一种基于云端融合的多载体漏水数据分析方法及系统与流程
本发明涉及漏水定位,尤其涉及一种基于云端融合的多载体漏水数据分析方法及系统。
背景技术:
1、现有供水管网漏水分析处理过程中,对压力、流量、声学等不同载体的多源运行数据缺少统一标准化与时序对齐手段,不同采样频率的数据难以直接融合分析,无法充分挖掘多源数据之间跨尺度的耦合关联特征,容易混淆管网全局运行趋势与局部漏水异常扰动,造成有效异常信息提取不充分,漏水特征识别易受无关工况干扰。
2、现有漏水检测方式难以构建稳定的基准耦合演化关系,不能有效解耦分离出真实的异常耦合分量,同时缺少基于管网拓扑的异常逆向传播分析能力,漏水位置判定结果偏差较大,漏水识别与定位的整体处理性能达不到实际管网运维的使用需求。因此如何提升供水管网多载体漏水数据分析与定位能力,成为了亟待解决的问题。
技术实现思路
1、本发明提供一种基于云端融合的多载体漏水数据分析方法及系统,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供的一种基于云端融合的多载体漏水数据分析方法,包括:
3、d1、对供水管网在不同载体的多源运行数据进行格式标准化处理,得到所述供水管网的多载体数据;
4、d2、根据所述多载体数据的耦合强度,对所述多载体数据进行多尺度分解,得到所述多载体数据的多尺度特征分量;
5、d3、对所述多尺度特征分量的耦合特征进行层次化聚合,得到所述供水管网的多尺度跨载体耦合特征;
6、d4、根据供水管网的历史正常工况数据,构建所述供水管网的基准耦合度量序列,将所述多尺度跨载体耦合特征与所述基准耦合度量序列进行偏差比对,以识别出所述供水管网发生特征偏离的分解尺度及对应异常载体,并从所述异常载体中解耦出异常耦合分量;
7、d5、根据所述分解尺度及对应异常载体,匹配所述多尺度跨载体耦合特征的协同匹配规则,并根据所述供水管网的拓扑连接关系与所述协同匹配规则,对所述异常耦合分量进行反向追溯分析,得到所述供水管网的漏水位置判定结果。
8、在一个优选的实施方式中,所述对供水管网的多源运行数据进行格式标准化处理,得到所述供水管网的多载体数据,包括:
9、获取供水管网的多源运行数据,所述多源运行数据包括管网压力数据、流量数据和声学数据;
10、对所述多源运行数据进行数据清洗,得到所述供水管网的标准化多载体数据;
11、对所述标准化多载体数据进行时序对齐,将不同采样频率的载体数据映射至统一时间基准,得到所述供水管网的多载体数据。
12、在一个优选的实施方式中,所述根据所述多载体数据的耦合强度,对所述多载体数据进行多尺度分解,得到所述多载体数据的多尺度特征分量,包括:
13、对所述多载体数据进行互相关分析,得到所述多载体数据之间的耦合关联强度;
14、根据所述耦合关联强度,确定所述多载体数据的最优分解尺度参数,当耦合关联强度高于预设强度阈值时选取细分解尺度,而当耦合关联强度低于预设强度阈值时选取粗分解尺度;
15、基于所述最优分解尺度参数,对所述多载体数据进行多尺度分解,得到所述供水管网的多尺度特征分量,所述多尺度特征分量包括表征管网全局运行趋势的粗尺度分量和表征局部异常扰动的细尺度分量。
16、在一个优选的实施方式中,所述对所述多尺度特征分量的耦合特征进行层次化聚合,得到所述供水管网的多尺度跨载体耦合特征,包括:
17、提取所述粗尺度分量和所述细尺度分量中压力数据、流量数据及声学数据间的耦合关联特征,得到所述供水管网的粗尺度载体耦合特征和细尺度载体耦合特征;
18、根据粗尺度载体耦合特征和所述细尺度载体耦合特征之间的尺度层级关系,得到所述供水管网的聚合层级结构;
19、基于所述聚合层级结构,先对所述细尺度载体耦合特征进行聚合操作,再将聚合结果与所述粗尺度载体耦合特征进行跨尺度拼接融合,得到所述供水管网的聚合耦合特征;
20、对所述聚合耦合特征进行跨层级融合,得到所述供水管网的多尺度跨载体耦合特征。
21、在一个优选的实施方式中,所述根据供水管网的历史正常工况数据,构建所述供水管网的基准耦合度量序列,将所述多尺度跨载体耦合特征与所述基准耦合度量序列进行偏差比对,以识别出所述供水管网发生特征偏离的分解尺度及对应异常载体,并从所述异常载体中解耦出异常耦合分量,包括:
22、获取所述供水管网的历史正常工况数据,并对所述历史正常工况数据进行时序切片划分,得到所述历史正常工况数据的正常工况时序片段;
23、提取所述正常工况时序片段在不同分解尺度下的正常耦合度量值,得到所述供水管网在不同分解尺度上的基准耦合度量序列;
24、将所述多尺度跨载体耦合特征中的耦合度量值与所述基准耦合度量序列中的正常耦合度量值进行差值比对,得到所述供水管网的耦合偏离度;
25、根据所述耦合偏离度,判定所述供水管网的目标分解尺度,并将所述目标分解尺度对应的载体确定为异常载体;
26、从所述异常载体中分离出所述异常耦合分量。
