一种基于工业互联网的智慧水务数据评估系统及方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于工业互联网的智慧水务数据评估系统及方法。

背景技术

智慧水务是指通过先进的信息技术手段，对水务系统进行全面检测、实时响应和智能管理，以提升水资源利用效率、改善供水质量、优化供水排水系统运行等目标；水务数据通常指涉及水资源管理、供水、排水和水质检测等领域的数据。

现有的水务数据评估方案在实施时存在一定的缺陷，不能对不同位置的水务检测数据实施针对性的局部异常影响状态以及阶段异常影响状态的数据分析，以及不能对异常波动持续影响实施针对性的数字可视化风险追溯处理，导致局部水务监测数据处理分析效果不佳以及异常数据挖掘分析效果不佳。

发明内容

本发明的目的在于提供一种基于工业互联网的智慧水务数据评估系统及方法，用于解决现有方案中局部水务监测数据处理分析效果不佳以及异常数据挖掘分析效果不佳的技术问题。

本发明的目的可以通过以下技术方案实现：

一种基于工业互联网的智慧水务数据评估系统，包括：

检测数据处理评估模块，用于对监测获取的水务目标检测数据集中的所有目标检测数据曲线实施数据处理和分析，并对分析获取的目标检测点进行数据处理计算获取对应的主动检测状态度，根据主动检测状态度对目标检测点当下对应的异常影响状态进行数据评估以及阶段异常影响状态风险等级的数字化风险提示；

其中，根据分析获取的异常持续标签统计目标检测点后续与其存在水资源传输关系的所有检测点并标记为被动影响检测点，统计被动影响检测点的总数N并通过公式Zj=N×S/t计算获取目标检测点对应的主动检测状态度Zj；式中，S为评估周期内大于警戒值的目标检测数据曲线与警戒值围成的面积，t为评估周期对应的持续时长；将主动检测状态度输入至异常影响识别模型中进行数据分析获取对应的阶段异常影响状态风险等级并提示；

检测数据追溯评估模块，用于对目标检测点检测分析获取的阶段异常影响状态风险等级实施对应异常波动持续影响的数据计算以及分析，并根据分析结果对目标检测点的异常波动持续影响实施针对性的数字可视化风险提示；

其中，通过公式Cy=[S′-S0]计算获取目标检测点在持续影响验证时段对应的持续影响度Cy；式中，S′为持续影响验证时段内目标检测数据曲线与警戒值围成的评估面积，S0为标准面积；获取持续影响度的符号并进行持续影响类型分析得到正影响类型标签或者负影响类型标签；将持续影响度的数值输入至预构建的持续影响评估模型中进行持续影响程度评估并输出持续影响标识以及对应的持续影响风险等级。

优选地，还包括水务数据检测设置模块，用于根据不同位置的水资源传输路线获取对应的主检测点和副检测点，并对主检测点和副检测点实施目标检测项的检测以及数据统计，得到由若干标记的主检测点和副检测点以及关联的目标检测数据曲线排序组合的水务目标检测数据集。

优选地，获取水资源从始发端到用户端途中的所有中转站点，并按水资源输送路线的顺序来将所有的中转站点分别标记为第一主检测点、第二主检测点、……、第N主检测点，N为正整数；

在相邻主检测点之间设置D个副检测点，根据相邻主检测点之间水资源输送路线的顺序来将所有的D个副检测点分别标记为第一副检测点、第二副检测点、……、第D副检测点；

将所有的主检测点进行连线组合，并将所有相邻的主检测点之间的若干副检测点进行填充绑定，得到检测点组合连接线。

优选地，获取相邻的主检测点之间的水资源传输距离并通过公式D=[d/d0]计算获取对应的间隔连续度D；式中，d0为标准传输距离；根据间隔连续度D在计算的相邻主检测点之间设置D个副检测点。

优选地，通过目标检测传感器来对主检测点和副检测点实施目标检测项的检测，并将检测获取的检测数据通过预构建的检测坐标系进行展示并连接，得到目标检测项对应的目标检测数据曲线；

