基于时间和空间的供热制造技术

本发明专利技术涉及异常数据处理技术领域，尤其涉及一种基于时间和空间的供热

【技术实现步骤摘要】
基于时间和空间的供热、供冷异常数据诊断处理方法


[0001]本专利技术涉及异常数据处理
，尤其涉及一种基于时间和空间的供热
、
供冷异常数据诊断处理方法
。

技术介绍

[0002]互联网技术逐渐应用于供热领域，使得供热系统运行参数可以在线采集，促进了智慧供热技术的发展
。
用户侧安装室温采集器采集室温数据，可以直观反映供热
、
供冷效果，也有助于实现供热
、
供冷系统的精细化调控
。
然而由于设备安装位置
、
数据传输异常
、
人为干扰等因素的影响，常常存在数据异常和数据缺失的情况，这对挖掘室温变化规律与供热系统调控十分不利
。
因此，对室温数据确定合理的数据处理流程，得到准确的室温数据是十分必要的
。
[0003]中国专利公开号：
CN115840897A
公开了一种温度传感器数据异常处理方法，包括：获取温度传感器的历史监测温度数据和当前监测温度数据，并拟合目标数据序列；对目标数据序列进行分段得到目标数据段；获取每个目标数据段的权重；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；由此可见，所述温度传感器数据异常处理方法存在以下问题：在识别异常数据时的识别对象为测量的温度数据，在相邻数据均为异常数据时容易出现遗漏识别的情况，导致识别的准确率低
。

