CN117574244B - 基于物联网的超声波水表故障预测方法、装置及设备 - Google Patents
基于物联网的超声波水表故障预测方法、装置及设备 Download PDFInfo
- Publication number
- CN117574244B CN117574244B CN202410054455.5A CN202410054455A CN117574244B CN 117574244 B CN117574244 B CN 117574244B CN 202410054455 A CN202410054455 A CN 202410054455A CN 117574244 B CN117574244 B CN 117574244B
- Authority
- CN
- China
- Prior art keywords
- data
- mapped
- water meter
- data set
- ultrasonic water
- 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 102
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000013507 mapping Methods 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 238000004140 cleaning Methods 0.000 claims abstract description 19
- 230000015654 memory Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims 3
- 239000000284 extract Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的实施例公开了基于物联网的超声波水表故障预测方法、装置及设备，涉及水表故障预测技术领域，本申请通过对象平台将超声波水表接入物联网，首先将流量数据与压力数据进行数据清洗，以提升采集数据的质量，然后基于时间序列将两数据进行对齐，以保证数据在时序上的一致性，对齐之后将采集的数据根据时序关系提取为单一元素组成的待映射数据集，降低数据复杂度和计算量，以提升故障预测的效率，通过映射操作将待映射数据集的元素一一映射获得映射数据集，映射后数据被进一步简化，最终将映射数据集与标准数据集进行差异对比即可快速准确地通过异常数据所在，并反向推导故障发生的时间与故障类型，提升了超声波水表的故障预测水平。
Description
技术领域
本申请涉及水表故障预测技术领域，具体涉及一种基于物联网的超声波水表故障预测方法、装置及设备。
背景技术
超声波水表最初是指通过检测超声波声束在水中顺流逆流传播时因速度发生变化而产生的时差，分析处理得出水的流速从而计算出水的流量的一种新式水表，后来随着技术不断发展，演变成还能够检测压力、压强、温度等多种数据的智能水表。为确保及时发现超声波水的故障，现有技术通过排查水表采集的某单一方面数据的异常来实现，但考虑到水表某些功能的独立性，可能会存在漏查的情况，而综合多方面数据一起进行排查又会增大计算量，导致故障预测的效率降低。
发明内容
本申请的主要目的在于提供一种基于物联网的超声波水表故障预测方法、装置及设备，旨在解决现有技术中基于物联网的超声波水表的故障预测的水平偏低的问题。
为实现上述目的，本申请的实施例采用的技术方案如下：
第一方面，本申请实施例提供一种基于物联网的超声波水表故障预测方法，应用于物联网系统，物联网系统包括：依次交互的用户平台、服务平台、管理平台、传感网络平台以及对象平台，对象平台用于接入超声波水表，基于物联网的超声波水表故障预测方法包括以下步骤：
对超声波水表采集的流量数据和压力数据进行数据清洗，分别获得第一流量数据和第一压力数据；
基于时间序列将第一流量数据与第一压力数据进行对齐，分别获得第二流量数据和第二压力数据；
根据第二流量数据和第二压力数据，确定待映射数据集；其中，待映射数据集中的一个元素包含同一时序下的第二流量数据和第二压力数据；
将待映射数据集进行映射，获得映射数据集；
根据标准数据集和映射数据集的差异情况，对超声波水表进行故障预测。
在第一方面的一种可能实现方式中，根据第二流量数据和第二压力数据，确定待映射数据集，包括：
根据第二流量数据和第二压力数据，确定在时间序列上第二流量数据和第二压力数据的重合数据；
在重合数据上，提取同一时序下的第二流量数据和第二压力数据，获得待映射元素；
根据待映射元素，建立待映射数据集。
在第一方面的一种可能实现方式中，在重合数据上，提取同一时序下的第二流量数据和第二压力数据，获得待映射元素，包括：
在重合数据上，以第二流量数据和第二压力数据作为坐标轴，构建平面坐标系；
提取同一时序下的第二流量数据和第二压力数据在平面坐标系下的位置点，获得待映射元素。
在第一方面的一种可能实现方式中，根据待映射元素，建立待映射数据集，包括：
将待映射元素进行线性拟合，获得拟合曲线以作为待映射数据集。
在第一方面的一种可能实现方式中，根据第二流量数据和第二压力数据，确定在时间序列上第二流量数据和第二压力数据的重合数据，包括：
根据第二流量数据和第二压力数据，确定在时间序列上第二流量数据和第二压力数据的重合部分；
将第二流量数据和第二压力数据的重合部分进行裁剪，获得重合数据。
