CN117537879A - 基于智慧燃气的智能燃气表省电管理方法和物联网系统 - Google Patents

Abstract

本说明书实施例提供一种基于智慧燃气的智能燃气表省电管理方法和物联网系统。该方法包括：每间隔一个预设时间间隔，执行以下步骤：通过电量探测单元获取当前电量；从内置存储中获取预设时间段的燃气基础数据；将当前电量和燃气基础数据发送至智慧燃气设备管理平台，并从智慧燃气设备管理平台获取智能燃气表的推荐能耗区间和未来时间段的预期使用频率；根据推荐能耗区间和预期使用频率，确定未来时间段的数据采集特征和数据上传特征；其中，预设时间间隔基于当前电量确定。

Description

基于智慧燃气的智能燃气表省电管理方法和物联网系统

技术领域

本说明书涉及燃气表管理领域，特别涉及一种基于智慧燃气的智能燃气表省电管理方法和物联网系统。

背景技术

智能燃气表通常采用电池供电，当需要进行数据通讯时，启动物联网通讯模块与燃气公司的数据中心进行数据交互。然而，智能燃气表在电量不足的情况下，无法将数据传输给数据中心，导致无法统计此智能燃气表的数据，给燃气表的使用带来不便；同时，智能燃气表在电量不足的情况下，还存在不能有效关闭阀门，从而不能保证计量准确和用气安全的问题。

针对如何实现燃气表的省电管理，CN106871983B公开了一种低功耗智能燃气表的显示方法，该现有技术采用多个计量单元来收集数据，对符合显示条件的数据进行显示处理。然而，该现有技术仅考虑了通过降低燃气表液晶屏显示数据时消耗的电池电量来实现低功耗，并未从数据处理角度对燃气表进行省电管理。

因此，希望提出一种基于智慧燃气的智能燃气表省电管理方法和物联网系统，能够及时和有效地制定省电策略，实现对智能燃气表的省电管理。

发明内容

本说明书一个或多个实施例提供一种基于智慧燃气的智能燃气表省电管理方法，所述方法由处理器执行，所述处理器部署于所述智能燃气表的内部，包括：每间隔一个预设时间间隔，执行以下步骤：通过电量探测单元获取当前电量；从内置存储中获取预设时间段的燃气基础数据；将所述当前电量和所述燃气基础数据发送至管理平台，并从所述智慧燃气设备管理平台获取所述智能燃气表的推荐能耗区间和未来时间段的预期使用频率；根据所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据采集特征和数据上传特征；其中，所述预设时间间隔基于所述当前电量确定。

本说明书实施例之一提供一种基于智慧燃气的智能燃气表省电管理物联网系统，所述物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台、智慧燃气对象平台；处理器部署于所述智能燃气表的内部，所述智能燃气表被配置在所述智慧燃气对象平台中，所述处理器被配置为：每间隔一个预设时间间隔，执行以下步骤：通过电量探测单元获取当前电量；从内置存储中获取预设时间段的燃气基础数据；将所述当前电量和所述燃气基础数据发送至智慧燃气设备管理平台，并从所述智慧燃气设备管理平台获取所述智能燃气表的推荐能耗区间和未来时间段的预期使用频率；根据所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据采集特征和数据上传特征；其中，所述预设时间间隔基于所述当前电量确定。

本说明实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如上实施例所述的基于智慧燃气的智能燃气表省电管理方法。

本说明书一些实施例至少包括以下有益效果：基于燃气基础数据及当前电量确定推荐能耗区间和未来时间段内的预期使用频率，进而确定未来时间段的数据采集特征、数据上传特征和数据分析特征，可以据此进行省电管理，更精准地控制智能燃气表的能耗，从而延长智能燃气表的使用时间。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的基于智慧燃气的智能燃气表省电管理物联网系统的平台结构图；

图2是根据本说明书一些实施例所示的基于智慧燃气的智能燃气表省电管理方法的示例性流程图；

图3是根据本说明书一些实施例所示的确定数据分析特征的示例性示意图；

图4是根据本说明书一些实施例所示的确定目标风险分析结果的示例性示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例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说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的一种基于智慧燃气的智能燃气表省电管理物联网系统100的平台结构图。以下将对本说明书实施例所涉及的基于智慧燃气的智能燃气表省电物联网系统进行详细说明。需要注意的是，以下实施例仅用于解释本说明书，并不构成对本说明书的限定。

在一些实施例中，基于智慧燃气的智能燃气表省电管理物联网100(下称物联网系统100)可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气设备管理平台130、智慧燃气传感网络平台140、智慧燃气对象平台150。

