用每一个数据点的修正幅度对温度数据中数据点的温度值进行调节和归一化处理,在调节过程中,每一个数据点对应的修正幅度越大,说明该数据点的数值相对增大的幅度越大,该数据点为异常高温数据的可能性越大,即该数据点所对应时刻下的供排水设备越有可能存在温度异常情况。
至此,通过上述方法得到温度数据中数据点的新温度值。
步骤S004:根据新温度值的大小进行供排水设备异常数据检测。
具体的,将温度数据中新温度值大于阈值的数据点记为温度异常点,当供排水设备的温度数据中出现温度异常点时,通过供排水设备上安装的蜂鸣器进行报警,其中阈值/>为预设的超参数。
需要说明的是,根据经验预设阈值为0.8,可根据实际情况进行调整,本实施例不进行具体限定。
通过以上步骤,完成对供排水设备进行异常数据检测。
实施例2
基于与上述实施例1相同的构思,本实施例还提出了一种供排水设备异常数据检测系统,该系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述实施例1中的一种供排水设备异常数据检测方法的步骤。
本实施例通过结合供排水设备的温度数据、功率数据以及湿度数据中,不同时间点之间的变化差异以及数据之间的影响关系,对供排水设备的温度数据进行调节,获得反映温度异常概率的新温度值,避免了利用单一维度数据进行数据异常检测,提高了对供排水设备进行温度检测时检测结果的准确性和鲁棒性,进一步提高了供排水设备运行的稳定性和安全性。
以上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)
1.一种供排水设备异常数据检测方法,其特征在于,包括:
采集供排水设备的温度数据、湿度数据以及功率数据;
根据温度数据中数据点的温度值以及数据点的温度值之间的差异获得数据点的第一异常程度,所述第一异常程度用于描述供排水设备在任意时间点之前温度发生的变化对该时间点下的温度所产生的影响;利用湿度数据以及功率数据中数据点之间的差异对第一异常程度进行调节获得数据点的第二异常程度,第二异常程度用于描述在对应时间点下供排水设备的温度受到设备运行功率和设备工作环境湿度的影响程度;
根据数据点的第二异常程度以及不同数据点之间的时间点差异对预设的修正幅度进行迭代调节,获得温度数据中所有数据点的修正幅度,所述修正幅度用于描述供排水设备出现温度异常的可能性;利用修正幅度对温度数据中数据点的温度值进行调节,获得数据点的新温度值;
根据新温度值的大小进行供排水设备异常数据检测;
所述利用湿度数据以及功率数据中数据点之间的差异对第一异常程度进行调节获得数据点的第二异常程度,包括:
将湿度数据中第个数据点与第/>个数据点的湿度值的差值,记为第/>个数据点的湿度值变化量;将功率数据中第/>个数据点与第/>个数据点的功率值的差值,记为第/>个数据点的功率值变化量;
根据不同时间点下数据点的温度变化量和功率变化量之间的比值获得第一相关差异;根据不同时间点下数据点的温度变化量和湿度变化量之间的比值获得第二相关差异;
通过第一公式获取温度数据中第个数据点的第二异常程度;其中,第一公式为:
其中,表示温度数据中第/>个数据点的第二异常程度;/>表示温度数据中第/>个数据点的第一异常程度;/>表示温度数据中第/>个数据点的第一相关差异;/>表示温度数据中第/>个数据点的第二相关差异。
2.根据权利要求1所述一种供排水设备异常数据检测方法,其特征在于,所述根据温度数据中数据点的温度值以及数据点的温度值之间的差异获得数据点的第一异常程度,包括:
根据温度数据中第个与第/>个数据点的温度值之间的差异分别获得数据点的温度值变化量和温度特征;
将温度数据中第个数据点的温度值变化量与温度特征之间的比值记为第/>个数据点的第一比值/>,将/>记为第/>个数据点的程度因子,将温度数据中第/>个数据点的温度值与程度因子的乘积记为温度数据中第/>个数据点的第一异常程度。
3.根据权利要求2所述一种供排水设备异常数据检测方法,其特征在于,所述根据温度数据中第个与第/>个数据点的温度值之间的差异分别获得数据点的温度值变化量和温度特征,包括:
将温度数据中第个数据点与第/>个数据点的温度值的差值,记为第/>个数据点的温度值变化量,温度数据中任意一个数据点对应一个温度值变化量;将温度数据中时间点小于第/>个数据点的数据点,记为第/>个数据点的前数据点;将第/>个数据点的所有前数据点的温度值变化量的平均值,记为第/>个数据点的温度特征。
4.根据权利要求1所述一种供排水设备异常数据检测方法,其特征在于,所述根据不同时间点下数据点的温度变化量和功率变化量之间的比值获得第一相关差异,包括:
将温度数据中第个数据点的温度值变化量与功率数据中第/>个数据点的功率值变化量的比值,记为温度数据中第/>个数据点的第一功率参数;将温度数据中第/>个数据点的第/>个前数据点的温度值变化量,与功率数据中第/>个数据点的第/>个前数据点的功率值变化量之间的比值,记为温度数据中第/>个数据点的第/>个前数据点的功率因子,将温度数据中第/>个数据点的所有前数据点的功率因子平均值,记为温度数据中第/>个数据点的第二功率参数;所述第一功率参数用于描述第/>个时间点下供排水设备的温度受功率影响的程度,所述第二功率参数用于描述第/>个时间点之前供排水设备的温度受功率影响的程度;
将第一功率参数和第二功率参数的差值绝对值记为温度数据中第个数据点的第一相关差异,所述第一相关差异用于描述第/>个时间点下以及第/>个时间点之前,供排水设备的温度受功率影响的程度差异。
5.根据权利要求1所述一种供排水设备异常数据检测方法,其特征在于,所述根据不同时间点下数据点的温度变化量和湿度变化量之间的比值获得第二相关差异,包括:
将温度数据中第个数据点的温度值变化量与湿度数据中第/>个数据点的湿度值变化量的比值,记为温度数据中第/>个数据点的第一湿度参数;将温度数据中第/>个数据点的第个前数据点的温度值变化量,与湿度数据中第/>个数据点的第/>个前数据点的湿度值变化量之间的比值,记为温度数据中第/>个数据点的第/>个前数据点的湿度因子,将温度数据中第/>个数据点的所有前数据点的湿度因子平均值,记为温度数据中第/>个数据点的第二湿度参数;所述第一湿度参数用于描述第/>个时间点下供排水设备的温度受湿度影响的程度,所述第二湿度参数用于描述第/>个时间点之前供排水设备的温度受湿度影响的程度;
将第一湿度参数和第二湿度参数的差值绝对值记为温度数据中第个数据点的第二相关差异,所述第二相关差异用于描述第/>个时间点下以及第/>个时间点之前,供排水设备的温度受湿度影响的程度差异。
6.根据权利要求1所述一种供排水设备异常数据检测方法,其特征在于,所述根据数据点的第二异常程度以及不同数据点之间的时间点差异对预设的修正幅度进行迭代调节,获得温度数据中所有数据点的修正幅度,包括:
预设温度数据中第1个数据点的修正幅度;获取温度数据中数据点与对应前数据点中任意前数据点之间在时间点上的差值绝对值,记为数据点与前数据点之间的时间间隔;
依据温度数据中第1个数据点的修正幅度,通过第二公式获取温度数据中第个数据点的修正幅度;其中,第二公式为:
其中,/>表示对温度数据中第/>个数据点的修正幅度;/>表示温度数据中第/>个数据点的第二异常程度;/>表示温度数据中第/>个数据点的第/>个前数据点的第二异常程度;表示温度数据中第/>个数据点的前数据点的数量;/>表示温度数据中第/>个数据点与第个前数据点之间的时间间隔;/>表示温度数据中第/>个数据点的第/>个前数据点的修正幅度;/>表示绝对值符号;
通过依次迭代获得温度数据中所有数据点的修正幅度。
7.根据权利要求1所述一种供排水设备异常数据检测方法,其特征在于,通过第三公式计算数据点的新温度值;其中,所述第三公式为:
其中,表示温度数据中第/>个数据点的新温度值;/>表示温度数据中第/>个数据点的修正幅度;/>表示温度数据中第/>个数据点的温度值;/>表示线性归一化函数。
8.根据权利要求1所述一种供排水设备异常数据检测方法,其特征在于,所述根据新温度值的大小进行供排水设备异常数据检测,包括:
将温度数据中新温度值大于阈值的数据点记为温度异常点,当供排水设备的温度数据中出现温度异常点时,确定供排水设备出现异常数据,其中阈值/>为预设的超参数。
9.一种供排水设备异常数据检测系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-8中任意一项所述的一种供排水设备异常数据检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311765718.5A CN117435874B (zh) | 2023-12-21 | 2023-12-21 | 一种供排水设备异常数据检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311765718.5A CN117435874B (zh) | 2023-12-21 | 2023-12-21 | 一种供排水设备异常数据检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117435874A CN117435874A (zh) | 2024-01-23 |