在第一方面的一种可能实现方式中，根据标准数据集和映射数据集的差异情况，对超声波水表进行故障预测之前，基于物联网的超声波水表故障预测方法还包括：
获得无故障状态下，超声波水表采集的同一时间序列下的标准流量数据和标准压力数据；
提取同一时序下的标准流量数据和标准压力数据，获得待映射标准元素；
将待映射标准元素的集合进行映射，获得标准数据集。
在第一方面的一种可能实现方式中，根据标准数据集和映射数据集的差异情况，对超声波水表进行故障预测，包括：
根据标准数据集和映射数据集的差异情况，确定映射数据集中的异常数据点；
将异常数据点进行反向映射，获得异常类别信息和异常时间点；
根据异常类别信息和异常时间点，对超声波水表进行故障预测。
第二方面，本申请实施例提供一种基于物联网的超声波水表故障预测装置，应用于物联网系统，物联网系统包括：依次交互的用户平台、服务平台、管理平台、传感网络平台以及对象平台，对象平台用于接入超声波水表，管理平台包括：
清洗模块，清洗模块用于对超声波水表采集的流量数据和压力数据进行数据清洗，分别获得第一流量数据和第一压力数据；
对齐模块，对齐模块用于基于时间序列将第一流量数据与第一压力数据进行对齐，分别获得第二流量数据和第二压力数据；
确定模块，确定模块用于根据第二流量数据和第二压力数据，确定待映射数据集；其中，待映射数据集中的一个元素包含同一时序下的第二流量数据和第二压力数据；
映射模块，映射模块用于将待映射数据集进行映射，获得映射数据集；
预测模块，预测模块用于根据标准数据集和映射数据集的差异情况，对超声波水表进行故障预测。
第三方面，本申请实施例提供一种计算机可读存储介质，储存有计算机程序，计算机程序被处理器加载执行时，实现如上述第一方面中任一项提供的基于物联网的超声波水表故障预测方法。
第四方面，本申请实施例提供一种电子设备，包括处理器及存储器，其中，
存储器用于存储计算机程序；
处理器用于加载执行计算机程序，以使电子设备执行如上述第一方面中任一项提供的基于物联网的超声波水表故障预测方法。
与现有技术相比，本申请的有益效果是：
本申请实施例提出的一种基于物联网的超声波水表故障预测方法、装置及设备，该方法包括：对超声波水表采集的流量数据和压力数据进行数据清洗，分别获得第一流量数据和第一压力数据；基于时间序列将第一流量数据与第一压力数据进行对齐，分别获得第二流量数据和第二压力数据；根据第二流量数据和第二压力数据，确定待映射数据集；其中，待映射数据集中的一个元素包含同一时序下的第二流量数据和第二压力数据；将待映射数据集进行映射，获得映射数据集；根据标准数据集和映射数据集的差异情况，对超声波水表进行故障预测。本申请通过对象平台将超声波水表接入物联网，首先将流量数据与压力数据进行数据清洗，以提升采集数据的质量，然后基于时间序列将两数据进行对齐，以保证数据在时序上的一致性，对齐之后将采集的数据根据时序关系提取为单一元素组成的待映射数据集，降低数据复杂度和计算量，以提升故障预测的效率，通过映射操作将待映射数据集的元素一一映射获得映射数据集，映射后数据被进一步简化，最终将映射数据集与标准数据集进行差异对比即可快速准确地通过异常数据所在，并反向推导故障发生的时间与故障类型，提升了超声波水表的故障预测水平。
附图说明
图1为本申请实施例涉及的硬件运行环境的电子设备结构示意图；
图2为本申请实施例提供的基于物联网的超声波水表故障预测方法的流程示意图；
图3为本申请实施例提供的基于物联网的超声波水表故障预测方法中物联网系统的框架示意图；
图4为本申请实施例提供的基于物联网的超声波水表故障预测方法在一种实施方式下的逻辑框图；
图中标记：101-处理器，102-通信总线，103-网络接口，104-用户接口，105-存储器。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照附图1，附图1为本申请实施例方案涉及的硬件运行环境的电子设备结构示意图，该电子设备可以包括：处理器101，例如中央处理器（Central Processing Unit，CPU），通信总线102、用户接口104，网络接口103，存储器105。其中，通信总线102用于实现这些组件之间的连接通信。用户接口104可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口104还可以包括标准的有线接口、无线接口。网络接口103可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器105可选的可以是独立于前述处理器101的存储装置，存储器105可能是高速的随机存取存储器（Random Access Memory，RAM）存储器，也可能是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器；处理器101可以是通用处理器，包括中央处理器、网络处理器等，还可以是数字信号处理器、专用集成电路、现场可编程门阵列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。
本领域技术人员可以理解，附图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如附图1所示，作为一种存储介质的存储器105中可以包括操作系统、网络通信模块、用户接口模块以及基于物联网的超声波水表故障预测装置。
