一种以电折水样本井智能控制终端装置及系统的制作方法

本发明属于水电折算，具体为一种以电折水样本井智能控制终端装置及系统。

背景技术：

1、“以电折水”指对暂时不能获取用水水量数据的水利工程，供水单位可以采取“以电折水”方式计收水费，水价计量单位为元/千瓦时，主要由水资源费、运行维护费、人员管理费等费用构成，“以电折水”其实质是水价。

2、“以电折水”的系数计算一般通过样本井进行数据采集以及计算确定，现有的以电折水样本井控制系统在对数据进行运算时一般在系统内部运行，而进行运算时，多组样本井的数据可能造成系统数据处理量过大从而造成崩溃的情况，现有的水电折算系数模型也需要不断进行完善修正才能避免因时间改变各项参考数据变化造成的结果精确性降低的问题；因此，针对目前的状况，现需对其进行改进。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本发明提供一种以电折水样本井智能控制终端装置及系统，有效的解决了“以电折水”的系数计算一般通过样本井进行数据采集以及计算确定，现有的以电折水样本井控制系统在对数据进行运算时一般在系统内部运行，而进行运算时，多组样本井的数据可能造成系统数据处理量过大从而造成崩溃的情况，现有的水电折算系数模型也需要不断进行完善修正才能避免因时间改变各项参考数据变化造成的结果精确性降低的问题的问题。

2、为实现上述目的，本发明提供如下技术方案：一种以电折水样本井智能控制终端装置，包括出水口以及入水口，所述出水口和所述入水口之间设置有流量计、电表以及数据传输设备，且所述出水口和所述入水口处均设置有电动阀门，所述流量计、电表以及数据传输设备之间均为电性连接，所述流量计具体为管段式超声波流量计。

3、优选的，一种以电折水样本井智能控制终端系统，包括数据管理系统，所述数据管理系统用于对以电折水样本井智能控制终端系统中运行的所有数据进行传输管控，所述所有数据包括外接数据以及运算数据；

4、数据采集系统：所述数据采集系统用于对所有以电折水样本井中的的所述流量计和电表中采集到的数据进行采集，在采集数据完毕后，对不同组的流量计和电表的数据进行不同标记，并根据设定的时间将数据进行压缩打包进行传输；

5、数据设置系统：所述数据设置系统用于对所述数据采集系统进行数据采集的周期进行设定，所述数据设置系统具体为基于ad时钟模块的时间设置技术；

6、数据接收系统：所述数据接收系统用于对所述数据采集系统发送的经过压缩打包的数据进行接收，并对数据进行相应的解压处理，在进行解压过后，对经过不同标记的流量计和电表的数据进行整理并建立临时数据组库；

7、数据处理系统：所述数据处理系统用于对所述数据接收系统中的临时数据组库中的每组数据进行完整性检测，并在检测到数据存在缺失时根据统计学的方法对数据进行填补，所述数据处理系统具体包括数据检测模块以及数据填补模块；

8、系数计算系统：所述系数计算系统用于对所述数据处理系统中处理完毕的每组数据进行相应的以电折水系数的计算，即将数据代入已知的水电折算系数模型中，从而得到相应系数，所述系数计算系统为外接服务器，且存储组件连接在云端，所述云端对所有数据进行存储，且将数据代入相应的深度学习算法进行数据挖掘学习，并将学习结果反馈至已知的水电折算系数模型中；

9、结果析出系统：所述结果析出系统用于将所述系数计算系统中产生的云端结果及系数数据传输至连接的管理终端。

10、优选的，所述数据采集系统在进行数据采集时具体采用ava数据采集技术、python数据采集技术或scala数据采集技术中的一种或几种的组合；对不同组的流量计和电表的数据进行不同标记时具体采用矩形框标注、多边形标注或点云标注中的一种或几种的组合。

11、优选的，所述数据检测模块采用的算法具体为奇偶校验、bcc异或校验法、lrc纵向冗余校验、crc循环冗余校验、md5摘要算法、sha摘要算法或mac摘要算法中的一种或几种的组合。

12、优选的，所述数据填补模块采用的算法具体为平均值填充、热卡填充、k最近距离邻法、组合完整化方法或回归方程中的一种或几种的组合。

13、优选的，所述已知的水电折算系数模型具体建模过程为：①：通过大数据对现有的水电折算系数以及相关数据进行采集；②：对采集到的数据进行数据预处理，即数据清洗、数据规约、数据转换、数据分析以及数据集成；③：将经过预处理的数据代入模型学习训练算法中进行学习训练；④：得到水电折算系数模型。

