一种基于时间序列的工业用水管道故障诊断方法及系统技术方案

本发明专利技术公开了一种基于时间序列的工业用水管道故障诊断方法及系统，实时监测和采集管道瞬时流量数据，作为时间序列观测值数据；从时间序列观测值中分割出待监测期之前的历史时间序列观测值数据和监测期时间序列观测值数据；对历史时间序列观测值数据进行数据预处理，得到平稳历史时间序列数据，进行数据拟合建模，得到平稳历史时间序列模型；通过平稳历史时间序列模型预测出监测期时间序列预测值，对监测期时间序列预测值进行分析判断，得出故障区域，对故障区域发出故障预警信号；本发明专利技术通过可以实现对工业用水管道的故障及时预测诊断，本故障诊断方法适用于大范围检测，很大程度上能够节约检查的成本和降低检修难度。

A Fault Diagnosis Method and System for Industrial Water Pipeline Based on Time Series

The invention discloses a fault diagnosis method and system for industrial water pipeline based on time series, which real-time monitors and collects instantaneous flow data of pipeline as observation data of time series; separates observation data of historical time series before monitoring period and observation data of time series during monitoring period from observation data of time series; and imports observation data of historical time series into observation data of historical time series. Through data pretreatment, the stationary historical time series data are obtained, the data fitting model is established, and the stationary historical time series model is obtained; through the stationary historical time series model, the predicted value of the monitoring time series is predicted, the predicted value of the monitoring time series is analyzed and judged, the fault area is obtained, and the fault early warning signal is sent to the fault area; the invention can be realized by the method of the present invention. For the timely prediction and diagnosis of industrial water pipeline faults, this fault diagnosis method can be applied to a wide range of detection, to a large extent, it can save the cost of inspection and reduce the difficulty of maintenance.