在附图1所示的电子设备中，网络接口103主要用于与网络服务器进行数据通信；用户接口104主要用于与用户进行数据交互；本申请中的处理器101、存储器105可以设置在电子设备中，电子设备通过处理器101调用存储器105中存储的基于物联网的超声波水表故障预测装置，并执行本申请实施例提供的基于物联网的超声波水表故障预测方法。
参照附图2，基于前述实施例的硬件设备，本申请的实施例提供一种基于物联网的超声波水表故障预测方法，应用于物联网系统，物联网系统包括：依次交互的用户平台、服务平台、管理平台、传感网络平台以及对象平台，对象平台用于接入超声波水表，基于物联网的超声波水表故障预测方法包括以下步骤：
S10：对超声波水表采集的流量数据和压力数据进行数据清洗，分别获得第一流量数据和第一压力数据。
在具体实施过程中，数据清洗是指对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，确保数据一致性以提升数据质量。超声波水表可采集的信息有流量、流速、压力、压强、温度等，通常将流速与流量、压力与压强划分为同一方面的数据，比如以流量数据为例进行故障排查，按照现有技术手段就需要确定排查流量数据的异常进行故障预测，而这样的故障排查通常只能定位到超声波水表的流量检测功能模块出现故障，此时若存在如压力检测功能模块故障就无法检测，因此想要完全的实现故障预测，就需要对每一方面的数据都进行异常排查，计算量非常大，而综合多方面数据的预测，又需要设计非常复杂的算法来支撑。
S20：基于时间序列将第一流量数据与第一压力数据进行对齐，分别获得第二流量数据和第二压力数据。
在具体实施过程中，本申请实施例以流量数据和压力数据为例，对实现多方面数据的同时利用进行设计，考虑到超声波水表采集的数据具有时序特点，因此将清洗后的数据基于时间序列进行对齐，也就是按照时间顺序对数据进行排列，排列后的数据分别为第二流量数据和第二压力数据。
S30：根据第二流量数据和第二压力数据，确定待映射数据集；其中，待映射数据集中的一个元素包含同一时序下的第二流量数据和第二压力数据。
在具体实施过程中，基于同时利用多源数据的设计思路，对齐之后就能找到数据在时间序列中存在重合的部分，也就是存在一段时间，该段时间内压力数据和流量数据被同时采集。为了实现复杂数据的简化，利用映射来降低数据复杂度，考虑到映射时的一一对应关系，本申请实施例将同一时序下的流量数据和压力数据进行组合，使其形成一个待映射的元素。具体来说，根据第二流量数据和第二压力数据，确定待映射数据集，包括：
根据第二流量数据和第二压力数据，确定在时间序列上第二流量数据和第二压力数据的重合数据；
在重合数据上，提取同一时序下的第二流量数据和第二压力数据，获得待映射元素；
根据待映射元素，建立待映射数据集。
在具体实施过程中，多源数据的联系是基于时间序列的，反过来以时间序列划分数据就可以划分为时序上重合的与非重合的，非重合的数据不作考虑，也即，根据第二流量数据和第二压力数据，确定在时间序列上第二流量数据和第二压力数据的重合数据，包括：
根据第二流量数据和第二压力数据，确定在时间序列上第二流量数据和第二压力数据的重合部分；
将第二流量数据和第二压力数据的重合部分进行裁剪，获得重合数据。
裁剪获得重合部分的数据作为重合数据，以排除其他无关数据的影响，提升故障预测质量；同一时序下的第二流量数据和第二压力数据，也即同一时间点采集的流量数据和压力数据，将其作为一个待映射元素，通过将时间序列上所有的时间节点上的数据按照上述方式提取，即可得到多个沿时间序列延伸的待映射元素，并以此构成待映射数据集。待映射元素被视为一个整体，内部存在多个子元素构成，而构成的方式可以是数组、结构化数据，也可以是本申请实施例提供的坐标数据，具体来说：在重合数据上，提取同一时序下的第二流量数据和第二压力数据，获得待映射元素，包括：
在重合数据上，以第二流量数据和第二压力数据作为坐标轴，构建平面坐标系；
提取同一时序下的第二流量数据和第二压力数据在平面坐标系下的位置点，获得待映射元素。
在具体实施过程中，引入坐标系来将流量数据和压力数据进行组合，将基于时间序列采集的流量数据和压力数据分别作为平面坐标系的坐标轴，那么一个待映射元素即可表达为形如（x，y）的坐标形式，时序相同的情况下，坐标中一个坐标值表示流量数据，一个坐标值则表示压力数据，带映射元素则被表示后在坐标系中的若干坐标点。
基于前述采用坐标系形式表达待映射元素的实施方式，为了便于元素的映射，并配合时间序列的数据分布特点，根据待映射元素，建立待映射数据集，包括：
将待映射元素进行线性拟合，获得拟合曲线以作为待映射数据集。
在具体实施过程中，将呈点状分布的待映射元素进行线性拟合，以将其实现连续化，配合一一对应的映射操作，能够获得更为完整的映射数据集进行故障的预测。
S40：将待映射数据集进行映射，获得映射数据集。
在具体实施过程中，所有时间节点的采集数据都按照上述手段进行组合，并将所有待映射的元素集合形成待映射数据集，以该集合进行映射，集合中的每一个元素通过映射关系得到另一个新的值，也就是映射后的值，该值就仅包含单一元素，所有映射后的值形成映射数据集。
S50：根据标准数据集和映射数据集的差异情况，对超声波水表进行故障预测。
在具体实施过程中，如果实际测量的数据与标准数据是相同条件，那么差异情况就直接可以是数据的大小差异，如果条件不同，则可以根据待映射数据集相对标准数据集的波动情况，也即其变化规律、数据走势与标准数据的差异。标准数据可以理解为采集无故障状态下的数据，并按照前述方式得到的一个标准状态下的数据集，也即，根据标准数据集和所述映射数据集的差异情况，对所述超声波水表进行故障预测之前，基于物联网的超声波水表故障预测方法还包括：
