一种温度传感器数据异常处理方法

技术领域

本发明涉及电子数字数据处理技术领域，具体涉及一种温度传感器数据异常处理方法。

背景技术

在日常生活中，温度传感器的应用十分广泛，如热水器往往需要用到温度传感器来实时监测温度，热水器在加热过程中水温上升，待水沸腾后热水器停止加热，水温回落，此时温度传感器会对热水器每次加热时水温上升，和停止加热后水温回落的数据进行监测，但是，温度传感器只是对水温进行监测，并没有对热水器在加热过程中产生的异常情况进行判断，无法及时解决热水器存在的潜在质量问题。

在现有技术中，通过温度传感器数据的变化来监测热水器是否存在异常，当热水器运行过程中，出现温度异常时，温度传感器传输信号至报警模块，报警模块发出警报；该方法局限于只有当热水器运行过程中，出现较大温度异常时，才会发出警报，并没有对热水器运行过程中的温度进行分析，更不能根据热水器在长期使用时，温度的微小变化来获得热水器存在的潜在质量问题。

发明内容

本发明提供一种温度传感器数据异常处理方法，以解决现有的无法根据热水器在长期使用时，温度的微小变化来获得热水器存在的潜在质量问题。

本发明的一种温度传感器数据异常处理方法，采用如下技术方案：

获取热水器的温度传感器每次加热的历史监测温度数据和当前监测温度数据，根据所述历史监测温度数据，得到历史监测温度数据的变化值序列，对历史监测温度数据的变化值序列进行拟合得到目标数据序列；

得到历史监测温度数据的变化值序列的方法是：

将每次加热的历史监测温度数据中的最高温度与最低温度的差值作为分子，将每次监测温度数据所用的时间作为分母；

根据分子与分母的比值得到该次历史监测温度数据的变化值，其中，每次历史监测温度数据的变化值即为每组历史监测温度数据的变化值；

将每组历史监测温度数据的变化值按时序排列得到历史监测温度数据的变化值序列；

根据目标数据序列中的每个目标数据对应的变化值、每个目标数据的数值得到目标数据序列中的所有分割点，其中，每个目标数据与每组历史监测温度数据的变化值对应；

根据所有分割点对目标数据序列进行分段，获取每相邻两段目标数据序列对应的变化值序列的相似度，根据相似度判断每相邻两段目标数据序列是否需要合并，并得到两段及两段以上目标数据段；

根据每个目标数据段对应的每个变化值与当前监测温度数据的变化值的相似度均值、每个目标数据段对应的所有变化值的均值及当前监测温度数据的变化值，得到对应目标数据段的权重；

根据每个目标数据段的权重、每个目标数据段对应的所有历史监测温度数据与当前监测温度数据的相似度均值，以及目标数据段的个数得到当前监测温度数据的异常程度，根据当前监测温度数据的异常程度确定当前使用热水器是否存在潜在异常。