根据主检测点和副检测点对应的标记来将其关联的目标检测数据曲线进行排序组合，得到水务目标检测数据集。

优选地，目标检测项包括异常气味检测项、溶解氧检测项、磷酸盐检测项以及浊度检测项。

优选地，将所有目标检测数据曲线中的实时检测数据与检测坐标系中预设的警戒值进行判定分类；

若实时检测数据不大于警戒值，则生成检测正常标签；

反之，则生成检测异常标签，并根据检测异常标签将实时检测数据对应的检测点标记为目标检测点，以及将检测异常标签生成的时间点标记为目标开始时间点；

并根据目标开始时间点和预设的评估周期对目标检测点出现的检测异常数据实施稳定性追溯评估。

优选地，若目标检测点在评估周期内的实时检测数据与警戒值的交点为一个，则生成异常恢复标签；反之，则生成异常持续标签。

优选地，若符号为正号，则生成正影响类型标签；若符号为负号，则生成负影响类型标签。

一种基于工业互联网的智慧水务数据评估方法，包括：

根据不同位置的水资源传输路线获取对应的主检测点和副检测点，并对主检测点和副检测点实施目标检测项的检测以及数据统计，得到由若干标记的主检测点和副检测点以及关联的目标检测数据曲线排序组合的水务目标检测数据集；

对水务目标检测数据集中的所有目标检测数据曲线实施数据处理和分析，并对分析获取的目标检测点进行数据处理计算获取对应的主动检测状态度，根据主动检测状态度对目标检测点当下对应的异常影响状态进行数据评估以及阶段异常影响状态风险等级的数字化风险提示；

对目标检测点检测分析获取的阶段异常影响状态风险等级实施对应异常波动持续影响的数据计算以及分析，并根据分析结果对目标检测点的异常波动持续影响实施针对性的数字可视化风险提示。

相比于现有方案，本发明实现的有益效果：

本发明通过对水资源的传输路线实施模块化的处理以及标记，可以为后续水资源在不同位置的检测分析提供可靠的位置数据支持，通过预设的评估周期来对目标检测点异常数据对应的异常类型实施周期性的核验分析，可以获取到目标检测点的异常持续情况，通过对计算获取的主动检测状态度进行数据分析和分类获取对应的阶段异常影响状态风险等级并进行针对性的风险提示，可以对目标检测点对应目标检测项检测的异常数据实施针对性的分析获取对应的阶段异常影响状态风险等级，根据目标检测点检测分析获取的阶段异常影响状态风险等级获取对应的持续影响验证时段，利用持续影响验证时段条件来计算获取目标检测点对应的持续影响度，通过获取持续影响度的符号和数值并分别进行持续影响类型分析以及持续影响程度分析，可以获取到目标检测点对应的持续影响风险等级并进行针对性的数字化风险展示提示，提高了检测异常评估环节和追溯评估环节对应风险数字化提示的可靠性和多样性。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明一种基于工业互联网的智慧水务数据评估系统的模块框图。

图2为本发明中检测点组合连接线获取的流程框图。

图3为本发明中检测数据追溯评估模块工作的流程框图。

图4为本发明一种基于工业互联网的智慧水务数据评估方法的流程框图。

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，本领域普通运维人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1：如图1所示，本发明为一种基于工业互联网的智慧水务数据评估系统，包括水务数据检测设置模块、检测数据处理评估模块、检测数据追溯评估模块和监管平台；

水务数据检测设置模块，用于根据不同位置的水资源传输路线获取对应的主检测点和副检测点，并对主检测点和副检测点实施目标检测项的检测以及数据统计，得到水务目标检测数据集并实时上传至监管平台；包括：

如图2所示，获取水资源从始发端到用户端途中的所有中转站点，始发端可以为自来水厂，水资源可以为自来水，并按水资源输送路线的顺序来将所有的中转站点分别标记为第一主检测点、第二主检测点、……、第N主检测点，N为正整数；

以及，获取相邻的主检测点之间的水资源传输距离d，并通过公式D=[d/d0]计算获取对应的间隔连续度D；式中，d0为标准传输距离，标准传输距离的具体数值可以根据现有的检测点距离设计参数来确定，也可以基于实际应用场景进行自定义；根据间隔连续度D在计算的相邻主检测点之间设置D个副检测点，并根据相邻主检测点之间水资源输送路线的顺序来将所有的D个副检测点分别标记为第一副检测点、第二副检测点、……、第D副检测点；