获得无故障状态下，超声波水表采集的同一时间序列下的标准流量数据和标准压力数据；
提取同一时序下的标准流量数据和标准压力数据，获得待映射标准元素；
将待映射标准元素的集合进行映射，获得标准数据集。
在具体实施过程中，按照前述的对超声波水表采集数据的处理，将多方标准数据进行相同的处理后，即可得到一个简化的标准数据集，以便于对比来判断异常数据进而实现故障预测。映射关系只存在一一对应，因此根据映射数据集与标准数据集的差异情况，可快速反推得到异常产生类别，也即，根据标准数据集和所述映射数据集的差异情况，对所述超声波水表进行故障预测，包括：
根据标准数据集和映射数据集的差异情况，确定映射数据集中的异常数据点；
将异常数据点进行反向映射，获得异常类别信息和异常时间点；
根据所述异常类别信息和所述异常时间点，对所述超声波水表进行故障预测。
在具体实施过程中，在一一对应的简便映射关系下，能够快速地根据异常数据点位置反向映射来得到映射之前的元素，然后再定位到构成该元素的流量数据和压力数据，由于映射元素是基于同一时序下提取，因此异常数据的确认即可首先得到异常时间点所在，再经由上述反向映射过程在元素内得到异常的类别，即是压力数据出现异常或者流量数据出现异常，进而就可以预测得到超声波水表对应的某个功能模块出现故障。
本实施例中，通过对象平台将超声波水表接入物联网，首先将流量数据与压力数据进行数据清洗，以提升采集数据的质量，然后基于时间序列将两数据进行对齐，以保证数据在时序上的一致性，对齐之后将采集的数据根据时序关系提取为单一元素组成的待映射数据集，降低数据复杂度和计算量，以提升故障预测的效率，通过映射操作将待映射数据集的元素一一映射获得映射数据集，映射后数据被进一步简化，最终将映射数据集与标准数据集进行差异对比即可快速准确地通过异常数据所在，并反向推导故障发生的时间与故障类型，提升了超声波水表的故障预测水平。
本申请实施例中所提供的物联网系统应用在用水服务场景下的框架如附图3所示，可包括依次交互的用户平台、服务平台、管理平台、传感网络平台以及对象平台，形成基本的五平台构架，其中，对象平台可包括超声波水表对象分平台；传感网络平台可包括设备管理模块与数据传输管理模块，设备管理模块可包括网络管理单元、指令管理单元以及设备状态管理单元，数据传输管理模块可包括数据协议管理单元、数据解析单元、数据分类单元、数据传输监控单元以及数据传输安全单元；管理平台可包括设备管理分平台、业务管理分平台和数据中心，设备管理分平台和业务管理分平台可分别与数据中心进行交互，设备管理分平台可包括设备运行状态监控管理单元、计量数据监控管理单元、设备参数管理单元以及设备生命周期管理单元，业务管理分平台可包括营收管理单元、工商户管理单元、报装管理单元、消息管理单元、调度管理单元、购销差管理单元、运行分析管理单元以及综合业务管理单元；基于物联网的超声波水表故障预测装置的各功能模块可集成至管理平台，并储存在数据中心中实现调用；服务平台可包括用水服务模块、运营服务模块以及安全服务模块；用户平台可包括普通用户模块、政府用户模块以及监管用户模块，通过上述五平台为基础的物联网系统的各个功能平台之间的交互，建立完善的闭环信息运行逻辑，确保了感知信息和控制信息的有序运行，实现设备本地操作安全的智慧化管理。
参照附图4，在如附图4所示的实施方式下，对本申请做进一步说明：
首先收集超声波水表采集的流量数据和压力数据，先进行数据清洗，消除数据中的错误项、重复项、偏差项等，提升数据准确性，需要说明的是，数据清洗虽然会清洗掉一些有偏差的数据，并不意味着就能清除掉异常数据，提升数据准确性是指的使采集数据能够保留真实测量值的准确；清洗后引入采集数据的时间序列特点，将其基于时间序列进行对齐，保证多维数据的一致性，以便于整合为待映射的集合，将同一时序下的流量数据和压力数据分别提取并整合至同一元素中，降低采集数据的复杂度，构建待映射的数据集进行映射，将多维数据通过简单的映射变为在同一时序上的单一数据，降低计算量；由于标准数据集与待映射数据集是采用相同的手段构建，不同的是标准数据集的数据采用的标准无故障在状态下的，因此不论是标准数据的数值还是数值的时序变化，都能够反映出无故障的状态，与待映射数据集进行对比，能够根据其中的数值或数值的时序变化情况判断是否有差异存在，如果存在差异，则能快速定位到异常数据点，但异常数据点中包括了多个数据，只能明确故障时间，并不能知道具体异常的数据，因此将异常数据点的数据进行反向映射，相当于基于映射的关系进行反向求解，得到映射之前的元素，就能够进一步确定异常数据出现的准确类别，进而实现对故障预测水平的提升。
基于与前述实施例中同样的发明构思，本申请实施例还提供一种基于物联网的超声波水表故障预测装置，应用于物联网系统，物联网系统包括：依次交互的用户平台、服务平台、管理平台、传感网络平台以及对象平台，对象平台用于接入超声波水表，管理平台包括：
清洗模块，清洗模块用于对超声波水表采集的流量数据和压力数据进行数据清洗，分别获得第一流量数据和第一压力数据；
对齐模块，对齐模块用于基于时间序列将第一流量数据与第一压力数据进行对齐，分别获得第二流量数据和第二压力数据；
确定模块，确定模块用于根据第二流量数据和第二压力数据，确定待映射数据集；其中，待映射数据集中的一个元素包含同一时序下的第二流量数据和第二压力数据；
映射模块，映射模块用于将待映射数据集进行映射，获得映射数据集；