27、在一个优选的实施方式中,所述从所述异常载体中分离出所述异常耦合分量,包括:
28、获取所述异常载体在不同分解尺度下的异常耦合度量值;
29、将所述异常耦合度量值与所述基准耦合度量序列中相应尺度的正常耦合度量值进行比值运算,得到所述异常载体的耦合偏离比率;
30、排列所述耦合偏离比率,得到所述异常载体的跨尺度偏离比率矩阵;
31、对所述跨尺度偏离比率矩阵进行行非对角元素提取,并累加提取得到的元素,得到所述不同分解尺度下的尺度干扰总量;
32、对所述尺度干扰总量进行归一化,得到所述不同分解尺度下的尺度间干扰权重系数;
33、通过所述耦合偏离比率,所述尺度间干扰权重系数,所述异常耦合度量值,所述正常耦合度量值,计算所述供水管网的异常耦合分量。
34、在一个优选的实施方式中,所述异常耦合分量的计算公式如下:
35、;
36、其中,表示目标分解尺度索引,表示遍历所有分解尺度的求和索引,表示分解尺度的总数,表示所述异常载体在第个分解尺度下的异常耦合度量值,表示所述基准耦合度量序列中第个分解尺度的正常耦合度量值,表示所述异常载体在第个分解尺度上的耦合偏离比率,表示第个分解尺度的尺度间干扰权重系数,表示所述异常载体在第个分解尺度下的异常耦合分量。
37、在一个优选的实施方式中,所述根据所述分解尺度及对应异常载体,匹配所述多尺度跨载体耦合特征的协同匹配规则,并根据所述供水管网的拓扑连接关系与所述协同匹配规则,对所述异常耦合分量进行反向追溯分析,得到所述供水管网的漏水位置判定结果,包括:
38、对所述分解尺度及对应异常载体进行编码映射,得到所述异常载体在不同分解尺度下的异常标识序列;
39、根据所述异常标识序列,从预设规则库中匹配所述多尺度跨载体耦合特征的协同匹配规则;
40、对所述供水管网的拓扑连接关系进行邻接解析,得到所述供水管网中多载体之间的拓扑邻接矩阵;
41、根据所述拓扑邻接矩阵与所述协同匹配规则,对所述异常耦合分量进行路径回溯分析,得到所述异常耦合分量在拓扑路径上的传播贡献度序列;
42、对所述传播贡献度序列进行排序比较,并将排序结果中最大传播贡献度对应的拓扑位置确定为所述供水管网的漏水位置判定结果。
43、在一个优选的实施方式中,所述根据所述拓扑邻接矩阵与所述协同匹配规则,对所述异常耦合分量进行路径回溯分析,得到所述异常耦合分量在拓扑路径上的传播贡献度序列,包括:
44、以所述异常载体对应的管网监测节点为起始节点,沿所述拓扑邻接矩阵中的邻接关系进行反向遍历,得到所述异常载体的异常传播路径;
45、对所述异常传播路径上的中间节点进行异常耦合分量累加,得到所述异常传播路径的路径累积异常量;
46、根据所述协同匹配规则,对所述路径累积异常量进行权重分配,得到所述异常传播路径的加权异常量;
47、对所述加权异常量进行归一化比较,得到所述异常传播路径的传播贡献度;
48、对所述传播贡献度进行路径顺序排列,得到所述异常耦合分量在拓扑路径上的传播贡献度序列。
49、为了解决上述问题,本发明还提供一种基于云端融合的多载体漏水数据分析系统,所述系统包括:
50、数据标准化预处理模块,用于对供水管网在不同载体的多源运行数据进行格式标准化处理,得到所述供水管网的多载体数据;
51、多尺度特征分解模块,用于根据所述多载体数据的耦合强度,对所述多载体数据进行多尺度分解,得到所述多载体数据的多尺度特征分量;
52、耦合特征层次化聚合模块,用于对所述多尺度特征分量的耦合特征进行层次化聚合,得到所述供水管网的多尺度跨载体耦合特征;
53、异常耦合分量解耦识别模块,用于根据供水管网的历史正常工况数据,构建所述供水管网的基准耦合度量序列,将所述多尺度跨载体耦合特征与所述基准耦合度量序列进行偏差比对,以识别出所述供水管网发生特征偏离的分解尺度及对应异常载体,并从所述异常载体中解耦出异常耦合分量;
54、逆向传播漏水定位模块,用于根据所述分解尺度及对应异常载体,匹配所述多尺度跨载体耦合特征的协同匹配规则,并根据所述供水管网的拓扑连接关系与所述协同匹配规则,对所述异常耦合分量进行反向追溯分析,得到所述供水管网的漏水位置判定结果。
55、与现有技术相比,本发明具有以下有益效果:
56、1.本发明通过对多载体运行数据开展格式标准化与时序对齐处理,结合耦合强度完成多尺度分解,能够有效分离管网全局运行趋势与局部异常扰动,再经层次化聚合得到多尺度跨载体耦合特征,充分挖掘压力、流量、声学多源数据之间跨尺度、跨载体的内在关联,提升供水管网漏水场景下多源数据信息的利用深度。
57、2.本发明通过历史正常工况构建基准耦合演化关系完成偏差比对解耦异常耦合分量,再结合管网拓扑连接关系实施异常分量逆向传播回溯分析,精准定位漏水对应的拓扑位置,降低无关工况扰动带来的干扰,提升漏水识别的可靠性与漏水位置判定的精准度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com