智慧燃气用户平台110是与用户进行交互的平台。在一些实施例中，智慧燃气用户平台110可以被配置为终端设备。

在一些实施例中，智慧燃气用户平台110可以包括燃气用户分平台、政府用户分平台和监管用户分平台。

燃气用户分平台是为燃气用户提供燃气使用相关数据以及燃气问题解决方案的平台。燃气用户包括工业燃气用户、商业燃气用户、普通燃气用户等。

政府用户分平台是为政府用户提供燃气运营相关数据的平台。政府用户包括燃气运营主体的管理人员(如行政部管理人员)等。

监管用户分平台是监管用户对整个物联网系统100的运行进行监管的平台。监管用户包括安全管理部门的人员等。

在一些实施例中，智慧燃气用户平台110可以将燃气设备参数管理信息的查询指令经由智慧燃气服务平台120下发至智慧燃气设备管理平台130，以及接收智慧燃气服务平台120上传的燃气设备管理方案。

智慧燃气服务平台120是用于将用户的需求与控制信息传达出去的平台。智慧燃气服务平台120可以从智慧燃气设备管理平台130获取燃气设备管理信息，并上传至智慧燃气用户平台110。

在一些实施例中，智慧燃气服务平台120可以包括智慧用气服务分平台、智慧运营服务分平台和智慧监管服务分平台。

智慧用气服务分平台是为燃气用户提供用气服务的平台。

智慧运营服务分平台是为政府用户提供燃气运营相关信息的平台。

智慧监管服务分平台是为监管用户提供监管需求的平台。

在一些实施例中，智慧燃气服务平台120可以基于智慧监管服务分平台将燃气设备管理方案发送至监管用户分平台。

智慧燃气设备管理平台130是统筹、协调各功能平台之间的联系和协作，并汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。

在一些实施例中，智慧燃气设备管理平台130可以包括智慧燃气户内设备管理分平台、智慧燃气管网设备管理分平台和智慧燃气数据中心。

智慧燃气户内设备管理分平台是用于处理与户内设备相关信息的平台。在一些实施例中，智慧燃气户内设备管理分平台包括设备运行参数监测预警模块和设备参数远程管理模块。智慧燃气户内设备管理分平台可以通过前述各模块对户内设备相关信息进行分析处理。

智慧燃气管网设备管理分平台是用于对管网设备进行监控与管理的平台。在一些实施例中，智慧燃气管网设备管理分平台包括设备运行参数监测预警模块和设备参数远程管理模块。智慧燃气管网设备管理分平台可以通过前述各模块对管网设备相关信息进行分析处理。

智慧燃气数据中心可以用于存储和管理物联网系统100的所有运行信息。在一些实施例中，智慧燃气数据中心可以被配置为存储设备，用于存储燃气设备相关数据等。

在一些实施例中，智慧燃气设备管理平台130可以通过智慧燃气数据中心分别与智慧燃气服务平台120、智慧燃气传感网络平台140进行信息交互。例如，智慧燃气数据中心可以将燃气设备管理信息发送至智慧燃气服务平台120。又例如，智慧燃气数据中心可以将燃气设备参数管理信息的查询指令发送至智慧燃气传感网络平台140，以获取燃气设备相关数据。

智慧燃气传感网络平台140可以是对传感通信进行管理的功能平台。在一些实施例中，智慧燃气传感网络平台140可以实现感知信息传感通信和控制信息传感通信的功能。

在一些实施例中，智慧燃气传感网络平台140可以包括智燃气户内设备传感网络分平台、智慧燃气管网设备传感网络分平台，可以分别用于获取户内设备和管网设备的运行信息。

智慧燃气对象平台150可以是感知信息生成和控制信息执行的功能平台。

在一些实施例中，智慧燃气对象平台150可以包括智慧燃气户内设备对象分平台和智慧燃气管网设备对象分平台。

在一些实施例中，智慧燃气户内设备对象分平台可以被配置为燃气用户的各类户内设备。其中，户内设备可以包括燃气表、户内燃气管道等。

在一些实施例中，智慧燃气管网设备对象分平台可以被配置为各类管网设备和监测设备。其中，管网设备可以包括户外燃气管道、阀控设备、储气罐、调压设备等；监测设备可以包括燃气流量计、压力传感器、温度传感器。

本说明书一些实施例，基于物联网系统100，可以在智慧燃气对象平台与智慧燃气用户平台之间形成信息运行闭环，并在智慧燃气管理平台的统一管理下协调、规律运行，实现智能燃气表省电管理信息化、智慧化。

图2是根据本说明书一些实施例所示的基于智慧燃气的智能燃气表省电管理方法的示例性流程图。在一些实施例中，流程200可以由处理器执行。其中，处理器部署于智能燃气表的内部，智能燃气表部署于智慧燃气对象平台。如图2所示，流程200包括下述步骤。

