技术领域
[0001] 本发明涉及燃气管网信息化领域，具体涉及一种基于大数据的燃气管网监测系统。
相关背景技术
[0002] 随着城市建设步伐的不断加快和城市规模的日益扩大，城镇燃气业务飞速发展，燃气设施管理工作也日趋复杂，燃气管网已成为经济发展的重要基础设施之一，关系到人民群众的日常生活。由于燃气管网监测点众多且分布极广，采集的数据量大、难处理、监测效果差，迫切需要实时掌握管网压力、管网流量及闸井内的积水高度等运行数据，利用大数据技术，实现广泛的数据监控、智慧的分析和决策，及时掌握城市燃气管网整体运行情况，提高城市燃气管网安全运行管理水平。
具体实施方式
[0014] 结合以下实施例对本发明作进一步描述。
[0015] 参见图1，本实施例提供的一种基于大数据的燃气管网监测系统，包括多个燃气监测子系统1和大数据处理中心2，每个燃气监测子系统1皆连接至大数据处理中心2，每个燃气监测子系统1用于采集一个燃气管网监测区域内的多个燃气监测节点的燃气管网数据；大数据处理中心2用于对采集的燃气管网数据进行处理分析，实现对燃气管网的实时监测。
[0016] 在一个实施例中，每个燃气监测子系统1包括设置于各个燃气监测节点的燃气监测终端3，可选地，每个燃气监测节点设置1个燃气监测终端3。
[0017] 可选地，如图2所示，燃气监测终端3包括传感单元10、定位单元20、通信单元30和数据预处理单元40，传感单元10的输出端与数据预处理单元40的输入端连接，所述数据预处理单元40与通信单元30连接，所述大数据处理中心2分别与定位单元20和通信单元30连接。
[0018] 其中，传感单元10包括压力传感器、气体传感器或水位传感器。
[0019] 在一个实施例中，数据预处理单元40用于对传感单元10采集的燃气管网数据进行预处理，具体包括：
[0020] (1)设传感单元10在一个采集周期内采集的燃气管网数据序列为{α1,α2,…,αz}，若{α1,α2,…,αZ}中存在一燃气管网数据αθ满足下列条件，则判定燃气管网数据αθ为紧急燃气管网数据，将其他不满足下列条件的燃气管网数据归为非紧急燃气管网数据：
[0021]
[0022] 式中，αλ为{α1,α2,…,αZ}中的第λ个燃气管网数据，F为设定的比较阈值；
[0023] (2)若紧急燃气管网数据的个数为0，计算出{α1,α2,…,αZ}的平均值，将该平均值发送至通信单元30；若紧急燃气管网数据的个数不为0，计算出紧急燃气管网数据的平均值以及非紧急燃气管网数据的平均值，将计算出的两个平均值发送给通信单元30。
[0024] 本实施例对传感单元10在一个采集周期内采集的燃气管网数据进行预处理，进行紧急燃气管网数据的判断，并且求出不同紧急类型的燃气管网数据的平均值，只将平均值发送至通信单元30，进而发送至大数据处理中心2。
[0025] 本实施例通过对燃气管网数据进行分类和求取平均值的技术手段，可以有效地减少燃气管网数据量的产生，减轻大数据处理中心2的处理负担，并且能够在一定程度上保证燃气管网数据采集的质量。
[0026] 在一个实施例中，如图3所示，大数据处理中心2包括依次连接的数据接收模块100、数据预处理模块200、数据分析模块300。
[0027] 其中，数据接收模块100用于对接收多个燃气监测子系统1发送的燃气管网数据。
[0028] 其中，数据预处理模块200用于对数据接收模块100接收的燃气管网数据进行预处理。
[0029] 其中，数据分析模块300用于对预处理后的燃气管网数据进行分析处理。
[0030] 在一个实施例中，所述对数据接收模块100接收的燃气管网数据进行预处理，具体包括：
[0031] (1)将一燃气监测子系统1中的各燃气监测终端发送的属于同一采集周期内的燃气管网数据作为一段燃气管网数据，构成燃气管网数据序列为{β1,β2,…,βn}，n为燃气监测节点数量，n为偶数，获取该序列燃气管网数据的中位数βmed；