进一步的，目标数据序列是按如下方法确定的：

以时间为横坐标，历史监测温度数据的变化值为纵坐标，绘制历史监测温度数据的变化值序列曲线；

对变化值序列曲线求导得到导函数曲线；

将导函数曲线上的每个数值作为目标数据由左向右进行排列，得到目标数据序列，其中，所述每个数值为每个变化值在变化值序列曲线所在点的导数值。

进一步的，所述分割点的是按如下方法确定的：

获取目标数据序列中的目标数据为分割点的可能性，具体表达式为：

式中：

当目标数据为分割点的可能性大于预设可能性阈值时，该目标数据为分割点，并得到目标数据序列中的所有分割点。

进一步的，每相邻两段目标数据序列对应的变化值序列的相似度的具体表达式为：

式中：

进一步的，目标数据段的权重是按如下方法确定的：

分别获取每个目标数据段对应的所有变化值的均值与当前监测温度数据的变化值的比值；

对所述比值进行反比例归一化得到每个目标数据段的反比例归一化后的值；

目标数据段对应的每个变化值与当前监测温度数据的变化值的相似度均值，与该目标数据段的反比例归一化后的值相乘得到乘积；

对该乘积进行归一化，将归一化后的值作为对应目标数据段的权重。

进一步的，当前监测温度数据的异常程度是按如下方法确定的：

式中：

本发明的有益效果是：本发明首先获取热水器的温度传感器的历史监测温度数据和当前监测温度数据，获取历史监测温度数据的变化值序列，根据每组历史监测温度数据的变化值序列拟合目标数据序列，根据目标数据序列中的每个目标数据对应的变化值、每个目标数据的数值得到目标数据序列中的所有分割点，该过程对每组历史监测温度数据进行了处理，由于每组历史监测温度数据相对于单个温度数据而言，更具代表性，避免了由于加热过程前期温度变化不明显导致的误差，因此，根据每组历史监测温度数据的变化值序列获取分割点，使得后续的分段更加准确；根据所有分割点对目标数据序列进行分段，获取每相邻两段目标数据序列对应的变化值序列的相似度，根据相似度判断每相邻两段目标数据序列是否需要合并，并得到两段及两段以上目标数据段，根据每个目标数据段对应的每个变化值与当前监测温度数据的变化值的相似度均值、所有变化值的均值及当前监测温度数据的变化值，得到对应目标数据段的权重；该过程首先利用分割点对目标数据序列进行初步分割，得到了两段及两段以上的目标数据序列，由于分段过程中只根据了目标数据序列中每个数据对应的变化值和每个目标数据的数值，所以分段结果会存在一定程度的误差，基于此，根据每相邻两段目标数据序列对应的变化值序列的相似度，再次进行分段，得到了最终的目标数据段，使得分段的结果更加准确，便于后续计算每个目标数据段的权重，判断当前使用热水器是否存在异常，因此，该过程实现了根据每组历史监测温度数据对当前使用热水器进行判断，从每组历史监测温度数据的微小变化中，对当前使用热水器进行监测，判断该热水器是否存在潜在异常。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种温度传感器数据异常处理方法的实施例的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种温度传感器数据异常处理方法的实施例，如图1所示，包括：

热水器在加热过程中，虽然每一组数据的数值不完全相同，但是数据的变化趋势相同，因此，通过每一个时间周期的历史数据与当前数据相比较，获得当前数据与历史数据之间的差异程度，根据差异程度判断当前热水器是否存在潜在质量问题。其中，出现的差异的原因是，在热水器的使用过程中，热水器里面产生了水垢，导致在热传递效率降低，在相同的时间内水的温度升高变慢，因此会产生数据的差异。但是为了能够评价数据之间的具体差异，本发明控制水的温度，比较加热时间。将相同体积的水加热到100℃,比较温度传感器数据的变化，判断当前热水器是否存在潜在质量问题。

S1、获取热水器的温度传感器每次加热的历史监测温度数据和当前监测温度数据，根据所述历史监测温度数据，得到历史监测温度数据的变化值序列，对历史监测温度数据的变化值序列进行拟合得到目标数据序列。

本发明的主要目的是，根据温度传感器监测到的实时数据对热水器的运行状态进行评价，从而判断热水器是否存在潜在的质量问题，因此，需要获得温度传感器监测到的数据，不但需要获得当前数据，还需要获取温度传感器监测到的历史数据，历史数据为热水器第一次使用到当前使用产生的所有数据，温度传感器监测热水器的实时数据时，不但采集加热过程中的数据，还会采集温度回落过程中的数据，而在本发明中温度回落的数据是没有必要的，因此在获得的历史数据中将温度回落的数据直接删除，避免增加数据量。

具体的是，温度传感器采集到的温度，若下一时刻的温度比上一时刻的温度低，则说明温度是处于回落状态，则将该下一时刻的温度值在进行数据存储的时候，全部自动删除，不进行存储。据此，可得到历史监测温度数据和当前监测温度数据。其中，获取历史监测温度数据时，需保证每次加热的水的体积相同。

获取每组升温的历史监测温度所组成的集合，将每组升温的历史监测温度所组成的集合按照时序排列，组成历史监测温度数据序列，

对于温度传感器而言，短时间内，温度随时间的变化是微弱的，但是，随着时间的增加，当前的温度数据与初始温度数据会有较大的区别，尤其是热水器加热所需的时间，热水器随着使用时间的增加，水加热到沸腾的时间会越来越久，因此，获取历史监测温度数据序列中每个集合中，最高温度与最低温度的差值作为分子，将每次监测温度数据所用的时间作为分母；根据分子与分母的比值得到该次历史监测温度数据的变化值，即每组历史监测温度数据随时间的变化值。其中，每组历史监测温度数据即为每组升温的历史监测温度所组成的集合。

具体的是，将每次加热的历史监测温度数据中的最高温度与最低温度的差值作为分子，将每次监测温度数据所用的时间作为分母；根据分子与分母的比值得到该次历史监测温度数据的变化值，其中，每次历史监测温度数据的变化值即为每组历史监测温度数据的变化值；将每组历史监测温度数据的变化值按时序排列得到历史监测温度数据的变化值序列，

式中：

至此，得到了历史监测温度数据的变化值序列。

根据每组历史监测温度数据的变化值序列拟合目标数据序列，具体的是，以时间为横坐标，历史监测温度数据的变化值为纵坐标，绘制历史监测温度数据的变化值序列曲线；对变化值序列曲线求导得到导函数曲线；将导函数曲线上的每个数值由左向右进行排列，得到目标数据序列。其中，变化值的导数为目标数据，且每个变化值对应一个目标数据。

S2、根据目标数据序列中的每个目标数据对应的变化值、每个目标数据的数值得到目标数据序列中的所有分割点，其中，每个目标数据与每组历史监测温度数据的变化值对应。

首先，以目标数据序列中第

式中：

其中，

根据每个目标数据为分割点的可能性与预设可能性阈值6.2，得到目标数据序列中的所有分割点。即当目标数据为分割点的可能性大于6.2时，该目标数据为目标数据序列中的分割点。至此，可得到目标数据序列中的所有分割点。但是，在目标数据序列中末端存在目标数据分割点的可能性无法计算，但并不影响整体的方案，因为后续根据分割点划分目标数据序列段，直接将目标数据序列中最后一个分割点的下一个目标数据到目标数据序列最末端划分为一段即可。分割点判断目标数据序列中相邻数据的差异，若相邻数据的差异较大，则需要根据数据的发生变化的点，以及整个序列中数据的分布规律对数据分割。

