一种云热水监控平台数据的管理方法技术

本发明专利技术涉及数据处理技术领域，提出了一种云热水监控平台数据的管理方法，包括：获取用户的温度数据；得到水垢影响序列、注水影响序列和标准温度序列；得到水垢影响序列的序列平均斜率，得到每个水垢影响序列的序列平均斜率差异，得到水垢影响模型权重，得到平均时间跨度，构建水垢影响模型；对温度数据切片得到时间切片序列，在时间切片内得到水垢矫正因子，通过序列与实时序列的匹配得到第一匹配序列和第二匹配序列即用户影响矫正因子，根据用户影响矫正因子和水垢影响模型得到最终水垢影响模型，根据最终水垢影响模型判对数据进行管理。本发明专利技术分析了不同用户的使用次数对水垢的影响从而更精确得到数据的管理统计。影响从而更精确得到数据的管理统计。影响从而更精确得到数据的管理统计。

【技术实现步骤摘要】
一种云热水监控平台数据的管理方法


[0001]本专利技术涉及数据处理
，具体涉及一种云热水监控平台数据的管理方法。

技术介绍

[0002]随着人们的生活逐渐走向智能化，对于解决热水供应问题也有了相应的解决方案。现有的居民云热水监控平台通过对热水器数据进行数据采集，存储实现智能管理。现有的热水器依赖于温度报警器，水位传感器等传感器的限制，当传感器异常或报警未处理时，容易造成严重问题。
[0003]现有的云热水监控平台对热水器状态数据进行监测的过程中主要是依赖阈值判断或实时数据分析实现异常预警，但是不同时间段内，不同的使用年限热水器的数据异常预警的数据区间，异常阈值并不相同，当用户的用水习惯不同时，也会造成异常预警存在误差，现有方案中并未有用户的注水行为对于水垢的影响。

