一种基于大数据分析的农村供水运行诊断方法及系统与流程

本发明涉及供水监测领域，尤其涉及一种基于大数据分析的农村供水运行诊断方法及系统。

背景技术：

1、现有的爆管分析方法有很多种，但往往是单独根据管道压力或流量监测值在一段连续时间的变化进行分析判断。由于监测设备上报的数据存在误差或异常且难以避免，现有方法大多并未考虑对异常数据的处理，少数方法对异常数据的处理也较为简单，通常采用直接删除异常数据、删除后补零、删除后补上个正常数据等方式，会对数据的趋势产生影响，进而降低爆管判断的准确率。

2、并且，一段连续时间的监测值变化波动较大，易将正常的用水变化识别为爆管，单独对压力或流量进行分析并不够全面，因此易导致对爆管的判断和定位存在一定的误差。

3、此外，随着管线的使用管线会出现老化等现象，因此随着管线的使用对于爆管的判断标准也会产生变化，因此爆管的判断标准与历史监测数据有着直接关系；然而现有的爆管分析方法往往没有考虑到历史监测数据对于爆管判断的影响，导致爆管判断的准确率不高。

技术实现思路

1、为解决上述技术问题，本发明提供一种基于大数据分析的农村供水运行诊断方法，包括：

2、s1：将监测日的前t天的流量数据和压力数据作为原始流量压力数据集，剔除所述原始流量压力数据集中的异常数据，获得剔除后的流量压力数据集；

3、s2：通过sarima模型对所述剔除后的流量压力数据集进行补充，获得待分析流量压力数据集，根据不同的时刻将所述待分析流量压力数据集分为各个时刻的流量压力数据集，将所述各个时刻的流量压力数据集分为各个时刻的流量数据集和各个时刻的压力数据集；

4、s3：计算所述各个时刻的压力数据集的压力标准差，通过各个时刻的压力标准差判断对应时刻的压力监测值是否异常；

5、s4：通过改进优化后的卡尔曼滤波模型计算所述各个时刻的流量数据集的流量估计值，通过各个时刻的流量估计值判断对应时刻的流量监测值是否异常；

6、s5：若所述压力监测值和所述流量监测值均异常，则判断监测点数据异常，发生爆管。

7、优选的，步骤s1具体为：

8、s11：获取供水管道的管径d，d的单位为毫米；该供水管道的正常状态水流速度最大监测值为v，v的单位为m/s，m为米，s为秒；则该供水管道的流量值异常判定阈值为，流量值异常判定阈值的单位为m³/s；

9、s12：设置压力值异常判定阈值；

10、s13：将大于流量值异常判定阈值的流量数据和大于压力值异常判定阈值的压力数据从所述原始流量压力数据集中剔除，获得剔除后的流量压力数据集。

11、优选的，步骤s2具体为：

12、s21：通过sarima模型对所述剔除后的流量压力数据集进行补充，获得待分析流量压力数据集；

13、s22：将一天分为u个时刻，获得共u个时刻的流量压力数据集，各个时刻的流量压力数据集表示为pt；t为时刻的编号，t的最小值为1，t的最大值为u，u为大于1的正整数；

14、s23：将所述待分析流量压力数据集中每天u个时刻的流量数据放入对应时刻的流量数据集中，各个时刻的流量数据集表示为zt；将所述待分析流量压力数据集中每天u个时刻的压力数据放入对应时刻的压力数据集中，各个时刻的压力数据集表示为ft。

15、优选的，步骤s3具体为：

16、s31：获取t时刻的压力数据集ft，计算获得t时刻的压力标准差，计算公式为：

17、

18、其中，为t时刻的压力标准差，i为天数的编号，i的初始值为1最大值为t，i的值越大表示距离监测日越近，fti为第i天t时刻的压力数据集中的压力数据，为t时刻的压力数据集中的压力数据的平均值；

19、s32：压力数据的正常范围为；

20、s33：获取监测日t时刻的压力监测值ftnow，若ftnow在压力数据的正常范围内则判断压力监测值为正常，否则判断压力监测值为异常。

21、优选的，步骤s4具体为：

22、s41：获取t时刻的流量数据集zt和监测日t时刻的流量监测值ztnow；

23、s42：计算获得t时刻的流量标准差，计算公式为：

24、

25、其中，为t时刻的流量标准差，i为天数的编号，i的初始值为1最大值为t，i的值越大表示距离监测日越近，zti为第i天t时刻的流量数据集中的流量数据，为t时刻的流量数据集中的流量数据的平均值；

26、s43：通过所述改进优化后的卡尔曼滤波模型计算获得第i天t时刻的卡尔曼增益，计算公式为：

27、

28、

29、其中，为优化参数，为标准差倍数，q为过程噪声，r为测量噪声，为第i天t时刻的卡尔曼增益，为第i天t时刻的后验估计协方差，为第i天t时刻的先验估计协方差，为第i-1天t时刻的后验估计协方差；

30、s44：计算获得第i天t时刻的流量估计值，计算公式为：

31、

32、其中，为第i天t时刻的流量估计值，为第i天t时刻的流量先验估计值，为第i-1天t时刻的流量估计值；

33、令i=i+1；

34、s45：重复步骤s43-s44共t次，获得第t天t时刻的流量估计值，若则判断流量监测值为异常，否则判断流量监测值为正常。

35、一种基于大数据分析的农村供水运行诊断系统，包括：

36、剔除模块，用于将监测日的前t天的流量数据和压力数据作为原始流量压力数据集，剔除所述原始流量压力数据集中的异常数据，获得剔除后的流量压力数据集；

37、分配模块，用于通过sarima模型对所述剔除后的流量压力数据集进行补充，获得待分析流量压力数据集，根据不同的时刻将所述待分析流量压力数据集分为各个时刻的流量压力数据集，将所述各个时刻的流量压力数据集分为各个时刻的流量数据集和各个时刻的压力数据集；

38、压力监测值判断模块，用于计算所述各个时刻的压力数据集的压力标准差，通过各个时刻的压力标准差判断对应时刻的压力监测值是否异常；

39、流量监测值判断模块，用于通过改进优化后的卡尔曼滤波模型计算所述各个时刻的流量数据集的流量估计值，通过各个时刻的流量估计值判断对应时刻的流量监测值是否异常；

40、爆管诊断模块，若所述压力监测值和所述流量监测值均异常，则判断监测点数据异常，发生爆管。

41、本发明具有以下有益效果：

42、1、对于监测值中被剔除的异常数据和未按时上报的缺失数据使用sarima模型进行预测及补充，保持监测数据变化趋势且有效降低异常数据对爆管分析的影响；

43、2、通过监测日的前t天的监测数据进行爆管判断分析，充分考虑到了历史监测数据对于爆管判断的影响，能有效消除用水波动对爆管判断的影响，有效提高了爆管判断的准确度；

44、3、根据农村供水特点对卡尔曼滤波模型进行改进优化，通过改进优化后的卡尔曼滤波模型能使流量估计值的计算结果更加精确。