CN117435874B true CN117435874B (zh) | 2024-03-12 |
Family
ID=89558689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311765718.5A Active CN117435874B (zh) | 2023-12-21 | 2023-12-21 | 一种供排水设备异常数据检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117435874B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568357A (zh) * | 2019-09-10 | 2019-12-13 | 国网黑龙江省电力有限公司电力科学研究院 | 一种核电机组电出力监测与诊断系统 |
CN115962551A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市森辉智能自控技术有限公司 | 用于楼宇自动控制的智能空调控制系统和方法 |
CN116304956A (zh) * | 2023-05-15 | 2023-06-23 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种芯片温度异常在线检测方法 |
CN116383676A (zh) * | 2023-06-05 | 2023-07-04 | 北京建筑材料检验研究院股份有限公司 | 基于数据处理的暖通设备智能检测方法 |
CN116429220A (zh) * | 2023-06-14 | 2023-07-14 | 济宁安泰矿山设备制造有限公司 | 一种水利工程异常检测方法 |
CN116610682A (zh) * | 2023-07-21 | 2023-08-18 | 山东盈动智能科技有限公司 | 基于数据存储的温度测试仪数据分类方法 |
CN116662767A (zh) * | 2023-08-01 | 2023-08-29 | 陕西中科绿能能源研究院有限公司 | 基于多传感器的蒸发冷却机组系统温度数据智能采集方法 |
CN116680524A (zh) * | 2023-08-01 | 2023-09-01 | 查维斯机械制造(北京)有限公司 | 一种用于灼烫式手持打码器的温度数据监测方法 |
CN116956200A (zh) * | 2023-09-19 | 2023-10-27 | 山东辉瑞管业有限公司 | 基于机器学习的灌溉管生产实时检测系统 |
CN116954342A (zh) * | 2023-09-18 | 2023-10-27 | 惠州市鑫晖源科技有限公司 | 基于物联网的全方位高效散热主机电源运行监测方法 |
CN116992322A (zh) * | 2023-09-25 | 2023-11-03 | 广东申创光电科技有限公司 | 一种智慧城市数据中心管理系统 |
CN117093879A (zh) * | 2023-10-19 | 2023-11-21 | 无锡尚航数据有限公司 | 一种数据中心智能化运营管理方法及系统 |
-
2023
- 2023-12-21 CN CN202311765718.5A patent/CN117435874B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568357A (zh) * | 2019-09-10 | 2019-12-13 | 国网黑龙江省电力有限公司电力科学研究院 | 一种核电机组电出力监测与诊断系统 |
CN115962551A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市森辉智能自控技术有限公司 | 用于楼宇自动控制的智能空调控制系统和方法 |
CN116304956A (zh) * | 2023-05-15 | 2023-06-23 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种芯片温度异常在线检测方法 |
CN116383676A (zh) * | 2023-06-05 | 2023-07-04 | 北京建筑材料检验研究院股份有限公司 | 基于数据处理的暖通设备智能检测方法 |
CN116429220A (zh) * | 2023-06-14 | 2023-07-14 | 济宁安泰矿山设备制造有限公司 | 一种水利工程异常检测方法 |