在一些实施例中，处理器可以每间隔一个预设时间间隔，执行以下步骤210至步骤240。

在一些实施例中，预设时间间隔可以基于当前电量确定。在一些实施例中，可以基于先验知识或历史数据预设不同电流与不同时间间隔的对应关系，基于该对应关系和当前电量，即可确定预设时间间隔。在一些实施例中，预设时间间隔负相关于当前电量。当前电量越少时，预设时间间隔越长。

通过设置预设时间间隔负相关于当前电量，可以减少智能燃气表执行步骤210-步骤240时的能耗，实现省电的目的。

步骤210，通过电量探测单元获取当前电量。

电量探测单元是指用于监测智能燃气表的电量的单元。电量探测单元部署在智能燃气表的内部。例如，电量探测单元可以是直流电量传感器等。

当前电量是指智能燃气表的剩余电量。

在一些实施例中，处理器可以每间隔一个预设时间间隔，通过电量探测单元获取智能燃气表的当前电量。

步骤220，从内置存储中获取预设时间段的燃气基础数据。

内置存储是指配置在智慧燃气对象平台的存储设备。

预设时间段是指预设的历史时间段。在一些实施例中，预设时间段可以是获取当前电量之前的一段时间。在一些实施例中，预设时间段可以人工设置确定。

在一些实施例中，燃气基础数据可以包括燃气使用数据、燃气用量数据、声音数据、燃气浓度数据、燃气温度数据等。在一些实施例中，处理器可以通过智慧燃气对象平台获取燃气基础数据。

燃气使用数据是指与燃气使用相关的数据，例如，包括燃气使用频率、燃气使用时长等。燃气使用数据由智慧燃气设备管理平台与用户终端进行交互后得到，并发送至智慧燃气对象平台。

燃气用量数据是指燃气使用量。燃气用来数据由智能燃气表记录并上传至智慧燃气对象平台。

声音数据是指燃气使用现场的声音数据。

步骤230，将当前电量和燃气基础数据发送至智慧燃气设备管理平台，并从智慧燃气设备管理平台获取智能燃气表的推荐能耗区间和未来时间段的预期使用频率。

在一些实施例中，处理器可以经由智慧燃气传感网络平台，将当前电量和燃气基础数据发送至智慧燃气设备管理平台。在一些实施例中，处理器可以经由智慧燃气户内设备传感网络分平台，将当前电量和燃气基础数据发送至智慧燃气数据中心。

推荐能耗区间是指用于限制智能燃气表能耗的区间。

推荐能耗区间可以由智慧燃气设备管理平台获取，并发送给处理器。在一些实施例中，智慧燃气设备管理平台可以基于当前电量，通过能耗区间查询表确定推荐能耗区间。其中，能耗区间查询表包括不同参考电量对应的不同参考能耗区间，能耗区间查询表可以基于历史数据中智能燃气表的能耗情况以及电量使用情况构建。

预期使用频率是指预估的用户在未来时间段使用燃气的频率。其中，未来时间段可以由系统或人为预设。

预期使用频率可以由智慧燃气设备管理平台获取，并发送给处理器。在一些实施例中，智慧燃气设备管理平台可以基于燃气基础数据，确定未来时间段的预期使用频率。

在一些实施例中，智慧燃气设备管理平台可以基于燃气基础数据中的燃气使用数据，确定未来时间段的预期使用频率。

在一些实施例中，智慧燃气设备管理平台可以通过使用频率预测模型确定未来时间段的预期使用频率。使用频率预测模型为机器学习模型，例如，深度神经网络模型。

在一些实施例中，使用频率预测模型的输入包括预设时间段的燃气使用数据以及未来时间段的时间特征，输出为未来时间段的预期使用频率。

时间特征是指与时间段相关的特征，例如，时间特征可以包括未来时间段的时间长度、未来时间段的起始时间等。

使用频率预测模型可以由智慧燃气设备管理平台训练得到。在一些实施例中，智慧燃气设备管理平台可以通过带有第一标签的第一训练样本训练得到使用频率预测模型。例如，可以将多个带有第一标签的第一训练样本输入初始使用频率预测模型，通过第一标签和初始使用频率预测模型的输出结果构建损失函数，基于损失函数迭代更新初始使用频率预测模型的参数。当初始使用频率预测模型的损失函数满足预设条件时模型训练完成，得到训练好的使用频率预测模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，第一训练样本可以包括第一样本时间段的样本燃气使用数据和第二样本时间段的样本时间特征，第一标签可以为第二样本时间段的样本预期使用频率。第一训练样本和第一标签可以基于历史数据确定。其中，第一样本时间段、第二样本时间段为历史时间段，第二样本时间段位于第一样本时间段之后。

本说明书一些实施例中，通过确定未来时间段的预期使用频率和推荐能耗区间，便于后续能够实现对数据采集特征和数据上传特征的精准分析，促使智能燃气表的运行更加高效，降低能源消耗。