预测模块，预测模块用于根据标准数据集和映射数据集的差异情况，对超声波水表进行故障预测。
本领域技术人员应当理解，实施例中的各个模块的划分仅仅是一种逻辑功能的划分，实际应用时可以全部或部分集成到一个或多个实际载体上，且这些模块可以全部以软件通过处理单元调用的形式实现，也可以全部以硬件的形式实现，或是以软件、硬件结合的形式实现，需要说明的是，本实施例中各模块是与前述实施例中的基于物联网的超声波水表故障预测方法中的各步骤一一对应，因此，本实施例的具体实施方式可参照前述基于物联网的超声波水表故障预测方法的实施方式，这里不再赘述。
基于与前述实施例中同样的发明构思，本申请的实施例还提供一种计算机可读存储介质，储存有计算机程序，计算机程序被处理器加载执行时，实现如本申请实施例提供的基于物联网的超声波水表故障预测方法。
基于与前述实施例中同样的发明构思，本申请的实施例还提供一种电子设备，包括处理器及存储器，其中，
存储器用于存储计算机程序；
处理器用于加载执行计算机程序，以使电子设备执行如本申请实施例提供的基于物联网的超声波水表故障预测方法。
在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（HTML，Hyper TextMarkup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光 盘）中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方法。
综上，本申请提供的一种基于物联网的超声波水表故障预测方法、装置及设备，该方法包括：对超声波水表采集的流量数据和压力数据进行数据清洗，分别获得第一流量数据和第一压力数据；基于时间序列将第一流量数据与第一压力数据进行对齐，分别获得第二流量数据和第二压力数据；根据第二流量数据和第二压力数据，确定待映射数据集；其中，待映射数据集中的一个元素包含同一时序下的第二流量数据和第二压力数据；将待映射数据集进行映射，获得映射数据集；根据标准数据集和映射数据集的差异情况，对超声波水表进行故障预测。本申请通过对象平台将超声波水表接入物联网，首先将流量数据与压力数据进行数据清洗，以提升采集数据的质量，然后基于时间序列将两数据进行对齐，以保证数据在时序上的一致性，对齐之后将采集的数据根据时序关系提取为单一元素组成的待映射数据集，降低数据复杂度和计算量，以提升故障预测的效率，通过映射操作将待映射数据集的元素一一映射获得映射数据集，映射后数据被进一步简化，最终将映射数据集与标准数据集进行差异对比即可快速准确地通过异常数据所在，并反向推导故障发生的时间与故障类型，提升了超声波水表的故障预测水平。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (9)
1.一种基于物联网的超声波水表故障预测方法，其特征在于，应用于物联网系统，所述物联网系统包括：依次交互的用户平台、服务平台、管理平台、传感网络平台以及对象平台，所述对象平台用于接入超声波水表，所述基于物联网的超声波水表故障预测方法包括以下步骤：
对所述超声波水表采集的流量数据和压力数据进行数据清洗，分别获得第一流量数据和第一压力数据；
基于时间序列将所述第一流量数据与所述第一压力数据进行对齐，分别获得第二流量数据和第二压力数据；
根据所述第二流量数据和所述第二压力数据，确定待映射数据集；其中，所述待映射数据集中的一个元素包含同一时序下的所述第二流量数据和所述第二压力数据；
将所述待映射数据集进行映射，获得映射数据集；
根据标准数据集和所述映射数据集的差异情况，对所述超声波水表进行故障预测；所述根据标准数据集和所述映射数据集的差异情况，对所述超声波水表进行故障预测，包括：
根据标准数据集和所述映射数据集的差异情况，确定所述映射数据集中的异常数据点；
将所述异常数据点进行反向映射，获得异常类别信息和异常时间点；
根据所述异常类别信息和所述异常时间点，对所述超声波水表进行故障预测。
2.根据权利要求1所述的基于物联网的超声波水表故障预测方法，其特征在于，所述根据所述第二流量数据和所述第二压力数据，确定待映射数据集，包括：
根据所述第二流量数据和所述第二压力数据，确定在所述时间序列上所述第二流量数据和所述第二压力数据的重合数据；
在所述重合数据上，提取同一时序下的所述第二流量数据和所述第二压力数据，获得待映射元素；
根据所述待映射元素，建立待映射数据集。
3.根据权利要求2所述的基于物联网的超声波水表故障预测方法，其特征在于，所述在所述重合数据上，提取同一时序下的所述第二流量数据和所述第二压力数据，获得待映射元素，包括：
在所述重合数据上，以所述第二流量数据和所述第二压力数据作为坐标轴，构建平面坐标系；
提取同一时序下的所述第二流量数据和所述第二压力数据在所述平面坐标系下的位置点，获得待映射元素。
4.根据权利要求3所述的基于物联网的超声波水表故障预测方法，其特征在于，所述根据所述待映射元素，建立待映射数据集，包括：
将所述待映射元素进行线性拟合，获得拟合曲线以作为待映射数据集。
5.根据权利要求2所述的基于物联网的超声波水表故障预测方法，其特征在于，所述根据所述第二流量数据和所述第二压力数据，确定在所述时间序列上所述第二流量数据和所述第二压力数据的重合数据，包括：
根据所述第二流量数据和所述第二压力数据，确定在所述时间序列上所述第二流量数据和所述第二压力数据的重合部分；
