检测配送网络、特别是饮用水配送网络中的异常的方法技术

一种装配有传感器的分配网络。方法的步骤包括：‑针对每个传感器获取由时间间隔分开的物理测量的时间序列，‑定义时间窗口，每个时间窗口对应于多个连续时间间隔，‑在每个时间窗口中从每个时间序列提取操作特征，‑针对每个时间窗口形成至少一个当前向量，所述至少一个当前向量把操作特征、与网络相关的结构数据以及时间窗口特有的形势特征作为坐标，‑将当前向量与对应于先前时间窗口的先前向量进行比较，并且先前向量的形势特征和结构数据与当前向量的形势特征和结构数据相似，以及‑在当前向量与所述先前向量显著不相似的情况下，指示异常。

Method of detecting an abnormality in a distribution network, especially in a drinking water distribution network

A distribution network equipped with sensors. The method comprises the steps of: time series for each sensor to obtain physical measurements separated by a time interval, defined time window, each time window corresponding to a plurality of continuous time interval, in each time window from each time series feature extraction operation, in each time window, forming at least one of the current vector. At least one of the unique features of the current situation of vector data structure operating characteristics, related to the network and the time window as the coordinates, the previous and current vector vector corresponding to the previous time window were compared, and the situation characteristics and structure data situation characteristics and structure of previous data and current vector vector similarity, and in the current vector and the vector was previously not similar to the case of abnormal indication.