技术实现思路

[0004]为此，本专利技术提供一种基于时间和空间的供热
、
供冷异常数据诊断处理方法，用以克服现有技术中在识别异常数据时的识别对象为测量的温度数据，在相邻数据均为异常数据时容易出现遗漏识别的问题
。
[0005]为实现上述目的，本专利技术提供一种基于时间和空间的供热
、
供冷异常数据诊断处理方法，包括：
[0006]步骤
S1
，从供热供冷平台提取用于诊断的用户室温数据
、
用户的管网线路信息以及用户所在地理位置的气温数据；
[0007]步骤
S2
，以单个诊断用户为中心选定诊断区间，在诊断区间范围内根据相关度筛选与单个诊断用户能耗相关的关联用户进行聚类，并根据各关联用户的室温数据确定用户室温数据标准；
[0008]步骤
S3
，对单个诊断用户室温数据进行初步数据诊断并将初步诊断异常数据删除，将剩余数据记为原始数据，并将原始数据转化为变化率数据；
[0009]步骤
S4
，采用时间窗对所述变化率数据进行数据划分以分别对单个时间窗的数据进行诊断，根据获取的所述单个诊断用户所在地理位置的环境气温数据，将诊断时间划分为若干诊断时间段，并在单个诊断时间段内确定对应的窗口宽度，以及，根据窗口宽度和诊
断用户所在地理位置的气温数据，确定窗口的滑动步长；
[0010]步骤
S5
，在窗口参数确定完成后，采用
K
‑
means
聚类法对经时间窗选定的数据进行变化率检测诊断，选出异常数据进行删除，确定正常室温数据集；
[0011]步骤
S6
，根据所述正常室温数据集中数据的删除与缺失情况，采用
KNN
算法进行数据填补，得到完整室温数据集；
[0012]其中，所述用户室温数据包括平台周期性检测的各个时间的室温数据；所述诊断用户所在地理位置的气温数据包括每日最高气温
、
每日最低气温和每日平均气温
。
[0013]进一步地，所述步骤
S2
中，根据作为中心的单个诊断用户的供能管网冷热能传递路径和距离阈值确定所述诊断区间；
[0014]其中，所述供能管网冷热能传递路径为所述诊断用户位于的供能管网的供热
/
供冷走向
。
[0015]进一步地，所述距离阈值根据所在供能管网上单位距离的能源温度消耗量确定；
[0016]其中，中心所在供能管网上各支路管网的距离阈值大小不同
。
[0017]进一步地，所述步骤
S2
中，诊断区间范围内的各用户与单个诊断用户的相关度由下式确定：
[0018]R
＝
r
×
α
,
[0019]其中，
R
为距离阈值内用户相关度，
r
为用户与诊断中心的皮尔逊相关性系数，
α
为用户与诊断中心的空间相关性系数
。
[0020]进一步地，在所述步骤
S3
中，根据采集时序对原始数据进行排序，并根据预设变化时长将原始数据转化为变化率数据，具体计算公式如下：
[0021][0022]其中，
A
i+n
为转化后的变化率数据，
α
i
为第
i
个用户室温数据，
α
i+n
为第
i+n
个用户室温数据，删除或未采集的数据记为空，
t
为预设变化时长，
t
＝
n
×
T
，且
n≥2
，
T
为用户室温数据的采集周期
。
[0023]进一步地，在所述步骤
S4
中，根据气温数据计算气温变化率和相邻日期的温差，将诊断时间划分为若干诊断时间段，再根据单个诊断时间段中日期数量和各日期间温差超出温差阈值对应的平均日期间隔确定所述窗口宽度；
[0024]其中，单个诊断时间段至少为三天
。
[0025]进一步地，在所述步骤
S4
中，根据中心所在地理位置的气温数据确定单个诊断时间段内平均单日温差，并根据单个诊断时间段的窗口宽度和所述平均单日温差确定所述滑动步长的取值
。
[0026]进一步地，根据所述窗口宽度和所述滑动步长计算诊断次数，并根据诊断次数与预设次数阈值确定时间窗诊断的调整方式，其中：
[0027]若窗口宽度小于预设窗口宽度和
/
或窗口滑动步长小于预设滑动步长，优先调整未达到预设值的窗口参数；
[0028]若窗口宽度大于预设窗口宽度且窗口滑动步长大于预设滑动步长时，优先调整窗口滑动步长
。
[0029]进一步地，所述窗口宽度对应的时长大于等于3倍的气温数据变化周期的时长
。
[0030]进一步地，在所述步骤
S5
中，异常数据筛选方式为对时间窗内的室温数据使用
K
‑
means
聚类法进行异常室温本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于时间和空间的供热
、
供冷异常数据诊断处理方法，其特征在于，包括：步骤
S1
，从供热供冷平台提取用于诊断的用户室温数据
、
用户的管网线路信息以及用户所在地理位置的气温数据；步骤
S2
，以单个诊断用户为中心选定诊断区间，在诊断区间范围内根据相关度筛选与单个诊断用户能耗相关的关联用户进行聚类，并根据各关联用户的室温数据确定用户室温数据标准；步骤
S3
，对单个诊断用户室温数据进行初步数据诊断并将初步诊断异常数据删除，将剩余数据记为原始数据，并将原始数据转化为变化率数据；步骤
S4
，采用时间窗对所述变化率数据进行数据划分以分别对单个时间窗的数据进行诊断，根据获取的所述单个诊断用户所在地理位置的环境气温数据，将诊断时间划分为若干诊断时间段，并在单个诊断时间段内确定对应的窗口宽度，以及，根据窗口宽度和诊断用户所在地理位置的气温数据，确定窗口的滑动步长；步骤
S5
，在窗口参数确定完成后，采用
K
‑
means
聚类法对经时间窗选定的数据进行变化率检测诊断，选出异常数据进行删除，确定正常室温数据集；步骤
S6
，根据所述正常室温数据集中数据的删除与缺失情况，采用
KNN
算法进行数据填补，得到完整室温数据集；其中，所述用户室温数据包括平台周期性检测的各个时间的室温数据；所述诊断用户所在地理位置的气温数据包括每日最高气温
、
每日最低气温和每日平均气温
。2.
根据权利要求1所述的基于时间和空间的供热
、
供冷异常数据诊断处理方法，其特征在于，所述步骤
S2
中，根据作为中心的单个诊断用户的供能管网冷热能传递路径和距离阈值确定所述诊断区间；其中，所述供能管网冷热能传递路径为所述诊断用户位于的供能管网的供热
/
供冷走向
。3.
根据权利要求2所述的基于时间和空间的供热
、
供冷异常数据诊断处理方法，其特征在于，所述距离阈值根据所在供能管网上单位距离的能源温度消耗量确定；其中，中心所在供能管网上各支路管网的距离阈值大小不同
。4.
根据权利要求2所述的基于时间和空间的供热
、
供冷异常数据诊断处理方法，其特征在于，所述步骤
S2
中，诊断区间范围内的各用户与单个诊断用户的相关度由下式确定：
R
＝
r
×
α
,
其中，
R
为距离阈值内用户相关度，
r
为用户与诊断中心的皮尔逊相关性系数，
α
为用户与诊断中心的空间相关性系数
...

【专利技术属性】
技术研发人员：曹姗姗，张珂，孙春华，夏国强，齐承英，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：