将所述第二流量数据和所述第二压力数据的重合部分进行裁剪，获得重合数据。
6.根据权利要求1所述的基于物联网的超声波水表故障预测方法，其特征在于，所述根据标准数据集和所述映射数据集的差异情况，对所述超声波水表进行故障预测之前，所述基于物联网的超声波水表故障预测方法还包括：
获得无故障状态下，所述超声波水表采集的同一时间序列下的标准流量数据和标准压力数据；
提取同一时序下的所述标准流量数据和所述标准压力数据，获得待映射标准元素；
将所述待映射标准元素的集合进行映射，获得所述标准数据集。
7.一种基于物联网的超声波水表故障预测装置，其特征在于，应用于物联网系统，所述物联网系统包括：依次交互的用户平台、服务平台、管理平台、传感网络平台以及对象平台，所述对象平台用于接入超声波水表，所述管理平台包括：
清洗模块，所述清洗模块用于对所述超声波水表采集的流量数据和压力数据进行数据清洗，分别获得第一流量数据和第一压力数据；
对齐模块，所述对齐模块用于基于时间序列将所述第一流量数据与所述第一压力数据进行对齐，分别获得第二流量数据和第二压力数据；
确定模块，所述确定模块用于根据所述第二流量数据和所述第二压力数据，确定待映射数据集；其中，所述待映射数据集中的一个元素包含同一时序下的所述第二流量数据和所述第二压力数据；
映射模块，所述映射模块用于将所述待映射数据集进行映射，获得映射数据集；
预测模块，所述预测模块用于根据标准数据集和所述映射数据集的差异情况，对所述超声波水表进行故障预测；所述根据标准数据集和所述映射数据集的差异情况，对所述超声波水表进行故障预测，包括：
根据标准数据集和所述映射数据集的差异情况，确定所述映射数据集中的异常数据点；
将所述异常数据点进行反向映射，获得异常类别信息和异常时间点；
根据所述异常类别信息和所述异常时间点，对所述超声波水表进行故障预测。
8.一种计算机可读存储介质，储存有计算机程序，其特征在于，所述计算机程序被处理器加载执行时，实现如权利要求1-6中任一项所述的基于物联网的超声波水表故障预测方法。
9.一种电子设备，其特征在于，包括处理器及存储器，其中，
所述存储器用于存储计算机程序；
所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如权利要求1-6中任一项所述的基于物联网的超声波水表故障预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410054455.5A CN117574244B (zh) | 2024-01-15 | 2024-01-15 | 基于物联网的超声波水表故障预测方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410054455.5A CN117574244B (zh) | 2024-01-15 | 2024-01-15 | 基于物联网的超声波水表故障预测方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117574244A CN117574244A (zh) | 2024-02-20 |
| CN117574244B true CN117574244B (zh) | 2024-04-02 |
Family
ID=89862756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410054455.5A Active CN117574244B (zh) | 2024-01-15 | 2024-01-15 | 基于物联网的超声波水表故障预测方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117574244B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117664281B (zh) * | 2024-01-29 | 2024-04-09 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波水表故障检测与自动校准方法和系统 |
| CN117807375A (zh) * | 2024-02-27 | 2024-04-02 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波水表噪声处理方法、系统及设备 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2312902A1 (en) * | 1997-12-15 | 1999-06-24 | Computer Associates Think, Inc. | Visualization and self-organization of multidimensional data through equalized orthogonal mapping |
| CN107835217A (zh) * | 2017-09-20 | 2018-03-23 | 成都秦川物联网科技股份有限公司 | 基于复合物联网的水表故障提示方法及物联网系统 |
| CN109470946A (zh) * | 2018-09-18 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种发电设备故障检测方法及系统 |