【技术实现步骤摘要】
【国外来华专利技术】检测配送网络、特别是饮用水配送网络中的异常的方法
本专利技术涉及一种用于检测配送网络，特别是牛顿流体的配送网络，更特别地饮用水供应网络中的异常的方法。
技术介绍
操作性能处于饮用水供应系统管理的核心地位。借助在饮用水的运输及配送网络上的液压(hydraulic)异常的检测和定位工具，可以显著改善性能等级。本专利技术可以被用于全部牛顿流体网络，例如供热和空气调节城市网络。对于异常检测，已知被饮用水网络的运营者广泛使用的基于统计技术的异常检测方法，诸如网络区域的最小流率分析之类。这些方法并非总是允许表示异常的特征，也并非总是允许定位异常。还已知基于液压模型的检测方法。这些基于液压方程式的方法使用网络的建模，所述建模并非总是可用的。异常的检测和定位将数学工具和物理测量结合起来，这意味着实施恰当的仪器密度。
技术实现思路
本专利技术的目的是提出一种异常检测方法，该异常检测方法性能良好，同时对输入数据要求很低并且在信息处理的能力方面相对节约。根据本专利技术，一种用于检测配送网络中的异常的方法，特别是牛顿流体的配送网络，更特别地饮用水供应网络，所述配送网络装配有传感器，在所述方法中，针对每个传感器获取由时间间隔分开的物理测量结果的时间序列，其特征在于以下步骤：-定义时间窗口，每个时间窗口对应于多个时间间隔，-在每个时间窗口中从每个时间序列提取操作特征，-针对每个时间窗口形成至少一个当前向量，所述至少一个当前向量把操作特征、与网络相关的结构数据以及时间窗口特有的形势特征作为坐标，-将当前向量与对应于先前时间窗口的先前向量进行比较，并且先前向量的形势特征和结构数据与当前向量的形势特征和结构数据相似，-在当前向量与所述先前向量显著不相似的情况下，指示异常。为了将当前向量与先前向量进行比较，定义对应于最小不同程度的灵敏度参数，超过该灵敏度参数，当前向量被看作显著不相似。时间序列的两个测量结果之间的时间间隔例如是数分钟，例如3分钟。时间窗口典型地是一天或一周。因此，时间序列典型地包括多个测量结果。可以有利地针对不同持续时间的时间窗口同时实施所述方法。在时间窗口期间，由传感器测量的并构成时间序列的参数经受变化，例如，根据诸如小时、一周中的天、季节、天气等之类的形势参数，根据例如阀门的闭合、泵的停止之类的网络的结构数据，并且还根据在网络上的一个或更多个异常而经受变化。根据本专利技术，形成具有代表时间序列的维度、代表形势参数的维度、和代表结构数据的维度的向量。本专利技术的基础思路是，如果代表形势参数以及结构数据的维度已经被恰当地选择，那么具有基本相同的针对形势和结构维度的坐标的向量应当也具有基本相同的针对操作维度的坐标。在相反情况下，指示异常。考虑到在每个时间序列中典型地大量数字值，如果全部这些数字值中的每一个变为向量的相应维度的坐标，那么本方法应当处理具有非常大维度数目的向量。因此，本专利技术的另一个基础思路在于从每个时间序列提取特征，并随后为向量的坐标使用这些特征。从时间序列提取的特征可以包括最大值、最小值和/或平均值、和/或甚至基本频率，所述基本频率特别地是通过将时间序列分解成傅里叶级数来获得的。一些形势参数或结构数据(例如环境温度或阀门的状态)还可以按时间序列的形式可用，所述时间序列被处理以便从中提取构成代替原始数据或测量结果的向量的坐标的特征。为了特征提取，甚至可以聚合测量结果的时间序列。可以例如进行根据远程读取已知的消耗的叠加，并因此获得唯一总测量结果，或甚至总消耗的时间序列，例如在一周的时间窗口的情况下，按天的测量结果。以有利的方式，一些形势特征至少部分地基于来自经验的假设。例如，可以设置针对个体的取决于小时、周中的天、季节、外部温度、降雨、住房的居住者的数目等的水消耗的趋势。在有利的实施方式中，在异常情况下，将当前向量与具有相似的形势特征和结构数据并且操作特征也与当前向量尽可能接近的至少一个先前向量进行比较，并且指示至少一个操作特征，对于该操作特征，当前向量具有与所述至少一个先前向量相比的大偏差。优选地，通过异常的特征表示软件来处理已经导致指示至少一个异常的情况。当这种软件进一步利用已经可用的关于具有异常值的参数(或向量的坐标)的信息仅处理被挑选作为异常的情况时，这种软件以非常高效率的方式运行。结果，即在由上面指出的特征表示软件处理后确定的网络异常或向量异常，优选地参考异常的严重性等级被提供。已经量化了异常严重性，在多个同时异常的情况下，可以根据其紧急性和/或根据相对应的校正介入的规模对异常相对于彼此赋予优先级。在优选的实施方式中，没有异常的向量被分类到与基本等价的其他向量相同的存储器室中，并且每次计算了当前向量，就搜索包含与该当前向量最类似的之前的向量的存储器室，并且不将该当前向量与该室的先前向量进行比较。因此，减小了所需的处理能力以及获得结果的时延。为其形势坐标和/或对应于网络的结构数据的坐标不与任何现存室相对应的向量创建新的存储器室。例如，对于夏季的月份，异乎寻常凉爽的天气可以导致创建新的室。有利地，在时间上分析相同室的向量的演变，并提供关于网络的演变的信息。因此例如，可以检测初始轻微但是具有加重趋势并可能变得严重的泄漏，然而在室中最相似的向量的简单搜索检测不出增长的泄漏，因为最近的先前向量将表现得极为相似并将导致得出没有异常的结论。在进一步改进的版本中，在不同的室中比较所述演变，并提供区别网络状态的演变与网络上的形势参数的后果的演变的信息。例如，仅在非常热的日子里增长的消耗指示消费者习惯的演变，而不是网络经受逐渐增长的泄漏。为了减轻处理并精炼结果，非常有利地，针对每个时间窗口提供多个向量，多个向量中的每一个与分别形成网络的部分的子网络相对应。因此，处理更小的向量并给出了更容易地定位异常的额外的机会。在检测到异常的情况下，比较地分析当前向量与可比近期的异常向量，从而提供针对异常演变速度以及/或者异常与至少一个形势参数和/或结构数据的联系的指示。在异常情况下，还可以在先前向量中搜索已经导致诊断的可比较的异常，从而提供当前异常的原因的预诊断。在初始化步骤时，有利地可以根据本专利技术用根据与网络相关的档案重新构成的向量加载存储器。向量的分量优选地包括与由网络供应的消费者的抱怨(例如针对流率、压力、味道等)相关的至少一个分量。附图说明根据下面关于非限制性的例子并参考附图1的描述，本专利技术的其他特性及优点将变得更清楚，图1表示所描述的例子中的主要步骤的流程图。具体实施方式初步说明接下来的描述是关于其包含的任何特性的描述，可以独立于其他特性考虑所述特性，即使这些特性形成相同段落或相同句子的部分，并且接下来的描述是关于这些特性的任何组合的描述，因此，无论与上面介绍的概念结合与否，这种特性或特性的组合是区别于现有技术的并提供了技术效果，并且该特性可以用本说明书中的相同术语或相对而言更一般的术语表达。定义实体：饮用水网络或饮用水供应系统的组件，例如液压区域或测量/传感器设备。一个实体与一个或更多个时间序列相关联。时间序列：由时间索引的标量数据的有限序列，该序列通常被恒定的持续时间分隔开。分类：在没有其他明确表示的情况下，表示使得向实体的状态分配已知类的过程，该已知类导致来自网络运营者的预定的动作。分类生成(“簇”(clustering))：在没有其本文档来自技高网...

