治污设备用电异常监测方法、装置及计算机设备与流程

本公开涉及数据处理领域，并且更具体地，涉及一种治污设备用电异常监测方法、装置及计算机设备。

背景技术：

1、随着城市化进程推进，城市治污是保持城市环境的重要环节。目前，治污系统主要集中在污水治理，涉及的治污环节多、设备使用功率大，为了降低治污成本，缓解城市用电压力，治污过程中，需要对治污设备的用电进行监测，监测用电量是否异常，例如用电量远超正常水平。在现有的用电异常监测方式中，主要通过设置用电量阶梯预警的方式进行监测，通过设置阶梯用电量阈值，在治污设备达到阶梯预警阈值时，进行不同程度的预警，以提示运维人员进行用电确认。这种方式在准确性上不能进行保证，且难以高效实时进行监测预警，因为产生治污需求的情况并非千篇一律，受制于季节、天气、城市建设周期等不可控因素，城市污水的产生不同，治理需求和其带来的治污设备运行需求也不同，按照固定的阶梯评估策略无法达到准确监测的目的，因此需要一种能智能准确识别治污设备用电异常的方法。

技术实现思路

1、有鉴于此，本公开实施例至少提供一种治污设备用电异常监测方法、装置及计算机设备。

2、根据本公开实施例的一个方面，提供了一种治污设备用电异常监测方法，应用于计算机设备，所述方法包括：

3、获取治污系统用电数据，并对所述治污系统用电数据的用电数据字段进行检测，得到所述治污系统用电数据的用电数据项集合和所述用电数据项集合中每一用电数据项对应的数据项属性；

4、通过所述用电数据项的数据项属性，在所述用电数据项集合中选取出所述治污系统用电数据中用以进行异常识别的目标用电数据项和治污设备名目，所述治污设备名目用于指示所述治污系统用电数据中涉及到的治污设备的名目；

5、根据所述治污设备名目和目标用电数据项，将所述用电数据项集合编码成用电数据表征向量；

6、对所述用电数据表征向量进行知识挖掘，得到所述治污系统用电数据的用电数据表征知识；

7、通过所述用电数据表征知识确定所述治污系统用电数据的异常用电识别结果，并根据所述异常用电识别结果锁定目标治污设备。

8、根据本公开实施例的一个示例，其中，所述通过所述用电数据项的数据项属性，在所述用电数据项集合中选取出所述治污系统用电数据中用以进行异常识别的目标用电数据项和治污设备名目，包括：

9、获取所述用电数据项集合中全部用电数据项的用电属性；

10、通过所述用电数据项的数据项属性和用电属性，在所述用电数据项集合中选取出所述治污系统用电数据中用以进行异常识别的目标用电数据项；

11、根据预设设备名目检测方式，在所述用电数据项集合中检测出所述治污设备名目。

12、根据本公开实施例的一个示例，其中，所述通过所述用电数据项的数据项属性和用电属性，在所述用电数据项集合中选取出所述治污系统用电数据中用以进行异常识别的目标用电数据项，包括：

13、通过所述用电数据项的数据项属性，在所述用电数据项集合中选取出所述治污系统用电数据的象征性数据项，所述象征性数据项为表征所述治污系统用电数据象征性异常用电的数据项；

14、根据所述用电属性，在所述用电数据项集合中提取出治污系统用电数据中的关键数据项，并将所述象征性数据项和关键数据项作为用以进行异常识别的目标用电数据项，所述关键数据项为识别所述治污系统用电数据异常用电类型的数据项。