步骤240，根据推荐能耗区间和预期使用频率，确定未来时间段的数据采集特征和数据上传特征。

数据采集特征是指与燃气基础数据的采集情况相关的特征。例如，数据采集特征包括采集量、采集频率等。

在一些实施例中，数据采集特征可以包括不同维度的燃气基础数据的采集特征。例如，数据采集特征可以包括燃气用量数据的采集量、燃气用量数据的采集频率、燃气温度数据的采集量、燃气温度数据的采集频率等。

数据上传特征是指与燃气基础数据的上传情况相关的特征。例如，数据上传特征包括上传量、上传频率等。其中，上传是指将燃气基础数据从智慧燃气对象平台上传至智慧燃气设备管理平台。

在一些实施例中，数据上传特征可以包括不同维度的燃气基础数据的上传特征。例如，数据上传特征可以包括燃气用量数据的上传量、燃气用量数据的上传频率、燃气温度数据的上传量、燃气温度数据的上传频率等。

处理器可以通过多种方式确定未来时间段的数据采集特征和数据上传特征。在一些实施例中，处理器可以先根据推荐能耗区间，确定多个可选的第一组合，每个可选的第一组合由一组特定的数据采集特征以及数据上传特征组成；根据预期使用频率，从多个可选第一组合中选择目标第一组合，得到未来时间段的数据采集特征和数据上传特征。其中，智能燃气表按照第一组合运行时，其能耗处于推荐能耗区间内。

在一些实施例中，处理器可以基于历史数据预先记录并保存不同数据采集特征和不同数据上传特征分别对应的能耗，得到查询表。在一些实施例中，处理器可以基于推荐能耗区间，通过查表等方式，确定数据采集特征以及数据上传特征的多个可选的第一组合。

在一些实施例中，处理器可以根据预期使用频率的大小，从多个可选的第一组合中选择目标第一组合。例如，预期使用频率越大，可以从多个可选第一组合中选择能耗越高的目标第一组合。需要说明的是，智能燃气表的能耗越高，此时的数据采集特征中的数据采集量较大、采集频率较高，且数据上传特征中的数据上传量较大、上传频率较高。

在一些实施例中，处理器可以从智慧燃气设备管理平台获取未来时间段的误判率；基于推荐能耗区间、预期使用频率和误判率，确定数据采集特征和数据上传特征。

误判率是指燃气使用中是否存在风险的判断结果的出错概率。

例如，若燃气管道未出现泄漏，但智能燃气表判断出的风险分析结果为80％(表示燃气使用中存在风险的概率为80％)，则误判率为80％。又例如，若燃气管道出现泄漏，但智能燃气表判断出的风险分析结果为20％(表示燃气使用中存在风险的概率为20％)，则误判率为80％。关于风险分析结果的更多说明参见下文。

误判率可以由智慧燃气设备管理平台确定，并发送给处理器。在一些实施例中，智慧燃气设备管理平台可以根据推荐能耗区间，确定多个可选的第一组合；对于每个可选的第一组合，基于该第一组合对应的数据采集特征、数据上传特征以及预设时间段内的燃气基础数据、预期使用频率，预测未来时间段内的误判率。

在一些实施例中，智慧燃气设备管理平台可以通过误判率预测模型预测未来时间段内的误判率。误判率预测模型为机器学习模型，例如，深度神经网络模型等。

在一些实施例中，误判率预测模型的输入包括基于预设时间段的数据采集特征、数据上传特征和燃气基础数据，以及未来时间段的预期使用频率，输出为未来时间段的误判率。关于燃气基础数据的更多说明参见步骤220及其相关描述。

误判率预测模型可以由智慧燃气设备管理平台训练得到。在一些实施例中，智慧燃气设备管理平台可以通过带有第二标签的第二训练样本训练得到。误判率预测模型的训练过程与使用频率预测模型的训练过程类似，更多说明参见步骤230及其相关描述。

在一些实施例中，第二训练样本可以包括第一样本时间段的样本数据采集特征、样本数据上传特征和燃气基础数据，以及第二样本时间段的样本预期使用频率，第二标签可以为第二样本时间段的误判率。第二训练样本可以基于历史数据确定，第二标签可以根据实际的误判比例进行标注(是否误判可以根据对数据溯源、实地调查等方式来确认)。关于第一样本时间段、第二样本时间段的更多说明参见步骤230及其相关描述。

在一些实施例中，处理器可以基于推荐能耗区间确定多个可选的第一组合；基于第一组合对应的数据采集特征和数据上传特征、预期使用频率、燃气基础数据，确定各个第一组合的误判率；根据误判率与误判阈值，从多个第一组合中选择目标第一组合。在一些实施例中，处理器可以选择误判率小于误判阈值的数据采集特征以及数据上传特征的第一组合为目标第一组合，得到未来时间段内的数据采集特征以及数据上传特征。