【技术实现步骤摘要】
一种基于时间序列的工业用水管道故障诊断方法及系统
本专利技术涉及工业用水领域，更具体地说涉及一种基于时间序列的工业用水管道故障诊断方法及系统。
技术介绍
工业用水管道分布复杂，很多管道是深埋地下的，长时间受到腐蚀及水垢的影响，抗压能力下降，容易形成爆裂。爆裂会造成大流量的泄漏，水资源大量流失，所以对于工业用水管道的监控很重要，需要实时掌握管道状况，在发生故障时及时采取措施来降低损失但是现有的用水管道故障检测技术多以人工听音检查、负压波检测法等，效率低，受环境和时间限制较大。基于物联网技术的管道监测技术比较成熟，各级管网的瞬时流量和日用水量数据都容易获得，可以利用这些检测所得数据来诊断是否用水管道是否发生故障。
技术实现思路
本专利技术要解决的技术问题是：无法实时监测和判断工业用水管道是否故障。本专利技术解决其技术问题的解决方案是：一种基于时间序列的工业用水管道故障诊断方法，包括以下步骤：步骤一：实时监测和采集管道瞬时流量数据，作为时间序列观测值数据；步骤二：从时间序列观测值数据中分割出待监测期之前的时间序列观测值数据，即历史时间序列观测值数据；步骤三：从时间序列观测值数据中分割出待监测期区间的时间序列观测值数据，即监测期时间序列观测值数据；步骤四：将监测期时间序列观测值数据的均值与预设定的管道瞬时流量阈值进行比较，若所述均值小于管道瞬时流量阈值，进行下一个步骤，否则将该时间序列所表示的区域分类为非故障区域；步骤五：对历史时间序列观测值数据进行数据预处理，得到平稳历史时间序列数据；步骤六：对平稳历史时间序列数据进行数据拟合建模，得到平稳历史时间序列模型；步骤七：通过平稳历史时间序列模型预测出监测期区间的时间序列数据，即监测期时间序列预测值数据；步骤八：根据监测期时间序列观测值数据和监测期时间序列预测值数据之间的差值得到的预测误差数据，计算出监测期间的变化水平值；步骤九：判断变化水平值是否大于预设的变化水平阈值，若是，则将该时间序列所表示的区域分类为故障区域，否则分类为非故障区域；步骤十：对故障区域发出故障预警信号。进一步，所述步骤四中对历史时间序列观测值数据进行数据预处理为：步骤S1：对历史时间序列观测值数据进行数据清洗和数据滤波，从而得到滤波时序；步骤S2：采用单位根检验方法检验滤波时序的平稳性，对于不符合平稳性的滤波时序进行差分处理，得到平稳历史时间序列数据。进一步，所述单位根检验方法为ADF检验。进一步，所述步骤五的平稳历史时间序列模型为ARMA模型。进一步，所述变化水平值为所述预测误差数据的众数。一种基于时间序列的工业用水管道故障诊断系统，包括所述一种基于时间序列的工业用水管道故障诊断方法，所述故障诊断系统包括：数据采集模块：用于监测和采集用水管道瞬时流量数据，并将采集所得的数据发送到处理模块；处理模块：用于建立时间序列模型，计算出监测期时间序列预测值，对时间序列观测值进行判读，输出关于故障区域信息；故障预警模块：接收故障区域信息，发出故障预警信号；所述处理模块分别与所述数据采集模块和故障预警模块相连接。进一步，所述数据采集模块为水流量传感器。本专利技术的有益效果是：本专利技术通过利用监测管道瞬时流量，基于时间序列的分析方法，可以实现对工业用水管道的故障及时预测诊断，本故障诊断方法适用于大范围检测，很大程度上能够节约检查的成本和降低检修难度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本专利技术的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。图1是本专利技术的流程图；图2是本专利技术数据预处理的流程图；图3是本专利技术的模块图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、特征和效果。显然，所描述的实施例只是本专利技术的一部分实施例，而不是全部实施例，基于本专利技术的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本专利技术保护的范围。另外，文中所提到的所有连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少连接辅件，来组成更优的连接结构。本专利技术创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。实施例1，参照图1，一种基于时间序列的工业用水管道故障诊断方法，包括以下步骤：步骤一：实时监测和采集管道瞬时流量数据，作为时间序列观测值数据；步骤二：从时间序列观测值数据中分割出待监测期之前的时间序列观测值数据，即历史时间序列观测值数据；步骤三：从时间序列观测值数据中分割出待监测期区间的时间序列观测值数据，即监测期时间序列观测值数据；步骤四：将监测期时间序列观测值数据的均值与预设定的管道瞬时流量阈值进行比较，若所述均值小于管道瞬时流量阈值，进行下一个步骤，否则将该时间序列所表示的区域分类为非故障区域；步骤五：对历史时间序列观测值数据进行数据预处理，得到平稳历史时间序列数据；步骤六：对平稳历史时间序列数据进行数据拟合建模，得到平稳历史时间序列模型；步骤七：通过平稳历史时间序列模型预测出监测期区间的时间序列数据，即监测期时间序列预测值数据；步骤八：根据监测期时间序列观测值数据和监测期时间序列预测值数据之间的差值得到的预测误差数据，计算出监测期间的变化水平值；步骤九：判断变化水平值是否大于预设的变化水平阈值，若是，则将该时间序列所表示的区域分类为故障区域，否则分类为非故障区域；步骤十：对故障区域发出故障预警信号。管道瞬时流量阈值为历史时间序列观测值数据的均值。作为优化，参考图2，所述步骤四中对历史时间序列观测值数据进行数据预处理为：步骤S1：对历史时间序列观测值数据进行数据清洗和数据滤波，从而得到滤波时序；步骤S2：采用单位根检验方法检验滤波时序的平稳性，对于不符合平稳性的滤波时序进行差分处理，得到平稳历史时间序列数据。所述数据清洗是对数据进行重新审查和校验，并对脏数据进行去除的过程，所述脏数据包括缺失值、异常值以及含有特殊字符的数据，所述异常值通过利用单变量的散点图进行判断初步，再利用统计学3σ法原则进行述异常值的排查。所述数据清洗具体为：针对单点的测量异常，采用局部数值填充，针对时段性的异常，先采用零值替换法剔除异常时间段的数值，然后利用局部平均值进行填补。所述数据滤波具体为：选取卡尔曼滤波对时间序列数据进行滤波处理。作为优化，所述单位根检验方法为ADF检验。对获得滤波时序数据，用单位根ADF进行检验，如果ADF检验的值等于0或者小于预设值，该预设值选取0.01或0.05，则判断滤波时间序列数据为平稳时间序列数据；对于非平稳时间序列数据先进行1阶差分运算，在用ADF检验判断是否为平稳时间序列，对于检验后的非平稳时间序列在进行2阶差分运算，获得平稳历史时间序列数据。作为优化，所述步骤五的平稳历史时间序列模型为ARMA模型。历史时间序列观测值数据表示为Yt，如上所述ADF检验，对Yt进行d次差分运算(d＝0，1，…，n)，得到平稳历史时间序列数据Xt，进行零均值处理：即：其中为平稳历史时间序列数据的均值，得到一组预处理后的新序列Xt'。通过计算预处理后的序列Xt'的自相关本文档来自技高网...