S3、根据所有分割点对目标数据序列进行分段，获取每相邻两段目标数据序列对应的变化值序列的相似度，根据相似度判断每相邻两段目标数据序列是否需要合并，并得到两段及两段以上目标数据段。

根据所有分割点将目标数据序列分为多段，即两段及两段以上，获取每相邻两段目标数据序列对应的变化值序列的相似度。

优选的，通过DTW算法，获取每组历史监测数据和当前监测数据的相似度，该方法为现有技术，本发明不在阐述。

需要说明的是，所述任意一组历史监测数据和当前监测数据的相似度，表征了两组温度数据之间的相似度，因此，在温度数据经相同步骤变化后，其相似度不发生改变，因此，将任意一组历史监测数据和当前监测数据的相似度，作为该组历史监测数据对应的变化值与当前监测数据对应的变化值的相似度，据此，可得每组历史监测数据对应的变化值与当前监测数据对应的变化值的相似度。

获取每段目标数据序列对应的每个变化值，与当前监测数据对应的变化值的相似度均值，因此，每相邻两段目标数据序列对应的变化值序列的相似度的具体表达式为：

式中：

其中，

根据每相邻两段目标数据序列对应的变化值序列的相似度对目标数据序列段进行合并，具体的是，设置相似度阈值0.92，当每相邻两段目标数据序列的相似度大于相似度阈值时，将该相邻两段目标数据序列合并，相当于完成时序上的层次聚类，得到两段及两段以上目标数据段，其中，每段目标数据段包括至少一个目标数据。

S4、根据每个目标数据段对应的每个变化值与当前监测温度数据的变化值的相似度均值、每个目标数据段对应的所有变化值的均值及当前监测温度数据的变化值，得到对应目标数据段的权重。

具体的是，分别获取每个目标数据段对应的所有变化值的均值与当前监测温度数据的变化值的比值；对所述比值进行反比例归一化得到每个目标数据段的反比例归一化后的值；目标数据段对应的每个变化值与当前监测温度数据的变化值的相似度均值，与该目标数据段的反比例归一化后的值相乘得到乘积；对该乘积进行归一化，将归一化后的值作为对应目标数据段的权重。因此，目标数据段的权重的具体表达式为：

式中：

其中，

S5、根据每个目标数据段的权重、每个目标数据段对应的所有历史监测温度数据与当前监测温度数据的相似度均值，以及目标数据段的个数得到当前数据的异常程度，根据当前数据的异常程度确定当前使用热水器是否存在潜在异常。

具体的是，根据每个目标数据段的权重、当前监测温度数据的温度方差、每个目标数据段对应的历史监测温度数据的温度方差，以及每个目标数据段对应的所有温度数据与当前监测温度数据的相似度均值，可得到当前数据的异常程度的具体表达式为：

式中：

其中，

因此，设置异常程度阈值，实施者可根据具体情况设置，本发明不给出经验参考值，若当前数据的异常程度大于异常程度阈值，则当前数据异常，则当前使用的热水器存在潜在异常，通过处理器将该信息反馈至报警模块发出警报，提醒用户及时对热水器进行保养即可。

综上所述，本发明首先获取热水器的温度传感器的历史监测温度数据和当前监测温度数据，获取历史监测温度数据的变化值序列，根据每组历史监测温度数据的变化值序列拟合目标数据序列，根据目标数据序列中的每个目标数据对应的变化值、每个目标数据的数值得到目标数据序列中的所有分割点，该过程对每组历史监测温度数据进行了处理，由于每组历史监测温度数据相对于单个温度数据而言，更具代表性，避免了由于加热过程前期温度变化不明显导致的误差，因此，根据每组历史监测温度数据的变化值序列获取分割点，使得后续的分段更加准确；根据所有分割点对目标数据序列进行分段，获取每相邻两段目标数据序列对应的变化值序列的相似度，根据相似度判断每相邻两段目标数据序列是否需要合并，并得到两段及两段以上目标数据段，根据每个目标数据段对应的每个变化值与当前监测温度数据的变化值的相似度均值、所有变化值的均值及当前监测温度数据的变化值，得到对应目标数据段的权重；该过程首先利用分割点对目标数据序列进行初步分割，得到了两段及两段以上的目标数据序列，由于分段过程中只根据了目标数据序列中每个数据对应的变化值和每个目标数据的数值，所以分段结果会存在一定程度的误差，基于此，根据每相邻两段目标数据序列对应的变化值序列的相似度，再次进行分段，得到了最终的目标数据段，使得分段的结果更加准确，便于后续计算每个目标数据段的权重，判断当前使用热水器是否存在异常，因此，该过程实现了根据每组历史监测温度数据对当前使用热水器进行判断，从每组历史监测温度数据的微小变化中，对当前使用热水器进行监测，判断该热水器是否存在潜在异常。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。