15、根据本公开实施例的一个示例，其中，所述通过所述用电数据项的数据项属性，在所述用电数据项集合中选取出治污系统用电数据的象征性数据项，包括：

16、通过预设对照映射表，对所述用电数据项集合中的用电数据项进行分类，得到所述用电数据项集合中每一用电数据项的数据项分类；

17、获取所述数据项分类对应的初始象征性影响系数和所述数据项属性对应的权值优化因子；

18、根据所述权值优化因子，对所述用电数据项的初始象征性影响系数进行调节，得到所述用电数据项集合中每一用电数据项对应的象征性影响系数；

19、通过所述象征性影响系数，在所述用电数据项集合中选取出所述治污系统用电数据的象征性数据项；

20、所述根据所述用电属性，在所述用电数据项集合中提取出治污系统用电数据中的关键数据项，包括：

21、对所述治污系统用电数据进行数据项段落拆解，并在所述用电数据项集合中选取出每一数据项段落对应的备选用电数据项；

22、通过所述用电属性，统计所述备选用电数据项在所述治污系统用电数据中的出现率；

23、根据所述出现率在所述用电数据项集合中提取出所述治污系统用电数据中的关键数据项；

24、所述根据预设设备名目检测方式，在所述用电数据项集合中检测出所述治污设备名目，包括：

25、通过所述预设设备名目检测方式，在所述用电数据项集合中检测出名目，得到名目清单；

26、确定所述名目清单中每一名目的名目类型，并根据所述名目类型，在所述名目清单中选取出所述治污设备名目。

27、根据本公开实施例的一个示例，其中，所述根据所述治污设备名目和目标用电数据项，将所述用电数据项集合编码成用电数据表征向量，包括：

28、将所述用电数据项集合中每一用电数据项编码成初始用电数据表征向量；

29、获取所述治污设备名目和目标用电数据项分别对应的数据项影响系数；

30、通过所述数据项影响系数，确定所述用电数据项集合中每一用电数据项对应的目标数据项影响系数；

31、根据所述目标数据项影响系数，对所述初始用电数据表征向量进行偏心调节，得到所述用电数据表征向量。

32、根据本公开实施例的一个示例，其中，所述通过所述数据项影响系数，确定所述用电数据项集合中每一用电数据项对应的目标数据项影响系数，包括：

33、当所述用电数据项集合中的用电数据项属于所述治污设备名目或目标用电数据项时，将所述治污设备名目或目标用电数据项对应的数据项影响系数作为所述用电数据项集合中的用电数据项对应的目标数据项影响系数；

34、当所述用电数据项集合中的用电数据项属于所述治污设备名目和目标用电数据项时，在所述数据项影响系数中选取出最大的数据项影响系数作为所述用电数据项集合中的用电数据项对应的目标数据项影响系数；

35、当所述用电数据项集合中的用电数据项不属于所述治污设备名目和目标用电数据项时，在所述数据项影响系数中选取出最小的数据项影响系数作为所述用电数据项集合中的用电数据项对应的目标数据项影响系数。

36、根据本公开实施例的一个示例，其中，所述对所述治污系统用电数据的用电数据字段进行检测，得到所述治污系统用电数据的用电数据项集合和所述用电数据项集合中每一用电数据项对应的数据项属性，包括：

37、对所述治污系统用电数据的用电数据字段进行清洗，得到清洗后用电数据字段；

38、对所述清洗后用电数据字段进行字段拆分，得到所述治污系统用电数据的初始用电数据项；

39、检测所述初始用电数据项的数据项属性，并通过所述初始用电数据项的数据项属性，对所述初始用电数据项进行调节，得到所述用电数据项集合；

40、根据所述初始用电数据项的数据项属性，确定所述用电数据项集合中每一用电数据项对应的数据项属性；

41、所述对所述用电数据表征向量进行知识挖掘，得到所述治污系统用电数据的用电数据表征知识，包括：

42、对所述用电数据项集合中每一用电数据项进行哑变量编码，得到用电数据项编码；

43、基于调试好的整合网络将所述用电数据项编码与所述用电数据表征向量进行整合，得到整合后的用电数据表征向量矩阵；

44、对所述整合后的用电数据表征向量矩阵进行知识挖掘，得到所述治污系统用电数据的用电数据表征知识。

45、根据本公开实施例的一个示例，其中，所述基于调试好的整合网络将所述用电数据项编码与所述用电数据表征向量进行整合，得到整合后的用电数据表征向量矩阵之前，所述方法还包括：