【技术保护点】
1.一种基于时间序列的工业用水管道故障诊断方法，其特征在于：包括以下步骤：步骤一：实时监测和采集管道瞬时流量数据，作为时间序列观测值数据；步骤二：从时间序列观测值数据中分割出待监测期之前的时间序列观测值数据，即历史时间序列观测值数据；步骤三：从时间序列观测值数据中分割出待监测期区间的时间序列观测值数据，即监测期时间序列观测值数据；步骤四：将监测期时间序列观测值数据的均值与预设定的管道瞬时流量阈值进行比较，若所述均值小于管道瞬时流量阈值，进行下一个步骤，否则将该时间序列所表示的区域分类为非故障区域；步骤五：对历史时间序列观测值数据进行数据预处理，得到平稳历史时间序列数据；步骤六：对平稳历史时间序列数据进行数据拟合建模，得到平稳历史时间序列模型；步骤七：通过平稳历史时间序列模型预测出监测期区间的时间序列数据，即监测期时间序列预测值数据；步骤八：根据监测期时间序列观测值数据和监测期时间序列预测值数据之间的差值得到的预测误差数据，计算出监测期间的变化水平值；步骤九：判断变化水平值是否大于预设的变化水平阈值，若是，则将该时间序列所表示的区域分类为故障区域，否则分类为非故障区域；步骤十：对故障区域发出故障预警信号。...

【技术特征摘要】
1.一种基于时间序列的工业用水管道故障诊断方法，其特征在于：包括以下步骤：步骤一：实时监测和采集管道瞬时流量数据，作为时间序列观测值数据；步骤二：从时间序列观测值数据中分割出待监测期之前的时间序列观测值数据，即历史时间序列观测值数据；步骤三：从时间序列观测值数据中分割出待监测期区间的时间序列观测值数据，即监测期时间序列观测值数据；步骤四：将监测期时间序列观测值数据的均值与预设定的管道瞬时流量阈值进行比较，若所述均值小于管道瞬时流量阈值，进行下一个步骤，否则将该时间序列所表示的区域分类为非故障区域；步骤五：对历史时间序列观测值数据进行数据预处理，得到平稳历史时间序列数据；步骤六：对平稳历史时间序列数据进行数据拟合建模，得到平稳历史时间序列模型；步骤七：通过平稳历史时间序列模型预测出监测期区间的时间序列数据，即监测期时间序列预测值数据；步骤八：根据监测期时间序列观测值数据和监测期时间序列预测值数据之间的差值得到的预测误差数据，计算出监测期间的变化水平值；步骤九：判断变化水平值是否大于预设的变化水平阈值，若是，则将该时间序列所表示的区域分类为故障区域，否则分类为非故障区域；步骤十：对故障区域发出故障预警信号。2.根据权利要求1所述的一种基于时间序列的工业用水管道故障诊断方法，其特征在于：所述步骤四中对历史时间序列观测...

【专利技术属性】
技术研发人员：张彩霞，王向东，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东,44