14、优选的，所述云端具体为移动云、联通云或电信云中的一种或几种的组合，所述深度学习算法具体包括梯度下降法、随机梯度下降法、动量梯度下降法或均方根算法中的一种或几种的组合。

15、优选的，所述管理终端具体载体为手机、电脑、pc端或集成计算机中的一种或几种的组合。

16、与现有技术相比，本发明的有益效果是：1、通过流量计、电表以及数据传输设备的组合，可实现对样本井中水流流量数据以及电流数据进行实时采集，且整体构架简单，减少投入成本，在某一组件损坏时，可进行单一更换，更加方便；

17、2、通过将数据存储至云端并代入相应的深度学习算法进行数据挖掘学习，最后将学习结果反馈至水电折算系数模型中，从而实现水电折算系数模型的不断完善修正，以得到更加精确的计算结果，且在云端进行运算，可避免与系统运行数据造成系统数据处理量过大从而造成系统崩溃的问题；

18、3、数据传输处理中增加数据完整性检测步骤，有效避免了数据丢失对最终结果造成影响，从而可保证最终结果的准确性，整个系统构架简单精巧，可有效减少系统前期构架时间。

技术特征：

1.一种以电折水样本井智能控制终端装置，其特征在于：包括出水口以及入水口，所述出水口和所述入水口之间设置有流量计、电表以及数据传输设备，且所述出水口和所述入水口处均设置有电动阀门，所述流量计、电表以及数据传输设备之间均为电性连接，所述流量计具体为管段式超声波流量计。

2.根据权利要求1所述的一种以电折水样本井智能控制终端系统，其特征在于：包括数据管理系统，所述数据管理系统用于对以电折水样本井智能控制终端系统中运行的所有数据进行传输管控，所述所有数据包括外接数据以及运算数据；

3.根据权利要求2所述的一种以电折水样本井智能控制终端系统，其特征在于：所述数据采集系统在进行数据采集时具体采用ava数据采集技术、python数据采集技术或scala数据采集技术中的一种或几种的组合；对不同组的流量计和电表的数据进行不同标记时具体采用矩形框标注、多边形标注或点云标注中的一种或几种的组合。

4.根据权利要求2所述的一种以电折水样本井智能控制终端系统，其特征在于：所述数据检测模块采用的算法具体为奇偶校验、bcc异或校验法、lrc纵向冗余校验、crc循环冗余校验、md5摘要算法、sha摘要算法或mac摘要算法中的一种或几种的组合。

5.根据权利要求2所述的一种以电折水样本井智能控制终端系统，其特征在于：所述数据填补模块采用的算法具体为平均值填充、热卡填充、k最近距离邻法、组合完整化方法或回归方程中的一种或几种的组合。

6.根据权利要求2所述的一种以电折水样本井智能控制终端系统，其特征在于：所述已知的水电折算系数模型具体建模过程为：①：通过大数据对现有的水电折算系数以及相关数据进行采集；②：对采集到的数据进行数据预处理，即数据清洗、数据规约、数据转换、数据分析以及数据集成；③：将经过预处理的数据代入模型学习训练算法中进行学习训练；④：得到水电折算系数模型。

7.根据权利要求2所述的一种以电折水样本井智能控制终端系统，其特征在于：所述云端具体为移动云、联通云或电信云中的一种或几种的组合，所述深度学习算法具体包括梯度下降法、随机梯度下降法、动量梯度下降法或均方根算法中的一种或几种的组合。

8.根据权利要求2所述的一种以电折水样本井智能控制终端系统，其特征在于：所述管理终端具体载体为手机、电脑、pc端或集成计算机中的一种或几种的组合。

技术总结
本发明涉及水电折算技术领域，且公开了一种以电折水样本井智能控制终端装置及系统；本以电折水样本井智能控制终端装置包括出水口以及入水口，所述出水口和所述入水口之间设置有流量计、电表以及数据传输设备，且所述出水口和所述入水口处均设置有电动阀门，所述流量计、电表以及数据传输设备之间均为电性连接，所述流量计具体为管段式超声波流量计，本发明通过流量计、电表以及数据传输设备的组合，可实现对样本井中水流流量数据以及电流数据进行实时采集，且整体构架简单，减少投入成本，在某一组件损坏时，可进行单一更换，更加方便，实现水电折算系数模型的不断完善修正，以得到更加精确的计算结果。

技术研发人员：刘彩侠
受保护的技术使用者：智慧水网（北京）科技有限公司
技术研发日：
技术公布日：2024/1/11