| WO2020107261A1 (zh) * | 2018-11-28 | 2020-06-04 | 华为技术有限公司 | 一种检测概率无声故障的方法和装置 |
| CN114157552A (zh) * | 2021-10-29 | 2022-03-08 | 国网河南省电力公司漯河供电公司 | 一种基于孪生时序图网络的配网故障检测方法 |
| CN115809736A (zh) * | 2022-12-07 | 2023-03-17 | 深圳掌屿软件有限公司 | 一种基于属性的信息预测方法和相关设备 |
| CN115905869A (zh) * | 2022-11-29 | 2023-04-04 | 青岛鼎信通讯科技有限公司 | 一种超声水表故障预警方法 |
| CN116364290A (zh) * | 2023-06-02 | 2023-06-30 | 之江实验室 | 基于多视图对齐的血透表征识别与并发症风险预测系统 |
| CN116522070A (zh) * | 2023-03-17 | 2023-08-01 | 贵州大学 | 一种机械零部件无监督智能故障诊断方法及系统 |
| EP4231108A1 (en) * | 2022-02-18 | 2023-08-23 | Tata Consultancy Services Limited | Method and system for root cause identification of faults in manufacturing and process industries |
| CN116688754A (zh) * | 2023-07-05 | 2023-09-05 | 浙江浙能迈领环境科技有限公司 | 船舶烟气脱硫自动控制系统及其方法 |
| CN116995653A (zh) * | 2023-06-21 | 2023-11-03 | 贵州电网有限责任公司 | 一种基于ddtw距离的低压台区相户拓扑识别方法 |
| US11829934B1 (en) * | 2022-12-19 | 2023-11-28 | Tbk Bank, Ssb | System and method for data selection and extraction based on historical user behavior |
| CN117150402A (zh) * | 2023-08-14 | 2023-12-01 | 华南师范大学 | 基于生成式对抗网络的电力数据异常检测方法及模型 |
| CN117371964A (zh) * | 2023-12-08 | 2024-01-09 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波计量仪表数据管理方法、装置及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7954362B2 (en) * | 2007-07-27 | 2011-06-07 | Multiphase Flow International Llc | Ultrasound multiphase fraction meter and method for determining phase fractions in a multiphase fluid |
-
2024
- 2024-01-15 CN CN202410054455.5A patent/CN117574244B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2312902A1 (en) * | 1997-12-15 | 1999-06-24 | Computer Associates Think, Inc. | Visualization and self-organization of multidimensional data through equalized orthogonal mapping |
| CN107835217A (zh) * | 2017-09-20 | 2018-03-23 | 成都秦川物联网科技股份有限公司 | 基于复合物联网的水表故障提示方法及物联网系统 |
| CN109470946A (zh) * | 2018-09-18 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种发电设备故障检测方法及系统 |
| WO2020107261A1 (zh) * | 2018-11-28 | 2020-06-04 | 华为技术有限公司 | 一种检测概率无声故障的方法和装置 |
| CN114157552A (zh) * | 2021-10-29 | 2022-03-08 | 国网河南省电力公司漯河供电公司 | 一种基于孪生时序图网络的配网故障检测方法 |
| EP4231108A1 (en) * | 2022-02-18 | 2023-08-23 | Tata Consultancy Services Limited | Method and system for root cause identification of faults in manufacturing and process industries |
| CN115905869A (zh) * | 2022-11-29 | 2023-04-04 | 青岛鼎信通讯科技有限公司 | 一种超声水表故障预警方法 |