本说明书一些实施例，基于推荐能耗区间、预期使用频率和误判率，确定数据采集特征和数据上传特征，能够选择误判率低的数据采集特征和数据上传特征的组合，从而更好地满足省电管理和降低能耗的需求。

在一些实施例中，处理器可以确定智能燃气表的目标风险分析结果及其置信度；响应于目标风险分析结果的置信度低于第一预设阈值，基于推荐能耗区间、预期使用频率和风险分析结果的置信度，确定数据采集特征和数据上传特征。

风险分析结果是指燃气使用中存在风险的概率。其中，燃气使用存在风险的情况包括存在燃气偷盗行为、存在燃气泄漏等。风险分析结果由智能燃气表确定。

风险分析结果的置信度是指风险分析结果的可靠程度。

目标风险分析结果是指最终确定的风险分析结果。在一些实施例中，目标风险分析结果是指置信度满足特定条件的风险分析结果。例如，目标风险分析结果可以是置信度不低于第三预设阈值的风险分析结果。关于第三预设阈值的更多说明参见图4及其相关描述。

处理器可以通过多种方式确定目标风险分析结果。在一些实施例中，处理器可以基于预设时间段内的燃气基础数据，通过数据分析算法，确定目标风险分析结果及其置信度。例如，数据分析算法可以包括各类因素评分法、定量评估法等。关于如何确定目标风险分析结果的更多说明，参见图4及其对应内容。

第一预设阈值是指用于判定是否调整数据采集特征和数据上传特征的置信度阈值。在一些实施例中，第一预设阈值可以人工设置确定。

在一些实施例中，处理器可以基于根据推荐能耗区间和预期使用频率，确定初始的数据采集特征和初始的数据上传特征。关于该实施例的更多说明参见上文。

在一些实施例中，响应于目标风险分析结果的置信度低于第一预设阈值，处理器可以基于目标风险分析结果的置信度对初始的数据采集特征和初始的数据上传特征进行调整。

在一些实施例中，响应于目标风险分析结果的置信度低于第一预设阈值，处理器可以提高初始的数据采集特征中的采集量、采集频率和/或初始的数据上传特征中的上传量、上传频率等。在一些实施例中，提高幅度可以负相关于置信度。

本说明书一些实施例，基于目标风险分析结果的置信度调整数据采集特征和数据上传特征，可以避免因为采集频率和上传频率低导致的没有充分发现使用过程中出现的各类风险。如果风险分析结果的置信度较低，则不能光考虑省电，短期内仍然需要以较大的采集量、较高的采集频率采集数据，从而让智能燃气表再次进行数据分析，得到置信度较高的分析结果。

在一些实施例中，处理器还可以基于推荐能耗区间和未来时间段的预期使用频率，确定未来时间段的数据分析特征。

数据分析特征是指对燃气基础数据进行分析的相关特征。

在一些实施例中，数据分析特征至少包括至少一个实选分析维度、至少一个实选分析维度的分析数据量。在一些实施例中，数据分析特征还包括数据分析算法的算法类型。关于数据分析算法的更多说明参见图4及其相关描述。

实选分析维度是指实际风险分析涉及到的维度。

在一些实施例中，实选分析维度至少包括燃气用量、燃气温度、燃气浓度、智能燃气表的现场位置图像和声音数据。智能燃气表的现场位置图像是指智能燃气表安装位置的图像。关于声音数据的更多说明，参见步骤220及其相关描述。

分析数据量是指按照实选分析维度进行实际分析时对应的数据量。例如，实选分析维度为智能燃气表的现场位置图像和燃气用量数据，对应的分析数据量可以为图像的帧数，燃气用量数据的时间点数量。

处理器可以通过多种方式确定未来时间段的数据分析特征。在一些实施例中，处理器可以先根据推荐能耗区间，确定多个可选的第二组合，每个可选的第二组合由一组特定的数据采集特征、数据上传特征和数据分析特征组成；根据预期使用频率，从多个可选的第二组合中选择目标第二组合，得到未来时间段的数据采集特征、数据上传特征和数据分析特征。其中，智能燃气表按照第二组合运行时，其能耗处于推荐能耗区间内。确定第二组合和目标第二组合的方式与确定第一组合和目标第一组合的方式类似，更多说明参见步骤240及其相关描述。

在一些实施例中，处理器可以基于推荐能耗区间、预期使用频率和误判率确定数据分析特征。关于该实施例的更多说明，参见图3及其相关描述。

本说明书一些实施例中，基于燃气基础数据及当前电量确定推荐能耗区间和未来时间段内的预期使用频率，进而确定未来时间段的数据采集特征、数据上传特征和数据分析特征，可以据此进行省电管理，更精准地控制智能燃气表的能耗，从而延长智能燃气表的使用时间。