CN116610682A (zh) * | 2023-07-21 | 2023-08-18 | 山东盈动智能科技有限公司 | 基于数据存储的温度测试仪数据分类方法 |
CN116662767A (zh) * | 2023-08-01 | 2023-08-29 | 陕西中科绿能能源研究院有限公司 | 基于多传感器的蒸发冷却机组系统温度数据智能采集方法 |
CN116680524A (zh) * | 2023-08-01 | 2023-09-01 | 查维斯机械制造(北京)有限公司 | 一种用于灼烫式手持打码器的温度数据监测方法 |
CN116954342A (zh) * | 2023-09-18 | 2023-10-27 | 惠州市鑫晖源科技有限公司 | 基于物联网的全方位高效散热主机电源运行监测方法 |
CN116956200A (zh) * | 2023-09-19 | 2023-10-27 | 山东辉瑞管业有限公司 | 基于机器学习的灌溉管生产实时检测系统 |
CN116992322A (zh) * | 2023-09-25 | 2023-11-03 | 广东申创光电科技有限公司 | 一种智慧城市数据中心管理系统 |
CN117093879A (zh) * | 2023-10-19 | 2023-11-21 | 无锡尚航数据有限公司 | 一种数据中心智能化运营管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117435874A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105651325B (zh) | 在变送器中实现的劣化传感器检测 | |
US7953577B2 (en) | Method and apparatus for improved fault detection in power generation equipment | |
WO2018120633A1 (zh) | 传感器的检测方法和传感器的检测装置 | |
CN116861313B (zh) | 基于振动能量趋势的卡尔曼滤波工况识别方法、系统 | |
CN117708748B (zh) | 一种用于离心风机的运行监测系统及方法 | |
JP5939439B2 (ja) | 異常診断装置 | |
CN117435874B (zh) | 一种供排水设备异常数据检测方法及系统 | |
CN117805542B (zh) | 一种矿用隔爆本质安全型变频器运行监控系统 | |
CN117114213A (zh) | 一种村网共建便民网络服务方法及系统 | |
CN113071509B (zh) | 一种智能车车轮转角传感器故障检测方法 | |
CN117093857B (zh) | 一种智能戒指测试数据快速处理方法 | |
CN116991115B (zh) | 数控机床主轴状态监测方法、装置、设备及介质 | |
CN117092980B (zh) | 一种基于大数据的电气故障检测控制系统 | |
CN111060949A (zh) | 一种由海洋环境参数估计海水放射性核素检测数据本底的方法 | |
CN115186702A (zh) | 一种基于振动信号的离心泵空化状态识别方法 | |
CN115342848A (zh) | 一种关于传感器异常数据的检测方法及装置 | |
CN112415141B (zh) | 一种甲醛测量浓度显示值的补偿方法及补偿装置 | |
CN111581582B (zh) | 一种基于功率谱分析的中子探测信号数字处理方法 | |
CN117492373B (zh) | 基于手势识别控制的智能家居系统 | |
CN117874445B (zh) | 一种实时在线监测数据分析的酶制剂生产监测方法 | |
US20230288394A1 (en) | Crop condition monitoring system and crop condition monitoring method using the same | |
CN117826224B (zh) | 一种海水中放射性核素峰漂移的温度判定方法 | |
CN117148309B (zh) | 应用于社区网格巡查的毫米波雷达人体感知方法及系统 | |
CN117872296B (zh) | 基于水上无线信号检测处理器的雷达监测方法 | |
CN116297013B (zh) | 一种液压油粘度波动的监测方法及系统 |
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 |