| CN115809736A (zh) * | 2022-12-07 | 2023-03-17 | 深圳掌屿软件有限公司 | 一种基于属性的信息预测方法和相关设备 |
| US11829934B1 (en) * | 2022-12-19 | 2023-11-28 | Tbk Bank, Ssb | System and method for data selection and extraction based on historical user behavior |
| CN116522070A (zh) * | 2023-03-17 | 2023-08-01 | 贵州大学 | 一种机械零部件无监督智能故障诊断方法及系统 |
| CN116364290A (zh) * | 2023-06-02 | 2023-06-30 | 之江实验室 | 基于多视图对齐的血透表征识别与并发症风险预测系统 |
| CN116995653A (zh) * | 2023-06-21 | 2023-11-03 | 贵州电网有限责任公司 | 一种基于ddtw距离的低压台区相户拓扑识别方法 |
| CN116688754A (zh) * | 2023-07-05 | 2023-09-05 | 浙江浙能迈领环境科技有限公司 | 船舶烟气脱硫自动控制系统及其方法 |
| CN117150402A (zh) * | 2023-08-14 | 2023-12-01 | 华南师范大学 | 基于生成式对抗网络的电力数据异常检测方法及模型 |
| CN117371964A (zh) * | 2023-12-08 | 2024-01-09 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波计量仪表数据管理方法、装置及设备 |
Non-Patent Citations (2)
| Title |
|---|
| 基于云边架构和小波神经网络的配电网故障诊断方法;孔祥玉;徐勇;李鹏;袁智勇;徐全;;供用电;20200405(04);23-29 * |
| 故障预测中基于模糊神经网络的规则发现方法;郑维维;王智立;邱雪松;王兴斌;;北京邮电大学学报;20151215(06);33-37 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117574244A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117574244B (zh) | 基于物联网的超声波水表故障预测方法、装置及设备 | |
| EP2924579B1 (en) | Event correlation | |
| CN107086944A (zh) | 一种异常检测方法和装置 | |
| CN106991145A (zh) | 一种监测数据的方法及装置 | |
| CN105721187A (zh) | 一种业务故障诊断方法及装置 | |
| CN109766263A (zh) | 自动化测试分析处理方法、装置、计算机设备及存储介质 | |
| CN107908548A (zh) | 一种生成测试用例的方法和装置 | |
| KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
| CN108460068A (zh) | 报表导入导出的方法、装置、存储介质及终端 | |
| CN114338447A (zh) | Radius环境下的全链路压测方法、装置、计算机设备及存储介质 | |
| CN111461925A (zh) | 一种配电网故障分析方法、装置、设备及存储介质 | |
| CN109389294B (zh) | 核安全级dcs系统的可用性评估方法和装置 | |
| CN112380126B (zh) | Web系统健康预测装置及方法 | |
| CN116136950B (zh) | 芯片验证方法、装置、系统、电子设备及存储介质 | |
| CN110188040A (zh) | 一种针对软件系统故障检测与健康状态评估的软件平台 | |
| CN113033845B (zh) | 一种电力传输资源共建共享的建设方法及装置 | |
| CN115113528A (zh) | 神经网络模型的运行控制方法、装置、设备及介质 | |
| CN114743703A (zh) | 核电站机组的可靠性分析方法、装置、设备和存储介质 | |
| CN112162528A (zh) | 一种数控机床的故障诊断方法、装置、设备和存储介质 | |
| CN114676012A (zh) | 一种服务链路监控方法、装置、电子设备及存储介质 | |
| CN112965791A (zh) | 定时任务检测方法、装置、设备及存储介质 | |
| CN111695501A (zh) | 一种基于操作系统内核调用数据的设备软故障检测方法 | |
| CN110716856A (zh) | 一种分布式系统子模块交互测试方法及装置 | |
| CN115333923B (zh) | 一种故障点溯源分析方法、装置、设备及介质 | |
| CN109240267A (zh) | 一种欠数据下的闭环故障建模及主动诊断方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |