【技术实现步骤摘要】
本申请涉及数据处理，具体涉及一种智慧园区数字化模型的构建方法。
技术介绍
1、数字化模型是利用数字化技术对现实世界的系统、过程或对象进行虚拟表示和模拟的方法。在园区供水管道的应用中，构建数字化模型可以在供水管道发生漏损时快速的进行漏损点检测，减少损失。
2、目前，往往通过在园区供水管道上安装压力传感器、流量传感器，通过采集供水管道的压力、流量数据，并对其进行异常检测，从而判断供水管道是否发生漏损。然而，在进行异常检测的过程中，并未充分挖掘采集的压力、流量数据的分布特征，以及压力、流量数据之间的关联关系，造成对供水管道进行漏损检测的精度较低，误差较大。
技术实现思路
1、为了解决上述技术问题，本申请提供一种智慧园区数字化模型的构建方法，以解决现有的问题。
2、本申请的一种智慧园区数字化模型的构建方法采用如下技术方案：
3、本申请一个实施例提供了一种智慧园区数字化模型的构建方法，该方法包括以下步骤：
4、采集智慧园区供水管道各监测点各时刻的压力数据、流量数据；
5、基于各监测点所有时刻压力数据的分布，以及与历史压力数据的差异，确定各监测点的异常疑似度；将各监测点的所有压力数据利用聚类算法，得到各监测点所有压力数据中的噪声点；
6、基于各监测点相邻噪声点之间的差异，结合所有时刻压力数据的极差值，确定各监测点的压力突变指数；分析各监测点各时刻流量数据与所有时刻流量数据平均水平之间的差异，确定各监测点的流量异常指数；分析
7、结合所述异常疑似度与所述流量压力关联度，确定各监测点的第一异常值；将各监测点的压力数据、流量数据利用异常检测算法，获取各监测点压力数据、流量数据的第二异常值；基于所述第一异常值与所述第二异常值，确定各监测点的管道漏损敏感度，对管道各监测点进行异常检测。
8、在其中一种实施例中，所述异常疑似度的确定过程为：
9、计算各监测点所有时刻压力数据的均值与标准差；计算各监测点各时刻压力数据与历史标准压力数据的差值绝对值，基于所述差值绝对值与所述均值、所述标准差，得到所述异常疑似度。
10、在其中一种实施例中，所述异常疑似度的计算方式为：；式中，第i个监测点的异常疑似度，为第i个监测点的压力序列的均值，为第i个监测点的压力序列的标准差，为第i个监测点的压力序列的第j个元素，为压力序列中元素的个数，为标准压力数据，norm[]为归一化函数。
11、在其中一种实施例中，所述压力突变指数的确定过程为：
12、计算各监测点的各噪声点与前一个噪声点的压力数据的差异，记为第一差异，计算所述极差值与所述第一差异的比值，所述压力突变指数为各监测点所有所述比值的融合结果。
13、在其中一种实施例中，所述流量异常指数的确定过程为：
14、计算各监测点各时刻流量数据与所有时刻流量数据平均值之间的差异，记为第二差异，所述流量异常指数为各监测点所有所述第二差异的均值。
15、在其中一种实施例中，所述流量压力关联度的确定过程为：
16、计算各监测点所有时刻压力数据与流量数据的相关系数，计算所述压力突变指数与所述流量异常指数的乘积的归一化值，所述流量压力关联度为所述相关系数与所述归一化值的比值。
17、在其中一种实施例中，所述第一异常值的计算方式为：
18、；式中，为第i个监测点的第一异常值，为第i个监测点的异常疑似度，为第i个监测点的流量压力关联度，e为自然常数。
19、在其中一种实施例中，所述第二异常值为各监测点所有压力数据的异常值与所有流量数据的异常值的融合结果。
20、在其中一种实施例中，所述管道漏损敏感度的确定过程为：
21、预设第一权重与第二权重，计算所述第一权重与所述第一异常值的乘积，记为第一乘积，计算所述第二权重与所述第二异常值的乘积，记为第二乘积，所述管道漏损敏感度为所述第一乘积与所述第二乘积的和值。
22、在其中一种实施例中，所述对管道各监测点进行异常检测，包括：
23、将各监测点的所述管道漏损敏感度作为神经网络模型的输入，神经网络模型的输出为各监测点的漏损检测结果。
24、本申请至少具有如下有益效果：
25、本申请通过采集智慧园区供水管道各监测点各时刻的压力数据、流量数据；基于各监测点所有时刻压力数据的分布，以及与历史压力数据的差异，确定各监测点的异常疑似度，异常疑似度反映了监测点发生漏损的可能性，体现了压力数据随时序的分布特征，以及与历史压力数据的差别程度，提高了监测点异常分析的可靠性；将各监测点的所有压力数据利用聚类算法，得到各监测点所有压力数据中的噪声点，基于各监测点相邻噪声点之间的差异，结合所有时刻压力数据的极差值，确定各监测点的压力突变指数，压力突变指数进一步衡量了监测点采集的压力数据的异常程度，提高了监测点漏损检测的精度；分析各监测点各时刻流量数据与所有时刻流量数据平均水平之间的差异，确定各监测点的流量异常指数，流量异常指数体现了监测点流量数据的异常程度，分析各监测点压力数据与流量数据之间的相关关系，结合所述压力突变指数、流量异常指数，确定各监测点的流量压力关联度；流量压力关联度体现了监测点流量数据和压力数据的关联关系，提高了流量数据、压力数据分析的准确度；最后，结合所述异常疑似度与所述流量压力关联度，确定各监测点的第一异常值；将各监测点的压力数据、流量数据利用异常检测算法，获取各监测点压力数据、流量数据的第二异常值；基于所述第一异常值与所述第二异常值，确定各监测点的管道漏损敏感度，对管道各监测点进行异常检测；通过将压力数据、流量数据之间关联关系分析得到的异常值与传统的异常检测算法检测得到的异常值相结合，显著提高了供水管道监测点漏损检测的准确度。
本文档来自技高网...【技术保护点】
1.一种智慧园区数字化模型的构建方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述异常疑似度的确定过程为：
3.如权利要求2所述的一种智慧园区数字化模型的构建方法，其特征在于，所述异常疑似度的计算方式为：；式中，第i个监测点的异常疑似度，为第i个监测点的压力序列的均值，为第i个监测点的压力序列的标准差，为第i个监测点的压力序列的第j个元素，为压力序列中元素的个数，为标准压力数据，Norm[]为归一化函数。
4.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述压力突变指数的确定过程为：
5.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述流量异常指数的确定过程为：
6.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述流量压力关联度的确定过程为：
7.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述第一异常值的计算方式为：
8.如权利要求1所述的一种智慧园区数字
9.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述管道漏损敏感度的确定过程为：
10.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述对管道各监测点进行异常检测，包括：
...【技术特征摘要】
1.一种智慧园区数字化模型的构建方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述异常疑似度的确定过程为：
3.如权利要求2所述的一种智慧园区数字化模型的构建方法，其特征在于，所述异常疑似度的计算方式为：；式中，第i个监测点的异常疑似度，为第i个监测点的压力序列的均值，为第i个监测点的压力序列的标准差，为第i个监测点的压力序列的第j个元素，为压力序列中元素的个数，为标准压力数据，norm[]为归一化函数。
4.如权利要求1所述的一种智慧园区数字化模型的构建方法，其特征在于，所述压力突变指数的确定过程为：
5.如权利要求1所述的一种智慧园区数字化模型的构建...
【专利技术属性】
技术研发人员：孙天昊，王政伟，冯潇，陈方玮，
申请(专利权)人：泰安市东信智联信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。