46、构建用电数据学习样例集，所述用电数据学习样例集中包括已注释异常用电识别结果的治污系统用电数据；

47、基于预设的整合网络对所述用电数据学习样例集中用电数据学习样例的异常用电识别结果进行推理，得到推理异常用电识别结果；

48、通过所述推理异常用电识别结果与注释异常用电识别结果对所述预设的整合网络进行调试，得到所述调试好的整合网络；

49、所述预设的整合网络包括知识挖掘分支网络和分类分支网络，所述基于预设的整合网络对所述用电数据学习样例集中用电数据学习样例的异常用电识别结果进行推理，得到推理异常用电识别结果，包括：

50、基于所述知识挖掘分支网络对所述用电数据学习样例集中的用电数据学习样例进行知识挖掘，得到目标用电数据表征知识；

51、基于所述分类分支网络对所述目标用电数据表征知识进行分类，得到所述用电数据学习样例集中用电数据学习样例的治污系统用电数据异常用电分类；

52、通过所述用电数据学习样例集中用电数据学习样例的治污系统用电数据异常用电分类，确定所述推理异常用电识别结果；

53、所述通过所述用电数据表征知识确定所述治污系统用电数据的异常用电识别结果，包括：

54、分别获取所述用电数据表征知识与所述用电数据学习样例集中每一用电数据学习样例的预设用电数据表征知识之间的用电数据共性系数；

55、通过所述用电数据共性系数，在所述用电数据学习样例集中提取出与所述治污系统用电数据的共性系数大于共性阈值的一个或多个候选用电数据学习样例；

56、在所述候选用电数据学习样例的异常用电识别结果中选取出所述治污系统用电数据的异常用电识别结果。

57、根据本公开实施例的另一方面，还提供了一种治污设备用电异常监测装置，包括：

58、数据获取模块，用于获取治污系统用电数据，并对所述治污系统用电数据的用电数据字段进行检测，得到所述治污系统用电数据的用电数据项集合和所述用电数据项集合中每一用电数据项对应的数据项属性；

59、名目确定模块，用于通过所述用电数据项的数据项属性，在所述用电数据项集合中选取出所述治污系统用电数据中用以进行异常识别的目标用电数据项和治污设备名目，所述治污设备名目用于指示所述治污系统用电数据中涉及到的治污设备的名目；

60、数据编码模块，用于根据所述治污设备名目和目标用电数据项，将所述用电数据项集合编码成用电数据表征向量；

61、知识挖掘模块，用于对所述用电数据表征向量进行知识挖掘，得到所述治污系统用电数据的用电数据表征知识；

62、异常识别模块，用于通过所述用电数据表征知识确定所述治污系统用电数据的异常用电识别结果，并根据所述异常用电识别结果锁定目标治污设备。

63、根据本公开实施例的又一方面，提供了一种计算机设备，包括：

64、一个或多个处理器；

65、以及一个或多个存储器，其中所述存储器中存储有计算机可读代码，所述计算机可读代码在由所述一个或多个处理器运行时，使得所述一个或多个处理器执行如第一方面的方法。

66、本公开至少具有以下有益效果：本公开提供的治污设备用电异常监测方法、装置及计算机设备，获取治污系统用电数据后，对治污系统用电数据的用电数据字段进行检测，得到治污系统用电数据的用电数据项集合和用电数据项集合中每一用电数据项对应的数据项属性，然后，通过用电数据项的数据项属性，在用电数据项集合中选取出治污系统用电数据中用以进行异常识别的目标用电数据项和治污设备名目，该治污设备名目用于指示治污系统用电数据中涉及到的治污设备的名目，接着根据治污设备名目和目标用电数据项，将用电数据项集合编码成用电数据表征向量，对用电数据表征向量进行知识挖掘，得到治污系统用电数据的用电数据表征知识，然后，通过用电数据表征知识确定治污系统用电数据的异常用电识别结果，并根据异常用电识别结果锁定目标治污设备，本公开整合了治污系统用电数据中用以进行异常识别的目标用电数据项和治污设备名目等多维全面的治污系统用电数据的用电数据表征知识，可以根据用电数据表征知识，对治污系统用电数据进行准确的异常用电识别。

67、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开的技术方案。