【技术实现步骤摘要】
本专利技术涉及数据处理领域，特别涉及一种基于机器学习模型的水情遥测站智能监测巡检系统。
技术介绍
1、水情遥测系统是采集江河流域水位、雨量信息的重要手段，是水文预报系统的重要组成部分，其主要由水情遥测站和遥测中心站组成。水情遥测站主要分布在野外江河流域，大部分位于人迹罕至的偏僻地带，自然环境恶劣，交通不便。为减少设备维护负担，在设计之初，水情遥测设备就以低功耗、高可靠性为目标，配备太阳能板作为供电设备，运行逻辑简单，数据发送量小、频率低。遥测中心站对遥测站点的状态判断，仅仅以水情遥测站上送设备故障信息为依据，缺少对水情遥测站的运行状态的主动监测及判断，在出现传感器故障，数据失真时，无法有效做出判断，而失真数据的采信，会对水文预报作业带来不利影响，降低预报成果的准确性。
2、因此，需要提供一种基于机器学习模型的水情遥测站智能监测巡检系统，用于实现水情遥测站的状态的主动监测及故障识别。
技术实现思路
1、本说明书实施例之一提供一种基于机器学习模型的水情遥测站智能监测巡检系统，应用于水情遥测系统，其中，所述水情遥测系统包括多个水情遥测站，所述水情遥测站至少包括水情监测组件及太阳能供电组件，所述太阳能供电组件用于给所述数据采集组件供电，所述系统包括：数据获取模块，包括多个数据采集单元，其中，一个所述数据采集单元对应一个所述水情遥测站，所述数据采集单元用于采集所述水情监测组件的状态信息及所述太阳能供电组件的状态信息；数据处理模块，包括多个状态确定单元及故障确定单元，其中，一个所述
2、在一些实施例中，所述数据采集单元至少包括声音采集组件、振动感应组件、第一温度采集组件、第二温度采集组件、电流采集组件、电压采集组件、控制器及数据传输组件，所述声音采集组件、所述振动感应组件及所述第一温度采集组件用于采集所述水情监测组件的状态信息，所述第二温度采集组件、所述电流采集组件及所述电压采集组件用于采集所述太阳能供电组件的状态信息，所述声音采集组件、所述振动感应组件、所述第一温度采集组件、所述第二温度采集组件、所述电流采集组件及所述电压采集组件的输出端均与所述控制器的输入端电性连接，所述水情监测组件的输出端与所述控制器的输入端电性连接，所述控制器用于对所述所述数据采集单元采集的所述水情监测组件的状态信息、所述太阳能供电组件的状态信息及所述水情遥测站采集的水情信息进行加密，生成加密心跳数据包，并通过所述数据传输组件将所述加密心跳数据包发送至对应的状态确定单元。
3、在一些实施例中，所述数据处理模块确定所述状态确定单元与所述数据采集单元之间的对应关系，具体包括：对于每个所述数据采集单元，确定所述数据采集单元对应的所述水情遥测站的故障风险值；通过蒙特卡洛模型基于约束条件集，生成多种候选设置方案，其中，所述候选设置方案包括所述状态确定单元的数量、每个所述状态确定单元的位置及每个所述状态确定单元对应的数据采集单元，所述约束条件集基于所述多个水情遥测站的数量、位置及故障风险值确定；对于每个所述候选设置方案，确定所述候选设置方案在多个评价指标的得分，基于所述候选设置方案在多个评价指标的得分，确定所述候选设置方案的方案优先分值；基于每个所述候选设置方案的方案优先分值，确定目标设置方案，基于所述目标设置方案确定所述状态确定单元与所述数据采集单元之间的对应关系。
4、在一些实施例中，所述数据处理模块确定所述数据采集单元对应的所述水情遥测站的故障风险值，包括：基于所述数据采集单元对应的所述水情遥测站的工作环境信息，确定所述水情遥测站的第一风险值；基于所述数据采集单元对应的所述水情遥测站的设备参数信息，确定所述水情遥测站的第二风险值；基于所述数据采集单元对应的所述水情遥测站的历史故障信息，确定所述水情遥测站的第三风险值；基于所述第一风险值、所述第二风险值及所述第三风险值，确定所述数据采集单元对应的所述水情遥测站的故障风险值。
5、在一些实施例中，所述状态确定单元基于对应的所述数据采集单元采集的所述水情监测组件的状态信息、所述太阳能供电组件的状态信息及所述水情遥测站采集的水情信息，确定所述水情遥测站是否处于异常状态，包括：基于所述数据采集单元在当前监测周期内的多个时间点采集的所述水情监测组件的状态信息，生成所述水情监测组件的状态特征矩阵；基于所述数据采集单元在当前监测周期内的多个时间点采集的所述太阳能供电组件的状态信息，生成所述太阳能供电组件的状态特征矩阵；基于所述水情监测组件在当前监测周期内的多个时间点采集的水情信息，生成水情特征矩阵；基于所述水情监测组件的状态特征矩阵、所述太阳能供电组件的状态特征矩阵及所述水情特征矩阵，确定所述水情遥测站是否处于异常状态。
6、在一些实施例中，所述状态确定单元基于所述水情监测组件的状态特征矩阵、所述太阳能供电组件的状态特征矩阵及所述水情特征矩阵，确定所述水情遥测站是否处于异常状态，包括：基于所述水情监测组件的状态特征矩阵与对应的预设状态特征矩阵之间的相似度，确定第一异常概率；基于所述太阳能供电组件的状态特征矩阵与对应的预设状态特征矩阵之间的相似度，确定第二异常概率；基于所述水情特征矩阵，确定第三异常概率；基于所述第一异常概率、所述第二异常概率及所述第三异常概率，确定所述水情遥测站是否处于异常状态。
7、在一些实施例中，所述故障确定单元还用于：基于所述多个水情遥测站的水情监测组件的设备信息，确定任意两个所述水情遥测站的水情监测组件之间的设备相似度，基于任意两个所述水情遥测站的水情监测组件之间的设备相似度，建立设备关联图谱；基于所述多个水情遥测站的所处环境的气象信息，确定任意两个所述水情遥测站之间的气象相似度，基于任意两个所述水情遥测站之间的气象相似度，建立气象关联图谱；基于所述多个水情遥测站采集的历史水情信息，确定任意两个所述水情遥测站之间的水情关联度，基于任意两个所述水情遥测站之间的水情关联度，建立水情关联图谱。
8、在一些实施例中，所述故障确定单元确定所述异常水情遥测站的至少一个关联水情遥测站，包括：基于设备关联图谱，确定所述异常水情遥测站的至少一个第一关联水情遥测站，其中，所述至少一个关联水情遥测站包括所述至少一个第一关联水情遥测站；基于所述气象关联图谱，确定所述异常水情遥测站的至少一个第二关联水情遥测站，其中，所本文档来自技高网...
【技术保护点】
1.一种基于机器学习模型的水情遥测站智能监测巡检系统，应用于水情遥测系统，其中，所述水情遥测系统包括多个水情遥测站，所述水情遥测站至少包括水情监测组件及太阳能供电组件，所述太阳能供电组件用于给所述数据采集组件供电，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述数据采集单元至少包括声音采集组件、振动感应组件、第一温度采集组件、第二温度采集组件、电流采集组件、电压采集组件、控制器及数据传输组件，所述声音采集组件、所述振动感应组件及所述第一温度采集组件用于采集所述水情监测组件的状态信息，所述第二温度采集组件、所述电流采集组件及所述电压采集组件用于采集所述太阳能供电组件的状态信息，所述声音采集组件、所述振动感应组件、所述第一温度采集组件、所述第二温度采集组件、所述电流采集组件及所述电压采集组件的输出端均与所述控制器的输入端电性连接，所述水情监测组件的输出端与所述控制器的输入端电性连接，所述控制器用于对所述所述数据采集单元采集的所述水情监测组件的状态信息、所述太阳能供电组件的状态信息及所述水情遥测站采集的水情信息进
3.根据权利要求2所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述数据处理模块确定所述状态确定单元与所述数据采集单元之间的对应关系，具体包括：
4.根据权利要求3所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述数据处理模块确定所述数据采集单元对应的所述水情遥测站的故障风险值，包括：
5.根据权利要求2-4中任意一项所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述状态确定单元基于对应的所述数据采集单元采集的所述水情监测组件的状态信息、所述太阳能供电组件的状态信息及所述水情遥测站采集的水情信息，确定所述水情遥测站是否处于异常状态，包括：
6.根据权利要求5所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述状态确定单元基于所述水情监测组件的状态特征矩阵、所述太阳能供电组件的状态特征矩阵及所述水情特征矩阵，确定所述水情遥测站是否处于异常状态，包括：
7.根据权利要求2-4中任意一项所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述故障确定单元还用于：
8.根据权利要求7所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述故障确定单元确定所述异常水情遥测站的至少一个关联水情遥测站，包括：
9.根据权利要求8所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述故障确定单元通过站点健康评价模型基于所述异常水情遥测站的水情监测组件的状态信息、太阳能供电组件的状态信息及采集的水情信息和所述关联水情遥测站的水情监测组件的状态信息、太阳能供电组件的状态信息及采集的水情信息，判断所述异常水情遥测站是否处于故障状态，包括：
10.根据权利要求1-4中任意一项所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述故障确定单元判断处于故障状态的异常水情遥测站的故障类型，包括：
...【技术特征摘要】
1.一种基于机器学习模型的水情遥测站智能监测巡检系统，应用于水情遥测系统，其中，所述水情遥测系统包括多个水情遥测站，所述水情遥测站至少包括水情监测组件及太阳能供电组件，所述太阳能供电组件用于给所述数据采集组件供电，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述数据采集单元至少包括声音采集组件、振动感应组件、第一温度采集组件、第二温度采集组件、电流采集组件、电压采集组件、控制器及数据传输组件，所述声音采集组件、所述振动感应组件及所述第一温度采集组件用于采集所述水情监测组件的状态信息，所述第二温度采集组件、所述电流采集组件及所述电压采集组件用于采集所述太阳能供电组件的状态信息，所述声音采集组件、所述振动感应组件、所述第一温度采集组件、所述第二温度采集组件、所述电流采集组件及所述电压采集组件的输出端均与所述控制器的输入端电性连接，所述水情监测组件的输出端与所述控制器的输入端电性连接，所述控制器用于对所述所述数据采集单元采集的所述水情监测组件的状态信息、所述太阳能供电组件的状态信息及所述水情遥测站采集的水情信息进行加密，生成加密心跳数据包，并通过所述数据传输组件将所述加密心跳数据包发送至对应的状态确定单元。
3.根据权利要求2所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述数据处理模块确定所述状态确定单元与所述数据采集单元之间的对应关系，具体包括：
4.根据权利要求3所述的一种基于机器学习模型的水情遥测站智能监测巡检系统，其特征在于，所述数据处理模块确定所述数据采集单元对应的所述...
【专利技术属性】
技术研发人员：钟青祥，王璞，李雪梅，高杰，徐啸天，
申请(专利权)人：国能大渡河流域水电开发有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。