图3是本说明书一些实施例所示的确定数据分析特征的示例性示意图。

在一些实施例中，处理器可以从智慧燃气设备管理平台获取未来时间段的误判率330；基于推荐能耗区间310、预期使用频率320和误判率330，确定数据分析特征350。

关于误判率330的更多说明，参见图2及其相关描述。需要说明的是，在基于误判率预测模型确定误判率时，输入还可以包括数据分析特征。相应的，第二训练样本还包括样本数据分析特征。

在一些实施例中，处理器可以基于推荐能耗区间310确定多个可选的第二组合；基于第二组合对应的数据采集特征、数据上传特征和数据分析特征350、预期使用频率320、燃气基础数据，确定各个第二组合的误判率330；根据误判率330与误判阈值，从多个第二组合中选择目标第二组合。在一些实施例中，处理器可以选择误判率小于误判阈值的数据采集特征、数据上传特征和数据分析特征的第二组合为目标第二组合，得到未来时间段内的数据采集特征、数据上传特征和数据分析特征350。需要说明的是，用于确定目标第一组合的误判阈值和用于确定目标第二组合的误判阈值，可以相同或不同。

本说明书一些实施例中，基于推荐能耗区间、预期使用频率和误判率，确定数据分析特征，能够选择误判率低的数据采集特征、数据上传特征和数据分析特征的组合，从而更好地满足省电管理和降低能耗的需求。

在一些实施例中，处理器可以确定智能燃气表的目标风险分析结果及其置信度；响应于目标风险分析结果的置信度340低于第二预设阈值，基于推荐能耗区间310、预期使用频率320、误判率330和风险分析结果的置信度340，确定数据分析特征350。关于目标风险分析结果的更多说明，参见图2、图4及其相关内容。

第二预设阈值是指用于判定是否调整数据分析特征的置信度阈值。在一些实施例中，第二预设阈值可以人工设置确定。

在一些实施例中，处理器可以基于推荐能耗区间310、预期使用频率320和误判率330确定初始的数据分析特征。

在一些实施例中，响应于目标风险分析结果的置信度340低于第二预设阈值，处理器可以对初始的数据分析特征进行调整。例如，处理器可以增加初始数据分析特征中的实选分析维度和对应的分析数据量作为最终的数据分析特征350。

本说明书一些实施例，基于目标风险分析结果的置信度调整数据分析特征，可以避免实选分析维度过少和/或分析数据量过低导致没有充分发现使用过程中出现的各类风险。

在一些实施例中，处理器可以通过当前设定的数据分析算法对预设时间段的燃气基础数据进行风险分析，确定智能燃气表的初始风险分析结果360；基于初始风险分析结果360、推荐能耗区间310和预期使用频率320，确定数据分析特征350。

关于数据分析算法和初始风险分析结果的更多说明，参见图4及其相关内容。

在一些实施例中，处理器可以基于初始风险分析结果360、推荐能耗区间310和预期使用频率320，确定数据分析特征350。

在一些实施例中，处理器可以基于推荐能耗区间310、预期使用频率320确定初始的数据分析特征。关于基于推荐能耗区间、预期使用频率确定数据分析特征的更多说明参见图2及其相关描述。

在一些实施例中，响应于初始风险分析结果360的置信度不低于第三预设阈值且初始风险分析结果360的概率在第一概率阈值与第二概率阈值之间时，处理器可以对初始的数据分析特征进行调整。例如，处理器可以增加初始的数据分析特征中的实选分析维度和对应的分析数据量，将能耗更高、预测精度更高的算法确定为最终的数据分析特征。

在一些实施例中，响应于初始风险分析结果360的置信度低于第三预设阈值，处理器可以确定目标风险分析结果，并根据目标风险分析结果对初始的数据分析特征进行调整。在一些实施例中，目标风险分析结果的概率在第一概率阈值与第二概率阈值之间时，处理器可以对初始的数据分析特征进行调整。调整方式同上述实施例。关于目标风险分析结果的更多说明参见图4及其相关描述。

本说明书一些实施例，基于初始风险分析结果、推荐能耗区间和预期使用频率，确定数据分析特征，可以在保证数据分析置信度满足使用要求的同时，减少电量消耗。

图4是本说明书一些实施例所示的确定目标风险分析结果的示例性示意图。

在一些实施例中，处理器可以通过当前设定的数据分析算法420对预设时间段的燃气基础数据410进行风险分析，确定智能燃气表的初始风险分析结果430。

数据分析算法是指用于进行风险分析的相关算法。例如，数据分析算法可以包括拟合分析算法、基于模型的分析算法等。在一些实施例中，智能燃气表中可以预先存储多种数据分析算法。