将所有的主检测点进行连线组合，并将所有相邻的主检测点之间的若干副检测点进行填充绑定，得到检测点组合连接线；

本发明实施例中，通过对水资源的传输路线实施模块化的处理以及标记，可以为后续水资源在不同位置的检测分析提供可靠的位置数据支持，并且相对于现有技术方案中只设置主检测点的设计方案，本发明实施例中通过设计主检测点和副检测点的协同配合检测，可以实现更高效、更精准的水务数据检测以及异常定位追溯。

对主检测点和副检测点实施目标检测项的检测时，通过目标检测传感器来对主检测点和副检测点实施目标检测项的检测，并将检测获取的检测数据通过预构建的检测坐标系进行展示并连接，得到目标检测项对应的目标检测数据曲线；检测坐标系的横轴为实时北京时间，纵轴为呈等差数值变化的检测差值，检测差值的具体数值根据实际目标检测项的历史检测数据来确定；

其中，目标检测传感根据对应的目标检测项来确定，目标检测项包括但不限于异常气味检测项、溶解氧检测项、磷酸盐检测项以及浊度检测项；对应的目标检测传感可以为硫化氢传感器、氯化物传感器或者挥发性有机化合物（VOCs）传感器、溶解氧传感器、磷酸盐传感器以及浊度传感器；

根据主检测点和副检测点对应的标记来将其关联的目标检测数据曲线进行排序组合，得到水务目标检测数据集；

本发明实施例中，通过对处理得到的主检测点和副检测点实施目标检测项的检测以及数据统计获取水务目标检测数据集，既可以获取到不同检测点的实时检测数据，又可以为后续不同检测点的异常检测状态分析提供可靠的局部检测数据支持。

检测数据处理评估模块，用于对水务目标检测数据集中的所有目标检测数据曲线实施数据处理和分析，并对分析获取的目标检测点进行数据处理计算获取对应的主动检测状态度，根据主动检测状态度对目标检测点当下对应的异常影响状态进行数据评估以及阶段异常影响状态风险等级的数字化风险提示；包括：

将所有目标检测数据曲线中的实时检测数据与检测坐标系中预设的警戒值进行判定分类；警戒值根据对应目标检测项现有的标准要求数据来确定，警戒值在检测坐标系中以水平直线的方式进行展示；

若实时检测数据不大于警戒值，则生成检测正常标签；

反之，则生成检测异常标签，并根据检测异常标签将实时检测数据对应的检测点标记为目标检测点，以及将检测异常标签生成的时间点标记为目标开始时间点，开始时间点的单位精确到秒；

并根据目标开始时间点和预设的评估周期对目标检测点出现的检测异常数据实施稳定性追溯评估；其中，评估周期对应的周期时长单位为秒，具体的数值可以为30秒；

若目标检测点在评估周期内的实时检测数据与警戒值的交点为一个，则生成异常恢复标签，这里不包含检测异常标签生成时实时检测数据与警戒值的交点；反之，则生成异常持续标签；

异常恢复标签或者异常持续标签构成异常追溯评估数据；

本发明实施例中，通过预设的评估周期来对目标检测点异常数据对应的异常类型实施周期性的核验分析，既可以获取到目标检测点的异常持续情况，又可以为后续异常持续情况的追溯分析和评估提供可靠的验证数据支持。

根据异常追溯评估数据中的异常持续标签对目标检测点对应的阶段异常影响状态进行数据计算和分析；

统计目标检测点后续与其存在水资源传输关系的所有检测点并标记为被动影响检测点，统计被动影响检测点的总数N并通过公式Zj=N×S/t计算获取目标检测点对应的主动检测状态度Zj；式中，S为评估周期内大于警戒值的目标检测数据曲线与警戒值围成的面积，t为评估周期对应的持续时长；

获取目标检测项对应的设计参数，并根据设计参数构建异常影响识别模型，异常影响识别模型可以基于孤立森林算法进行建立，将主动检测状态度输入至异常影响识别模型中进行数据分析获取对应的阶段异常影响状态风险等级并提示；