[0032] (2)计算各燃气管网数据βi距离中位数βmed的绝对距离Xi＝|βi-βmed|，i＝1,2,…,n，对计算出的各绝对距离按照从小到大的顺序进行排序，确定序列中的绝对距离的中位数Xmed；
[0033] (3)改进格拉布斯准则，若燃气管网数据βi满足下列公式，则判定βi为异常燃气管网数据：
[0034]
[0035] 式中，Xj表示燃气管网数据序列{β1,β2,…,βn}中第j个燃气管网数据距离中位数的绝对距离，d为设定的修正系数，d的取值范围为[1.35,1.451，UT为设定的判定阈值，UT的设定取值范围为[2.5,3.51。
[0036] 本实施例对燃气监测子系统1发送的在一个数据采集周期内的燃气管网数据进行异常分析，对其中的异常燃气管网数据进行剔除处理，能够提高燃气管网数据的精度，提高数据分析的质量。现有技术中，基于平均数及标准差的格拉布斯准则是典型的基于参数统计的异常点检测方法。本实施例改进了现有的格拉布斯准则，将序列中的绝对距离的中位数替代原格拉布斯准则中的序列标准差，并引入了加权系数 由于异常燃气管网数据会影响现有的格拉布斯准则中计算的精度，而本实施例中改进的格拉布斯准则采用中位数进行计算，不依赖于所有燃气监测节点，可疑的燃气监测节点不会影响对其他燃气监测节点的判断，因此对异常燃气管网数据的判断不受异常燃气管网数据存在的影响，本实施例采用改进的格拉布斯准则进行异常燃气管网数据检测，具有更高的鲁棒性和稳健性。
[0037] 在一个实施例中，大数据处理中心2还包括相连接的数据压缩模块400和数据存储模块500，数据压缩模块400与数据接收模块100连接，用于对数据接收模块100接收的多个燃气监测子系统1发送的燃气管网数据进行压缩处理，并将压缩处理后的燃气管网数据发送至数据存储模块500中存储。
[0038] 在一个实施例中，所述对数据接收模块100接收的多个燃气监测子系统1发送的燃气管网数据进行压缩处理，具体为：将一燃气监测子系统1中的各燃气监测终端发送的属于同一采集周期内的燃气管网数据作为一段燃气管网数据，分别对各段燃气管网数据进行压缩处理。
[0039] 其中，对一段燃气管网数据进行压缩处理时，具体执行：
[0040] (1)设该段燃气管网数据为{γ1,γ2,…,γn}，n为燃气监测节点数量，将该段燃气管网数据{γ1,γ2,…,γn}按照从小到大的顺序进行排列，形成新的燃气管网数据序列{γ1′,γ2′,…,γn′}；
[0041] (2)进行参数初始化，包括当前段中的燃气管网数据个数k、当前分段数c、分段阈值ρ，最大分段数量Ymax；
[0042] (3)对新的燃气管网数据序列进行分段，从{γ1′,γ2′,…,γn′}中的第一个燃气管网数据起，记录当前分段中的燃气管网数据个数k，当k＝ρ，将下一个燃气管网数据划分为下一分段中的起始燃气管网数据；将当前分段数c加1，k置为0；
[0043] (4)若当前分段数大于或等于Ymax，转入(5)，否则转回(3)；
[0044] (5)对分段的燃气管网数据进行压缩：
[0045] wι＝gιvι
[0046] 式中，vι为第ι个分段，wι为对vι进行压缩后的分段，gι为与vι对应的观测矩阵，从观测矩阵字典中查找。
[0047] 本实施例在对一燃气监测子系统1中的各燃气监测终端发送的属于同一采集周期内的燃气管网数据进行数据压缩时，将对应的燃气管网数据序列先后进行排序处理和分段压缩处理，有利于实现对燃气管网数据的高比率压缩，提高原始燃气管网数据的重构概率，并且能够有效提高燃气管网数据压缩的效率，从而提高大数据处理中心2进行数据存储的效率和质量。
[0048] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