初始风险分析结果430是指初步确定的风险分析结果。关于风险分析结果的更多说明参见图2及其相关描述。

在一些实施例中，处理器可以通过多种方式确定初始风险分析结果430。例如，当前设定的数据分析算法为拟合分析算法，则处理器可以对燃气基础数据进行拟合，将拟合结果与标准数据库中的数据进行比对，将与拟合结果相近的参考燃气基础数据对应的参考风险分析结果确定为初始风险分析结果430。标准数据库中记录并保存了不同参考燃气基础数据对应的不同参考风险分析结果，标准数据库可以基于历史数据构建。又例如，当前设定的数据分析算法为基于模型的分析算法，则处理器可以将燃气基础数据输入分析模型，由分析模型输出初始风险分析结果430。其中，分析模型为机器学习模型，例如，深度神经网络模型。

分析模型可以通过带有第三标签的第三训练样本训练得到。分析模型的训练过程与使用频率预测模型的训练过程类似，更多说明参见图2及其相关描述。

在一些实施例中，第三训练样本可以包括样本燃气基础数据，第三标签可以为样本风险分析结果。第三训练样本可以基于历史数据确定，第三标签可以人工标注获得。

在一些实施例中，处理器可以从智慧燃气设备管理平台获取燃气基础数据410的至少一个历史研判结果440，燃气基础数据由智能燃气表上传至智慧燃气设备管理平台；基于至少一个历史研判结果440以及智能燃气表的初始风险分析结果430，确定初始风险分析结果的置信度450。

历史研判结果440是指历史确定的风险分析结果。在一些实施例中，历史研判结果440可以由智慧燃气设备管理平台确定。在一些实施例中，历史研判结果440可以由智能燃气表确定。

在一些实施例中，处理器可以将至少一个历史研判结果的概率与当前智能燃气表的初始风险分析结果的概率进行加权求和，将加权求和结果确定为初始风险分析结果的置信度450。其中，权重可以预先设置。例如，智慧燃气设备管理平台确定的历史研判结果的具有更高的权重，智能燃气表的历史研判结果以及智能燃气表的初始风险分析结果具有较低的权重。

在一些实施例中，处理器可以基于初始风险分析结果的置信度与第三预设阈值，确定是否调整为更复杂、计算量更高、精度也越高的数据分析算法。

在一些实施例中，响应于初始风险分析结果的置信度不低于第三预设阈值，处理器可以将初始风险分析结果确定为目标风险分析结果。

在一些实施例中，响应于初始风险分析结果的置信度低于第三预设阈值，处理器可以通过至少一个预设数据分析算法460分别对燃气基础数据410进行风险分析，确定至少一个候选风险分析结果470；基于至少一个候选风险分析结果470，对初始风险分析结果430进行更新，确定目标风险分析结果480。

第三预设阈值是指用于判断是否更新风险分析结果的置信度阈值。在一些实施例中，第三预设阈值可以人工设置获得。

预设数据分析算法460是指预先存在智能燃气表中的数据分析算法。

候选风险分析结果470是指根据不同于当前数据分析算法的其他数据分析算法，确定的风险分析结果。

在一些实施例中，处理器可以使用至少一个不同的预设数据分析算法分别对燃气基础数据进行风险分析，确定至少一个候选风险分析结果470。关于数据分析算法如何进行风险分析的相关内容，参见上文。

目标风险分析结果480是指最终确定的风险分析结果。在一些实施例中，处理器可以将至少一个候选风险分析结果470的平均值，确定为目标风险分析结果480。

在一些实施例中，处理器可以根据预设概率阈值，确定至少一个候选风险分析结果470中的非离群分析结果；对非离群分析结果进行加权处理，确定目标风险分析结果480。

预设概率阈值是指用于判断非离群分析结果的概率阈值。在一些实施例中，预设概率阈值可以基于当前时刻采用的数据采集特征以及数据上传特征对应的误判率确定。例如，预设概率阈值负相关于误判率。关于误判率的更多说明，参见图2及其相关内容。

在一些实施例中，处理器可以将至少一个候选风险分析结果470中，与其他风险分析结果的概率的差异的平均值不大于预设概率阈值的候选风险分析结果470，确定为非离群分析结果。

关于数据采集特征、数据上传特征和误判率的更多说明，参见图2及其相关内容。

在一些实施例中，处理器可以对非离群分析结果进行加权处理，确定目标风险分析结果。加权的权重正相关于至少一个候选风险分析结果470对应的数据分析算法的能耗。其中，数据分析算法的能耗是指处理器运行某个数据分析算法时的耗电速率或者耗电增量。

本说明书一些实施例，通过对非离群分析结果进行加权处理，确定目标风险分析结果，预设数据分析算法的能耗越高，则该算法确定的风险分析结果的可信度越高，可以准确地确定目标风险分析结果。