其中，异常影响识别模型的表达式为：

根据异常影响识别模型输出的1、2或者3的数值分别生成对应的阶段异常低影响状态风险等级、阶段异常中影响状态风险等级或者阶段异常高影响状态风险等级；

本发明实施例中，通过对计算获取的主动检测状态度进行数据分析和分类获取对应的阶段异常影响状态风险等级并进行针对性的风险提示，可以对目标检测点对应目标检测项检测的异常数据实施针对性的分析获取对应的阶段异常影响状态风险等级，提高了水务数据检测发现异常数据处理分析的多样性以及数据评估提示的可靠性；

检测数据追溯评估模块，用于对目标检测点检测分析获取的阶段异常影响状态风险等级实施对应异常波动持续影响的数据计算以及分析，并根据分析结果对目标检测点的异常波动持续影响实施针对性的数字可视化风险提示；包括：

如图3所示，根据目标检测点检测分析获取的阶段异常影响状态风险等级获取对应的持续影响验证时段，其中，阶段异常低影响状态风险等级、阶段异常中影响状态风险等级或者阶段异常高影响状态风险等级对应的持续影响验证时段均不同，且对应持续影响验证时段的数值依次降低，在实现异常追溯验证异常持续的同时，还可以降低不同影响状态风险在分析时产生的负面影响，并获取持续影响验证时段内目标检测数据曲线与警戒值围成的评估面积S′，以及获取评估周期内与持续影响验证时段相邻且时长相同的目标检测数据曲线与警戒值围成的标准面积S0，通过公式Cy=[S′-S0]计算获取目标检测点在持续影响验证时段对应的持续影响度Cy；

获取持续影响度的符号和数值并分别进行持续影响类型分析以及持续影响程度分析；

若符号为正号，则生成正影响类型标签；若符号为零，则生成稳定影响类型标签；若符号为负号，则生成负影响类型标签；

需要说明的是，当检测到目标检测点存在异常时，需要进一步对其出现的异常持续影响进行追溯分析，以便运维人员采取更及时可靠的方案进行处理和解决；其中，目标检测点出现的异常持续影响包含严重增加风险、严重平稳风险和严重减少风险；

根据正影响类型标签或者负影响类型标签将持续影响度的数值输入至预构建的持续影响评估模型中进行持续影响程度评估并输出持续影响标识以及对应的持续影响风险等级；其中，获取目标检测项的历史异常检测数据并基于孤立森林算法建立持续影响评估模型，用于对持续影响度进行持续影响程度评估和分类；

其中，持续影响评估模型的表达式为：

输出的持续影响标识为21、11或者22、12，分别表示风险增加高影响等级、风险增加低影响等级或者风险减少高影响等级、风险减少低影响等级；

根据输入的持续影响标识分别生成对应的风险增加高影响等级、风险增加低影响等级、风险减少高影响等级或者风险减少低影响等级并提示。

本发明实施例中，根据目标检测点检测分析获取的阶段异常影响状态风险等级获取对应的持续影响验证时段，利用持续影响验证时段条件来计算获取目标检测点对应的持续影响度，通过获取持续影响度的符号和数值并分别进行持续影响类型分析以及持续影响程度分析，可以获取到目标检测点对应的持续影响风险等级并进行针对性的数字化风险展示提示，提高了检测异常评估环节和追溯评估环节对应风险数字化提示的可靠性和多样性。

实施例2：如图4所示，一种基于工业互联网的智慧水务数据评估方法，包括：

根据不同位置的水资源传输路线获取对应的主检测点和副检测点，并对主检测点和副检测点实施目标检测项的检测以及数据统计，得到由若干标记的主检测点和副检测点以及关联的目标检测数据曲线排序组合的水务目标检测数据集；

对水务目标检测数据集中的所有目标检测数据曲线实施数据处理和分析，并对分析获取的目标检测点进行数据处理计算获取对应的主动检测状态度，根据主动检测状态度对目标检测点当下对应的异常影响状态进行数据评估以及阶段异常影响状态风险等级的数字化风险提示；

对目标检测点检测分析获取的阶段异常影响状态风险等级实施对应异常波动持续影响的数据计算以及分析，并根据分析结果对目标检测点的异常波动持续影响实施针对性的数字可视化风险提示。

此外，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件通过模拟软件模拟得到最接近真实情况的一个公式。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统以及方法，可以通过其他的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，既可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域运维人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的基本特征的情况下，能够以其他的具体形式实现本发明。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通运维人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。