技术实现思路

[0004]本专利技术提供一种云热水监控平台数据的管理方法，以解决现有的不同的使用年限热水器的数据异常预警的数据区间，异常阈值并不相同，行为人的用水习惯不同时，造成异常预警存在误差的问题，所采用的技术方案具体如下：本专利技术提出了一种云热水监控平台数据的管理方法，该方法包括以下步骤：获取每个用户的历史温度数据和实时温度数据；对于目标用户的历史温度数据，得到多个水垢影响序列、多个注水影响序列和标准温度序列；将水垢影响序列和标准温度序列通过DTW连线的斜率得到每个水垢影响序列的序列平均斜率，根据每个水垢影响序列的序列平均斜率与时序上第一个水垢影响序列的序列平均斜率的差得到每个水垢影响序列的序列平均斜率差异，根据所有序列平均斜率差异得到水垢影响模型权重，根据水垢影响序列数量得到平均时间跨度，根据平均时间跨度和水垢影响模型权重构建目标用户的水垢影响模型；获取若干时间切片，每个时间切片包含若干平均时间跨度，每个时间切片都作为一个时间切片序列，根据每个时间切片的第一个注水影响序列的序列平均斜率和最后一个注水影响序列的序列平均斜率、水垢影响模型、每个时间切片的每个平均时间跨度得到每个用户的每个平均时间跨度的水垢矫正因子，其中同一个时间切片中的所有平均时间跨度的水垢矫正因子相同，也即时间切片中平均时间跨度的水垢矫正因子为时间切片的水垢矫正因子；根据目标用户的实时温度数据得到实时序列，将目标用户和若干用户中除了目标用户外其余用户的时间切片序列分别与实时序列匹配选出第一匹配序列和第二匹配序列，获得第一匹配序列以及第二匹配序列对应的水垢矫正因子；以第一匹配序列对应的水垢矫正因子作为第一影响因子，第二匹配序列对应的水垢矫正因子作为第二影响因子；根据第一影响因子、第二影响因子，第一匹配序列与实时序列的DTW距离，第二匹配序列与实时序
列的DTW距离得到目标用户的用户影响矫正因子；根据用户影响矫正因子和水垢影响模型得到最终水垢影响模型，根据最终水垢影响模型判断目标用户是否清理水垢。
[0005]进一步地，所述得到水垢影响序列、多个注水影响序列和标准温度序列的方法为：对于采集到的每个用户的历史数据中，将满足水温自然下降模型的数据从所有数据中剔除，将温度升高的数据也剔除，将水温下降速度大于正常下降速度的连续数据构成一个序列记为注水影响序列，将水温下降速度小于正常下降速度的连续数据构成一个序列记为水垢影响序列；将峰值温度为，结束温度为，使用自然水温下降模型每1s计算一个温度，得到的所有温度按照时间排序作为标准温度序列，其中表示停止加热后温度下降至结束温度对应的时刻。
[0006]进一步地，所述将水垢影响序列和标准温度序列通过DTW连线的斜率得到每个水垢影响序列的序列平均斜率的方法为：将水垢影响序列和标准温度序列通过DTW进行匹配，水垢影响序列中每个数据点和匹配连接点之间存在连线，计算每条连线的斜率并求所有连线的均值作为序列平均斜率。
[0007]进一步地，所述根据水垢影响序列数量得到平均时间跨度的方法为：获得每个用户热水器从开始使用到统计结束时的所有时间记为总时间，获得每个用户水垢影响序列的数量，令总时间与水垢影响序列的数量的比值作为平均时间跨度。
[0008]进一步地，所述水垢矫正因子的获取公式为：式中，为水垢矫正因子，表示时间切片的第一个注水影响序列的序列平均斜率，表示时间切片的最后一个注水影响序列的序列平均斜率，表示水垢影响模型，表示一个平均时间跨度，表示时间切片共有h个平均时间跨度。
[0009]进一步地，所述将目标用户和若干用户中除了目标用户外其余用户的时间切片序列分别与实时序列匹配选出第一匹配序列和第二匹配序列的方法为：将目标用户的所有时间切片序列与实时序列进行DTW匹配，将其中距离最小的时间切片序列记为第一匹配序列，将其余用户的所有时间切片序列与实时序列进行DTW匹配，令距离最小的时间切片序列记为第二匹配序列。
[0010]进一步地，所述根据第一影响因子、第二影响因子，第一匹配序列与实时序列的DTW距离，第二匹配序列与实时序列的DTW距离得到目标用户的用户影响矫正因子的方法为：为：为：
式中，为第一匹配序列与实时序列的DTW距离，为第二匹配序列与实时序列的DTW距离，为第一距离影响因子，为第二距离影响因子，为第一影响因子，为第二影响因子，为用户影响矫正因子。
[0011]本专利技术的有益效果是：本专利技术通过对历史温度数据进行分析，获得水垢影响序列、注水影响序列和标准温度序列，三种温度序列表示三种不同的特征信息，基于三种特征信息为基础进行进一步的数据处理能够使得获得的水垢影响模型包含更多具有参考性的信息，使得水垢影响模型更符合对应用户的用水习惯特征。进一步为了使得水垢影响模型更加准确，在时间温度上分析用户的水垢矫正因子。通过结合实时温度序列，获得其他用户与其匹配的第一匹配序列和第二匹配序列，进而获得最终的用户影响矫正因子；用户影响矫正因子通过其他用户的用水数据与目标用户的实时数据进行分析，能够进一步调整水垢影响模型的准确性，使得最终水垢影响模型能够准确表征对应用户的用水习惯与用水特征，进而实现准确预警，避免了不同用户用水习惯不同，而使用固定异常阈值进行预警导致的预警不准确的问题。
附图说明
[0012]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0013]图1为本专利技术的一个实施例所提供一种云热水监控平台数据的管理方法的流程示意图。
具体实施方式
[0014]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0015]请参阅图1，其示出了本专利技术一个实施例提供的一种云热水监控平台数据的管理方法流程图，该方法包括以下步骤：步骤S001，采集温度数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云热水监控平台数据的管理方法，其特征在于，该方法包括以下步骤：获取每个用户的历史温度数据和实时温度数据；对于目标用户的历史温度数据，得到多个水垢影响序列、多个注水影响序列和标准温度序列；将水垢影响序列和标准温度序列通过DTW连线的斜率得到每个水垢影响序列的序列平均斜率，根据每个水垢影响序列的序列平均斜率与时序上第一个水垢影响序列的序列平均斜率的差得到每个水垢影响序列的序列平均斜率差异，根据所有序列平均斜率差异得到水垢影响模型权重，根据水垢影响序列数量得到平均时间跨度，根据平均时间跨度和水垢影响模型权重构建目标用户的水垢影响模型；获取若干时间切片，每个时间切片包含若干平均时间跨度，每个时间切片都作为一个时间切片序列，根据每个时间切片的第一个注水影响序列的序列平均斜率和最后一个注水影响序列的序列平均斜率、水垢影响模型、每个时间切片的每个平均时间跨度得到每个用户的每个平均时间跨度的水垢矫正因子，其中同一个时间切片中的所有平均时间跨度的水垢矫正因子相同，也即时间切片中平均时间跨度的水垢矫正因子为时间切片的水垢矫正因子；根据目标用户的实时温度数据得到实时序列，将目标用户和若干用户中除了目标用户外其余用户的时间切片序列分别与实时序列匹配选出第一匹配序列和第二匹配序列，获得第一匹配序列以及第二匹配序列对应的水垢矫正因子；以第一匹配序列对应的水垢矫正因子作为第一影响因子，第二匹配序列对应的水垢矫正因子作为第二影响因子；根据第一影响因子、第二影响因子，第一匹配序列与实时序列的DTW距离，第二匹配序列与实时序列的DTW距离得到目标用户的用户影响矫正因子；根据用户影响矫正因子和水垢影响模型得到最终水垢影响模型，根据最终水垢影响模型判断目标用户是否清理水垢。2.根据权利要求1所述的一种云热水监控平台数据的管理方法，其特征在于，所述得到水垢影响序列、多个注水影响序列和标准温度序列的方法为：对于采集到的每个用户的历史数据中，将满足水温自然下降模型的数据从所有数据中剔除，将温度升高的数据也剔除，将水温下降速度大于正常下降速度的连续数据构成一个序列记为注水影响序列，将水温下降速度小于正常下降速度的连续数据构成一个序列记为水垢影响序列；将峰值温度为，结束温度为，使用自然水温下降模型每1s计...

【专利技术属性】
技术研发人员：陈亮，何佳，严志成，
申请(专利权)人：广东顺德禾庄能源科技有限公司，
类型：发明
国别省市：