在一些实施例中，在确定目标风险分析结果后，处理器可以基于目标风险分析结果、推荐能耗区间和预期使用频率，确定数据分析特征。“基于目标风险分析结果、推荐能耗区间和预期使用频率确定数据分析特征”的过程类似“基于推荐能耗区间、预期使用频率和风险分析结果的置信度，确定数据采集特征和数据上传特征”的过程，具体参见图2及其相关内容。

本说明书一些实施例，通过至少一个预设数据分析算法对燃气基础数据进行风险分析，并基于至少一个候选风险分析结果确定目标风险分析结果，能够综合多种算法的优点，提高风险分析的准确性和可靠性，为智能燃气表的能耗减少和安全管理提供更好的支持。

本说明书实施例还提供一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行上述实施例中任一项所述的智能燃气表省电管理方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种基于智慧燃气的智能燃气表省电管理方法，其特征在于，所述方法由处理器执行，所述处理器部署于所述智能燃气表的内部，包括：

每间隔一个预设时间间隔，执行以下步骤：

通过电量探测单元获取当前电量；

从内置存储中获取预设时间段的燃气基础数据；

将所述当前电量和所述燃气基础数据发送至智慧燃气设备管理平台，并从所述智慧燃气设备管理平台获取所述智能燃气表的推荐能耗区间和未来时间段的预期使用频率；

根据所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据采集特征和数据上传特征；其中，所述预设时间间隔基于所述当前电量确定。

2.根据权利要求1所述的方法，其特征在于，所述根据所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据采集特征和数据上传特征，包括：

从所述智慧燃气设备管理平台获取所述未来时间段的误判率；

基于所述推荐能耗区间、所述预期使用频率和所述误判率，确定所述数据采集特征和所述数据上传特征。

3.根据权利要求1所述的方法，其特征在于，所述根据所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据采集特征和数据上传特征，包括：

确定所述智能燃气表的目标风险分析结果及其置信度；

响应于所述目标风险分析结果的所述置信度低于第一预设阈值，基于所述推荐能耗区间、所述预期使用频率和所述风险分析结果的所述置信度，确定所述数据采集特征和所述数据上传特征。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据分析特征；所述数据分析特征至少包括至少一个实选分析维度、所述至少一个实选分析维度的分析数据量；所述实选分析维度至少包括燃气用量、燃气温度、燃气浓度、所述智能燃气表的现场位置图像和声音数据。

5.根据权利要求4所述的方法，其特征在于，所述基于所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据分析特征，包括：

从所述智慧燃气设备管理平台获取所述未来时间段的误判率；

基于所述推荐能耗区间、所述预期使用频率和所述误判率，确定所述数据分析特征。

6.根据权利要求5所述的方法，其特征在于，所述基于所述推荐能耗区间、所述预期使用频率和所述误判率，确定所述数据分析特征，包括：

确定所述智能燃气表的目标风险分析结果及其置信度；

响应于所述目标风险分析结果的所述置信度低于第二预设阈值，基于所述推荐能耗区间、所述预期使用频率、所述误判率和所述风险分析结果的所述置信度，确定所述数据分析特征。

7.根据权利要求4所述的方法，其特征在于，所述基于所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据分析特征，包括：

通过当前设定的数据分析算法对所述预设时间段的燃气基础数据进行风险分析，确定所述智能燃气表的初始风险分析结果；

基于所述初始风险分析结果、所述推荐能耗区间和所述预期使用频率，确定所述数据分析特征。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

从智慧燃气设备管理平台获取所述燃气基础数据的至少一个历史研判结果，所述燃气数据由所述智能燃气表上传至所述智慧燃气设备管理平台；

基于所述至少一个历史研判结果以及所述智能燃气表的所述初始风险分析结果，确定所述初始风险分析结果的置信度。

9.根据权利要求7所述的方法，其特征在于，所述方法还包括：

响应于所述初始风险分析结果的所述置信度低于第三预设阈值，通过至少一个预设数据分析算法分别对所述燃气基础数据进行风险分析，确定至少一个候选风险分析结果；

基于所述至少一个候选风险分析结果，对所述初始风险分析结果进行更新，确定目标风险分析结果。

10.一种基于智慧燃气的智能燃气表省电管理物联网系统，其特征在于，所述物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台、智慧燃气对象平台；处理器部署于所述智能燃气表的内部，所述智能燃气表部署在所述智慧燃气对象平台中，所述处理器被配置为：

每间隔一个预设时间间隔，执行以下步骤：

通过电量探测单元获取当前电量；

从内置存储中获取预设时间段的燃气基础数据；

将所述当前电量和所述燃气基础数据发送至智慧燃气设备管理平台，并从所述智慧燃气设备管理平台获取所述智能燃气表的推荐能耗区间和未来时间段的预期使用频率；

根据所述推荐能耗区间和所述预期使用频率，确定所述未来时间段的数据采集特征和数据上传特征；其中，所述预设时间间隔基于所述当前电量确定。