【技术保护点】
一种用于检测配送网络中的异常的方法，特别是牛顿流体的配送网络，更特别地饮用水供应网络，所述配送网络装配有传感器，在所述方法中，针对每个传感器获取由时间间隔分开的物理测量结果的时间序列，其特征在于以下步骤：‑定义时间窗口，每个时间窗口对应于多个时间间隔，‑在每个时间窗口中从每个时间序列提取操作特征，‑针对每个时间窗口形成至少一个当前向量，所述至少一个当前向量把操作特征、与网络相关的结构数据以及时间窗口特有的形势特征作为坐标，‑将当前向量与对应于先前时间窗口的先前向量进行比较，并且先前向量的形势特征和结构数据与当前向量的形势特征和结构数据相似，以及‑在当前向量与所述先前向量显著不相似的情况下，指示异常。

【技术特征摘要】
【国外来华专利技术】2014.07.25 FR 14572091.一种用于检测配送网络中的异常的方法，特别是牛顿流体的配送网络，更特别地饮用水供应网络，所述配送网络装配有传感器，在所述方法中，针对每个传感器获取由时间间隔分开的物理测量结果的时间序列，其特征在于以下步骤：-定义时间窗口，每个时间窗口对应于多个时间间隔，-在每个时间窗口中从每个时间序列提取操作特征，-针对每个时间窗口形成至少一个当前向量，所述至少一个当前向量把操作特征、与网络相关的结构数据以及时间窗口特有的形势特征作为坐标，-将当前向量与对应于先前时间窗口的先前向量进行比较，并且先前向量的形势特征和结构数据与当前向量的形势特征和结构数据相似，以及-在当前向量与所述先前向量显著不相似的情况下，指示异常。2.根据权利要求1所述的方法，其特征在于，为了将当前向量与先前向量进行比较，调节定义最小不同程度的灵敏度，使得当前向量被认为显著不相似。3.根据权利要求1或2所述的方法，其特征在于，为了提取特征，聚合测量结果的时间序列。4.根据权利要求1至3之一所述的方法，其特征在于，形势特征至少部分地基于来自经验的假设。5.根据权利要求1至4之一所述的方法，其特征在于，在异常情况下，将当前向量与具有相似的形势特征并且操作特征也与当前向量尽可能接近的至少一个先前向量进行比较，并且指示至少一个以下操作特征：对于该操作特征，当前向量具有与所述至少一个先前向量相比的大偏差。6.根据权利要求1至5之一所述的方法，其特征在于，通过参考异常严重性等级来提供结果。7.根据权利要求1至6之一所述的方法，其特征在于，在多个同时异常的情况下，根据其紧急性和/或根据相对应的校正介入的量值对异常赋予优先级。8.根据权利要求1至7之一所述的方法，其特征在于，没有异常的向量被分类到与基本等价的其他向量相同的存储器室中，并且每次计算了当前向量，就搜索包含与该当前向量...

【专利技术属性】
技术研发人员：F·坎帕，A·邓贝尔，G·库森诺，
申请(专利权)人：苏伊士集团，
类型：发明
国别省市：法国,FR